深度学习和“超个性化”是营销自动化的未来

营销自动化已经走过了漫长的道路——从仅仅是营销人员自动化重复任务的工具，到成为了解当今高要求客户的幸运球。该领域的技术进步使营销人员能够使用客户数据挖掘有价值的见解并创建高度个性化的营销传播，并在正确的时间和正确的渠道发送。难怪到 2019 年它会成为一个价值 55 亿美元的产业。

1. 识别数据中更深层次的模式以实现超个性化
“个性化”是一个被广泛使用的术语，但它的意义已经开始减弱。不要误会我的意思；我并不是建议您停止个性化您的在线购物体验和营销信息。我提议的重点是超个性化。

借助机器学习 (ML) 进行营销自动化，您可以根据客户的互动历史（例如购买习惯、行为特征和数字偏好）个性化客户体验。但它没有考虑客户的意图。

另一方面，深度学习技术不仅依赖于客户的交互历史，还会考虑他们的意图。例如，客户来到您的网站并购买了一件衣服。在他们第二次访问期间，同一位顾客开始检查鞋类。在这种情况下，方程式将不依赖交易和交互数据来个性化体验，但会考虑意图。

2. 使用深度学习来提高客户保留率
每个企业都知道留住客户的成本低于获取客户的成本。而且，客户保留可以通过多种方式增加公司利润。根据贝恩公司的说法，客户保留率提高 5% 可以将公司的盈利能力提高 75%。在提高客户保留率方面，深度学习会有所帮助。如何？通过在客户需要时为他们提供他们需要的东西。

以人工智能为动力的营销自动化通过确保正确的信息在正确的时间传递给正确的人来做同样的事情。但是深度学习可以让它更上一层楼。它考虑到客户的品味、个人偏好、消费模式甚至微观偏好，并结合天气等外部因素，向客户发送高度定制化和更相关的建议。

3. 客户行为是一门科学：大数据分析和深度学习
规范分析是另一种使用客户数据深度学习来预测未来趋势和行为模式的技术。营销自动化平台已经变得足够强大，可以预测预测——比如客户下一次购买的时间、客户的 LTV 是多少、谁是最有价值的客户、客户最有可能在什么时间购买以及什么是提供给客户群的正确折扣。

深度学习已被用于广告行业，可将活动效率提高 50%。这就是为什么许多营销人员对此非常兴奋。但是，深度学习并不像听起来那么容易。作为营销人员，重要的是要了解它的工作原理以及如何利用它来发挥自己的优势。努力与消费者相关的营销人员需要关注这项技术。