Unduh untuk mendengarkan offline.
Bisnis “tenggelam dalam data namun haus akan wawasan”, seperti kata pepatah, dan masalah tersebut akan menjadi lebih buruk. Ketika masyarakat semakin terhubung, para pemasar menghadapi gelombang interaksi digital yang meningkat. Di dalam kumpulan data yang sangat besar tersebut terdapat jawaban atas pertanyaan yang bahkan belum terpikirkan oleh pemasar – namun penting untuk menciptakan pengalaman pelanggan yang lebih baik.
Bantuan sedang diberikan dalam bentuk kecerdasan buatan. Kemampuan untuk langsung menjawab tanpa mengajukan pertanyaan akan menjadi penyelamat bagi para pemasar, yang hingga saat ini harus bergantung pada aturan yang mereka buat sendiri atau ilmuwan data yang bekerja terlalu keras. Dengan AI, beban analitis beralih ke algoritme pembelajaran mesin yang akan membantu pemasar mencapai potensi hiper-personalisasi yang dijanjikan. Gelombang pertama solusi AI komersial telah mencapai kesuksesan. AI saat ini digunakan untuk meningkatkan penargetan audiens untuk pembelian media terprogram; membuat konten dinamis dan rekomendasi produk; dan mendorong penetapan harga pada tingkat permintaan. Sebagian besar vendor otomasi pemasaran dan CRM utama telah mengintegrasikan kemampuan AI ke dalam platform mereka (seperti Einstein dari Salesforce). Perusahaan juga mempunyai pilihan untuk melakukan outsourcing pekerjaan analitis kepada penyedia platform perangkat lunak sebagai layanan yang akan membantu mereka mendapatkan manfaat dari teknologi ini dengan segera.
Salah satu penyedia SaaS tersebut adalah Daisy Intelligence yang berbasis di Toronto yang didirikan oleh CEO Gary Saarenvirta. Perusahaan yang berspesialisasi dalam solusi merchandising ritel dan deteksi penipuan asuransi ini baru-baru ini dianugerahi hadiah pertama pada kompetisi Elevate AI Pitch 2018 di bidang ketat yang terdiri dari 16 perusahaan rintisan. Platform “pembelajaran mendalam” yang dikembangkan oleh Daisy Intelligence dapat menyerap sejumlah besar data transaksional tingkat SKU dan melalui algoritme pembelajaran mandiri menentukan titik harga produk terbaik; menyesuaikan bauran promosi untuk meminimalkan kanibalisasi; mengidentifikasi lokasi dan tata letak toko yang optimal, dan banyak lagi, sehingga pedagang tidak perlu mencari tahu sendiri. Yang perlu dilakukan pengecer hanyalah menyerahkan sebanyak mungkin riwayat penjualan, dan membiarkan platform melakukan keajaibannya.
“Pembelajaran mendalam” sangat mirip dengan keajaiban karena tidak ada seorang pun yang dapat mengetahui bagaimana hal tersebut dapat menghasilkan jawaban. Dikenal sebagai “jaringan saraf konvolusional”, ide ini pertama kali dicetuskan oleh pakar matematika komputer asal Toronto, Geoffrey Hinton, pada tahun 1986. Sejak saat itu, kemajuan dalam komputasi GPU telah memungkinkan “pembelajaran mendalam” meraih posisi terdepan dalam perlombaan AI, yang sangat menggembirakan – dan terkadang menakutkan – bagi para futuris yang membayangkan sebuah dunia di mana mesin lebih pintar dari manusia. Ingat peringatan mengerikan Elon Musk bahwa AI akan “memanggil iblis”?
Untuk saat ini, penginjil AI seperti Gary Saarenvirta membuktikan bahwa “pembelajaran mendalam” menawarkan keunggulan yang jelas dibandingkan pendekatan tradisional dalam penambangan dan analisis data, baik dalam kecepatan maupun presisi. Dan dia harus tahu: Gary menjalankan praktik analitik di Loyalty Consulting Group selama bertahun-tahun, dan pernah memimpin area praktik analitik dan pergudangan data IBM. Dia juga seorang ilmuwan roket terlatih, memasuki dunia kerja dengan gelar teknik dirgantara. Namun saat ini fokus Gary lebih pada menjadikan AI sebagai alat yang sangat diperlukan untuk bisnis berbasis data. Dia menjelaskan alasannya dalam wawancara “pembelajaran mendalam” yang dimulai dengan asal usul nama perusahaan.
Pos Pembelajaran Mendalam: Wawancara dengan Gary Saarenvirta, CEO, Daisy Intelligence Corporation muncul pertama kali di Customer First Thinking.
