格倫·厄本 阿爾喬姆·季莫申科 帕拉姆維爾·迪隆 約翰·豪澤
深度學(xué)習(xí)在大數(shù)據(jù)庫分析方面的優(yōu)勢越來越明顯,它可以從中摸索出規(guī)律并得出洞見。不難想象有一天,企業(yè)能夠廣泛整合各種數(shù)據(jù)庫,以更高的水準(zhǔn)和更強(qiáng)的分析能力來識(shí)別消費(fèi)者需求,并利用所得信息進(jìn)行精準(zhǔn)的市場營銷。
深度學(xué)習(xí)和普通數(shù)據(jù)分析究竟有何不同?它是實(shí)現(xiàn)了質(zhì)的飛躍,還只是稍有改進(jìn)?為了比較兩者的作用,作者研究了一個(gè)與信用卡市場相關(guān)的大型數(shù)據(jù)庫,探尋多層次深度學(xué)習(xí)模型是否可以比傳統(tǒng)模型更準(zhǔn)確地預(yù)測人們對信用卡的選擇。
該數(shù)據(jù)庫源自大型信用卡網(wǎng)絡(luò)供應(yīng)商N(yùn)erdWallet,其中包括點(diǎn)擊流、人口統(tǒng)計(jì)和廣告曝光等相關(guān)信息。作者利用這個(gè)數(shù)據(jù)庫比較了三種顧客選擇信用卡的模型。第一種是簡單線性回歸模型,第二種是簡單的深度學(xué)習(xí)模型,第三種是簡單深度學(xué)習(xí)模型的加強(qiáng)版。
根據(jù)分析,兩種基于深度學(xué)習(xí)的模型都能夠比傳統(tǒng)方法更準(zhǔn)確地預(yù)測用戶對于信用卡的選擇。然而,改進(jìn)并沒有預(yù)期的那么大:簡單線性回歸模型的準(zhǔn)確率為70.5%,簡單深度學(xué)習(xí)模型的預(yù)測準(zhǔn)確率稍高一些,為71.7%,復(fù)雜深度學(xué)習(xí)模型的預(yù)測準(zhǔn)確率為73%。
既然深度學(xué)習(xí)對選擇預(yù)測的改進(jìn)有限,市場營銷部門是否還有必要投資該技術(shù)并開發(fā)其關(guān)鍵能力?作者認(rèn)為,和傳統(tǒng)的數(shù)據(jù)分析相比,深度學(xué)習(xí)帶來的預(yù)測準(zhǔn)確率的小幅提升,在多數(shù)情況下不大可能產(chǎn)生足夠豐厚的回報(bào),因此不值得大舉投資。在試水之前,企業(yè)不但要考慮可能的收益,還要考慮執(zhí)行的風(fēng)險(xiǎn)和成本。
深度學(xué)習(xí)的主要缺點(diǎn)在于很難確定哪些變量能對消費(fèi)者的選擇產(chǎn)生更大的影響。是信用卡旅行獎(jiǎng)勵(lì)還是低利率?由于變量是通過眾多影響選擇的潛在層進(jìn)行處理的,因此很難衡量其中某一個(gè)變量的影響。營銷經(jīng)理的直覺判斷很難與模型結(jié)果相關(guān)聯(lián),這將使深度學(xué)習(xí)的實(shí)施變得困難。
當(dāng)然,還有其他因素需要考慮。獲取深度學(xué)習(xí)技術(shù)需要成本,實(shí)施該技術(shù)也需要相關(guān)人員,同時(shí)還可能導(dǎo)致額外數(shù)據(jù)成本。除此之外,即使使用當(dāng)今的快速計(jì)算機(jī),深度學(xué)習(xí)模型也需要大量的計(jì)算資源,并且可能需要較長的運(yùn)行時(shí)間。大多數(shù)情況下,除非預(yù)測準(zhǔn)確性的小幅提升能夠大大降低成本或增加收益,否則用深度學(xué)習(xí)取代傳統(tǒng)數(shù)據(jù)分析缺乏充足的理由。
盡管如此,作者仍然認(rèn)為,某些情況下深度學(xué)習(xí)前景光明。與傳統(tǒng)的線性回歸模型相比,深度學(xué)習(xí)在分析包括圖像和非數(shù)值數(shù)據(jù)在內(nèi)的“豐富”數(shù)據(jù)庫方面具有顯著優(yōu)勢。這些豐富數(shù)據(jù)涵蓋了用戶生成的所有信息(例如亞馬遜評(píng)論、Instagram帖子、臉書帖子以及公司網(wǎng)站上的評(píng)論),其潛在價(jià)值是巨大的。
深度學(xué)習(xí)特別適合識(shí)別異質(zhì)和非結(jié)構(gòu)化數(shù)據(jù)中的模式。例如,有一種基于深度學(xué)習(xí)的模型可以幫助汽車設(shè)計(jì)師預(yù)測消費(fèi)者對繪圖板上的汽車原型有何反應(yīng),同時(shí)也可產(chǎn)生新產(chǎn)品創(chuàng)意。另一個(gè)案例中,研究人員根據(jù)客戶的新聞消費(fèi)行為創(chuàng)建了一個(gè)模型,以預(yù)測他們將來閱讀新聞的習(xí)慣。最近,企業(yè)已經(jīng)開始使用深度學(xué)習(xí)來分析消費(fèi)者在社交媒體上發(fā)布的品牌服裝圖片,同時(shí)預(yù)測哪些商品的客戶退貨率最高,哪些優(yōu)惠券產(chǎn)生的利潤最大。
隨著基于深度學(xué)習(xí)的新算法和更豐富的數(shù)據(jù)庫的出現(xiàn),深度學(xué)習(xí)有望提供更好的結(jié)果。