分享在 facebook
分享在 linkedin
分享在 twitter
分享在 facebook
分享在 linkedin
分享在 twitter

行銷人入門必備:深入淺出「深度強化學習」

圍棋的遊戲規則雖然簡單,但其對弈過程卻十分複雜,棋手所做的每一個決策背後皆隱含著「2 x 10170」的可能性。經驗豐富的棋手在經年累月的嘗試和錯誤中學習,而這種決策機制就是所謂的強化學習

若在人工智慧中輸入上千萬場專業棋手間的對決數據,其最終會產出何種學習結果?答案就是擊敗頂尖人類棋手的知名人工智慧圍棋軟體AlphaGo,其運作原理便是基於深度學習。

但若是換個方式,先讓人工智慧弄懂圍棋規則,然後再任其「自行」模擬數百萬場棋局,以藉此從中學習如何對弈呢?「深度強化學習」除了讓人工智慧能夠自行建立自身數據(數百萬場棋局)外,還可幫助其透過分析不同落點來找出最佳走法。正如人類的學習模式一樣,人工智慧會根據其成功或失敗的經驗來調整後續行動,以求改善最終的結果,只不過其在做決策時所能涵蓋的範圍與思考速度,遠超出人類能力所及的境界。

「深度強化學習」需在具結構性的環境中運作,這意味著使用者在設定目標前,須將周遭的情境納入考量(例如學習圍棋規則或是研究行銷市場)。基於「深度強化學習」的人工智慧不但能從過去的行銷活動中汲取經驗,協助企業擬定合宜的策略及行動,還能透過內部演算法模擬可能發生的情況,以提供給行銷人參考。

此外,人工智慧具備持續學習的能力,除了能在企業推展行銷活動的過程中,確認哪些是有效的、哪些是無效的方案外,還可針對盈利能力等因素進行分析,讓企業得以透過降低獲取每筆名單成本或主攻高消費力族群,來優化日後的行銷活動。

假設有一家公司想要大幅提升其應用程式的安裝數量,在此前提下,該公司會希望運用其有限的預算,以盡可能地獲取最高限度的安裝數量(目標)。換言之,其必須擬定合宜的預算配置方式,以及為廣告版位設定合理的出價金額(作法)。而應用「深度強化學習」技術的人工智慧工具,便能根據該公司的預算和出價,推薦最符合其需求的平台和廣告投放時間點。於是,在人工智慧的建議下,該公司便能有效把握住最佳的廣告曝光機會。若周遭環境條件發生變化,基於「深度強化學習」的人工智慧也有能力即時做出反應,比行銷人更迅速地分析出哪些方案可行、哪些不可行。

「深度強化學習」技術適用於具備多樣化選擇的複雜情境,例如像行銷活動這類需隨著消費者行為做調整的環境。這種技術的優勢在於其能夠從錯誤中汲取教訓,並能藉此縮短優化決策所需的時間。

歡迎與我們聯繫

|了解人工智慧如何幫助你的企業解決商業難題|

 

讓我們為你解痛點

還掙扎於不知如何做好做滿你的行銷策略嗎?

你也許也會對這些文章感興趣:

金融理財專家必讀!從風險預測到應用人工智慧探索並獲取信用卡用戶

隨著亞太地區越來越多金融機構開始採用人工智慧,獲取顧客、與客互動與風險管理的方式也將大幅改變。舉例而言,深度學習的發展能夠協助組織掌握更全面的潛在顧客樣貌,並且可更加精準地判斷顧客是否適合信用卡與貸款等金融服務。 2018年,亞太地區的銀行業共賺進約1.6兆美元的收益,其中約7,000億美元的稅前淨利更佔全球銀行業的37%。然而,各種跡象卻顯示該產業的成長趨緩,利潤也正逐漸減少;在此情況下,各家銀

Appier 五周年 — 從 AI 出發,往世界頂尖邁進

還記得十幾年前當我開始做人工智慧(AI)研究時,AI還不是一個很熱門的領域。Appier創業的起點是在哈佛大學,當時手邊沒有什麼資源,幾個夥伴在宿舍裡就開始了AI創業旅程。就是因為從零開始,所以每一個客戶的回饋對我們來說都彌足珍貴 — 我到現在都不會忘記,當我們第一次獲得客戶的肯定以及拿到第一筆訂單時的喜悅! 可想而知,在創業的前幾年,我們面臨了許多挑戰,也從挫折中學到很多。在成為所謂的「創業家」

如何打破常規,創造更智慧且以客為本的金融服務?

金融服務產業已準備好迎接數位時代的到來。過去,金融服務產業總給人食古不化、蝸行牛步的印象,但許多銀行、投資與保險業者已著手進行金融服務創新,不但為商品建立數位平台,也開始使用聊天機器人解決顧客的疑難雜症。亞太地區金融科技市場的產值預估將在2020年達到720億美元。 不過,數位原生平台(例如百度、騰訊與Grab)與現有的傳統機構採行的方法卻大不相同:數位原生平台的經營理念以顧客為尊,商品次之。反觀

    讓我們為你解痛點

    還掙扎於不知如何做好做滿你的行銷策略嗎?