Strojno učenje in trženje: orodja, primeri in nasveti, ki jih lahko uporablja večina ekip

Machine learning, a subset of AI, is a powerful tool that’s rapidly transforming marketing.

Približno 35 % tržnikov uporablja umetno inteligenco za poenostavitev svojega dela in avtomatizacijo dolgočasnih opravil, poroča HubSpot. najnovejše raziskave. However, the same research reveals that 96% of marketers still adjust AI-generated outputs — indicating that it’s still far from perfect.

V današnji objavi boste izvedeli, kako lahko strojno učenje napolni vašo marketinško ekipo. Delili bomo tudi uporabne primere podjetij iz resničnega sveta, ki izvajajo strojno učenje in opažajo pomembne izboljšave.

Kazalo

Strojno učenje in trženje

Strojno učenje je oblika umetne inteligence (AI), ki programskim aplikacijam omogoča, da postanejo natančnejše pri napovedovanju rezultatov, ne da bi bile izrecno programirane.

Tržniki uporabljajo strojno učenje za razumevanje vedenja strank in prepoznavanje trendov v velikih naborih podatkov, kar jim omogoča ustvarjanje učinkovitejših trženjskih kampanj in izboljšanje trženjske donosnosti naložbe.

Netflix na primer uporablja strojno učenje za izboljšanje svojega algoritma priporočil, napovedovanje povpraševanja in povečanje angažiranosti strank.

By leveraging customers’ viewing history, the company gains powerful insights into customer preferences, enabling them to make relevant content suggestions.

Oglejte si spodnjo sliko, da ugotovite, zakaj poslovni strokovnjaki sprejmejo ML in AI tehnologijo.

Vir slike

Kako lahko strojno učenje izboljša trženje

Strojno učenje lahko izboljša trženje na nešteto načinov. Tu so najpogostejši primeri uporabe:

1. Ocenite razpoloženje strank

Algoritmi strojnega učenja lahko samodejno prepoznajo razpoloženje strank, ki zajema pozitivna, nevtralna ali negativna mnenja.

Na začetku zbirajo besedilne podatke iz različnih virov, kot so ocene strank, omembe v družbenih medijih, obrazci za povratne informacije ali odgovori na ankete.

Podatki so nato podvrženi predobdelavi in ​​označeni v skladu z ustreznim občutkom. To tržnikom omogoča, da pridobijo vpogled v razpoloženje strank in naredijo izboljšave na podlagi povratnih informacij.

2. Prilagodite uporabniško izkušnjo

Modeli strojnega učenja lahko analizirajo vedenje uporabnikov in zgodovinske podatke za napovedovanje preferenc strank. Tržniki uporabljajo to priložnost za ustvarjanje prilagojenih ponudb za stranke, kot so priporočila za izdelke, promocije ali popusti.

Poleg tega lahko ML ureja vire vsebine na podlagi interesov uporabnikov in strankam pošilja prilagojene opomnike.

3. Optimizirajte prizadevanja za distribucijo vsebine

Strojno učenje lahko analizira delovanje različnih distribucijskih kanalov vsebine in ponudi optimizacijske strategije.

Z dostopom do zgodovinskih podatkov lahko ugotovi najboljši čas za objavo in optimalno pogostost distribucije vsebine, da se prepreči preobremenitev občinstva.

Prav tako lahko identificira najučinkovitejše distribucijske kanale, kar tržnikom omogoča, da pametno razporedijo svoje vire in dosežejo največjo angažiranost poleg donosnosti naložbe.

4. Optimizirajte ciljanje oglasov in ponudbe

ML revolucionira ciljano oglaševanje.

Z analizo ogromne količine podatkov o strankah strojno učenje predvideva vedenje strank in uporabnike razvršča v segmente na podlagi skupnih lastnosti in značilnosti.

Tržniki nato te podatke uporabijo za prilagajanje oglasov tem segmentom in se povezujejo s ciljnimi skupinami, za katere je verjetneje, da bodo sodelovale z oglasom.

5. Poenostavite procese testiranja A/B

A / B testiranje igra pomembno vlogo pri trženju, saj jasno pokaže, kaj deluje in kaj ne.

ML pomaga avtomatizirati postopke testiranja A/B in jih narediti natančnejše. Spremljanje postopka testiranja v realnem času zmanjša ročno posredovanje in verjetnost morebitnih napak.

Poleg tega strojno učenje skrajša trajanje testa, prihrani čas in vire, ko ena različica znatno prekaša drugo.

15 primerov strojnega učenja in trženja

Forrester napoveduje, da bo skoraj 100 % podjetij uvedlo neko obliko umetne inteligence do leta 2025. Še dve leti do konca, vendar so številna podjetja že uspešno sprejela umetno inteligenco.

Tukaj je 15 primerov podjetij iz resničnega sveta, ki so po uvedbi strojnega učenja opazila pomembne izboljšave.

1. Amazon je povečal svojo neto prodajo za 9 %.

Strojno učenje je že dolgo sestavni del Amazona, enega največjih trgovcev na drobno na svetu.

Velikan e-trgovine uporablja ML za različne namene, kot je pridobivanje vpogledov v vedenje strank ter analiziranje zgodovine brskanja in nakupovanja za zagotavljanje prilagojenih priporočil za izdelke.

Ti izboljšajo uporabniško izkušnjo, saj uporabniki zlahka najdejo nove izdelke, ki so podobni njihovi prejšnji nakupovalni izkušnji. Poleg tega Amazon ustvarja ciljane oglase za uporabnike na podlagi napovedi povpraševanja.

Glede na najnovejše finančne poročilo, se je neto prodaja podjetja v prvem četrtletju povečala za 9 % na 127.4 milijarde USD v primerjavi s 116.4 milijarde USD v prvem četrtletju leta 2022.

2. Netflix je postal vodilni v industriji zaradi svojih personaliziranih filmskih predlogov.

Eden od glavnih razlogov, zakaj so storitve Netflix priljubljene, je, da uporabljajo Umetna inteligenca in rešitve strojnega učenja za ustvarjanje intuitivnih predlogov.

Podjetje uporablja strojno učenje analizirati filmske izbire svojih strank in podati ustrezne vsebinske predloge. Toda kako deluje?

Ko brskate po njihovem imeniku filmov, njihovi inteligentni algoritmi opazujejo, kateri filmi vas pritegnejo, kje kliknete, koliko minut gledate isti film itd.

Nato Netflix analizira vaše navade gledanja in za vas pripravi prilagojen vir filmov/TV-oddaj. To je win-win.

3. Armor VPN predvidena življenjska vrednost in povečana prizadevanja za pridobivanje uporabnikov.

Armor VPN je programska oprema za kibernetsko varnost potrošnikov (VPN), ki je želela ustvariti trdno strategijo pridobivanja uporabnikov za privabljanje novih strank. Z omejenimi proračuni za trženje lastniki niso želeli iti skozi postopek poskusov in napak.

Tako so sodelovali s Pecan AI, orodje za napovedno analitiko, za sprejemanje strateških odločitev s pomočjo modelov predvidene življenjske vrednosti (pLTV).

Vir slike

Z napovedmi orodja je stranka identificirana v povprečju 25-odstotna vrzel med dejansko življenjsko vrednostjo uporabnika in pričakovano vrednostjo uporabnikov.

Na ta način bi Armor VPN lahko ustvaril učinkovitejšo in podatkovno usmerjeno strategijo za spodbujanje svojih prizadevanj za pridobivanje uporabnikov.

4. Devex je povečal svoje procese ustvarjanja vsebine in zmanjšal stroške za 50x.

Devex s sedežem v Washingtonu, DC, je glavni ponudnik storitev zaposlovanja in poslovnega razvoja za globalni razvoj.

Podjetje tedensko prejme približno 3000 kosov besedila, ki zahtevajo ročni pregled s strani skupine za vsebino. Sčasoma se le 300 teh kosov šteje za vrednih in ustrezno označenih.

Do nedavnega se je ocenjevanje izvajalo ročno, kar je trajalo približno 10 ur. Za avtomatizacijo postopka je Devex stopil v stik MonkeyLearn, platformo za analizo besedila, ki jo poganjajo modeli strojnega učenja.

Devex je zgradil klasifikator besedila, ki jim je pomagal pri obdelavi podatkov in nato označevanju, če je bilo besedilo ustrezno.

Rezultat je bil 66-odstotni prihranek časa, stroški delovanja pa so se zmanjšali za 50-krat, saj je bilo potrebno manj človeškega vmešavanja.

5. Airbnb je optimiziral cene najema in ustvaril grobe ocene.

Airbnb se je soočal z izzivi, ko je poskušal optimizirati cene najema za stranke.

Da bi to premagali, Airbnb uporabil strojno učenje za zagotavljanje grobih ocen potencialnim strankam. Cene so temeljile na različnih merilih, kot so lokacija, velikost, vrsta nepremičnine, sezonskost, ugodnosti itd.

Nato so z izvedbo EDA lahko razumeli, kako so se oglasi za najem razširili po ZDA.

V zadnjem koraku je podjetje implementiralo modele ML, kot je linearna regresija, da bi ustvarilo ocene in vizualiziralo, kako se cene spreminjajo skozi čas. Omogočila jim je ustvarjanje privlačnih marketinških ponudb in pridobivanje novih strank.

6. Re:member je povečal konverzije za 43 % s toplotnimi zemljevidi in posnetki sej.

Re: član je eno vodilnih podjetij s kreditnimi karticami v Skandinaviji. Pred kratkim je njihova marketinška ekipa opazila, da uporabniki bolj kot običajno odbijajo obrazec za vlogo za kreditno kartico.

Tržna ekipa se je razočarana obrnila na Hotjar pridobiti popolno sliko o tem, kako so stranke uporabljale njihovo spletno stran in kaj je povzročalo težavo. Za predvajanje celotnega časa, ki ga je uporabnik preživel na spletni strani, so uporabili posnetke sej.

Toplotni zemljevidi so jim pomagali ugotoviti, katere strani so stranke pogosteje klikale.

Combining the data, Re:member’s marketing team noticed that many people coming from affiliates were leaving right away.

Po pregledu toplotnih zemljevidov in posnetkov sej je ekipa ugotovila, da je obiskovalce sprva zanimal razdelek o ugodnostih, vendar so potrebovali več informacij.

Posledično so preoblikovali stran aplikacije, kar je povzročilo 43-odstotno povečanje konverzij.

7. Tuff je dosegel 75-odstotno stopnjo uspešnosti pri predlogih za partnerstvo.

Tuff je marketinška agencija za SEO, ki je v samo treh letih dosegla znatno rast ARR. Sprva so se trudili ustvariti predstavitve strank zaradi pomanjkanja zanesljivega orodja SEO za temeljito raziskavo konkurentov in ključnih besed.

Po uporabi Semrush, a leading keyword research tool with machine-learning algorithms, Tuff could analyze prospective customers’ organic performance and create personalized proposals tailored to their specific needs.

To je vodilo do 75-odstotne uspešnosti pri pridobivanju novih strank.

8. Kasasa je povečala organski promet za 92 %.

Kasasa, podjetje za finančne storitve, je želelo razširiti svoje vsebinske operacije in spodbuditi organski promet. Posvojili so MarketMuse, orodje za optimizacijo vsebine, ki temelji na AI in ML, za prihranek časa in virov.

Z uporabo poenostavljenih kratkih vsebin MarketMuse je Kasasa veliko hitreje ustvarila smiselno vsebino. To je podjetje uveljavilo kot strokovnjaka v panogi in povečalo njegovo prepoznavnost, kar je vodilo do 92-odstotne rasti organskega prometa.

9. Spotify je ustvaril prilagojene sezname predvajanja in povečal angažiranost strank.

Spotify uporablja algoritme strojnega učenja za analizo podatkov o strankah, kot so seznami predvajanja in zgodovina poslušanja.

To omogoča ponudniku digitalnih glasbenih storitev, da ustvari segmente strank na podlagi glasbenih preferenc, kar omogoča prilagojena glasbena priporočila in sezname predvajanja za vsakega uporabnika, kar na koncu poveča angažiranost strank.

10. Sephora je zgradila dolgoročno zvestobo strank s Sephora Virtual Artist.

Sephora, velikanski trgovec s kozmetiko, že več kot desetletje uporablja vrhunske tehnologije, vključno z umetno inteligenco in strojnim učenjem. Njihov virtualni umetnik strankam omogoča virtualno preizkušanje novih izdelkov, ne da bi jih nosili.

S tehnologijo prepoznavanja obrazov algoritmi strojnega učenja samodejno prepoznajo najbolj združljiv odtenek in priporočijo izdelke, ponujajo prilagojena priporočila za izdelke, spodbujajo sodelovanje strank in spodbujajo zvestobo.

Vir slike

11. Coca-Cola je izboljšala svojo prodajo in distribucijo za skoraj 30 %.

Coca-Cola je bila v ospredju implementacije rešitev ML in AI v svojih tržnih strategijah.

Za ohranitev vodilnega položaja v panogi je ameriško podjetje ustvarilo sistem umetne inteligence za analizo prodajnih podatkov in zaznavanje trendov v preferencah strank.

Uporabili so tudi algoritme strojnega učenja za optimizacijo pakiranja in distribucije izdelkov, kar je povzročilo izjemno 30-odstotno povečanje dobička.

Poleg tega so razvili virtualnega pomočnika za pomoč strankam pri pogostih vprašanjih.

12. Yelp tedensko pošilja prilagojena priporočila.

Citati je platforma za ocene uporabnikov in priporočila, ki uporablja svoje algoritme strojnega učenja. Izkoriščajo strojno učenje in algoritemsko razvrščanje za ustvarjanje prilagojenih uporabniških priporočil.

S strojnim učenjem uporabniki prejemajo tedenska priporočila na podlagi podjetij, ki so si jih ogledali prejšnji teden, ali v okviru njihovih posebnih zanimanj. Leta 2023 je podjetje predstavilo tudi svojo storitev pisanja recenzij, ki jo poganja AI.

13. Cyber ​​Inc. je podvojil produkcijo video tečajev.

Cyber ​​Inc. je podjetje za ozaveščanje o varnosti in zasebnosti s sedežem na Nizozemskem. Podjetje ponuja programe usposabljanja in je želelo povečati svoj proces ustvarjanja video tečajev.

Združili so se s Sinteza, Video, ki ga poganja AI platformo za ustvarjanje, za poenostavitev ustvarjanja videoposnetkov in produkcijo videoposnetkov v več jezikih.

Sodelovanje je zmanjšalo stroške najema igralcev, saj orodje ponuja avatar kot zamenjavo. Cyber ​​Inc je uspelo dvakrat hitreje izdelati video vsebino in razširiti svoj globalni doseg.

14. Uber je ustvaril ciljane oglase, prilagojene vsakemu uporabniku.

Uber, ameriški ponudnik taksi storitev, učinkovito uporablja strojno učenje. S pomočjo ML analizirajo podatke o strankah, kot sta lokacija in zgodovina potovanj, ter ustvarjajo ciljane oglase, prilagojene posameznikom.

Algoritmi jim omogočajo, da optimizirajo oglaševalske akcije za največjo učinkovitost, kar ima za posledico večjo vključenost strank in stopnjo uporabe z Uberjem.

15. Farfetch je povečal stopnjo odprtosti e-pošte za 31 %.

Farfetch je prodajalec luksuzne mode, ki je eksperimentiral z umetno inteligenco in dal svež pogled svojim e-poštnim marketinškim kampanjam.

Sodelovali so s Fraze, orodje, ki izbere najustreznejši glas blagovne znamke in na podlagi tega ustvari zamisli o vsebini.

Podjetje je doseglo impresivne rezultate, s 38-odstotnim povečanjem povprečne stopnje klikov in 31-odstotnim porastom povprečne stopnje odprtosti v svojih sprožilnih kampanjah.

5 nasvetov za uporabo strojnega učenja v trženju

Strojno učenje je lahko zelo koristno, vendar morate vedeti, kako ga učinkovito uporabljati. Tukaj je pet nasvetov za učinkovito izkoriščanje strojnega učenja pri vaših trženjskih prizadevanjih.

1. Bodite natančni pri svojih tržnih ciljih.

Since ML processes enormous data sets, you’ll likely get loads of unnecessary data. You can easily avoid this if you clearly outline what you want to achieve.

Zožite svoje trženjske cilje in jih razvrstite v kategorije, kot so segmentacija strank, optimizacija oglasov, pospeševanje konverzij itd. Začnite s poskusi majhnega obsega in ponovite, ko boste dosegli rezultate.

2. Ne ostanite pri enem modelu ML.

Eksperimentiranje z več modeli strojnega učenja je bistveno. Različni modeli ML imajo različne zmogljivosti, vsak s svojimi prednostmi in slabostmi.

For maximum efficiency, you’ll have to test different ML models so you can compare their performance objectively.

Na primer, en model ML je lahko odličen pri določeni vrsti podatkovne naloge, vendar je morda slabši v drugem scenariju.

3. Ne postanite preveč odvisni od orodij ML.

While machine learning can generate valuable insights, over-relying on it can be detrimental for marketers. ML models are still evolving, and they are not perfect and can’t fully function without human expertise.

For maximum results, it’s better to combine ML with human knowledge. Clearly define each role and set a healthy boundary of when to use ML and when to rely on human decisions.

4. Sodelujte s podatkovnimi znanstveniki.

Nimajo vsi lastnega podatkovnega znanja. Če šele začenjate, je dobro, da sodelujete s podatkovnim znanstvenikom, da implementirate prave modele ML.

Make sure to ask the machine learning experts to explain the limitations of ML models so you don’t have unrealistic expectations.

5. Spoštujte politiko podatkov in bodite pregledni.

Orodja AI in ML predstavljajo grožnjo za kršitve podatkov in skrbi glede zasebnosti.

Since customer data is vulnerable, you’ll need to make sure you comply with data privacy regulations. Avoid unethical usage of customer data and be transparent.

Ti so ključni za ustvarjanje zaupanja pri vaših strankah.

5 orodij za strojno učenje za tržnike

Ker je trg nasičen z orodji ML, smo seznam zožili in vključili le najboljša. Tukaj je pet orodij ML, ki vam bodo pomagala racionalizirati vaša tržna prizadevanja in povečati vaš dobiček.

1. Hubspot Content Assistant

Get started with HubSpot’s AI tools.

HubSpot's asistent za vsebino je zmogljivo orodje, ki tržnikom omogoča nadgradnjo vsebinskih operacij in izboljšanje produktivnosti.

Izvorno se integrira z izdelki HubSpot in lahko preklapljate med AI in ročnim ustvarjanjem vsebine, da ustvarite kopijo za e-pošto, spletno mesto, objave v spletnem dnevniku itd.

Če želite uporabiti pomočnika za vsebino, preprosto izpolnite obrazec, opišite, katero vsebino želite, in nato kliknite »Ustvari«. Čez nekaj sekund boste imeli svojo kopijo.

Osnovne funkcije

• Ustvarite prilagojena prodajna in marketinška e-poštna sporočila, ideje za objave v spletnem dnevniku in orise
• Ustvarite odstavke in ustvarite privlačne CTA-je
• Integracija z drugimi izdelki Hubspot

Cena: Brezplačno za uporabnike Hubspot CRM.

Pro nasvet: Segmentirajte možnosti na podlagi skupnih značilnosti in nato dodajte sezname pomočniku za vsebino. Orodje bo obdelalo podatke in ustvarilo prilagojena e-poštna sporočila za poenostavitev vašega dosega.

2. Opica se uči

MonkeyLearn je orodje AI, ki podjetjem pomaga analizirati podatke s strojnim učenjem. Izvleče podatke iz različnih virov, kot so e-pošta, ankete in objave, ter vizualizira povratne informacije strank na enem mestu.

Osnovne funkcije

• Podprti so različni besedilni formati, kot so e-poštna sporočila, vstopnice za podporo, ocene, ankete NPS, tviti itd.
• Razvrščanje besedila v kategorije: občutek, tema, vidiki, namen, prednost itd.
• Integracije s stotinami aplikacij, kot so Zendesk, Airtable, Typeform, Intercom itd.

Cena: Obstajata dva cenovna načrta. Paket »Team« se začne pri 299 $ in obstaja brezplačen preskus. Cene stopnje »Poslovanje« niso javno dostopne, zato se morate obrniti na prodajno ekipo.

Kaj nam je všeč: Orodje je super intuitivno in niso potrebne nobene izkušnje s kodiranjem. Poleg tega imajo stranke široko paleto možnosti analize besedila in si lahko ogledajo povratne informacije na eni osrednji lokaciji.

3. Pecan AI

Vir slike

Pecan AI je platforma za napovedno analitiko, ki uporablja strojno učenje za ustvarjanje natančnih in izvedljivih napovedi v samo nekaj urah.

Orodje učinkovito izkorišča velike količine neobdelanih podatkov in napoveduje tveganja in rezultate, ki vplivajo na prihodek, kot so odliv strank, LTV itd.

Osnovne funkcije

• Vnaprej sestavljene, prilagodljive predloge SQL
• Napoved povpraševanja
• Optimizacija kampanje s pomočjo SKAN
• Integracije z aplikacijami tretjih oseb

Cena: Orodje ima tri cenovne načrte. Načrt »Starter« znaša 50 $ na mesec, »Professional« pa 280 $. Če želite izvedeti podrobnosti o cenah, bi morali rezervirati sestanek za račune Enterprise.

Kaj nam je všeč: Orodje nam omogoča, da izkoristimo moč umetne inteligence in odpravimo ugibanja med sprejemanjem strateških odločitev.

4. Jasper AI

Vir slike

Jasper AI uporablja strojno učenje in umetno inteligenco za ustvarjanje človeško podobnih kopij za bloge, spletna mesta, e-pošto, družbene medije itd. Ta pomočnik pri pisanju besedil pomaga podjetjem povečati njihova prizadevanja pri izdelavi vsebine in prihrani dragoceni čas.

Preprosto izberete ton glasu, naložite povzetek kampanje in izberete vrsto vsebine. Kopijo bo ustvaril v samo 15 sekundah.

Osnovne funkcije

• Možnosti več tonov glasu, ki se ujemajo s slogom vaše blagovne znamke: predrzen, formalen, drzen in piratski
• Prevajanje vsebine v več kot 30 jezikov
• 50 različnih predlog primerov uporabe
• Generator umetnosti AI za ustvarjanje vizualnih elementov za vaše kopije

Cena: The tool comes with three pricing plans. The “Creator” plan costs $39 and the “Teams” plan $99 per month, respectively. You’ll have to contact their sales team if you need the “Business” plan.

Kaj nam je všeč: Različni toni glasu in vnaprej izdelane predloge oglaševalskih akcij za ustvarjanje prilagojene vsebine. Razširitev brskalnika, ki je enostavna za uporabo, za dostop do orodja neposredno v brskalniku.

5. AI tržnik

AI Marketer je orodje za napovedno analitiko, ki vam omogoča prepoznavanje in ciljanje na vaše najbolj dragocene stranke.

Z uporabo modelov strojnega učenja napove verjetnost nakupov strank in ciljnim strankam ob določenih urah pošlje obvestila o optimizaciji časa.

Ciljate lahko tudi na stranke, pri katerih obstaja veliko tveganje, da bodo odpadle. To vam pomaga povečati zadrževanje strank in povečati učinek vaših tržnih kampanj.

Osnovne funkcije

• Napovedi vedenja strank na individualni osnovi
• Pametnejše ciljanje
• Priporočila za optimizacijo na podlagi podatkov

Cena: Informacije o cenah niso javno razkrite. Moral bi zahtevati demo. Obstaja tudi brezplačen preizkus.

Kaj nam je všeč: Različni toni glasu in vnaprej izdelane predloge oglaševalskih akcij za ustvarjanje prilagojene vsebine. Vsebuje tudi razširitev brskalnika, ki je enostavna za uporabo, tako da lahko do orodja dostopate iz brskalnika.

Uporaba strojnega učenja za povečanje marketinških prizadevanj

Rešitve za umetno inteligenco in strojno učenje krepijo tržno igro. Čeprav se še vedno razvijajo, integracija najsodobnejših tehnologij v vaš dnevni sklad ne bo škodila.

Instead, it’ll help you automate repetitive tasks and gain powerful insights into customer behavior, enabling you to create highly effective marketing campaigns that yield results.

Spremljajte tehnološke trende in izkoristite moč algoritmov strojnega učenja.

• Distribucija vsebine in PR s pomočjo SEO. Okrepite se še danes.
• PlatoData.Network Vertical Generative Ai. Opolnomočite se. Dostopite tukaj.
• PlatoAiStream. Web3 Intelligence. Razširjeno znanje. Dostopite tukaj.
• PlatoESG. Ogljik, CleanTech, Energija, Okolje, sončna energija, Ravnanje z odpadki. Dostopite tukaj.
• PlatoHealth. Obveščanje o biotehnologiji in kliničnih preskušanjih. Dostopite tukaj.
• vir: https://blog.hubspot.com/marketing/machine-learning-and-marketing