营销中的人工智能是目前行业中占主导地位的话题。从营销自动化和预测分析中的所有当前应用，到最重要的问题： 下一步是什么？
为了更好地理解这项技术的深刻转变将带给我们什么，让我们来看看推动这一变革的思维过程——计算机思维过程，也就是人工神经网络。
什么是神经网络？
人工神经网络是机器学习的一个重要分支。计算机科学家利用它们完成复杂的任务，例如进行预测、制定战略和识别趋势。与其他可能组织数据或处理数字的机器学习算法不同，神经网络从经验中学习。就像人类一样。
顾名思义，神经网络是仿照人类大脑的神经网络建模的，人类大脑 日本郵箱 负责人类的决策。大脑接收信息，然后试图将信息点连接起来得出结论。我们一开始并不总是正确的，机器学习算法也是如此。但通过反复试验，我们以及人工神经网络 (ANN) 开始得出更好的输出。
人工神经网络如何运作？
目前，与人类大脑做出决策时发生的复杂神经交互相比，大多数 ANN 都相对简单。它有一个输入层、一个输出层和一个夹在中间的隐藏层，其中有数百个虚拟节点，算法在尝试得出结果时会连接并重新连接这些节点。
为了通过每次输入经验进行“学习”，算法将改变内部连接，直到找出如何在指定的准确度范围内实现所需的输出。一旦算法学会了，就可以输入更多输入，而 ANN 会提供可行的预测。
那么深度学习呢？
深度学习（DL）是指机器学习的更密集版本。还记得人工神经网络 讲故事不仅仅是我们相 中的单个隐藏层吗？DL 有多个层。
深度学习神经网络不仅更加复杂，而且人们希望（和恐惧）算法能够起飞并开始自我学习。就目前的技术而言，无论是基础机器学习、NN 还是 DL，算法仍然依赖于外部来源（即人类）提供的输入。
神经网络如何应用于营销
ANN 广泛应用于医学、工程、金融等各个行业。它们还改变了现有的营销技术资源，为营销人员提供了新的、更高效、更具活力的工具，用于：
- 预测消费者行为
- 创建和理解更复杂的买家细分
- 营销自动化
- 内容创作
- 销售预测
人工神经网络最广泛的应用是在预测分析领域。在这种情况下，神经网络可以通过识别以前营销活动的趋势来帮助营销人员预测活动的结果。虽然神经网络已经存在了几十年，但最近大数据的出现才使得这项技术对营销非常有用。
通过将虚拟数据海洋输入神经网络，现在可以实现复杂、澳大利亚电话号码 准确的预测，这可以帮助 CMO 更明智地决策采取什么行动以及在哪些渠道分配更多资源。
同样，在市场细分、销售预测和内容创建与分发方面，神经网络在获得足够数据后，能够提供更精确的洞察和预测，帮助营销决策者更好地衡量预期。这项技术还允许更动态的自动化水平，这不仅改进了营销工作流程，还为消费者创造了更加无缝的体验。
神经网络实际应用示例
微软的 BrainMaker – 微软采用了一系列变量，例如上次购买日期、购买和注册的产品数量以及产品发布和购买之间的天数，并将其输入 BrainMaker 以了解哪些客户最有可能打开 人工神经网络 他们的直邮。他们还购买了与客户相关的数据，包括雇主和收入数据的数量。通过使用 BrainMaker 的神经网络软件，微软将直邮回复率从 4.9% 提高到了 8.2%，根据公司发言人 Jim Minervino 的说法，这意味着“以降低 35% 的成本获得相同的收入。”
LinkedIn 和 Bright – LinkedIn 于 2014 年收购了 Bright ，以整合其算法，从而为雇主和求职者提供更好的匹配。该 NN 会根据过去的招聘模式、帐户位置和职位描述等变量为每个潜在匹配项提供“Bright 分数”，该分数与匹配项的相关程度相关。然后，这决定了用户在使用 LinkedIn 时找到的潜在员工或雇主匹配项。
Under Armour 和 IBM – Under Armour 正在将 IBM 的 Watson 用于其品牌健康跟踪应用程序 Record。该应用程序跟踪消费者数据，包括锻炼、营养和睡眠数据，这些数据可能来自可穿戴设备、第三方应用程序和手动输入的数据。然后，它插入这些变量来为用户创建定制内容。