如何利用AI的移动归因数据

对于像AI一样先进和复杂的应用，有一个简单的方面：没有大量的高质量数据，AI就毫无用处。

但是您从哪里得到这些数据？您如何知道是否正确使用它？好吧，这样的事情远非易事。尽管他们拥有令人印象深刻的定量专业知识和一流的工程技术人才，但即使是技术巨头也可能面临挑战。但是，请务必记住事情正在变得越来越容易。现实情况是，许多公司可以利用大量数据来实现人工智能。

仅查看移动设备，它会生成大量相关数据。根据eMarketer的研究（通过Mobile Marketer），预计人们将在2019年每天在其移动设备上花费3个小时43分钟，同比增长3.7％。这比人们看电视的时间还多。

但是，有一种类型的移动数据非常适合AI应用程序：移动属性数据。（完整披露：我公司提供了一个移动归因数据平台。）

在大多数情况下，这是您在分析整个用户生命周期中的行为时所生成的信息，他们从中单击广告或电子邮件链接，然后单击以执行应用程序内操作。您的数据科学团队应收集这些数据以了解客户的旅程，然后努力回答以下问题：

•哪些营销渠道和活动最有效地导致了下载-顺序如何？

•与应用程序互动的程度是什么？

•瓶颈是什么？

•营销如何对应用程序产生的收入做出贡献？

如果没有移动归因数据，将很难评估移动广告系列的效果，因为在成为用户的过程中，包括应用商店在内的各个步骤可能都是黑匣子。也没有cookie可以帮助您进行分析。

那么，如何确保您的移动归因数据对您的AI有用呢？以下是关键数据注意事项：

•应该是第一方数据。考虑到来自其他公司的数据可能不直接适用于您要解决的用例，并且可能成本高昂且缺乏质量。您还可以更好地控制确保符合GDPR和各种州法律（例如CCPA）的隐私要求。

•每天应产生大量。

•它应该已经结构化。这是至关重要的，因为在AI项目上花费的大部分时间都花在整理数据上（包括清理，处理丢失的信息，处理异常值等）。

•应该是多点触控。这意味着您应该收集数据来显示跨不同渠道（包括Facebook，Twitter和Snap）的影响。

•它应该改善您的数据集以适应客户的旅程。查看用户转变为客户之前与品牌接触的接触点。

现在，这并不意味着移动归属数据将是完美的。仍然需要数据科学技能，以便您可以避免偏见。例如，如果您的样本主要位于一个地理区域，则结果很容易出现偏差。

人工智能的机会

目前，移动归因数据主要集中在营销活动的狭窄分析领域。但是您可以做更多的事情。企业应该在团队和部门之间共享此数据，从而可以在其专用工具和应用程序中利用它，并通过其他数据流来丰富它，并以新的相关方式应用它。您可以探索的一些用例包括开发模型以预测客户流失，优化定价，衡量消费者行为变化，衡量用户的生命周期价值，甚至改善供应链。

要了解这一点，请查看欺诈检测。严峻的现实是，黑客的攻击变得越来越复杂，由于规模大，移动设备可能已成为最受欢迎的目标。

但是您可以训练您的AI以快速处理数据并更好地评估风险，并阻止攻击。您的团队可以通过创建用于聚类的高级算法来做到这一点，该算法可以实时识别行为模式。您可以通过使用不一定直观的数据来执行某些操作，例如通过使用加速度计分析用户手机的角度。如果大量电话在持续的一段时间内静止不动，则可能意味着机器人正在尝试造成损害，例如点击泛洪。

当然，对于许多公司来说，使用这项技术似乎并不容易。但是好消息是，市场上有越来越多的工具使这一过程变得更容易，更实惠。还有更多的软件供应商嵌入了AI功能，您可以立即使用它们。

结论

在埃森哲对1100位高管的调查中，约53％的人表示，由于他们处于试验阶段或早期采用阶段，他们尚未从AI方面获得任何收益。我相信最大的原因是数据。根据埃森哲的说法，不仅存在质量问题，而且数据经常卡在孤岛中，并且往往不足以训练模型。埃森哲指出：“制定敏捷，集成的数据策略可能是从落后的人工智能跃升为领导者的关键。”

换句话说，移动归因数据无疑可以提供很大的帮助。这不仅可能意味着要与AI进行“营销”竞争对手，而且还可能有机会在业务的其他关键部分进行重大改进。在当今竞争激烈的世界中，此类利益对于可持续增长至关重要。