Human intelligence in a data driven world

door Bas Karsemeijer

12 februari 2018

Een technologische revolutie
Veranderende winkelstraten, online spelers die met grote aanloopverliezen hun marktaandeel veelal hebben gekocht en de top 10 van de Fortune 500 is voor het eerst in decennia drastisch gewijzigd. Door spelers als Amazon vervagen grenzen tussen branches en veranderen concurrentievelden. In menig boardroom is het dan ook onrustig door artificiële intelligentie, blockchain en internet of things. Gevestigde bedrijven moeten nog sneller ontwikkelen omdat consumenten sneller gaan en dus eisen. Soms wordt het middel (agile) het doel. We moeten ons hoofd erbij houden, maar hoe doen we dat?

Het zijn veranderingen die bedrijven niet meer tegen kunnen houden en waar consumenten reikhalzend naar uit kijken. Koelkasten gaan zelf boodschappen bestellen, men praat tegen een Amazon Echo speaker, een auto grijpt in om een ongeluk te voorkomen en dankzij open banking kan men vanaf volgend jaar met eigen data meerdere banken en fintechs tegen elkaar uitspelen voor een optimaal rendement.

Weg met de artificial intelligence hype
Iedereen steekt elkaar de ogen uit met termen als machine learning, deep learning en artificial intelligence. Alsof het nieuw is en ons mensen volledig overbodig gaat maken. Het lijkt wel alsof we zijn vergeten dat deze algoritmes er altijd al waren. In de jaren ‘50 is de mens al gestart met het inzetten van computers voor artificial intelligence (A.I.). In 1997 versloeg IBM’s schaakcomputer Deep Blue wereldkampioen Garry Kasparov. Dagelijks genieten consumenten al van de vruchten van A.I., in de vorm van kant-en-klare vakantiepakketten, preventieve zorg, Netflix series die van begin tot eind boeien, efficiëntere inzet van bestrijdingsmiddelen en water in de landbouw en nu ook van zelfrijdende auto’s.

De reden waarom A.I. zo hot is, is omdat het nu eindelijk haar ware potentieel benut. De algoritmes waren er al decennia, maar het uitvoeren van een model nam uren in beslag. Met de kracht van de huidige (cloud)-platforms is de uitvoering van deze algoritmes van uren naar minuten en seconden gegaan. We kunnen dus veel meer modellen combineren, testen en tijdens een klantinteractie uitvoeren. De tweede oorzaak zit in de beschikbaarheid van de gigantische hoeveelheden data. Met zoekgedrag, transacties, interesses, voorkeuren en locaties kunnen we een completer beeld van consumenten krijgen en hebben we daarmee meer data dan ooit om de modellen te trainen, valideren en optimaliseren.

4 lessen om A.I. voor je laten werken

Zet Human Intelligence in om Artificial Intelligence te laten werken
Dankzij natural language processing zullen volgens Gartner 50% van alle zoekopdrachten, zeg maar queries, via spraak gaan in 2020. Samen met het feit dat de algoritmes razendsnel uitgevoerd kunnen worden opent dit een wereld voor marketeers. Iedereen kan analist worden en creatief meerdere queries testen en juiste keuze voor klanten maken. De afhankelijkheid van developers en database marketeers is voorbij. We laten A.I. het werk doen en sturen dit aan met onze human intelligence.

Wees bewust en handel ethisch
Nu de consument de marktontwikkeling bepaalt en mede dankzij blockchain technologie meer verantwoordelijkheid naar zich toetrekt moeten we nog meer over onze ethische keuzes nadenken. Consumenten zijn soms nog onwetend. Kunnen zij de verantwoordelijkheid wel aan? Zo bleek deze week dat 75% van de bijna 600.000 Nederlanders die in cryptovaluta handelen momenteel op verlies staat.
Besef ook dat de keuzes in het A.I.-domein nu nog gemaakt worden door technische mensen. Ze selecteren de trainingsdata en bepalen daarmee de optimalisatie van het algoritme. Dit terwijl zelfrijdende auto’s worden geprogrammeerd die keuzes moeten maken op cruciale momenten in het verkeer. Neem als marketeer dus bewust deel aan de beslissingsfase die voorafgaat aan de creatie van de algoritmes en de keuzes voor data.

Denk vanuit het heden
Context is van grote invloed op de keuze van consumenten. Next best offer algoritmes gebaseerd op historische data uit een klantbeeld hebben het onderbuikgevoel veelvuldig verslagen. Maar die algoritmes zitten er ook vaak naast. CRM-marketeers kunnen dan ook veel leren van hun e-commerce-collega’ die dagelijks werken met SEA. Neem bijvoorbeeld een komende hittegolf: die laat alle op historie baseerde voorspellingen in het water vallen. Opblaasbare zwembaden en barbecues zullen de grote stijgers in het zoekgedrag zijn en bestaande productaanbevelingen verslaan.

Start klein voor een groot resultaat
De beste resultaten hebben wij bereikt door bestaande marketinguitdagingen door duo’s op te laten lossen. De combinatie van een marketeer een data scientist is al snel voldoende. In een dag staat er een minimum viable product en in een week is er bijvoorbeeld een machine learning model gemaakt om automatisch lookalike audiences voor campagnes te selecteren. We hebben een trendrecommender die op basis van de grootste stijgers van vandaag productaanbevelingen doet. Het zoekgedrag op de website van afgelopen week blijkt een prima voorspeller te zijn voor de vraag van volgende week. En daarmee kan de inkoop van producten en diensten geoptimaliseerd worden. En dat alles door het saaie werk door computer te laten uitvoeren en onze human intelligence in te zetten voor de juiste creatieve beslissingen.

 

Dit artikel is ook verschenen op:

Twinkle
Emerce

Geschreven door

© 2019 Yourzine / Yourzine is ISO:9001 en ISO:27001 gecertificeerd