營銷人員有一個人工智能問題。
營銷人員開始理解人工智能的前景:一些機器學習技術可以幫助預測和製定大規模的營銷行動，僅基於您的客戶和用戶數據。現有的人工智能係統可以幫助你做出決策，減少客戶流失，並根據客戶需求采取行動。
但當你需要向老板解釋AI係統采取的行動時，會發生什麼?
可解釋性對於理解AI係統的行為至關重要。如果不知道人工智能係統為什麼會推薦它所做的事情，人工智能在營銷中的商業用例就會變得有限。
例如，如果一個用戶預計會流失，但你不知道原因，你怎麼知道應該采取什麼預防措施?在整個客戶生命周期和數字5G世界中的數百萬客戶中，將這種情況相乘，你就會遇到一個關鍵且不斷擴大的問題——缺乏大規模的背景洞察力和可操作性。
傳統的預測方法是可以解釋的，但它們沒有機器學習驅動的營銷係統的規模和力量。傳統的營銷分析方法也無法滿足當今的需求。
今天的營銷測量主要是一維的。市場營銷分析團隊仍然主要使用統計方法進行建模和細分，以驅動周期性活動，並跟蹤一維測量，如響應、點擊率、購買等。
這些傳統指標雖然對評估廣告活動的長期表現很有用，但速度緩慢且靜態，隻能提供表麵信息。這隻是冰山一角，讓我們很難在細微但可消費的層麵上看到客戶行為的真正驅動因素。
消費者的洞察力是膚淺和過時的。深入研究客戶行為是很麻煩的。通常這是通過分割的鏡頭來完成的，這主要是描述性的，靜態的，過時的。這種類型的分析揭示了有趣的發現，但不是動態的，與上下文相關的見解或預測性的，立即可操作的見解，以跟上客戶與您的業務的日常互動。
這是一個大問題，因為客戶每次與你互動時都希望與你有關聯。客戶不是靜態的，你的細分架構也不應該是靜態的。
隱私和數據使用帶來了更多限製。隨著公司收集的數據越來越多，消費者產生的數據也越來越多，以及政府對數據共享方式的監管，隱私和數據使用問題正變得越來越重要。現在，模型不僅需要表現良好，而且還應該能夠輕鬆地進行審計和跟蹤，以便它們符合立法和道德考慮。我們在歐洲的GDPR規則中看到了這一點，並且在不久的將來可能會看到更多。
對於營銷人員來說，機器學習是一個重要的轉型現實。就像無摩擦銷售和服務的數字渠道一樣，如果你的競爭對手成功地采用了它，而你沒有，他們就可以在速度、效率和精確度方麵超越你。
然而，每個人最終都會受到人工智能“黑箱”問題的困擾，這限製了人工智能在營銷中的應用。
雖然機器學習算法非常精確，但如果它們不能告訴你為什麼有人可能會回應、購買、成為高價值客戶、花錢或流失，那麼就不可能獲得與上下文相關的見解。
埃森哲在其題為“通過高度相關性實現可持續增長”的報告中，報告了相關營銷人員為其公司帶來的巨大優勢。
純分析驅動的數字業務具有優勢。但如果你是一個擁有傳統渠道的大品牌，有太多的數據需要整合和簡化，它需要人工智能支持的方法來快速和大規模地理解這一切。
然而，當你試圖從AI中獲得更多可解釋性時，會遇到許多挑戰，這取決於你使用的是哪種類型。
神經網絡有一組問題，而決策樹和梯度增強模型有另一組問題。在一個最近的博客，我探討了一些挑戰和相似的方式，作為一種方法，為營銷人員提供了利用人工智能的規模和精度的機會，同時產生營銷人員不僅需要，但缺乏傳統方法的關鍵見解。
可解釋人工智能的力量
想象一下，在當今快速發展的環境和眾多的數字客戶互動中，你可以動態更新，機器驅動的客戶細分，揭示與每個預測的買家購買行為相關的主要特征每一天．
現在想象一下，您可以使用這些機器驅動的洞察力——預測購買行為的主要驅動因素——自動為客戶匹配相關的報價，無論是出站還是入站。
想象一下，你可以看到新的細分市場，這些細分市場具有你以前從未見過的共同預測特征。例如，一群最近在網上搜索的顧客在48小時內就在商店裏買了東西。如果你能立即找到那些看起來像這樣的顧客，並確保他們在網上搜索最近的商店位置時收到廣告，那會怎麼樣?
有了人工智能，速度就會變得很高。有了完全可解釋的人工智能，速度和驅動相關性的上下文洞察是存在的。當與其他靈活的媒體平台、DSP和創意廣告技術相結合時，它可能會變得更加先進和快速。在當今高度相關的世界中，探索、測試和采取可衡量的行動步驟至關重要。
回到數據使用的道德問題上。
我們已經看到了關於數據隱私的巨大恐慌，特別是通過所有關於Facebook的頭條新聞。但除此之外，我們還看到亞馬遜放棄了人工智能招聘模型，原因是由於性別偏見而缺乏可解釋性。我們已經看到，美國聯邦儲備委員會(Federal Reserve Board of Governors)呼籲人工智能的可解釋性，以確保消費者最終能夠獲得信貸，不帶偏見，同時也有權對不利的決定做出解釋。
即使營銷人員從模型中排除了“敏感”變量，算法也可能簡單地用其他具有相同效果的代理變量取代這些變量。可解釋性通過對機器學習預測以及驅動這些預測的因素進行定期審核來抵消這種擔憂。
領先的營銷人員將更多地部署可解釋的人工智能應用程序
如果您是一名營銷人員，那麼尋找可解釋的AI (XAI)應用程序非常有意義，原因如下所述。
當然，在某些應用程序中，可解釋性並不是那麼重要，並且經常在沒有太多注意的情況下使用。程序化廣告購買是這種或非常簡單的廣告定位決策係統的一個例子。
但這些往往是麵向前景的營銷活動。對於客戶來說，有很多理由需要仔細研究和嚐試XAI技術和應用程序。它可以為您提供與相關性競爭所需的競爭優勢，同時以最經濟的方式保持道德的數據使用和隱私實踐
最重要的是，它可以幫助你把最有價值的客戶從你的競爭對手那裏搶走。