Les données volumineuses et leur utilisation optimale sont devenues un sujet permanent, et les débats sans fin qui les entourent aboutissent rarement à une conclusion satisfaisante. Cependant, c’est la technologie qui en débloquera les avantages, et en particulier l’IA (intelligence artificielle) étroite, qui réunira des données volumineuses et d’autres sources d’information pour créer des images de données volumineuses et informatives..

Les mégadonnées concernent principalement les consommateurs et le marketing. De ce point de vue, les années 1960 au début des années 1990 ont été une simple période en or. Un nombre limité de personnes contrôlaient les médias commerciaux, les grands groupes de journaux, la télévision et les chaînes de radio. Les chiffres d'audience massifs autour d'émissions telles que Coronation Street et les grands tirages de journaux signifiaient qu'il était relativement facile de placer rapidement et facilement de la publicité devant presque tous les consommateurs..

Les consommateurs au pouvoir

Cependant, les choses ont radicalement changé. Les consommateurs ont pris possession des médias. Les audiences télévisées ont diminué, le lectorat des journaux a chuté, il y a plus de deux fois plus de magazines de consommateurs qu'il y a 20 ans et TIVO et le haut débit permettent aux consommateurs de décider ce qu'ils regardent et écoutent, et quand. Ils peuvent également supprimer la publicité télévisée. La désintégration des médias signifie que le public a le contrôle absolu et que les anciens propriétaires ne peuvent rien y faire..

Aujourd'hui, les consommateurs sont des personnes extrêmement puissantes et doivent être traités comme tels. Cela signifie que les marques doivent en comprendre le plus possible afin de pouvoir communiquer avec elles de manière efficace, car lorsqu'elles communiquent avec un message, elles doivent le faire correctement du premier coup. Si les marques ont de la chance, elles peuvent recevoir une ou deux secondes d’attention avant que les messages ne soient rejetés ou engagés plus avant. Il y a très peu de secondes chances s'ils se trompent.

Dans ce cas, les données et la modélisation des données sont essentielles si vous voulez savoir ce que les consommateurs pensent et ce à quoi ils risquent de réagir. Cela est également lié au Big Data et à son utilisation optimale. La solution réside dans l’utilisation d’une intelligence artificielle étroite pour suivre l’opinion des consommateurs et extraire séparément des informations pertinentes spécifiques du Big Data..

Avantages étroits

Narrow AI est capable de le faire, car il est capable de récupérer instantanément d’énormes quantités d’informations, puis de rapporter des informations spécifiques requises de manière contextuelle afin de créer des rapports précis. Bien que les informations doivent être définies de manière étroite dans toute recherche, la possibilité d'effectuer plusieurs recherches connexes en même temps signifie qu'elles peuvent fournir une modélisation précise..

La meilleure façon de suivre le sentiment de presque toutes les données démographiques est de surveiller les médias sociaux. Actuellement, il existe une variété de services d'abonnement basés sur l'IA qui permettent de suivre les commentaires des consommateurs en temps réel. Cependant, ils sont chers et la plupart offrent une flexibilité limitée.

Les consultants en surveillance des médias sociaux recommandent que les conclusions ne soient pas immédiatement tirées des chiffres bruts collectés lors de la surveillance. Ils croient qu'il est important de lire entre les lignes et d'essayer d'explorer les modèles de manière plus détaillée. L'intelligence artificielle peut le faire, mais pas nécessairement avec les packages de surveillance actuels, et il est inévitable que les packages d'intelligence artificielle bricolage nécessaires deviennent disponibles..

Les ennuis de Tesco

En ce qui concerne le Big Data, l'IA étroite est à nouveau la solution, car elle permet à l'utilisateur de créer une analyse intéressante basée sur l'extraction de couches d'informations contextuelles. L'un des meilleurs moyens d'illustrer cela est de mettre en évidence un problème que Tesco avait pendant de nombreuses années en ce qui concerne les données de sa carte de fidélité. Le détaillant disposait d'une masse d'informations sur ce que les consommateurs achetaient, mais il ne pouvait pas voir ce que les clients n'achetaient pas dans ses magasins..

Par exemple, Tesco pouvait voir que les consommateurs individuels achetaient du vin et du pain français le samedi, mais ne pouvait pas identifier que les clients n'achetaient pas de fromage. Il pouvait voir des gens acheter des brosses à dents, mais ne pas voir qu'ils n'achetaient pas de dentifrice.

Il était clair que des achats complémentaires étaient effectués ailleurs, et une IA étroite aurait pu être utilisée pour interroger ce scénario et fournir les réponses. Tesco aurait alors pu faire un suivi grâce à des promotions basées sur des coupons pour combler les lacunes en matière d’achat..

Aperçu instantané

En fonction de la réglementation des données de pays spécifiques, une intelligence artificielle restreinte peut également permettre aux spécialistes du marketing de données d'ajouter des informations trouvées sur le Web aux fichiers de consommateurs existants. Même si cela n’est pas autorisé dans la communication avec les consommateurs, son utilisation dans la modélisation des données permet toujours aux propriétaires de marques de mieux comprendre le comportement des consommateurs..

Une désintégration plus poussée des médias signifie qu'il deviendra de plus en plus difficile de surveiller les sentiments et les tendances des consommateurs. Encore une fois, l'IA étroite est la réponse. Il s’agit peut-être d’une technologie très simple, mais si elle est utilisée correctement, elle peut instantanément créer des connaissances basées sur la recherche dans de vastes quantités d’informations.

  • David Senior est PDG de Lowdownapp Ltd. Fort d'une expérience de près de 20 ans dans l'informatique, il a travaillé pour de grandes entreprises mondiales. Au cours des deux dernières années, il a cofondé deux sociétés, Spark33 Ltd, chargée de conseiller les CxO sur les applications mobiles et mobiles, et Lowdownapp. se concentrer sur l'utilisation de l'intelligence artificielle étroite dans la création d'applications mobiles multicouches à base d'informations contextuelles.