Reach

Grow

Manage

Automate

Reach

Grow

Manage

Automate

如何在您的电子邮件程序中使用自然语言处理和机器学习

2019年7月29日

电子邮件

1 min read

如何在您的电子邮件程序中使用自然语言处理和机器学习

2019年7月29日

电子邮件

1 min read

如何在您的电子邮件程序中使用自然语言处理和机器学习

现在,随着与人工智能相关技术的出现,您的电子邮件营销活动可以比以往任何时候都更精确、更吸引人和更有效。

我们真的需要提醒任何人,电子邮件(以及电子邮件营销)在短期内不会消失吗?如果需要,我们只需向他们展示这项来自The Radicati Group的研究,其中包含这样的妙语……

到2019年底,全球电子邮件用户数量将增加到超过29亿人。到2019年底,全球将有超过三分之一的人口使用电子邮件。

对于我们这些在电子邮件领域工作的人来说?正如年轻人所说,这样的数据相当诱人。但是今天的电子邮件已经不是你妈妈或爸爸的电子邮件了。电子邮件的持续成功在很大程度上取决于其演变能力。例如,移动化让电子邮件进入了更多的口袋中。

现在,随着AI相关技术的到来,您的电子邮件活动可以比以往任何时候都更加精确、吸引人和有效。

The arrival of email AI? That’s so 2018

在2018年底,PwC表示已调查美国高管,发现其中27%声称已经在多个领域实施AI。

在全球范围内,到2020年,全球30%的公司将在至少一个销售过程中使用AI。但是只有17%的电子邮件营销人员在考虑自动化工具时考虑过整合AI。

落后者可能没有意识到AI对电子邮件生态系统已经产生的影响。一个非常明显的例子是Gmail如何使用自然语言处理(NLP)来将收到的电子邮件分类为“主要”、“社交”或“促销”邮件。

这里是一个相当好的解释,讲述了NLP如何完成其工作,作为想开发垃圾邮件过滤器的编码者的入门介绍。但如果你对所有细节不感兴趣,那也没关系。不过有一点值得记住,NLP和机器学习只是更大、更广泛的“AI”类别中的分支,且有其特定目标。

  • NLP旨在以对人机互动有用的方式读取、解码、理解并合理化人类语言。

  • 机器学习涉及算法和统计模型的应用,使计算机能够通过识别数据中的模式和推断来做决策和执行任务,而无需明确指令。

现在,有多种工具和策略正在将NLP和机器学习应用于增强电子邮件程序。让我们看看你可以在哪里将它们整合到你的活动中,好吗..?

Testing

With machine learning, you can now execute multi-armed bandit testing. If you’re used to split testing, brace yourself: Now you’ll be able to run tests continuously and put your findings to work immediately. Over time, you’ll gradually optimize your results, and simultaneously be able to test content and messaging while also sending your best-performing variant out to prospects or customers.

How’s it done? You set up a campaign and a few email variations, and machine learning does the rest, running tests throughout your campaign and fine-tuning it on the basis of test data. What can you test? Pretty much anything you’re already testing, from copy to design to images to timing. 

With machine learning, you can now execute multi-armed bandit testing. If you’re used to split testing, brace yourself: Now you’ll be able to run tests continuously and put your findings to work immediately. Over time, you’ll gradually optimize your results, and simultaneously be able to test content and messaging while also sending your best-performing variant out to prospects or customers.

How’s it done? You set up a campaign and a few email variations, and machine learning does the rest, running tests throughout your campaign and fine-tuning it on the basis of test data. What can you test? Pretty much anything you’re already testing, from copy to design to images to timing. 

With machine learning, you can now execute multi-armed bandit testing. If you’re used to split testing, brace yourself: Now you’ll be able to run tests continuously and put your findings to work immediately. Over time, you’ll gradually optimize your results, and simultaneously be able to test content and messaging while also sending your best-performing variant out to prospects or customers.

How’s it done? You set up a campaign and a few email variations, and machine learning does the rest, running tests throughout your campaign and fine-tuning it on the basis of test data. What can you test? Pretty much anything you’re already testing, from copy to design to images to timing. 

Copywriting

机器学习和自然语言处理 (NLP) – 以及它的表亲,自然语言生成 (NLG) – 正在被多个提供商利用,以提供能够实际生成主题行和其他文案的解决方案。

以像 Persado 这样的公司为例:它的“信息机器”利用其对自然语言的理解来创建以营销人员的“品牌声音”说话的文案,利用一个包括25种语言的标记和评分作品的庞大数据库,这个数据库随着时间的推移而发展,因为机器学习提供了见解(并做出判断),了解哪些信息对目标受众最具吸引力。

Touchstone,作为另一个例子,将您的主题行与一个包含210亿封电子邮件的数据库以及行业趋势进行比较,以预测其可能的印象、点击和转换率。

Rasa.io 自动化了新闻通讯的创建过程,并使用机器学习根据每个收件人的行为优化内容,以提供1:1 个性化,“根据您的订阅者独特的兴趣和个性量身定制,而不需要手动整理电子邮件的时间。”

Engagement

想要进行一些实时内容优化以驱动参与度吗?Cordial称它可以“从几乎任何来源摄取和处理客户事件、行为和购买数据”,以便消息可以根据即时行为数据通过多个渠道发布。因此,入门、重新参与活动和其他触发邮件可以与他们此刻感兴趣的内容保持一致。

另一种参与方式?增加个人风格。好吧,一个虚拟的个人风格:Conversica自豪地声称通过 AI 销售助理提供“规模化的个性化人性关怀”,这些助理会在用户显示对您的品牌或库存感兴趣几分钟内通过电子邮件或短信联系用户。

如果您担心“对话”听起来像机器复制,他们声称 AI 能够通过分析回复有效地产生共鸣,从而量身定制正确的回应。此外,该平台不仅仅用于初始参与或入门,还可以在整个客户旅程中处理常规对话。

Segmentation

对于投资于客户数据管理平台的公司来说,能够从大数据中获取最大的见解和收益,以提供高度个性化的用户体验,尤其是在电子邮件中,这是一个显而易见的关注点。 

一个连接到这些可能巨大的数据池的机器学习解决方案可以以任何人类或一整间锅炉房的人都无法做到的方式进行深刻的细分,进行持续调整并发现新的关联,甚至在以前看不到的地方生成新的产品细分。 SimMachines 是这些提供商之一,称其独特的服务为“动态预测细分”。 

预测性交付

如果您以前没有听说过,那是因为这是一种新的应用机器学习处理电子邮件的方式。通过分析数万亿封电子邮件的行为,预测性分析和机器学习能够优化邮件的投递和整体健康状况。

这意味着可以实时获得有关可达性和性能问题的见解,可以在问题发生之前识别问题,并且可以对如何优化参与度和性能提出数据驱动的建议。中断可以避免——同时投资回报率被最大化。

如果您允许我自我吹嘘一下?这不仅是游戏领域的新成员,因为这个平台,SparkPost Signals,是业内首个也是唯一的电子邮件智能平台,我们非常自豪能够提供它。

这是一场AI-for-email的爆炸

这些只是AI、NLP和机器学习在电子邮件营销中产生当今影响的一些领域。如果你认为这只是冰山一角——或是洪水闸门的首次流露——你是对的。

想要了解一个新技术领域有多火热的一种方法是看看有多少公司和创业公司挂出了招牌,使用像AngelList这样的投资者或招聘网站。现在,在那里搜索“email AI”,会显示超过600家公司,而且未来会有更多。

换句话说,最终每个电子邮件程序的每个方面都会有一个AI附加组件。 那么在此期间呢? 现有的AI工具已经提供了充足的潜力,可以发现NLP和机器学习如何改善你对一个仍然走在前沿的资深营销渠道的使用方式。

让我们为您联系Bird专家。
在30分钟内见证Bird的全部威力。

通过提交,您同意 Bird 可能会就我们的产品和服务与您联系。

您可以随时取消订阅。查看Bird的隐私声明以获取有关数据处理的详细信息。

Newsletter

通过每周更新到您的收件箱,随时了解 Bird 的最新动态。

让我们为您联系Bird专家。
在30分钟内见证Bird的全部威力。

通过提交,您同意 Bird 可能会就我们的产品和服务与您联系。

您可以随时取消订阅。查看Bird的隐私声明以获取有关数据处理的详细信息。

Newsletter

通过每周更新到您的收件箱,随时了解 Bird 的最新动态。

让我们为您联系Bird专家。
在30分钟内见证Bird的全部威力。

通过提交,您同意 Bird 可能会就我们的产品和服务与您联系。

您可以随时取消订阅。查看Bird的隐私声明以获取有关数据处理的详细信息。

R

Reach

G

Grow

M

Manage

A

Automate

Newsletter

通过每周更新到您的收件箱,随时了解 Bird 的最新动态。