1971年,世界上第一個電子郵件被送。我們猜測,第一個垃圾郵件消息發送後不久。
今天,世界的電子郵件(和垃圾郵件困擾)是更複雜的方式。從1995年的100萬個郵件用戶到25億年的2015人,電子郵件的使用激增。現在郵箱提供商和垃圾郵件發送者都依賴於人工智能進行戰鬥。
普通的郵箱提供商如Gmail使用大量的AI來確定郵件是垃圾郵件,然後相應地提供。但這隻是一個開始。
現在,郵箱提供商使用先進的人工智能和機器學習不僅僅是阻止垃圾郵件,但顯著提高電子郵件的用戶體驗。
你不要總是看到這個人工智能在起作用。但男孩是否影響您的電子郵件營銷活動。
我們都覺得可怕的下沉的感覺,當我們意識到我們的最新,最偉大的戰役是垃圾郵件。
或的痛苦埋在前景的促銷文件夾下通信從一堆其他品牌。
人工智能係統做出這些決策。他們使用非常具體的規則,攝取大量的數據從數百萬用戶來決定應該如何分類電子郵件。這些機器學習模型然後改善隨著時間的推移,基於用戶行為。
這是電子郵件的原因停止出現在你的Gmail收件箱如果他們標記為垃圾郵件。這也是為什麼Gmail停止送電子郵件到您的主收件箱如果你不打開或與某種類型的電子郵件或電子郵件地址。在這兩種情況下,和很多人一樣,穀歌的算法學習你的行為並作出相應調整。
電子郵件客戶端不斷評估文本分類等因素,與電子郵件,發送者的名聲,和成千上萬的(如果不是數百萬)其他因素做出這些決定。
使用人工智能電子郵件行業並不新鮮。事實上,人工智能已經使用自1990年代的機器學習驅動的貝葉斯分類器來過濾垃圾郵件。從那裏,它發展關注聲譽過濾,看著你發送模式和發現異常。今天,郵箱使用的AI係統提供者也看人們如何在用戶層麵上與你通信。
這一切為營銷人員提供了一個真正的挑戰。
沒有人知道如何不同的郵箱提供商使用人工智能和機器學習來過濾你的郵件。周圍沒有列表的所有規則Gmail或雅虎或其他提供者使用來確定你的郵件最後的地方。每個提供者使用不同的標準,測試,和模型通知郵件的決定。這些決定都是由每個公司獨特的商機和挑戰。
一方麵,這意味著電子郵件營銷者必須做他們應該做的:
發送大郵件,用戶喜歡開放,閱讀,點擊和參與。
如果你這樣做,你在讓用戶與你的電子郵件,這反過來信號端人工智能算法,你的郵件是可信的,值得優先考慮。
但另一方麵,這意味著賭注太大了。
真正的危險並不是你發送一封電子郵件客戶忽視。那就是你發送用戶忽略太多的郵件,標記為垃圾郵件,或搬出他們的主要的收件箱。隨著時間的推移,機器人統治者決定你的郵件怎麼了要學習隻有一件事,一件事從這些用戶行為:
你的郵件不是一樣值得信賴的或有價值的其他郵件觸及用戶的收件箱。
用戶完全控製。和每一個行動用戶需要告知機器模型,確定你未來的電子郵件交付。
不幸的是,有太多的變量涉及對任何一個人的電子郵件營銷人員掌握和行動。
人工智能模型本身運行在成百上千的機器學習規則。這些規則是根據許多用戶的行為和動作。
在返回路徑我們幫助企業更可靠的通信,有效和安全。我們會寫電子郵件營銷者必須如何應對變化帶來的人工智能的電子郵件。但是第一個,最好的,開始通過基準測試你的郵件如何執行與實際用戶。
你想要使用人類專家或機床來評估你目前的產能和接觸率。你也會想要確定你發送者的名聲,這通知AI模型如何對待你的郵件。
要做到這一點,需要返回路徑的綜合聲譽測量評估在這裏。
勞倫·麥克庫姆
勞倫麥克白為3.5年,目前已經在返回路徑管理數據科學團隊。