新功能結合 AI 及機器學習：更快預測客户需求及消費習慣！

人工智能及機器學習已應用到不同的範疇之中，而在宣傳工作上，現時亦已有方案內置了人工智能以及機器學層能力，從而讓大家能更快地預測到客户需求及消費習慣！

例如 Adobe 即將開放的 Adobe Marketing Cloud 中的個人化引擎 Adobe Target 數據科學和算法優化功能便是一例。通過該功能，品牌可在 Adobe Target 中使用自己的數據模型和算法，為每位客戶提供最佳體驗。

現時品牌可受惠於將其行業專長融入 Adobe Sensei 的機器學習和 Adobe Target 的人工智能內，以大量提供尊屬的客戶體驗。例如，一所金融服務機構已創造出自己的算法以預測哪些客戶最有機會對某一優惠作出回應，他們便可將這個算法結合到 Adobe Target 中進行即時瀏覽量測試，確保能為每位客戶提供最佳的優惠。

此外，Adobe 還在 Adobe Target 中推出了 Adobe Sensei 新功能，以更個人化的客戶體驗來取悅他們：

一鍵個人化：有了 Auto-Target 的新功能，市場營銷人員可在其數碼平台中無限次傳遞個人化客戶體驗，其中包括網頁、應用程式和物聯網裝置用戶介面等。Auto-Target 會運用 Adobe Sensei 來判斷何為每位客人的最佳體驗，並持續根據客戶採取的後續行動不斷優化這些體驗。例如，一所連鎖酒店可透過星級會員的訂單及手機應用程式的互動得知他們喜歡到熱帶地區旅遊，然後為其提供有關熱帶地區的資訊及內容，藉以增加會員的互動及忠誠度。

個人化建議：Adobe Target 中的最新建議技術允許品牌評估客戶的意向以更方便預測客戶最想要的內容及產品。運用基於自然語言處理的技術，個人化建議會將客戶的行動轉化成近似語言的指令。這些指令將被根據相似度分類，用作更個人化地傳遞客戶體驗。例如，一個零售商看到客戶點閱生態環保洗衣技術的影片及購買可分解的乾衣機衣物柔順紙後，便可為客戶提供有關生態環保洗衣劑的自訂建議。早期的測試結果顯示了這種先進的數據科學較其他算法帶來 60% 改善。

自動優惠：品牌可保證自動在芸芸的優惠中選取最合適的一個，並於適當的時間顯示給適當的人。例如，一所提供金融服務的企業可根據每位客戶的瀏覽路徑、戶口狀況、搜尋字眼等自動把它的按揭、信用卡及網上帳單優惠變得個人化，來保證在最佳時機送上最佳優惠。

定位：隨著 Adobe Target 與 Adobe Analytics Cloud 的整合，市場營銷人員可運用行為及受眾數據進行的分析作出更深層的區隔以達至更精準地定位。例如，Adobe Analytic Cloud 洞察出某汽車品牌的活躍購買受眾中大部分使用智能手機手機找尋目標車款的資料，便可透過 Adobe Target 為他們提供更個人化的體驗。