目前为止，基于机器学习的个性化功能仍集中于行为和偏好，即找到“对的人”、“对的地方”和“对的时间”。现在，新的机器学习技术把情绪因素纳入计算方程，以做到更好的信息连结。通过这项研究，我们开始了解从业人员如何利用机器学习技术优化营销的最后一环，即如何解决“正确的消息”，以及这些早期的运用者从中获得了哪些价值。
今天的市场中，营销人员必须将定制体验通过数字端传递给客户。机器学习和预测技术在内容变革中正在迅速兴起。电子邮件营销、网页优化和广告推送只是很少的几个实践，但都取得了巨大的投资回报。通过这种技术，营销人员可以根据情绪的不同，智能地产生对应内容，此举大大强化了个性化功能。
对 301 名从业者的调查显示，绝大多数还没有利用机器学习进行内容开发的已经准备好开始了。而那些已经利用机器学习进行内容报道的表示没花太多精力就将性能提升了 22% - 266%。调查结果表明，营销人员和广告商越来越熟悉机器学习技术自动生成的内容，与客户的沟通效率和效果也都得到了显著改善。
38% 的从业人员已经将机器学习和预测技术纳入其广告数据管理平台（DMP）。另外的 35% 也准备在 1 年内实现相关部署（图 1）。
基于机器学习的营销管理方案是提升营销人员细分受众能力的常见做法。例如，平台可以利用行为数据发现客户可能取消订阅，那么及时采取行动能够避免失去客户。
包括亚马逊、Facebook 和谷歌在内的众多科技巨头也都在使用机器学习推荐相关的产品或内容。基于机器学习的推荐系统无疑已经在互联网服务中被广泛使用。
更加前沿的应用包括 Acquisio 通过机器学习开发了一整套报价预算管理服务，平台通过监控竞价搜索，及时定价调价，最终投入最少人力，以最低成本获得最大价值。
自然语言处理（NLP）技术一直以来都用于改进搜索引擎和电子邮件分类。最近，这项技术又在人工智能（AI）助理方面开花结果，代表产品包括 Siri 和亚马逊的 Alexa。终于，NLP 技术如今也开始在营销是发挥作用。
我们在调查中发现，所有被调查的人中， 80% 还没使用机器学习进行内容开发的已经准备使用，55% 表示将进入测试阶段，25% 表示他们将立即开始尝试（图 2），12% 的人表示没有预算的问题，只有 8% 表示他们不信任机器学习技术。
这项技术已经被证明能够优化所有类型的数字广告营销，如电子邮件内容和广告展示。机器生成的消息质量一向优于人工生成的消息。出于这个原因，我们准备采用自动化数字营销技术，如果不跟上这次技术升级，很有可能在未来的竞争中落后，因为基于机器学习的新方法与传统方法之间的差距将越来越大。
机器学习通过一系列信息元素对营销内容进行优化，这其中包括产品描述，按钮，格式和定位。
营销人员通过个性化的定位、再定位、优惠、购买度、忠诚度和活动等推动宣传。
不仅如此，这还有助于加速创新，通过持续学习和利用个体间的行为模式，机器学习平台可以从广泛营销转变为更加个性化的方式，因为没有人可以做到如此大规模的程度。
优势：
获得客户反馈：机器学习可以通过捕捉客户偏好来产生最佳的营销内容。
增加收入：相关团体已经在许多研究中证明，相关性营销比非相关性营销多产生 3 到 5 倍的收入，而情绪语言的优化能提高相关性。
缩短进入市场的时间：机器学习的方法基本避免了各种无用功和返工可能，通过极具影响力和煽动性的语言，加速了整个运行周期。
增加客户互动：机器学习创造的内容更有助于良性互动，提高用户对品牌的忠诚度，也能使新用户更容易接受和认可品牌。
价值深化分析：用户流露的情绪和鼓动客户购买的语言是商家洞察流量转化的本质。
直到现在，个性化技术仍然严重依赖于用户行为，包括利用点击量、标签和实时事件等数据。新的机器学习技术将用户的偏好和情绪纳入考量范围，让营销人员能够创造出具有吸引力、符合受众情绪、真实有效的内容，能有效提高个性化效果。
Persado 的认知内容平台就是这样一个例子，Persado 利用自然语言处理和机器学习来自动生成基于行为和态度的数据。
在对 301 名从业人员进行相同的调查后发现，营销人员已经在使用包含情感语言科学的行为预测技术（图 3）。个性化预测正在变得越来越普遍，营销人员中 52% 使用了行为数据，49% 使用了实时数据，17% 使用机器学习为目标客户开发了特定语言。
由于机器学习技术天然的黑盒属性，营销人员需要掌握优化营销内容的基本原理和方法。
下面是一些关键的 NLP 查询方法：
算法：要注意机器学习算法的学习特性。对于 NLP 平台来说，使用者应该清楚系统是如何保证机器有效运用语言表达，并基于商业行为自动判断其用法的。
行为触发：确定系统如何解释和了解受众的行为。通过恰当的语言分类系统，该平台要能基于以往的表现慢慢确定具体的触发行为和学习迭代的方式，这样可以确保在未来也行之有效。
细分差异：要清楚包括工业、频道、地理和参与类型（一次性或订阅）等在内的类别是如何滚动数据的。这些差异信息可以进一步细分和丰富语言的分类，例如，同一消息在不同语境中效果也不同。
语言分类：应当了解如何将营销的具体语言拆解成不同分类，让平台能够测试消息中的无关联元素，这样的分类可能包括函数式语言（如调用操作）或描述性语言（如产品清单）。
情绪排名：有效的沟通充满成了个人特定的情感价可以用作数据更好地理解和说你的听众。情绪分析的一个基本类型就是把信息分成积极的或消极的。更细微的信息可以挖掘出更多样化的情绪类别。平台对情绪分析得越具体，就越有可能达到目标受众的层次。
网上百货的广告中，包含成就、特别和安全情绪的样式贡献了回复率的 77%，点击率提升了 57%。
网店的广告中，包含兴奋情绪的样式贡献了回复率的 51%，点击率提升力 42%。
百强电子零售商的成功邮件中，包含成就情绪和焦虑情绪的贡献了回复率的 72%，点击率提升了130%。
打折店的成功邮件中，包含兴奋情绪和感激情绪的贡献了回复率的 44%，点击率提升了266%。
百强电子零售商的标题栏中，包含成就情绪的贡献了回复率的 53%，转化率 278%。
百强服饰零售商的标题栏中，包含渴望情绪和感激情绪的贡献了回复率的 45%，转化率提升力 402%。
机器学习技术的应用让营销人员能够进行前所未有的尝试和实践。营销人员一直以来都在通过“认知计算革命”来确定“对的人”，“对的地方”和“对的时间”。直到最近，机器学习才开始着手处理“对的信息”。
营销人员通过机器学习创作出的内容能利用情感触发器与客户产生强烈共鸣，这个方法有助于和客户产生更深层次的联系，也真正做到了一对一的个性化。
那些还没有具备这项技术的人会发现他们很难与之竞争，未来的短短几年内，机器自动生成的内容将会开始与人工撰写的内容竞争，而基于数据反馈创作出的营销内容也终将超越人类同行的水平。
via Persado
推荐阅读：
正在生成分享图...
包永刚