Wprowadzenie do marketingu algorytmicznego: Sztuczna inteligencja dla operacji marketingowych

Opinie czytelników

Książka jest chwalona za to, że jest kompleksowym źródłem wiedzy na temat marketingu opartego na danych, z silnym naciskiem na metody statystyczne i aplikacje uczenia maszynowego. Chociaż oferuje cenne spostrzeżenia i szczegółowe metodologie, jest krytykowana za złożoność techniczną i postrzegany brak praktycznych przykładów odpowiednich dla szerszego grona odbiorców.

Kompleksowe omówienie tematów marketingu opartego na danych, w tym ukierunkowanych reklam, promocji i systemów rekomendacji. Silne podstawy matematyczne ze szczegółowymi metodologiami i przykładami przemysłowymi. Przydatny dla praktyków z zapleczem technicznym, dobrze zorganizowaną treścią i jasnymi, intuicyjnymi wyjaśnieniami w niektórych sekcjach.

Wysoce techniczna i zakłada solidne zrozumienie statystyki i uczenia maszynowego, co może zrazić użytkowników biznesowych i osoby nowe w temacie. Niektórzy czytelnicy uważają ją za zbyt rozwlekłą i pozbawioną praktycznych przykładów lub konkretnych zastosowań omawianych teorii.

(na podstawie 15 opinii czytelników)

Oryginalny tytuł:

Introduction to Algorithmic Marketing: Artificial Intelligence for Marketing Operations

Zawartość książki:

Wprowadzenie do marketingu algorytmicznego Introduction to Algorithmic Marketing to kompleksowy przewodnik po zaawansowanej automatyzacji marketingu dla strategów marketingowych, naukowców zajmujących się danymi, menedżerów produktu i inżynierów oprogramowania. Podsumowuje różne techniki przetestowane przez największe firmy technologiczne, reklamowe i detaliczne oraz łączy te metody z teorią ekonomiczną i uczeniem maszynowym. Książka obejmuje główne obszary marketingu, które wymagają programowego mikrodecydowania - ukierunkowane promocje i reklamy, wyszukiwanie w eCommerce, rekomendacje, ceny i optymalizację asortymentu.

"Wszechstronne i niezbędne odniesienie dla każdego, kto podejmuje transformacyjną podróż w kierunku marketingu algorytmicznego".

-Ali Bouhouch, CTO, Sephora Americas.

"Jest to lektura obowiązkowa zarówno dla naukowców zajmujących się danymi, jak i specjalistów ds. marketingu - nawet lepiej, jeśli czytają ją razem."

-Andrey Sebrant, dyrektor ds. marketingu strategicznego, Yandex.

"Książka daje kierownictwu, menedżerom średniego szczebla i naukowcom zajmującym się danymi w Twojej organizacji zestaw konkretnych, wykonalnych i przyrostowych zaleceń, jak budować lepsze spostrzeżenia i decyzje, zaczynając od dziś, krok po kroku".

-Victoria Livschitz, założycielka i CTO, Grid Dynamics.

Spis treści

Rozdział 1 - Wprowadzenie.

⬤ Temat marketingu algorytmicznego.

⬤ Definicja marketingu algorytmicznego.

⬤ Tło historyczne i kontekst.

⬤ Usługi programistyczne.

⬤ Kto powinien przeczytać tę książkę?

⬤ Podsumowanie.

Rozdział 2 - Przegląd modelowania predykcyjnego.

⬤ Analityka opisowa, predykcyjna i preskryptywna.

⬤ Optymalizacja ekonomiczna.

⬤ Uczenie maszynowe.

⬤ Uczenie nadzorowane.

⬤ Uczenie reprezentacyjne.

⬤ Bardziej wyspecjalizowane modele.

⬤ Podsumowanie.

Rozdział 3 - Promocje i reklamy.

⬤ Środowisko.

⬤ Cele biznesowe.

⬤ Potok targetowania.

⬤ Modelowanie i pomiar odpowiedzi.

⬤ Bloki konstrukcyjne: Modele targetowania i LTV.

⬤ Projektowanie i prowadzenie kampanii.

⬤ Alokacja zasobów.

⬤ Reklamy online.

⬤ Pomiar skuteczności.

⬤ Architektura systemów targetowania.

⬤ Podsumowanie.

Rozdział 4 - Wyszukiwanie.

⬤ Środowisko.

⬤ Cele biznesowe.

⬤ Bloki konstrukcyjne: Dopasowanie i ranking.

⬤ Mieszanie sygnałów trafności.

⬤ Analiza semantyczna.

⬤ Metody wyszukiwania dla merchandisingu.

⬤ Dostrajanie trafności.

⬤ Architektura usług wyszukiwania dla merchandisingu.

⬤ Podsumowanie.

Rozdział 5 - Zalecenia.

⬤ Środowisko.

⬤ Cele biznesowe.

⬤ Ocena jakości.

⬤ Przegląd metod rekomendacji.

⬤ Filtrowanie oparte na treści.

⬤ Wprowadzenie do filtrowania kolaboracyjnego.

⬤ Filtrowanie kolaboratywne oparte na sąsiedztwie.

⬤ Filtrowanie kolaboratywne oparte na modelu.

⬤ Metody hybrydowe.

⬤ Rekomendacje kontekstowe.

⬤ Rekomendacje niespersonalizowane.

⬤ Optymalizacja wielu celów.

⬤ Architektura systemów rekomendujących.

⬤ Podsumowanie.

Rozdział 6 - Ceny i asortyment.

⬤ Środowisko.

⬤ Wpływ ustalania cen.

⬤ Cena i wartość.

⬤ Cena i popyt.

⬤ Podstawowe struktury cenowe.

⬤ Przewidywanie popytu.

⬤ Optymalizacja cen.

⬤ Alokacja zasobów.

⬤ Optymalizacja asortymentu.

⬤ Architektura systemów zarządzania cenami.

⬤ Podsumowanie.