編者按:本文是營銷人工智能大會(MAICON)係列演講的一部分。更多信息，請訪問www.MAICON.ai．
許多營銷人員都渴望開始人工智能(AI)項目，但往往很難看到回報。
如果這是你，不要放棄．營銷AI從實驗開始，而實驗在嚐試和錯誤中蓬勃發展。關鍵是從失敗中學習。
在這篇文章中，首席數據科學家Pandata，卡爾·杜拜布(@caldhubaib，分享了部署數百個人工智能項目的經驗教訓。閱讀完整的問答，以更好地構建您的AI項目。7月加入我們的MAICON，觀看Cal的完整課程，為人工智能的成功奠定數據基礎．
問:你看到人工智能項目失敗最常見的原因是什麼?
答:人工智能和一般的數據科學本質上都是實驗性的。我們看到人工智能項目失敗的最大原因是，它們被視為黑盒子，組織不花時間去試驗什麼可行，什麼不可行。
第二個最常見的原因是缺乏數據素養。數據素養是衡量一個組織在解釋數據和做出數據驅動決策方麵的流利程度。有數據素養的組織了解數據從收集到決策的生命周期、術語和KPI背後的關鍵假設，以及數據質量對結果的影響。將教育作為任何人工智能項目的一部分，以提高數據素養並確保成功，這非常重要。
問:營銷人員可以從這些陷阱中學到什麼?他們如何更好地組織項目以獲得成功?
答:一個組織要想在人工智能方麵取得成功，有兩個關鍵流程需要運行良好:實驗和操作化。
這些過程是獨立的，但是相關的。實驗將業務痛點轉化為數據驅動的解決方案，而操作化采用潛在的解決方案並驗證業務價值，並將它們交到決策者手中。
雖然這八個步驟都很重要，但發現是成功的基礎。根據我們的經驗，成功的項目從RISE過程開始，使用以下四個問題:
結果:誰將使用最終的解決方案，它將影響哪些決策?例如:該解決方案將支持銷售助理優先考慮哪些會導致呼叫。
- 影響:你能量化ROI嗎?是否值得花費時間和精力?例如:這個解決方案可以降低10%的客戶獲取成本。
- 成功:你將如何驗證ROI並知道你取得了成功?例如:在使用該解決方案的一年內，獲得客戶的成本將降低10%。
- 道德:哪些法規可能會影響您的解決方案。例如:GDPR可能會限製我們可以在歐洲公民的潛在客戶身上使用的特定客戶信息。
問:成功的人工智能項目有哪些共性?他們做得對嗎?
答:我們發現成功人士有三個共同的主題
- 支持。該組織在ROI和AI項目的優先級上保持一致根據組織目標。
- 信任．在交付解決方案時進行了適當的教育，涉眾理解了潛在的假設。
- 一致的性能。對性能和價值創造進行持續測試，並且解決方案的不同用戶會體驗到類似的結果。
問:營銷人員的人工智能實施團隊需要哪些人?哪些角色是關鍵的?
答:雖然不同的組織有稍微不同的頭銜，但你會看到以下角色的一些組合:
- 數據科學家——能夠設計和構建人工智能來解決業務挑戰的數據專家。
- 數據分析師-具有定量、業務和數據可視化技能的創造性問題解決者。
- 數據工程師——將數據解決方案大規模整合在一起的軟件工程師。
- 利益相關者——有遠見的人，他們希望通過使用現實的解決方案來應對數據驅動的挑戰，從而在他們的行業中蓬勃發展。
如果涉眾，或者在這種情況下的營銷人員，不是實施團隊的一部分，項目注定會失敗。
問:如果一個試點項目失敗了，企業如何才能獲得未來人工智能試驗的支持?
答:像人工智能這樣的實驗學科，與學習型組織密切相關。在任何AI項目結束時，重要的是你要記錄一個令人信服的回報，或者一個令人信服的原因，為什麼沒有達到預期的回報。後者有時甚至比一個“成功的”項目更有價值，它揭示了組織內部需要改進的領域。隻要一個組織繼續從人工智能項目中成長，“失敗”就不是永久的。
問:2019年MAICON最讓你興奮的是什麼?
答:我很高興聽到營銷人員在實踐中使用人工智能的故事。人工智能仍然是一個相對年輕的學科，這是一個令人興奮的時刻，可以看到組織如何調整他們的團隊和流程來迎接挑戰。
問:你對剛開始研究人工智能的營銷人員有什麼建議?
答:從小事做起，讓你的組織興奮起來。沒有什麼比承擔太多並不得不解釋大型投資的低投資回報率更快地扼殺信任了。