Nul

(Billede: LorenzoPatoia, Getty Images/iStockphoto)
Selvom annoncekroner fortsat at flytte stort set til interaktive medier som online visning af annoncer og “programmatisk at købe,” der er stadig snesevis af milliarder per år i reklame i plain-gamle “lineær” tv, og masser af indsats for at forbedre brugen af mediet.
Problemet er, hvordan man forbinder markedsføring, reklame “spot”, der udsendes på TV, at adfærd på en måde, der virkelig kan bevise værdien af denne annonce.
Machine learning i forskellige former er et værktøj, der gør det muligt at øge evnen til at forbinde TV-visning og forbrugernes adfærd. Der er fokus på en tre-årig start opkaldt EDO, som har dual-hovedkvarteret i New York og Los Angeles.
EDO, som har nogle tunge hitters fra medier verden, har lavet en business for at se tv-feeds i en kæmpe DVR gård og finde ud af, hvordan annoncer korrelerer — og måske forårsage — forbrugernes købsadfærd online. EDO er DVRs har fanget 47 millioner “luftture” af tv-reklame spots i løbet af de seneste tre og et halvt år. Der database af annoncer, der er sammenlignet med offentligt tilgængelige data for ting som folk kan gøre online, såsom at søge efter nøgleord eller ser ting op på Wikipedia, et data sæt af “billioner” af forbrugernes handlinger, virksomhedens krav.
Også: Reklame data, der går fremad: Gennemsigtighed og omfang
De data, videnskab kampe mellem udsendelse af en annonce og spike i adfærd af forskellige slags, der vedrører det pågældende produkt eller brand, at skabe en slags “A/B-test,” se, hvilke steder blandt flere fra en helt marketingmedarbejder havde det største løft til adfærd.
EDO torsdag morgen annoncerede en ny runde af finansiering til tonerne af $12 millioner fra Breyer Kapital, der drives af tidligere Accel Partners venture kapitalist Jim Breyer. (EDO havde en tidligere, frø runde af midler, som virksomheden ikke afsløre.)
Virksomheden blev grundlagt af skuespilleren Edward Norton og Daniel Nadler, tidligere administrerende DIREKTØR for data analytics selskab Kensho (senere solgt til S&P Global) og Kevin Krim, tidligere general manager for CNBC Digital. Kunder omfatter Walt Disney ‘ s ESPN, og Bravo netværk, som ønsker at optimere, hvordan de fremmer TV-shows med deres on-air-annoncer. EDO hævder at have kunder i en række andre industrier som tøj-og bilindustrien, selvom selskabet ikke ville dele navnene på de pågældende kunder.
Krim, der fungerer som administrerende DIREKTØR for EDO, og Josua, Lee, chief technical officer, der tidligere var med Airbnb, tog noget tid at tale med ZDNet til at forklare virksomhedens anvendelse af kunstig intelligens til at skabe mening i masser af data, som de er at observere.
For kunder, der ønsker at finde ud af, hvilke annoncer giver en effekt, ned til den enkelte time slot, for at maksimere afkastet af investeringer, da de flytte penge rundt. er som de skift dollars her og der. Nogle gange, betyder det, at finde ud af, hvad der virker endnu, før planlægningen af den annoncekampagne, ved at trykke historiske mønstre, at EDO har observeret.
“Vi havde en auto-klient, der var lancere deres første nogensinde subcompact SUV,” forklarer Krim. “At kunden ikke var i stand til at se på deres egen historie [reklame] til det produkt, de kunne ikke se, der er baseret på deres egne erfaringer som [kabel-TV] netværk er mest effektive til at skabe engagement.”
“Med vores hjælp, de var i stand til at se tilbage på en meget bestemt sæt af kampagner ved at konkurrenter, bare for midten af luksus-segmentet, og se på seks eller otte historiske kampagner, konkurrenter” for at se, hvilke kampagner der syntes at bede tilsvarende adfærd som forbrugere.
“Hvad er så cool er, at vi kan kontekstualisere data for hele branchen, ved segmenter, såsom luksus versus ikke-luksus, og SUV versus ikke-SUV,” siger Krim. “Kunderne er i stand til at få en nuanceret opfattelse ved at se på deres data, men det er kun ved at se på hele data.” Produktion af sådanne forskelle i ad konsekvenserne kan være penge, der spares, Krim forklarer. “Vi havde en bilproducent lancerer et fuldt redesignet version af et flagskib af deres, og de var over en lang weekend denne sommer, der kører seks forskellige ‘annoncer.’ Vi kunne vise dem, at mellem top – og bund-udfører-spots, der var en 50 procent forskel i virkningen — top annoncerne er 50 procent mere tilbøjelige til at engagere sig i en person end den nedre kunstnere.”
Også: AI start Mennesker.ai får $30 millioner fra Andreessen Horowitz, for at frigøre arbejdspladsen slid
Som et resultat, de havde mulighed for at fordoble budgettet til de top-kunstnere, og måske skære tildeling til bunden af dem. Dette valg ville generere den tilsvarende 240 yderligere prime-time pletter. Hvis den gennemsnitlige omkostninger er på $50.000 pr stedet, du taler en ekstra $12 millioner i effektive bruge.”
EDO-team.
EDO, som begyndte sit liv som “Big Data Oracle,” kombinerer timers TV, der “ser” med masser af data offentligt tilgængelige om den “tragt”: online stier, som TV-seere henvende sig til for ting såsom søgninger. Virksomheden er uklart, hvordan det går om at samle data gem for at sige, at det indebærer ingen særlige ordninger med Google eller andre internet-virksomheder. Forbrugeren data aggregeres data, og anonymiseret, så der ikke kun er én person, der bliver gransket i, hvordan de opfører sig. Det er en statistisk stikprøvekontrol af adfærd.
Også: 10 digital transformation tips til at hjælpe din virksomhed TechRepublic
Det punkt, CTO Lee siger, er, at det ikke er de datakilder, der gør forskellen: Se lineære TV og skrabning af data kan være gjort af andre. Det er de data, videnskab, den måde som data er analyseret, der betyder noget. Data science team på EDO anvender en række af machine learning teknik, fra en simpel lineær regression for at “mere avancerede teknikker”, der involverer Google ‘ s TensorFlow og Tilfældige Skove, Lee siger. “Vi har en filosofi om ikke at over-gøre det mere besværligt, hvis vi ikke nødt til det,” siger Lee.
Men det centrale spørgsmål er naturligvis, om virksomheden er faktisk opdage, blot korrelation — mennesker synes at søge efter biler på samme tid, at en bil ad luft-eller anden form for kausalitet, der er meningsfuld.
Lee fastholder, at det er det sidstnævnte.
“Vi føler stærkt, at der er en kausal sammenhæng” i data, siger Lee. “Vi behøver ikke have en evne til at gøre de enkelte attribution, det er sandt, fordi de data, der er samlet, men den måde at tænke på det er, at vi ser en baseline er etableret i en given granulært produkt kategori”.
“Vi ser en given stimulus, kun stimulerende i en vis periode, er en TV-annonce luftning — og vi ser klart en afvigelse fra baseline på det tidspunkt, og husk vi har set dette nok over 47 millioner annonce luftture.”
Krim forklarer selskabet er ved at tage en side fra direkte respons-annoncering.
“Med direkte respons, folk ville køre en oplysningsspot på TV, og de ville have en meget detaljeret registrering af den tid, det i fjernsynet,” Krim forklarer. “De ville se deres forskellige, hvad de ville kalde kanaler, såsom e-mail eller Web site besøg, og de ville måle disse ændringer i baseline.”
Også: 10 måder AI vil påvirke virksomheden i 2018 TechRepublic
“Vi ønskede at bringe væsentlige, at acuity af direkte reaktion på brand marketingfolk. Problemet med brand marketingfolk er, at de har et distribueret tragt [online steder, hvor folk søger, og sådan], hvor de ikke ejer data på alle.
“Vi kan få adgang til gateway’ en adfærd, der fører folk ned kanaler til at købe resultater; vi er picking up den tidlige behandling af shopping adfærd, der bliver ny bil køber eller ændringer i emballerede forbrugsvarer præferencer — noget, jeg vil stoppe næste gang på Taco Bell og bede om en Doritos-flavored shell for min taco.”
Tidligere og relaterede dækning:
En tidlig AI adoptanter rapport store afkast
Ny undersøgelse viser, at kunstig intelligens teknologi betaler sig, men organisationer står over for udfordringer.
Oracle introducerer nye enterprise digital assistent
Går ud over typiske chatbots bygget til et enkelt formål, Oracle Digital Assistent kan blive uddannet til at støtte domæne færdigheder fra flere forskellige programmer
AI levere afkast til virksomhedens early adopters, men ikke industrier er skabt lige
Deloitte ‘ s årlige AI undersøgelse afslører en smule realisme, cybersecurity bekymringer og 17 procent median afkast på investeringer.
Machine learning nu top dygtighed søges af udviklere
SlashData ‘ s seneste undersøgelse af 20.000 udviklere identificerer machine learning and data videnskab er de færdigheder at kende til 2019.
Hvad er dyb læring? Alt, hvad du behøver at vide
Den lowdown på en dyb læring: fra hvordan det relaterer til det bredere felt af machine learning igennem til, hvordan du kommer i gang med det.
Hvad er digital transformation? Alt, hvad du behøver at vide
Digital transformation: hvad det er, hvorfor det er vigtigt, og hvad de store tendenser er.
AI og Internet of Things vil drive digital transformation gennem 2020
Undersøgelse afslører, IoT, AI og synkron ledger tech (blokkæden) prioriteringer.
Relaterede historier:
Der er ingen rolle for AI eller data videnskab: dette er et team effortStartup Slægt bringer splint af håb for AI i roboticsAI: udsigt fra Chief Data Videnskab OfficeSalesforce introer Einstein Stemme, en AI stemme assistent for enterprisesIt er ikke er de job, AI er ødelæggende for at genere mig, det er dem, der er growingHow Facebook skalaer AIGoogle Duplex bekymrer mig, CNET, Hvordan Google Hjem er bedre end Amazon Echo CNETDigital transformation: En guide til CXOs (Tech Pro Forskning)Hvad virksomheder vil fokusere på for digital transformation i 2018Digital transformation: Tre måder at gøre det rigtige i din virksomhed
Relaterede Emner:
Innovation
Digital Transformation
CXO
Tingenes Internet
Virksomhedens Software
Intelligente Byer
0