营销人员的基本人工智能词汇表

感谢您的实时聊天。如果你有像我的任何东西，你回顾有线电话的日子和1-800号码，任何东西都没有任何喜爱。

但是，在Facebook Messenger上与客户服务代理商聊天，看看您是否可以在最近的订单上更改送货地址，有时它会诱人，我真的和人类在谈话？还是这种，快速的代理真的只是一个伪装的机器人？

相信与否，这个问题比你想象的更老。试图破译人与机器之间的游戏一直返回1950年，并将计算机科学家命名为Alan Tying。

在他的着名的论文，提出了一个测试（现在被称为图灵测试）查看机器是否能够与人类的展示智能行为的能力难以区分。询问者将向基于文本的问题询问（计算机）和主题B（一个人），希望尝试弄清楚哪个是哪个。如果计算机成功地欺骗了审讯者的思考，这是一个人类，计算机据说成功地有人工智能。

自艾伦的日子以来，如果他的测试确实是识别人工智能的准确方法，已经有几十年和数十年的辩论。但是，这个想法背后的情绪仍然存在：随着AI获得牵引力，我们能否讲述人类和机器之间的差异？如果AI已经在客户服务的方式转换，如果它可以将其工作改为营销人员？

为什么人工智能为营销人员而言

随着预测的，AI背后的概念往往很难掌握，有时在我们的日常生活中更加困难。通过其本质，AI旨在将您已经使用的工具无缝地流动，以便您可以更准确或高效地进行任务。例如，如果您享受Netflix电影建议或Spotify的个性化播放列表，您已经遇到了AI。

事实上，在我们最近的Hubspot研究报告中采用人工智能，我们发现了63％的受访者已经使用AI而不意识到它。

谈到营销时，AI将被定位以改变营销的几乎所有部分 - 从我们的个人生产力到我们的业务运营 - 在未来几年内。想象有一个待办事项列表自动优先考虑根据您的工作习惯，或您的内容根据您的目标客户个性化在社交媒体上写作。这些例子只是开始的AI如何影响营销人员的工作方式。

无论ai如何改变我们的工作，我们并非都被称为专家计算机科学家。然而，对于AI的基本了解，如果只是通过这种技术的可能性瞥见，它仍然是至关重要的，如果只能获得这种技术的可能性，并了解它如何使您如何使您成为更高效的更高效的数据驱动的营销人员。

下面我们将分解您需要知道在AI世界中成功的营销人员。但首先，一个免责声明......

这并不意味着任何手段都不应该是人工智能的最终资源，也不应该是任何1,500字的博客文章。仍然有很多分歧，人们认为ai是什么以及它不是什么。但我们希望这些基本定义将使AI及其相关的概念更容易掌握并激发您更多地了解营销未来的更多信息。

13人工智能销售营销人员需要知道

算法

算法是表示变量之间的关系的公式。社交媒体营销人员可能熟悉，作为Facebook，Twitter和Instagram所有使用算法来确定您在新闻源中看到的帖子raybetapp。SEO营销人员专注于搜索引擎算法在搜索结果的第一页上获取其内容排名。即使您的Netflix主页也使用算法根据过去的行为建议新节目。

当您谈论人工智能时，算法是什么机器学习程序用于从他们分析的数据集中进行预测。例如，如果机器学习程序是分析一堆Facebook帖子的性能，它可以创建一个算法，以确定哪种博客标题获得最多的帖子。

人工智能

在最普遍的术语中，人工智能指的是计算机科学领域，使机器能够做人类需要智能的事情。这包括学习，看到，谈话，社交，推理或解决问题等任务。

然而，它并不像拷贝人类脑，神经元的方式一样简单。它正在建立灵活的计算机，可以采取创造性的行动，以最大化其成功的机会。

机器人

机器人（也称为“Chatbots”或“ChatterBots”）是人类与自动执行特定行动或寻求信息的文本的基于文​​本的程序。通常，他们“生活”在另一个消息传递应用程序中，例如松弛，Facebook Messenger.，whatsapp或线。

机器人通常具有狭窄的用例，因为它们被编程为从特定数据源中拉动，例如机器人告诉你天气或帮助你注册投票。在某些情况下，他们能够与已使用的系统集成以提高生产率。例如，生长学- 营销和销售专业人士的机器人 - 与集中企业，Google Analytics等连接，并更多地提供有关公司的顶视图博客文章或PPC关键字竞争对手的信息。raybet电子竞技

有些人认为，聊天没有资格作为ai，因为他们严重依赖于预加载的响应或行动，无法“思考”。然而，其他人认为机器人能够理解人类语言作为AI的基本应用。

认知科学

从人工智能缩小，你有认知科学。这是对思想及其流程的跨学科研究，从哲学，心理学，语言学，人类学和神经科学的基础拉动。

人工智能只是认知科学的一种应用，这些科学看出了如何在机器中模拟心灵的系统。

计算机视觉

计算机愿景是深度学习的应用（见下文），可以“了解”数字图像。

当然，对于人类来说，了解图像是我们更基本的功能之一。你看到一个球扔给你，你抓住了它。但是对于一台电脑来看图像，然后描述它使得模拟人眼和大脑在一起工作方式相当复杂。例如，想象一下自行车需要识别和回应停止灯，行人和其他障碍物在路上。

但是，您不必拥有特斯拉体验计算机愿景。你可以把谷歌的快速绘画测试并查看它是否识别您的涂鸦。因为计算机愿景使用机器学习随着时间的推移而改进，因此您实际上可以通过播放来教导程序。

数据挖掘

数据挖掘是计算机在大数据集中发现模式的过程。例如，像亚马逊这样的电子商务公司可以使用数据挖掘来分raybet电子竞技析客户数据，并通过“购买此商品的客户”框提供产品建议。

深度学习

在AI频谱的远端，深度学习是一种高度先进的机器学习子集。它不太可能理解深度学习的内心运作，但知道这一点：深入学习可以通过使用多层相关性在数据集中找到超级复杂的模式。以最简单的术语来说，它通过模仿神经元层在自己的大脑中层叠的方式来实现这一点。这就是为什么计算机科学家将这种类型的机器学习作为“神经网络”。

机器学习

在AI的所有子学科中，在机器学习中取得了一些最令人兴奋的进步。简而言之，机器学习是程序吸收大量数据并创建预测算法的能力。

如果您曾经听说过AI允许计算机随着时间的推移学习，您可能会学习机器学习。具有机器学习的程序发现数据集中的模式，帮助他们实现目标。在分析更多数据时，他们调整其行为以更有效地达到目标。

数据可能是任何：营销软件充满了电子邮件开放率或棒球击球率的数据库。雷竞技苹果下载官方版因为机器学习为计算机提供了学习而不明确编程（如大多数机器人），它们通常被描述为能够像幼儿一样学习：通过经验。

自然语言处理

自然语言处理（NLS）可以通过使其了解文本或语音命令来使机器人更复杂。例如，当您与Siri交谈时，她正在将声音转换为文本，通过搜索引擎进行查询，并响应人类语法。

在基本级别上，拼写检查谷歌上的Word文档或翻译服务都是NLS的示例。NLS的更高级应用程序可以学习接受幽默或情感。

语义分析

语义分析是，首先是一个语言学术语，涉及将短语，条款，句子和段落一起串联成连贯写作的过程。但它还指的是在文化背景下建立语言。

因此，如果具有自然语言处理能力的机器也可以使用语义分析，这可能意味着它可以理解人类语言并在了解习语，隐喻和其他言论图所需的上下文提示。随着AI供电的营销应用程序在等领域推进内容自动化，您可以想象语义分析的有用性，对Craft博客文章和难以区分的电子书而不是内容营销人员。

监督学习

监督学习是一种机器学习，其中人类输入特定的数据集并监督大部分过程，因此名称。在监督学习中，标记样本数据，并且机器学习程序被赋予了明确的结果来朝向。

培训数据

在机器学习中，训练数据是最初给予程序的数据，以“学习”并识别模式。之后，给予机器学习程序的更多测试数据集以检查图案以精确率。

无人监督的学习

无监督的学习是另一种机器学习，它使用很少没有人类参与。机器学习程序留下来查找模式并自行绘制结论。

有一个人工智能定义要添加？让我们在下面的评论中知道。