BLOG

Sortir l'IA de la boîte noire

Flyer Optimization

La semaine dernière, un directeur du marketing («CMO») m'a dit qu'il admirait le PDG d'une entreprise d'intelligence artificielle de Toronto, mais qu'il ne pouvait pas comprendre ce que faisait exactement son entreprise. Et c'est là que réside le paradoxe de la boîte noire de l'intelligence artificielle («IA») - tout le monde en parle, mais personne ne sait exactement ce que c'est. En tant qu'auteurs de l'excellent livre, Machines de prédiction, dire:

"Les prédictions générées par l'apprentissage en profondeur et de nombreuses autres technologies d'IA semblent être créées par une boîte noire. Il n'est pas possible d'examiner l'algorithme ou la formule sous-jacente à la prédiction et d'identifier ce qui cause quoi."

Machines de prédiction, Agrawal, Gans et Goldfarb

À l'instar d'autres technologies à usage général («GPT») qui changent la donne, comme la machine à vapeur, la presse à imprimer et Internet, de nombreuses applications de l'intelligence artificielle sont inconnues. Cela crée une incertitude paralysante, qui tend à «geler» l'adoption par de nombreuses entreprises. Cela crée également une multitude de consultants qui proposent de vous «aider» à le comprendre pour des centaines de milliers de dollars. Je me souviens également d'avoir embauché une entreprise de marketing par e-mail au début des années 2000 chez Dell, pour nous aider à envoyer des e-mails en masse, à augmenter les taux de conversion et à créer notre liste de diffusion / base de données. Aujourd'hui, n'importe qui peut faire cela raisonnablement bien pour $20 par mois avec un compte Mailchimp. Je prédis que l'apprentissage automatique (l'essence de l'IA) fera partie intégrante du programme de 10e année dans 15 ans. Sans blague.

Alors, que fait l'IA? En termes simples, il fait des prédictions. La prédiction prend les données dont vous disposez et les utilise pour générer des informations dont vous ne disposez pas. En marketing, mon domaine, les prédictions clés semblent évidentes. Ils augmenteront le trafic des utilisateurs, la conversion ou les revenus par unité, ou ils réduiront le taux de désabonnement (clients qui quittent ou arrêtent d'acheter votre produit). Voici quelques exemples:

  • Optimisation du flyer: Quelle combinaison de produits dois-je placer dans mon flyer papier ou numérique, et où, pour augmenter le trafic piéton vers mon magasin ou le trafic numérique vers mon site?
  • Augmentation de la conversion: Quelle combinaison de prix et de produit augmentera mon taux de conversion (le pourcentage de personnes qui achètent un produit après avoir vu une sorte de «publicité»)? Ou, alternativement, quels clients dois-je téléphoner / envoyer un e-mail avec une offre particulière, qui serait le plus susceptible d'accepter cette offre?
  • Diminution du taux de désabonnement: Quelle combinaison de comportements indique qu'un client est susceptible de churn (cesser d'être un client) dans les 6 prochaines semaines? Quelle offre pourrions-nous leur faire, qui les arrêtera probablement de barattage?

 

Un spécialiste du marketing intelligent pourrait probablement vous indiquer ses 3-4 meilleures promotions au fil du temps, sur la base d'une analyse de feuille de calcul Excel provenant d'une base de données financière. Cela permettrait donc de régler les positions premium sur le recto et le verso du dépliant de 8 pages. Mais que doit-elle mettre dans les 4 pages du milieu? Un spécialiste du marketing pourrait aussi probablement vous dire qu'un groupe de prospects qui ont visité la page de présentation du produit pour un ordinateur portable 4 fois au cours des deux derniers jours, et ont placé l'ordinateur portable dans un panier en ligne, mais l'ont abandonné lorsque l'expédition a été ajoutée au prix. , était le plus susceptible de répondre à une offre de livraison gratuite. Mais quelles autres perspectives pourraient répondre? L'une des principales différences entre l'intelligence artificielle et l'intelligence humaine est que la logique humaine fonctionne bien à chaque extrémité de la courbe en cloche - dans ce cas, les clients avec 2-3 caractéristiques qui indiquent qu'ils sont soit très susceptibles d'acheter, soit très susceptibles de désabonnement. L'apprentissage automatique traite mieux ce qui n'est pas si évident - le «milieu mou» de la courbe en cloche.

Quelles caractéristiques clés de l'apprentissage automatique rendent cela vrai?

  • Les machines sont bien meilleures que les humains pour prendre en compte interactions complexes parmi différents facteurs. C'est simplement parce que les humains peuvent penser en, au plus, 2-3 dimensions à la fois, alors qu'une machine peut en gérer beaucoup plus. Les machines peuvent évoluer d'une manière que les humains ne peuvent pas. En tant que CMO, je connais mes 2-3 meilleures promotions. Je ne connais pas mes 48 meilleures promotions.
  • L'apprentissage automatique permet des prédictions basées sur facteurs imprévus. Une analyse de régression nécessite que les modélistes humains fournissent les variables indépendantes - les facteurs qui influenceront le résultat, ou variable dépendante. L'apprentissage automatique peut passer au crible les données et découvrir des corrélations que les humains pourraient manquer.
  • Les machines peuvent ajuster les prévisions à la volée - au niveau de l'utilisateur individuel et de l'appareil lui-même. Lorsque quelqu'un glisse vers la droite ou la gauche sur l'application de rencontres Tinder, cela alimente immédiatement les prédictions pour déterminer la date potentielle à afficher ensuite.
  • Les humains pensent de manière déterministe ("Quelles sont les caractéristiques d'un chat? Cet animal a-t-il ces caractéristiques?"). L'apprentissage automatique utilise des exemples passés, corrélations et probabilité Résoudre des problèmes. «Cet animal a-t-il les mêmes caractéristiques que les chats que j'ai vus auparavant?»).

"Les analystes ont construit leurs modèles de régression sur des hypothèses de ce qu'ils pensaient important et comment - des croyances inutiles pour l'apprentissage automatique. Les modèles d'apprentissage automatique sont particulièrement efficaces pour déterminer laquelle des nombreuses variables possibles fonctionnera le mieux et reconnaître que certaines choses n'ont pas d'importance et d'autres, peut-être étonnamment, oui."

- Machines de prédiction, Agrawal, Gans et Goldfarb

 

Bien sûr, les humains intelligents font aussi des prédictions. Les machines peuvent simplement le faire plus rapidement, à moindre coût et en utilisant beaucoup plus de variables que les humains. À mesure que les prédictions deviennent bon marché, la valeur du jugement (la compétence utilisée pour déterminer le gain ou le profit d'un plan d'action donné) augmente. En outre, des décisions doivent encore être prises et des mesures doivent être prises. La prise de décision nécessite appliquer le jugement à une prédiction puis agir. Le jugement humain et la capacité de décider, d'agir, dans des conditions de probabilité et d'incertitude, sont encore très appréciés.

Dans le nouveau monde courageux à venir, les machines intelligentes ne remplaceront pas les humains, comme beaucoup le craignent. Cependant, il y aura probablement une nouvelle division du travail, avec des machines fournissant des recommandations et des humains prenant la décision finale. Et il y aura des problèmes que nous ne pouvons pas anticiper et des progrès que nous ne pouvons pas encore imaginer qui changeront la façon dont nous vivons et apprenons pour toujours (essayez simplement d'expliquer à votre étudiant universitaire / collégial comment vous avez étudié à «l'époque avant Internet» si vous ne le faites pas crois-moi). Nous avons eu la chance de voir l'impact révolutionnaire d'Internet et nous avons la chance d'être aux débuts d'une autre technologie à usage général, l'intelligence artificielle. Et nous pouvons encore vivre pour voir un tiers.