นักวิทยาศาสตร์ข้อมูลสามารถปรับปรุงการโฆษณาทางโซเชียลมีเดียได้อย่างไร

วิทยาการข้อมูลกำลังขยายตัว — ซึ่งเป็นเรื่องปกติธรรมดา เมื่อพิจารณาจากวัฒนธรรมที่เปลี่ยนแปลงตลอดเวลาและความสามารถในการเรียนรู้ทุกสิ่งที่อยู่ในมือที่เคลื่อนไหวอย่างรวดเร็วของเรา

ตัวอย่างเช่น พิจารณาว่าภายในปีหน้าหรือประมาณนั้น อินเทอร์เน็ตจะมีผู้ใช้ถึง 5 พันล้านคน ในขณะเดียวกัน ผู้คนจะทำการค้นหาโดย Google ประมาณ 1.2 ล้านล้านครั้งต่อปีเพื่อเข้าถึงเว็บไซต์มากกว่า 1 พันล้านแห่งทางอินเทอร์เน็ต

ในการค้นหาของ Google แต่ละครั้ง (และกิจกรรมทางอินเทอร์เน็ตอื่นๆ ในลักษณะดังกล่าว) จะมีการสร้างรอยเท้าข้อมูล ซึ่งประกอบไปด้วยข้อมูลเกี่ยวกับความสนใจ พฤติกรรม และข้อมูลประชากรของผู้ใช้ นั่นหมายความว่าโลกกำลังว่ายน้ำในข้อมูล ดังนั้น บริษัทด้านมาร์เทคหลายแห่ง รวมถึง Strike Social จึงต้องพึ่งพาพลังสมองของนักวิทยาศาสตร์ข้อมูลในการแยกแยะว่าข้อมูลใดมีประโยชน์และสิ่งใดควรละทิ้ง

คิดใหม่ในสิ่งที่เป็นไปไม่ได้ด้วยวิทยาศาสตร์ข้อมูล

นักวิทยาศาสตร์ข้อมูลมักจะถามคำถามใหญ่ๆ ที่อาจดูเหมือนจะตอบไม่ได้ ความอยากรู้อยากเห็นของพวกเขายังช่วยให้พวกเขาพัฒนาโมเดลใหม่ในระดับแนวหน้าของเทคโนโลยี พวกเขาบรรลุเป้าหมายนี้ผ่านการทดลองที่มีโครงสร้าง เช่น การปรับโครงสร้างพารามิเตอร์ หรือการรวมชุดข้อมูลที่หลากหลาย

จึงไม่น่าแปลกใจที่นักวิทยาศาสตร์ข้อมูลจำนวนมากมาจากพื้นฐานทางวิชาการ โดยมีวุฒิขั้นสูงในสาขาต่างๆ เช่น ชีววิทยาหรือฟิสิกส์

^{Bing Bu นักวิทยาศาสตร์ข้อมูลของ Strike, Dmitry Bandurin และ Jeongku Lim ทำงานที่สำนักงานใหญ่ของบริษัทในชิคาโก}

อย่างหลังเป็นกรณีของ นักวิทยาศาสตร์ข้อมูลสามคนของ Strike Social ได้แก่ Dmitry Bandurin, Bing Bu และ Jeongku Lim ซึ่งทุกคนจบปริญญาเอกในสาขาฟิสิกส์เชิงทดลองหรือฟิสิกส์เบื้องต้น (นั่นคือการศึกษาองค์ประกอบพื้นฐานของสสารและพวกมัน ปฏิสัมพันธ์) ก่อนเข้าร่วม Strike Bandurin, Bu และ Lim เป็นนักวิทยาศาสตร์การวิจัยที่มุ่งเน้นไปที่การแตกอนุภาคมูลฐานภายในการชนกันขนาดใหญ่เพื่อให้เข้าใจถึงจักรวาล

ตอนนี้พวกเขากำลังเข้าสู่โลกของโซเชียลที่ต้องเสียเงิน

ในฐานะนักวิทยาศาสตร์ข้อมูลอาวุโสของ Strike Bandurin ให้เครดิตภูมิหลังด้านการวิจัยของเขาด้วยความสามารถในการคิดใหม่ถึงสิ่งที่เป็นไปได้ด้วยข้อมูลขนาดใหญ่ และเขาคุ้นเคยกับการทำงานกับข้อมูลจริงจากการทดลองเพื่อสร้างผลลัพธ์ใหม่ๆ

“มันไม่เคยเหมือนเดิม และมันก็เปลี่ยนแปลงอยู่เสมอ” เขากล่าว

Bandurin, Bu และ Lim ต่างเห็นพ้องต้องกันว่านักวิทยาศาสตร์ข้อมูลจำเป็นต้องมีทักษะทางคณิตศาสตร์และการวิเคราะห์ที่แข็งแกร่ง เช่นเดียวกับการเขียนโปรแกรมสับ เพื่อให้ประสบความสำเร็จในการควบคุมพลังของ AI สำหรับสังคมแบบชำระเงิน

แล้ววันธรรมดาของพวกเขาเป็นอย่างไร? Bandurin ประมาณการว่าการประชุมใช้เวลาประมาณ 25–30% ของเวลาของเขา โดยอีก 10% ใช้เวลาทำงานกับนักพัฒนาหรือหารือเกี่ยวกับข้อค้นพบใหม่กับทีมวิทยาศาสตร์ข้อมูล เวลาที่เหลือ นักวิทยาศาสตร์ข้อมูลเหล่านี้มุ่งเน้นไปที่การทดสอบและพัฒนาแบบจำลอง จากนั้นนำไปใช้ในโค้ดต้นแบบ

บูบอกว่าเขายังชอบที่จะสรุปงานในแต่ละวันและวางแผนตารางเวลาสำหรับวันถัดไป สัปดาห์ หรือแม้แต่เดือนถัดไป เผื่อว่าโครงการระยะยาวจะเกิดขึ้น

นักวิทยาศาสตร์ข้อมูลสามารถปรับปรุงสังคมแบบชำระเงินได้อย่างไร

คลัสเตอร์ที่สร้างขึ้นผ่านการสร้างแบบจำลองที่ซับซ้อนช่วยให้นักวิทยาศาสตร์ข้อมูลทดสอบผลลัพธ์ของพวกเขาในแคมเปญโฆษณาที่มีการจัดการ นักวิทยาศาสตร์ด้านข้อมูลและทีมสื่อของ Strike ทำงานร่วมกันเพื่อพัฒนาแคมเปญขนาดเล็กที่ช่วยให้สามารถทดสอบชุดข้อมูลแยกกันได้ เมื่อชุดค่าผสมทำงานหรือตรงตามตัวบ่งชี้ประสิทธิภาพหลัก ค่าโฆษณาจะถูกจัดสรรใหม่จากชุดโฆษณาที่มีประสิทธิภาพต่ำไปยังชุดอื่นๆ ที่ตรงเป้าหมาย

ผลลัพธ์ของแคมเปญจะถูกป้อนกลับเข้าไปในส่วนผสมของข้อมูล ซึ่งนักวิทยาศาสตร์ของ Strike ยังคงปรับแต่งโมเดลทางสถิติเพื่อปรับปรุงประสิทธิภาพครั้งแล้วครั้งเล่า

กระบวนการสอบถาม การสร้างแบบจำลอง และการทดสอบอย่างต่อเนื่องไม่เคยหยุดนิ่งในโลกของการวิเคราะห์ข้อมูล — และไม่สามารถหยุดได้ เพราะข้อมูลมีการเปลี่ยนแปลงตลอดเวลา เมื่อผู้คนโตขึ้น พวกเขาจะได้รับความสนใจและละทิ้งนิสัยเดิมๆ วัฒนธรรมก็พัฒนาเช่นกัน โดยสังเกตได้จากวิธีการสื่อสารที่ดีขึ้น

ด้วยเทคโนโลยี เทคนิคที่สมบูรณ์แบบตลอดหลายปีที่ผ่านมาถูกบดบังในเวลาไม่กี่เดือน เช่น การเรียนรู้ที่รวดเร็วด้วย AI

“เนื่องจากการใช้งานสมาร์ทโฟน สมาร์ททีวี และอุปกรณ์อิเล็กทรอนิกส์ขั้นสูงอื่นๆ ที่เพิ่มขึ้นแบบทวีคูณ ทำให้สามารถรวบรวมข้อมูลเฉพาะบุคคลได้ ซึ่งจะช่วยให้สามารถส่งโฆษณาเฉพาะบุคคลได้” Bu กล่าว “ในอนาคต เครือข่ายจะมีราคาถูกลง และความครอบคลุมของการใช้งานจะกว้างขึ้น ดังนั้นผู้ชมโฆษณาวิดีโอจะเติบโตอย่างรวดเร็ว”

หากไม่มีจิตใจที่อยากรู้อยากเห็นของนักวิทยาศาสตร์ข้อมูลของ Strike และความมุ่งมั่นอย่างไม่เกรงกลัวต่อการทดลองข้อมูล ความก้าวหน้าทางเทคโนโลยีของ AI ก็จะไม่สามารถทำได้

นี่คือวิธีที่งานของพวกเขากำลังเปลี่ยนแปลงการโฆษณาทางโซเชียลมีเดีย

^{นักวิทยาศาสตร์ด้านข้อมูลของ Strike คือ Jeongku Lim, Dmitry Bandurin และ Bing Bu ต่างก็จบปริญญาเอกในสาขาฟิสิกส์เชิงทดลองหรือฟิสิกส์ระดับประถมศึกษา}

วิทยาศาสตร์ข้อมูลเพื่อการจัดการผู้ชมที่ดีขึ้น

ด้วยข้อมูลจำนวนมหาศาลที่ถูกสร้างขึ้นทุกๆ วินาที นักการตลาดต้องควบคุมไม่ให้ผลลัพธ์ที่ผิดพลาดจากอคติโดยกำเนิด ชุดข้อมูลที่ไม่สมบูรณ์ หรือตัวอย่างที่น้อยเกินไป

นักวิทยาศาสตร์ด้านข้อมูลเข้าใจว่าผู้ชมไม่ได้สร้างขึ้นจากข้อมูลประชากรเพียงอย่างเดียว แต่ประกอบด้วยบุคคลที่มีพฤติกรรม ประเด็นปัญหา และความสนใจที่แตกต่างกัน

การวิเคราะห์ข้อมูลเชิงคุณภาพประกอบด้วยเบาะแสพฤติกรรมจากคุกกี้ การวิเคราะห์เว็บ เนื้อหาที่ผู้ใช้สร้างขึ้น และแหล่งข้อมูลขนาดใหญ่อื่นๆ เพื่อสร้างกลุ่มผู้ชมที่มีรายละเอียดและเป็นประโยชน์ นักวิทยาศาสตร์ด้านข้อมูลได้รวมชุดข้อมูลขนาดใหญ่เพื่อให้ข้อมูลขนาดใหญ่สร้างกลุ่มที่นำเสนอข้อมูลเชิงลึกที่แท้จริงเกี่ยวกับพฤติกรรมของลูกค้า

ผู้ชมที่มีคุณภาพจะได้รับการตรวจสอบโดยการทดสอบในแคมเปญโฆษณา และขึ้นอยู่กับความใหม่ ความถี่ และความลึกของข้อมูล

โปรดจำไว้ว่าการสร้างผู้ชมเริ่มต้นด้วยสมมติฐานตามตัวแปรและเป้าหมายที่ทราบ ตัวอย่างเช่น สมมติฐานเริ่มต้นของผู้ให้บริการประกันภัยอาจเป็น: บุคคลที่กำลังมองหาประกันภัยรถยนต์ออนไลน์ที่มีอายุระหว่าง 18-50 ปี ซึ่งเป็นเจ้าของรถยนต์อย่างน้อยหนึ่งคัน สมมติฐานที่มีสูตรสำเร็จเพียงพอจะจำกัดการวิเคราะห์ของคุณให้แคบลง ในขณะที่ให้ผลลัพธ์มากพอที่จะค้นพบข้อมูลเชิงลึกเกี่ยวกับพฤติกรรมและแรงจูงใจ

วิทยาศาสตร์ข้อมูลสำหรับรูปแบบการระบุแหล่งที่มาที่เหมาะสม

การระบุแหล่งที่มาทางการตลาดที่เหมาะสมหรือวิทยาศาสตร์ในการพิจารณาว่าข้อความใดทำให้เกิดการซื้อ อาศัยข้อมูลจากทั้งผู้ที่ทำ Conversion และผู้ที่ไม่ได้ทำ Conversion เนื่องจากข้อมูลนี้อาจมีขนาดใหญ่มาก จึงจำเป็นต้องมีการสร้างแบบจำลองขั้นสูงเพื่อระบุและให้เครดิตเหตุการณ์ที่นำไปสู่การแปลงผู้ใช้อย่างถูกต้อง

ด้วยเทคโนโลยีที่ได้รับการปรับปรุง เช่น AI ทำให้แบรนด์ต่างๆ เข้าใจเส้นทางการซื้อของผู้บริโภคได้ดีขึ้น ด้วยข้อมูลที่เพียงพอ นักวิทยาศาสตร์สามารถมองข้ามช่องทางการตลาดและอุปกรณ์ต่าง ๆ เพื่อปรับปรุงจุดสัมผัสและปรับปรุงการส่งข้อความ

วิทยาศาสตร์ข้อมูลเพื่อการเสนอราคาแบบเรียลไทม์ที่ดียิ่งขึ้น

ความก้าวหน้าในการแบ่งกลุ่มผู้ชมและความเข้าใจที่ลึกซึ้งยิ่งขึ้นเกี่ยวกับเหตุการณ์ Conversion ได้นำไปสู่การปฏิบัติของ RTB ซึ่งเป็นวิธีการซื้อและขายโฆษณา RTB อนุญาตให้ซื้อการแสดงโฆษณาแต่ละรายการพร้อมกันกับการเยี่ยมชมเว็บไซต์ของผู้ใช้

หากคุณเคยดูผลิตภัณฑ์บนเว็บไซต์ แล้วเปลี่ยนไปดูฟีดโซเชียลมีเดียของคุณ แล้วเห็นโฆษณาสำหรับผลิตภัณฑ์เดียวกันเท่านั้น แสดงว่าคุณอาจเคยมีประสบการณ์ RTB ผ่านโฆษณาที่ตรงเป้าหมาย

หรือสมมติว่าคุณซื้อบ้านหลังแรกและคุณเบื่อที่จะกินจานพลาสติก คุณตัดสินใจไปที่ Macy's ทางออนไลน์เพื่อค้นหาแฟลตแวร์ใหม่ ยังไม่พร้อมที่จะซื้อ คุณตัดสินใจไปที่ Facebook เพื่อดูว่าเกิดอะไรขึ้นกับครอบครัวและเพื่อนของคุณ ขณะที่เลื่อนดูฟีดของคุณ คุณเห็นโฆษณาที่มีรูปภาพจานอาหารค่ำที่คุณเพิ่งดู

RTB ขยายกระบวนการซื้อและเปิดใช้งานการกำหนดเป้าหมายโดยตรงของผู้ใช้แต่ละราย ในการเข้าร่วมกระบวนการนี้ นักวิทยาศาสตร์ข้อมูลต้องมีสิทธิ์เข้าถึงข้อมูลจำนวนมหาศาลและมีความเชี่ยวชาญที่เหมาะสมในการจัดเรียงและดึงข้อมูลที่เป็นประโยชน์สำหรับข้อมูลเชิงลึกที่นำไปปฏิบัติได้

ที่วิทยาศาสตร์ข้อมูลกำลังมุ่งหน้าไป

ในบางครั้ง สาขาวิชาวิทยาศาสตร์ข้อมูลดูเหมือนจะขยายตัวอย่างรวดเร็วพอๆ กับจักรวาลที่ Bandurin, Bu และ Lim ใช้เวลาหลายปีในการสำรวจ

“วิทยาการข้อมูลจะช่วยธุรกิจต่างๆ แก้ปัญหาต่อไป ทำให้สิ่งต่างๆ เป็นระบบอัตโนมัติมากขึ้น” Bandurin กล่าว “การพัฒนารถยนต์ไร้คนขับเป็นตัวอย่างหนึ่ง — แต่ยังรวมถึงระบบอัตโนมัติของยานพาหนะอื่นๆ ด้วย เช่น เครื่องบิน การเล่นหมากรุก การช่วยเหลือผู้พิการ และหุ่นยนต์ที่แท้จริงในทุกด้านของชีวิตมนุษย์”

ผลที่ได้คือโลกใบใหม่ที่เรารู้จัก