Artwork

İçerik Łukasz Wołek tarafından sağlanmıştır. Bölümler, grafikler ve podcast açıklamaları dahil tüm podcast içeriği doğrudan Łukasz Wołek veya podcast platform ortağı tarafından yüklenir ve sağlanır. Birinin telif hakkıyla korunan çalışmanızı izniniz olmadan kullandığını düşünüyorsanız burada https://tr.player.fm/legal özetlenen süreci takip edebilirsiniz.
Player FM - Podcast Uygulaması
Player FM uygulamasıyla çevrimdışı Player FM !

MLG: Machine Learning - czyli jak zmieniają się narzędzia do marketingu? (Gość: Jakub Wołek)

26:43
 
Paylaş
 

Manage episode 243594510 series 2473055
İçerik Łukasz Wołek tarafından sağlanmıştır. Bölümler, grafikler ve podcast açıklamaları dahil tüm podcast içeriği doğrudan Łukasz Wołek veya podcast platform ortağı tarafından yüklenir ve sağlanır. Birinin telif hakkıyla korunan çalışmanızı izniniz olmadan kullandığını düşünüyorsanız burada https://tr.player.fm/legal özetlenen süreci takip edebilirsiniz.
Cześć! Kolejny raz zasiadam przed mikrofonem z moim bratem, Kubą Wołkiem, który jest Revenue Marketing Managerem w Drukarni Chroma. Rozpracowywane dzisiaj hasło to machine learning, a po polsku: uczenie maszynowe. Co oznacza?
To zautomatyzowane uczenie się maszyny; dokłada się do niej komponenty, a maszyna sama tworzy to, do czego została stworzona. W przypadku ekosystemów Google Ads i Facebook Ads komponentami mogą być dane, które generuje nasza kampania czy strona www. Wszystkie te informacje “przetrawione” w odpowiedni sposób sprawiają, że system sam może podejmować odpowiednie decyzje. Jakie są korzyści z tego płynące?
Po pierwsze już z perspektywy 8–9 lat w branży widać ogromną różnicę, np. w Google Ads reklama składała się z nagłówka i dwóch linijek znaków. Firmy “licytowały” pierwszeństwo wyświetlania reklam – ten mechanizm można porównać do żmudnego wykręcania numeru na starodawnym telefonie z tarczą numerową. Obecnie już na etapie wybierania słów kluczowych do kampanii możemy skorzystać z machine learning, za pomocą którego system podpowiada nam, co wpisać.
Jak wygląda zatem kwestia finansowania takich działań – czy maszyna jest tańsza od człowieka? Plusem niewątpliwie jest to, że obecnie możemy tworzyć masę reklam, a wręcz umożliwić systemowi automatyczne ich tworzenie. Optymalizacja reklam zachodzi samoistnie – dawniej wszystko (nagłówki, opisy) musiał kontrolować człowiek. Wiąże się to ze sporą oszczędnością – nie płacimy grafikowi czy osobie, która czuwa nad poprawnością treści i sprawdza efektywność każdej z reklam. Minusem machine learning w kampaniach Google Ads jest to, że w przypadku ich planowania i organizacji czasami widać brak namysłu. Każdy mały przedsiębiorca może stworzyć reklamę za pomocą Google Ads – ale jeżeli nie zna się na rzeczy, korzysta z podpowiedzi, które nie zawsze mogą być skuteczne. Wystarczy przypadek, niewielki błąd, aby źle rozłożyć budżet. Konfiguracja zapewniająca sensowne kliknięcie jest niezbędna, a nad nią mimo wszystko powinien zastanowić się człowiek. Machine learning w tym przypadku jest wciąż tylko narzędziem, które trzeba umiejętnie wykorzystać.
Jaką mamy pewność, że funkcjonalności w Google Ads i Facebook Ads działają jednak na naszą korzyść, a nie na rękę koncernom? Rozwój tych platform zapewnia ich atrakcyjność, są też darmowe (w grę wchodzi tylko koszt samych reklam) – ale dzięki temu są również najczęściej wybierane, dlatego giganci nie tracą. Poza tym najcenniejszą walutą są tutaj dane. Wobec tego, według mojego rozmówcy, omawiane narzędzia będą rozwijały się w kierunku automatyzacji, dzięki czemu nawet mały biznesmen będzie mógł skonfigurować swoją kampanię reklamową, np. w Facebook Ads. Kolejna sfera rozwoju dotyczy grafiki – mniej potrzebna będzie praca grafika komputerowego, ponieważ narzędzie samo będzie w stanie wygenerować baner, np. na podstawie darmowych czy płatnych stocków.
Jakie jeszcze nowości, ciekawostki i zagrożenia czekają na nas w związku z machine learning? Zapraszam do posłuchania naszej rozmowy przeplatanej wieloma anegdotami – do usłyszenia!
Z tego odcinka dowiecie się:
Jakie są korzyści płynące z machine learning?
Jak działa uczenie maszynowe?
Jakiego typu decyzje system może podejmować za pomocą machine learning?
Jakie są przykłady platform i narzędzi wykorzystujących machine learning?
Jak wygląda kwestia finansowania uczenia maszynowego?
Czy machine learning jest w stanie zastąpić człowieka?
Czego brakuje systemowi, a co ma człowiek?
Czy każdy może stworzyć własną kampanię w Google Ads i Facebook Ads?
Jakie platformy wchodzą w skład Google?
Jaką mamy pewność, że funkcjonalności w Google Ads i Facebook Ads działają na naszą korzyść?
Jakie są źródła danych reklamowych na Facebooku i w Google?
Co to są reklamy displayowe?
Co oznacza skrót IOT?
Jakie istnieją sposoby na zliczanie konwersji w internecie?
W jakim kierunku będzie rozwijało się Google Ads i Facebook Ads?
Dołącz do grupy networkingowej podcastu Marketing ludzkim głosem:
https://www.facebook.com/groups/MarketingLudzkimGlosem/
  continue reading

86 bölüm

Artwork
iconPaylaş
 
Manage episode 243594510 series 2473055
İçerik Łukasz Wołek tarafından sağlanmıştır. Bölümler, grafikler ve podcast açıklamaları dahil tüm podcast içeriği doğrudan Łukasz Wołek veya podcast platform ortağı tarafından yüklenir ve sağlanır. Birinin telif hakkıyla korunan çalışmanızı izniniz olmadan kullandığını düşünüyorsanız burada https://tr.player.fm/legal özetlenen süreci takip edebilirsiniz.
Cześć! Kolejny raz zasiadam przed mikrofonem z moim bratem, Kubą Wołkiem, który jest Revenue Marketing Managerem w Drukarni Chroma. Rozpracowywane dzisiaj hasło to machine learning, a po polsku: uczenie maszynowe. Co oznacza?
To zautomatyzowane uczenie się maszyny; dokłada się do niej komponenty, a maszyna sama tworzy to, do czego została stworzona. W przypadku ekosystemów Google Ads i Facebook Ads komponentami mogą być dane, które generuje nasza kampania czy strona www. Wszystkie te informacje “przetrawione” w odpowiedni sposób sprawiają, że system sam może podejmować odpowiednie decyzje. Jakie są korzyści z tego płynące?
Po pierwsze już z perspektywy 8–9 lat w branży widać ogromną różnicę, np. w Google Ads reklama składała się z nagłówka i dwóch linijek znaków. Firmy “licytowały” pierwszeństwo wyświetlania reklam – ten mechanizm można porównać do żmudnego wykręcania numeru na starodawnym telefonie z tarczą numerową. Obecnie już na etapie wybierania słów kluczowych do kampanii możemy skorzystać z machine learning, za pomocą którego system podpowiada nam, co wpisać.
Jak wygląda zatem kwestia finansowania takich działań – czy maszyna jest tańsza od człowieka? Plusem niewątpliwie jest to, że obecnie możemy tworzyć masę reklam, a wręcz umożliwić systemowi automatyczne ich tworzenie. Optymalizacja reklam zachodzi samoistnie – dawniej wszystko (nagłówki, opisy) musiał kontrolować człowiek. Wiąże się to ze sporą oszczędnością – nie płacimy grafikowi czy osobie, która czuwa nad poprawnością treści i sprawdza efektywność każdej z reklam. Minusem machine learning w kampaniach Google Ads jest to, że w przypadku ich planowania i organizacji czasami widać brak namysłu. Każdy mały przedsiębiorca może stworzyć reklamę za pomocą Google Ads – ale jeżeli nie zna się na rzeczy, korzysta z podpowiedzi, które nie zawsze mogą być skuteczne. Wystarczy przypadek, niewielki błąd, aby źle rozłożyć budżet. Konfiguracja zapewniająca sensowne kliknięcie jest niezbędna, a nad nią mimo wszystko powinien zastanowić się człowiek. Machine learning w tym przypadku jest wciąż tylko narzędziem, które trzeba umiejętnie wykorzystać.
Jaką mamy pewność, że funkcjonalności w Google Ads i Facebook Ads działają jednak na naszą korzyść, a nie na rękę koncernom? Rozwój tych platform zapewnia ich atrakcyjność, są też darmowe (w grę wchodzi tylko koszt samych reklam) – ale dzięki temu są również najczęściej wybierane, dlatego giganci nie tracą. Poza tym najcenniejszą walutą są tutaj dane. Wobec tego, według mojego rozmówcy, omawiane narzędzia będą rozwijały się w kierunku automatyzacji, dzięki czemu nawet mały biznesmen będzie mógł skonfigurować swoją kampanię reklamową, np. w Facebook Ads. Kolejna sfera rozwoju dotyczy grafiki – mniej potrzebna będzie praca grafika komputerowego, ponieważ narzędzie samo będzie w stanie wygenerować baner, np. na podstawie darmowych czy płatnych stocków.
Jakie jeszcze nowości, ciekawostki i zagrożenia czekają na nas w związku z machine learning? Zapraszam do posłuchania naszej rozmowy przeplatanej wieloma anegdotami – do usłyszenia!
Z tego odcinka dowiecie się:
Jakie są korzyści płynące z machine learning?
Jak działa uczenie maszynowe?
Jakiego typu decyzje system może podejmować za pomocą machine learning?
Jakie są przykłady platform i narzędzi wykorzystujących machine learning?
Jak wygląda kwestia finansowania uczenia maszynowego?
Czy machine learning jest w stanie zastąpić człowieka?
Czego brakuje systemowi, a co ma człowiek?
Czy każdy może stworzyć własną kampanię w Google Ads i Facebook Ads?
Jakie platformy wchodzą w skład Google?
Jaką mamy pewność, że funkcjonalności w Google Ads i Facebook Ads działają na naszą korzyść?
Jakie są źródła danych reklamowych na Facebooku i w Google?
Co to są reklamy displayowe?
Co oznacza skrót IOT?
Jakie istnieją sposoby na zliczanie konwersji w internecie?
W jakim kierunku będzie rozwijało się Google Ads i Facebook Ads?
Dołącz do grupy networkingowej podcastu Marketing ludzkim głosem:
https://www.facebook.com/groups/MarketingLudzkimGlosem/
  continue reading

86 bölüm

Tüm bölümler

×
 
Loading …

Player FM'e Hoş Geldiniz!

Player FM şu anda sizin için internetteki yüksek kalitedeki podcast'leri arıyor. En iyi podcast uygulaması ve Android, iPhone ve internet üzerinde çalışıyor. Aboneliklerinizi cihazlar arasında eş zamanlamak için üye olun.

 

Hızlı referans rehberi