In den vergangenen Jahren hat Google zahlreiche einfach anwendbare AI-Algorithmen, Templates und Tools entwickelt, um Marketern und ihren jeweiligen Unternehmen eine AI-Nutzung auf breiter Ebene zu ermöglichen.
Kürzlich konnten wir eine neue Technologie-Partnerschaft mit Google Cloud publik machen. Sie gewährleistet, dass wir unseren Kunden das bestmögliche AI-Marketing zur Verfügung stellen können. Das Gemeinschaftsprojekt versetzt die Marken unserer Kunden in die Lage, von besseren Echtzeit-Prognosen zu profitieren, die alle durch AI ermöglicht werden.
Vor diesem Hintergrund möchten wir darstellen, was Google mit AI erreicht hat. Wir wollen uns einige Beispiele ansehen, die illustrieren, wie Google Marken und Marketern den Weg bereitet hat.
Google ist dabei, den AI-Markt zu dominieren (Bild: Popsci.com)
AI-Innovation für Marken, Datenwissenschaftler und Marketer
Google macht es für Marken einfacher als je zuvor, AI zu verwenden, um mit ihren Kunden in Verbindung zu treten. Hier einige Methoden, die das Unternehmen dabei anwendet.
1. Partnerschaften mit Tech-Providern
Googles Partnernetzwerk ermöglicht neue Wege beim Teilen von Diensten und Daten. Dies gilt insbesondere für Marken, die mit diesen Tech-Providern arbeiten und von großen Mengen qualitativ hochwertiger Daten abhängig sind, um ihre Prozesse und Analysen damit zu befüllen und zu versorgen.
Emarsys ist kürzlich eine Partnerschaft mit Google Cloud eingegangen, um einen Entscheidungsrahmen in Echtzeit zu entwickeln. Dieser wird Kunden noch mehr Marketing-Produkte und -Tools in Echtzeit zur Verfügung stellen.
Indem wir mit Googles AI-Entwicklern über Googles Kubernetes-System zusammenarbeiten – und so unsere Analysen und AI-Modelle in Echtzeit weiterentwickeln – helfen wir unseren Kunden nun, Echtzeitprognosen zu mehr als 1,4 Milliarden Personen bereitzustellen. Dabei ermöglichen wir unseren Kunden, sofort auf das Kundenverhalten zu reagieren.
Ich habe mit Datenexperten bei Emarsys und Google gesprochen, um herauszufinden, was all dies tatsächlich für Marken bedeutet.
„Gemeinsam verwenden wir etwas aus dem Gebiet AI – Bayessches Lernen (maschinelles Lernen auf der Grundlage von statistischen Daten) – das auf BigQuery beruht. Ihr (Emarsys) sendet E-Mails an mehr als 1,4 Milliarden Nutzer, wobei es darauf ankommt, sie zum richtigen Zeitpunkt zu versenden – was nicht unerheblich ist. Das Timing ist entscheidend. Sie verwenden unsere BigQuery Data-Warehouse-Lösung … um stets zu sehen, wann eine E-Mail verschickt werden muss.“
Dr. Michael Menzel, Cloud Customer Engineer für Big Data und ML bei Google
Levente Otti, Head of Data bei Emarsys, erinnert sich noch an eine Zeit, in der täglich Daten stapelweise verarbeitet und ausgewertet wurden. Mittlerweile können Marketingaktionen innerhalb von Sekunden nach einem Event ausgeführt werden, und Kunden können sofort reagieren.
Google-Partner treten einem Ökosystem bei, das sich durch Big-Data-Exzellenz auszeichnet und Echtzeit-Marketing in wesentlich größerem Umfang ermöglicht.
2. DeepMind, Bilderkennung und Google Cloud Video Intelligence
Im Jahr 2012 entwickelte Google ein neuronales Netzwerk, das den menschlichen Erkenntnisprozess nachahmte. Nach einiger Übung konnte es so Bilder von Katzen erkennen.
2014 erwarb Google ein Start-up mit dem Namen DeepMind, was zur Entstehung von AlphaGo führte. Dies war der erste echte Vorstoß hin zur Entwicklung eines selbstlernenden Algorithmus.
Was die Öffentlichkeit bei diesen Entwicklungen nicht mitbekam, war die hintergründige Einführung von Deep Learning und Machine Learning innerhalb von Googles Portfolio.
Bilderkennung war der erste größere Anwendungsfall für Googles Deep Learning, während Bildverbesserung den jüngsten Durchbruch darstellt. Die Maschine wertet dabei die in einem Bild vorhandenen Daten aus, um fehlende Bildteile zu ersetzen oder zu ergänzen.
Die Anwendung von Bilderkennung eignet sich sowohl für Verbraucher, als auch für Unternehmen. Einer E-Commerce- oder Retail-Marke kann sie es beispielsweise ermöglichen, in einer riesigen Bibliothek auf der Grundlage von Bildattributen einfach nach dem passenden Bild für eine Werbe-E-Mail zu suchen.
Auch auf der Video-Plattform des Unternehmens kommt Googles AI zum Einsatz.
Nutzer der Plattform können neben zahlreichen anderen Anwendungsfällen die Segmentierung und die Analyse von Inhalt und Kontext aus Videos automatisieren.
Die Video Intelligence API kann auch Filmemachern, Erstellern von Content und Marketern dabei helfen, schnell und einfach eine große Bibliothek mit Videoinhalten zu sichten und zu analysieren.
3. Machine Learning, AutoML und TensorFlow
Statt alles proprietär zu halten, hat das Google-Team sich für den entgegengesetzten Ansatz entschieden: Google stellt zahlreiche gemeinschaftsfördernde Open-Source-Tools für jedermann zur Verfügung, um das Machine Learning zu befördern.
Googles Cloud AutoML ist beispielsweise ein Paket von Machine Learning-Produkten, die Entwickler in die Lage versetzen, auch mit eingeschränkter Expertise im Machine Learning oder wenigen Daten qualitativ hochwertige Modelle zu trainieren.
Ashwin Ram, Technical Director of AI bei Google, erklärte als Gast in unserem Podcast, wie dies funktioniert:
TensorFlow ist eine andere Open-Source-Bibliothek für Artificial Intelligence, die Entwickler in die Lage versetzt, ihre eigenen Modelle für zahlreiche Anwendungsfälle zu schaffen. Dazu gehören Stimm- und Geräuscherkennung, Textanwendungen, Bilderkennung, Zeitreihen und Videoerkennung. Dabei werden Datenflussdiagramme verwendet, um Modelle zu entwickeln. Entwickler können großangelegte und mehrschichtige neuronale Netzwerke erstellen.
TensorFlow und Googles offene ML-Bibliothek ermöglichen es praktisch jedem Nutzer mit minimalen Fähigkeiten, Computer dahin zu trainieren, ihre eigenen Modelle zu verwenden und Prognosen zu erstellen.
Fazit
Es war stets das Ziel von Googles Innovations-Team, der gesamten Welt ein einfacheres Leben und Arbeiten zu ermöglichen. Daher integriert das Team AI, ML und Deep Learning in alle Anwendungen, um Aufgaben zu erleichtern und den Zugang zu Informationen zu verbessern.
„Das ist das Ziel bei einem Smartphone mit maschineller Intelligenz: Ein echter und persönlicher digitaler Assistent, der treffende Prognosen liefert und über ein umfassendes Wissen verfügt – der Teil deines Gehirns, mit dem du nicht geboren wurdest.“ — Dave Gershgorn, Popsci.com
Unsere neugegründete Partnerschaft und die fortgesetzte Zusammenarbeit mit Google zu Innovationen im AI-Marketing erlaubt uns, mit einigen der klügsten Datenwissenschaftlern der Welt zusammenzuarbeiten, während wir dazu beitragen, prädikative Analysen für die Kunden von Google und unsere eigenen Kunden zu transformieren. Wir glauben daran, dass diese Partnerschaft unseren Kunden einen direkten Vorteil durch Googles Fortschritte in den AI-Anwendungen verschafft.
Ausgewählte ähnliche Inhalte:
- What is Real Artificial Intelligence: Characteristics of True AI
- Glitch the Marketing Matrix: How to Use AI to Transform Your Database & Open New Streams of Revenue
- The State of AI Marketing for B2C E-commerce: Raj Balasundaram [Podcast]
➤ Die von Emarsys kürzlich eingegangene Partnerschaft mit Google ermöglicht es Marketern, sofort auf Kundenverhalten zu reagieren, da wir nun Echtzeit-Prognosen zu mehr als 1,4 Milliaren Personen anbieten können. Mehr dazu erfahren Sie von unserem Head of Data, Levente Otti, in seiner jüngsten Fallstudie und dem Interview mit Google.
Die Einführung von AI schreitet voran … sind Sie dabei?
