拼搏在外貿企業的你，一定不想錯過這場技術革新帶來的紅利，但如何將機器學習與自己的企業經營管理聯絡在一起呢？這就不得不提到離外貿企業最近的機器學習——Google Ads。谷歌本身就是機器學習領域的先行者，谷歌AlphaGo和李世石的世紀圍棋大戰，人類以1：4的比分被AlphaGo擊敗，相信很多人都不陌生。如今，機器學習已經廣泛應用在Google Ads廣告自動最佳化中。2017.11谷歌推出的針對App廣告投放的UAC (Universal App Campaign)2018.04谷歌推出的針對B2C線上購物的USC(Universal Shopping Campaigns)Google UAC、USC使APP/B2C場景下的廣告投放異常簡單。在設定好廣告目標、預算，並上傳素材後，無需人為干涉，便可以根據素材自動生成合適的廣告進行展示。 而按之前的方式來推APP/B2C，需要最佳化師手動設定好廣告系列，還要設定廣告組，然後設定廣告、關鍵詞、出價等。兩種方式對比，UAC、USC的易用性確實是好了很多，但最佳化師對於廣告投放的干預空間卻小了很多，幾乎不能對廣告投放給哪些平臺及哪些受眾做干預。那靠什麼來決定廣告的投放平臺和受眾呢？答案就是機器學習。● 首先，Google會根據使用者屬性、歷史搜尋行為、瀏覽行為等海量資料，為每個使用者打標籤，建立特徵值。● 其次，根據Ads後臺設定針對使用者投放廣告並收集廣告投放結果資料，資料主要圍繞廣告投放目標受眾的特徵值以及是否達成廣告主設定的目標值來收集。● 第三，選擇合適的演算法，可以選擇的演算法主要有logistic regression（邏輯迴歸）， decision tree（決策樹），neural network（神經網路）， support vector machine（支援向量機）等等。● 第四，利用選定的機器學習演算法對廣告投放受眾進行最佳化，即增加對達成廣告主設定的目標值的廣告受眾的廣告投放，減少對未達成廣告主設定的目標值的廣告受眾的廣告投放，從而逐漸提升廣告投放效率。 為什麼只能用在APP/B2C推廣上，而在外貿推廣領域Google並沒有推出類似的產品呢？如果你是外貿老闆，一定會想到這個問題。眾所周知，AI的學習，必須依賴於“學習→反饋→調整”的過程，因此如果Google Ads AI想要獲得成功，就必須形成線上的“廣告→成交→反饋”營銷資料閉環。在App/B2C場景下，所有的成效（瀏覽、註冊、下載、購買等）都是線上發生的，可以建立完整的營銷資料閉環，這也是UAC、USC大獲成功的前提。而在B2B場景下，Google無法形成營銷資料閉環。B2B企業的典型場景是線上獲取詢盤、線下跟進成交。線上獲取詢盤的主要渠道是網站客服系統和線上留言表單，而詢盤到訂單的轉化是需要人工判定，並透過CRM系統來跟進和管理的。 沒有資料的支援，谷歌機器學習是英雄無用武之地，完全不能發揮其超能力。而這也是我們詢盤雲要解決的問題之一，讓谷歌的機器學習能夠在外貿推廣領域落地，幫助外貿企業不斷提升自己的Google Ads廣告投放效果。因為詢盤雲SaaS打通了“流量→著陸→互動→銷售→訂單”全流程，在完整的大閉環中又包含一個個營銷轉化小閉環，幫助Google Ads AI在B2B領域構建起完善的廣告智慧投放系統，彌補Google Ads在B2B領域的資料缺失問題，讓谷歌的機器學習充分學習企業資料，不斷改善廣告投放效果。希望透過詢盤雲的AI團隊和AI演算法，幫助每一個企業獲取準確使用者畫像，準確預測每一個廣告帶來的流量價值，真正實現外貿成功。

近幾年來“人工智慧”與“機器學習”概念進入了普通群眾的視線，不管是哪一行哪一領域，似乎“機器學習”都可以落地。

機器學習是實現人工智慧的一種途徑，它和資料探勘有一定的相似性，同樣也是一門多領域交叉學科。它是一個非常大的概念，通俗的說就是：技術賦能機器，使之能像人類一樣進行決策。

當前機器學習在圖片識別、語音識別、語義分析等方面有了很多成熟的解決方案，很大程度上幫我們解決了不少問題。

機器學習主要分三類，不同類別實現方式不同。

1、監督學習

從給定的訓練資料集合（人工會做好標記）中學習出一個函式（模型引數），當有新的資料輸入時，系統就能根據這個函式模型來預測結果。

2、無監督學習

無法預知樣本標記，讓計算機自己去學習怎樣去做事。

3、半監督學習（強化學習）

透過觀察周圍環境來學習。每個動作都會對環境有所影響，學習物件根據觀察到的周圍環境的反饋來做出判斷。

機器學習是要依懶大量訓練資料的，這些資料可以是日誌記錄、行為記錄、交易記錄等。對於外貿企業而言，我們可以利用機器學習更好的為市場需求做分析，比如說：

1、構建使用者畫像，精確定位客戶群體快速分析客戶的經營資訊、社交屬性、區域行情，篩選最符合目標客戶畫像，避免無效開發。

2、獲客成本與渠道改進

利用機器學習深度挖掘潛在買家資訊，提供海量使用者資料給到銷售部門。

3、精準定位客戶方決策人

可透過挖掘社交平臺資訊，解決在官網上找不到決策人的尷尬。

4、智慧策略客戶公海

透過系統自定義策略，使得公海客戶高效流轉，有效提高了訂單轉化率。

總結：現在很多傳統型的企業都在有意識有計劃地打造自己的大資料平臺，從而利用機器學習更好的服務於企業。如果外貿企業想使用機器學習，那就要想辦法收集資料，畢竟資料是機器學習的基礎，有了資料才機器學習才能施展其才華。