人工智能（AI）早已悄然进入营销技术领域。即使你不知道，但你使用的多种营销工具很可能至少依赖于某些人工智能。随着这些技术变得越来越普遍，了解它们是什么以及它们如何影响行业的未来就显得尤为重要。以下是一些与人工智能相关的关键术语，以及人工智能如何改变营销。
算法
简单地说，算法就是一组数学指令。每种算法都是计算机程序的分步指令。虽然算法曾经必须经过明确编程，但如今，一些算法的设计可以让计算机独立学习（见下文机器学习的定义）。算法已经渗透到我们的日常生活中。例如，它们决定了我们在 Facebook、Netflix、亚马逊和谷歌上看到的内容。专家估计，我们在 Netflix 上观看的内容有 75% 都是由算法建议的。
营销人员已经在以各种方式运用算法，因为算法可以汇集各种来源的数据来预测和影响消费者的行为。应用算法还将为营销和媒体计划带来新的责任感，因为营销人员将越来越有能力把他们的努力与业务目标联系起来。
自动化
国际自动化学会（ISA） 将 自动化 定义 为 "创造和应用技术来监控产品和服务的生产与交付"。自动化技术的引入给营销行业带来了革命性的变化，使专业人员能够将时间花在有意义的增值活动上，而不是重复性的任务上。
但是，即使是传统自动化的 "设置好就不用管 "方法，仍然需要大量的人工操作。必须由人工设置要自动化的流程，对流程的更改也必须由人工定义、启动和执行。未来的自动化将由人工智能驱动，无需额外的人工监督（见下文智能自动化的定义）。
大数据
2001 年，Gartner 将大数据定义为 "数据种类越来越多、数量越来越大、速度越来越快"。这 "三个 V "的定义至今仍被广泛使用和接受。在随后的几年中，营销人员面对的数据越来越多，来源也越来越多样化；全球 90% 的数据都是在过去两年中产生的，而且数据量还在以更快的速度增长。
事实上，大数据迫使营销人员重新思考如何有意义地吸收看似无穷无尽的信息。未来几年，营销团队可能会与 IT 团队更紧密地合作，以实施处理海量数据所需的技术。他们还必须选择哪些数据真正有助于提高洞察力。
机器人
机器人的名声一直不好。不道德的营销人员利用机器人通过模仿页面浏览或点击广告来增加网站流量。但对于营销专业人士来说，机器人有很多积极的作用。机器人只是一种通过互联网自动执行任务的软件应用程序，你可能每天都会在网上遇到机器人。聊天机器人已经出现在互联网的各个网站上，并被证明是吸引客户的绝佳方式。但您也可以使用机器人进行研究、跟踪项目，甚至自行销售产品。
由于人工智能的出现，机器人变得越来越复杂。例如，使用人工智能聊天机器人能够进行越来越多的自然对话，这将使企业有能力与更多的网站访客互动，并在人工介入对话之前收集更多有关访客的信息。
深度学习
深度学习是一种机器学习技术，它依靠神经网络帮助计算机像人类一样通过实例进行学习。深度学习技术为无人驾驶汽车和声控消费设备提供了基础。深度学习所需的 "示例 "是极其庞大的标注数据集，计算机利用这些数据集来学习相关的分类。
深度学习设备的性能可以超越人类。在营销领域，随着机器在预测排名算法方面的能力越来越强，深度学习很可能会彻底改变我们的搜索引擎优化方法。
智能自动化（IA）
智能自动化（IA）是将自动化与人工智能相结合，从而实现自动数据收集、分析和决策的结果。例如，有人在您的网站上填写了 "联系表单"，并附上了简短的说明或评论。
单靠自动化，您的营销团队就能在表单提交后通知正确的人，并立即发送自动回复。但如果将这一功能与人工智能结合起来，现在软件就能真正 "读懂 "备注，从而决定其紧急程度以及谁应该跟进。在某些情况下，由于采用了自然语言处理技术（定义见下文），软件甚至可以做出适当的回复。
有了 IA，个性化将不仅仅意味着在电子邮件主题行或问候语中包含收件人的名字。您还可以更加细化。想象一下，根据以往的行为，在每个联系人的理想时间向其发送电子邮件。或者想想根据一个人最近的搜索历史自动发送合适的报价。
我们往往认为人工智能（AI）是有形的技术，比如机器人甚至沃森。但大多数人工智能技术的存在形式要抽象得多，即算法。而对于希望走在行业前沿的营销人员来说，这种技术是必不可少的。
物联网（IoT）
物联网（IoT）是指将日常设备连接到互联网。它已经对全球供应链产生了重大影响，因为它允许机器和其他设备相互 "对话"。对于营销人员来说，物联网有望为客户的习惯、需求、愿望、产品使用和购买意向提供更多的背景信息。
根据物联网分析公司（IoT Analytics）的数据，今年物联网设备已超过 70 亿台。这对营销人员来说是一大福音，因为他们可以在买家旅程的每个阶段获得对客户的惊人洞察力。但这也带来了巨大的挑战：所有这些联网设备已经产生了堆积如山的数据。随着设备数量的增加，数据量也会随之增加。精明的营销人员将利用人工智能技术来筛选所有数据，并得出有意义的结论。
机器学习
过去，机器人和计算机可以自动执行符合特定规则的任务。设备将被编程为在规则范围内运行，仅此而已。但是，机器学习就像它听起来那样--机器可以从它们分析的数据中学习，利用比人类自身更多的数据点进行预测和预报。该网站举例说，人类只能分析一个来源的数据，而机器学习意味着您可以从网站使用模式、社交媒体、电子邮件、社交媒体以及客户对以往营销活动的反应中获得洞察力。
对于营销人员来说，机器学习有多种应用前景。它是进行复杂的客户细分的理想技术，让您能够识别出具有共同偏好和相似行为模式的小客户群体。机器学习还能预测客户流失情况，从而让营销人员主动接触高风险客户，降低他们流失的可能性。
自然语言处理
机器曾经只能理解代码。但是，由于自然语言处理（NLP）的出现，这种情况发生了改变，NLP 是指机器通过机器学习和人工智能理解人类语言的能力。NLP 近年来不断发展，在某些情况下，这种技术可以理解人类语言背后的情感或内涵。NLP 通常与自然语言生成（NLG）相结合，即机器处理人类语言并生成人类语言的回应--亚马逊的 Alexa 和苹果的 Siri 等语音识别系统就是这样工作的。
许多营销人员已经依赖某种形式的 NLP 进行情感分析。但它在个性化方面也大有可为。大多数组织的受众在地域上--也就是在语言上--是多样化的。这些语言差异可能是微妙的（如美式英语的地区差异），也可能是比较明显的（如美式英语与英女皇英语之间的差异），甚至可能完全涉及不同的语言。NLP 可以帮助您根据这些差异进行个性化沟通，从而传递更有可能吸引每个收件人的信息。
神经网络
神经网络本质上是模仿人脑设计的。网络由一系列层组成。每一层都包括许多节点或单个处理单元，它们与该层的其他节点以及上下两层的节点相连接。网络的最底层接收数据并将其转发给下一层。虽然神经网络的目的是模拟大脑，但其功能与人类大脑并不完全相同。它们最适合用于模式识别、预测、趋势预测，甚至泛化。
微软公司使用神经网络软件 BrainMaker 来优化其直邮营销活动， 该软件 能识别直邮营销活动成功与否的最关键变量，从而优化未来的营销活动。据公司发言人称，使用 BrainMaker 后，回复率从约 4.9% 提高到了 8.2%，这是一个相当大的进步。利用神经网络优化营销活动为营销人员带来了巨大的希望。
预测分析
预测分析是高级分析的一个分支，利用数据挖掘、统计建模和机器学习技术预测未来事件。要最大限度地发挥预测分析的优势，必须从大量的历史数据开始。市场营销中严格的数据收集相对较新--想想分析的作用在过去十年中发生了多大变化--因此，预测分析最近几年才作为一种广泛应用的技术出现。
亚马逊和其他在线零售商广泛使用预测分析技术来模拟客户的可能行为。它还可用于预测潜在客户评分，以便营销和销售团队针对最有可能实现转化的潜在客户量身定制营销活动和产品。同时，将预测分析应用于现有高价值客户的数据，可以帮助您制定战略，接触更多类似的新客户。
您对人工智能如何启动营销有疑问吗？
