Bevezetés az algoritmikus marketingbe: Mesterséges intelligencia a marketingtevékenységek számára

Olvasói vélemények

A könyvet azért dicsérik, mert átfogó forrás az adatvezérelt marketinghez, és nagy hangsúlyt fektet a statisztikai módszerekre és a gépi tanulási alkalmazásokra. Miközben értékes betekintést és részletes módszertanokat kínál, kritikák érik technikai bonyolultsága és a szélesebb közönség számára alkalmas gyakorlati példák vélt hiánya miatt.

Az adatvezérelt marketing témáinak átfogó lefedettsége, beleértve a célzott hirdetéseket, promóciókat és ajánlórendszereket. Erős matematikai alapozás részletes módszertanokkal és ipari példákkal. Hasznos a műszaki háttérrel rendelkező gyakorlati szakemberek számára, jól strukturált tartalommal és egyes szakaszokban világos, intuitív magyarázatokkal.

Erősen technikai jellegű, és a statisztika és a gépi tanulás alapos ismeretét feltételezi, ami elidegenítheti az üzleti felhasználókat és a témában újonnan járatosakat. Egyes olvasók szerint túlságosan terjedelmes, és hiányoznak belőle a gyakorlati példák vagy a tárgyalt elméletek konkrét alkalmazásai.

(15 olvasói vélemény alapján)

Eredeti címe:

Introduction to Algorithmic Marketing: Artificial Intelligence for Marketing Operations

Könyv tartalma:

Bevezetés az algoritmikus marketingbe egy átfogó útmutató a fejlett marketingautomatizáláshoz marketingstratégák, adattudósok, termékmenedzserek és szoftvermérnökök számára. Összefoglalja a nagy technológiai, reklám- és kiskereskedelmi vállalatok által kipróbált különböző technikákat, és ezeket a módszereket közgazdasági elmélettel és gépi tanulással ragasztja össze. A könyv a marketing azon főbb területeit tárgyalja, amelyek programozott mikrodöntést igényelnek - célzott promóciók és hirdetések, e-kereskedelmi keresés, ajánlások, árképzés és választékoptimalizálás.

"Átfogó és nélkülözhetetlen referencia mindazok számára, akik az algoritmikus marketing felé vezető átalakító útra vállalkoznak."

-Ali Bouhouch, CTO, Sephora Americas.

"Az adattudósok és a marketingfelelősök számára egyaránt kötelező olvasmány - még jobb, ha együtt olvassák."

-Andrey Sebrant, stratégiai marketing igazgató, Yandex -Andrey Sebrant, stratégiai marketing igazgató, Yandex.

"A könyv konkrét, megvalósítható és fokozatos ajánlásokat ad a szervezet vezetőinek, középvezetőinek és adattudósainak arra vonatkozóan, hogyan lehet jobb meglátásokat és döntéseket kialakítani, még ma, lépésről lépésre."

-Victoria Livschitz, a Grid Dynamics alapítója és technológiai igazgatója.

Tartalomjegyzék

1. fejezet - Bevezetés.

⬤ Az algoritmikus marketing témája.

⬤ Az algoritmikus marketing definíciója.

⬤ Történelmi háttér és kontextus.

⬤ A programozott szolgáltatások.

⬤ Ki olvassa ezt a könyvet?

⬤ Összefoglaló.

2. fejezet - A prediktív modellezés áttekintése.

⬤ Descriptive, Predictive és Prescriptive Analytics.

⬤ Gazdasági optimalizálás.

⬤ Gépi tanulás.

⬤ Supervizált tanulás.

⬤ Reprezentációs tanulás.

⬤ Speciálisabb modellek.

⬤ Összefoglalás.

3. fejezet - Promóciók és hirdetések.

⬤ Környezet.

⬤ Üzleti célok.

⬤ Célzott csővezeték.

⬤ Válaszmodellezés és mérés.

⬤ Építőelemek: Célzási és LTV modellek.

⬤ Kampányok tervezése és futtatása.

⬤ Forráselosztás.

⬤ Online hirdetések.

⬤ A hatékonyság mérése.

⬤ A célzási rendszerek felépítése.

⬤ Összefoglalás.

fejezet - Keresés.

⬤ Környezet.

⬤ Üzleti célok.

⬤ Építőelemek: Párosítás és rangsorolás.

⬤ Relevanciajelek keverése.

⬤ Szemantikai elemzés.

⬤ Keresési módszerek a kereskedelemben.

⬤ Relevancia-hangolás.

⬤ A kereskedelmi keresőszolgáltatások architektúrája.

⬤ Összefoglalás.

5. fejezet - Ajánlások.

⬤ Környezet.

⬤ Üzleti célok.

⬤ Minőségi értékelés.

⬤ Az ajánlási módszerek áttekintése.

⬤ Tartalomalapú szűrés.

⬤ Bevezetés a kollaboratív szűrésbe.

⬤ Neighborhood-based Collaborative Filtering.

⬤ Modellalapú együttműködő szűrés.

⬤ Hybrid módszerek.

⬤ Kontextuális ajánlások.

⬤ Nem személyre szabott ajánlások.

⬤ Multiple Objective Optimization (Többcélú optimalizálás).

⬤ Az ajánlórendszerek architektúrája.

⬤ Összefoglalás.

fejezet - Árképzés és választék.

⬤ Környezet.

⬤ Az árképzés hatása.

⬤ Ár és érték.

⬤ Ár és kereslet.

⬤ Az alapvető árstruktúrák.

⬤ Kereslet előrejelzése.

⬤ Ároptimalizálás.

⬤ Forráselosztás.

⬤ Kínálatoptimalizálás.

⬤ Árkezelési rendszerek architektúrája.

⬤ Összefoglalás.