现代汽车美国公司(Hyundai Motor America)的首席营销官Dean Evans计划推出其新型Kona小型SUV有近一年时间了。为了这次发布的成功,他想了解更多关于目标受众——积极的千禧一代,而不仅仅是以前各种研究方法提供的那些基本知识。所以他转向了由Influential提供的采用人工智能的社交智能工具测试版。
Evans说:“我们主要围绕两个方面与Influential展开合作。首先是利用人工智能的力量来更好地定义受众群体,利用社交媒体和社交内容来帮助实现这一目标。其次,是在市场中寻找真正有影响力的人,帮助我们通过更有机的、更丰富的内容来进行宣传。”
在这个过程中,他和他的团队了解到,活跃的千禧一代并不完全是那些他们经常在其他广告中扮演的、一成不变的冲浪者。“我们在深挖的时候发现,他们是那些喜欢日常活动的城市居民,无论是今天去跳蚤市场,明天去艺术品拍卖会,还是去洛基山露营。这次Kona车发布的广告,以及我们如何与观众交流的方式,都与我们以前所想的有些不同。”
据Influential公司首席执行官Ryan Detert称,现代汽车公司所使用的基于人工智能的工具现在是面向所有市场营销人员使用的。“我们的核心业务一直基于将品牌的心理特征与品牌向受众传递的、受众眼中的品牌形象相匹配。我们通过Big 5理论做到这一点,就像Myers-Briggs一样——品牌的个性由47个属性组成的。我们使用了IBM的一个Watson API——Personality Insights,我们可以收集社交媒体上分享关于品牌内容的信息,并提供关于品牌健康状况和受众心理特征的信息。”
Detert认为,在Influential Social Intelligence发布之后,营销人员可以更明聪明地吸引所有媒体的核心受众,而不仅仅是社交媒体。“我们还使用另一个Watson API——Natural Language Understanding,来分析所有关于品牌的言论,以及那些关注品牌的人,帮助确定新产品进入市场的最佳方式。我可以把赞助费投在哪儿?我的观众更喜欢NFL还是NBA?他们是否更喜欢某些名人来代言?我是否因Conde Nast或Hearst与GQ或其竞争对手的关系而花钱?这些预测性和规定性的特点,帮助我们找出营销人员用来改善他们在电视、广播、赞助、线下活动和数字节目上投入的效果。”
Detert在利用人工智能改善营销效果方面充满激情。“我们生活在一个社交媒体的时代,如果我们能够利用这一点,我们就可以预测未来。”
<来源:福布斯;编译:科技行者>
G
M
T
检测语言 世界语 中文简体 中文繁体 丹麦语 乌克兰语 乌兹别克语 乌尔都语 亚美尼亚语 伊博语 俄语 保加利亚语 僧伽罗语 克罗地亚语 冰岛语 加利西亚语 加泰罗尼亚语 匈牙利语 南非祖鲁语 卡纳达语 印地语 印尼巽他语 印尼爪哇语 印尼语 古吉拉特语 哈萨克语 土耳其语 塔吉克语 塞尔维亚语 塞索托语 威尔士语 孟加拉语 宿务语 尼泊尔语 巴斯克语 布尔语(南非荷兰语) 希伯来语 希腊语 德语 意大利语 意第绪语 拉丁语 拉脱维亚语 挪威语 捷克语 斯洛伐克语 斯洛文尼亚语 斯瓦希里语 旁遮普语 日语 格鲁吉亚语 毛利语 法语 波兰语 波斯尼亚语 波斯语 泰卢固语 泰米尔语 泰语 海地克里奥尔语 爱尔兰语 爱沙尼亚语 瑞典语 白俄罗斯语 立陶宛语 索马里语 约鲁巴语 缅甸语 罗马尼亚语 老挝语 芬兰语 苗语 英语 荷兰语 菲律宾语 葡萄牙语 蒙古语 西班牙语 豪萨语 越南语 阿塞拜疆语 阿尔巴尼亚语 阿拉伯语 韩语 马其顿语 马尔加什语 马拉地语 马拉雅拉姆语 马来语 马耳他语 高棉语 齐切瓦语 | 世界语 中文简体 中文繁体 丹麦语 乌克兰语 乌兹别克语 乌尔都语 亚美尼亚语 伊博语 俄语 保加利亚语 僧伽罗语 克罗地亚语 冰岛语 加利西亚语 加泰罗尼亚语 匈牙利语 南非祖鲁语 卡纳达语 印地语 印尼巽他语 印尼爪哇语 印尼语 古吉拉特语 哈萨克语 土耳其语 塔吉克语 塞尔维亚语 塞索托语 威尔士语 孟加拉语 宿务语 尼泊尔语 巴斯克语 布尔语(南非荷兰语) 希伯来语 希腊语 德语 意大利语 意第绪语 拉丁语 拉脱维亚语 挪威语 捷克语 斯洛伐克语 斯洛文尼亚语 斯瓦希里语 旁遮普语 日语 格鲁吉亚语 毛利语 法语 波兰语 波斯尼亚语 波斯语 泰卢固语 泰米尔语 泰语 海地克里奥尔语 爱尔兰语 爱沙尼亚语 瑞典语 白俄罗斯语 立陶宛语 索马里语 约鲁巴语 缅甸语 罗马尼亚语 老挝语 芬兰语 苗语 英语 荷兰语 菲律宾语 葡萄牙语 蒙古语 西班牙语 豪萨语 越南语 阿塞拜疆语 阿尔巴尼亚语 阿拉伯语 韩语 马其顿语 马尔加什语 马拉地语 马拉雅拉姆语 马来语 马耳他语 高棉语 齐切瓦语 |
文本转语音功能仅限200个字符
选项 : 历史 : 反馈 : Donate | 关闭 |
好文章,需要你的鼓励
新加坡国立大学研究团队开发了SPIRAL框架,通过让AI与自己对弈零和游戏来提升推理能力。实验显示,仅训练AI玩简单扑克游戏就能让其数学推理能力提升8.6%,通用推理提升8.4%,且无需任何数学题目作为训练材料。研究发现游戏中的三种推理模式能成功转移到数学解题中,为AI训练提供了新思路。
同济大学团队开发的GIGA-ToF技术通过融合多帧图像的"图结构"信息,创新性地解决了3D相机噪声问题。该技术利用图像间的不变几何关系,结合深度学习和数学优化方法,在合成数据集上实现37.9%的精度提升,并在真实设备上展现出色泛化能力,为机器人、AR和自动驾驶等领域提供更可靠的3D视觉解决方案。
伊利诺伊大学研究团队通过对比实验发现,经过强化学习训练的视觉语言模型虽然表现出"顿悟时刻"现象,但这些自我纠错行为并不能实际提升推理准确率。研究揭示了AI模型存在"生成-验证差距",即生成答案的能力强于验证答案质量的能力,且模型在自我验证时无法有效利用视觉信息,为AI多模态推理发展提供了重要启示。
MIT等顶尖机构联合提出SparseLoRA技术,通过动态稀疏性实现大语言模型训练加速1.6倍,计算成本降低2.2倍。该方法使用SVD稀疏性估计器智能选择重要计算部分,在保持模型性能的同时显著提升训练效率,已在多个任务上验证有效性。