当谈到机器学习的商业应用时，市场总是排在第一位。现代数字营销为团队提供了大量可量化的数据，可以说营销在客户服务和商业智能等其他领域开创了先例，因为它直接关系到收入的增长。对于大多数中小企业来说，机器学习营销应用仍然相对较新，但在未来5年内，这种情况可能会发生巨大变化。
在此专家共识，我们联系了50多个高管AI和市场营销的交叉运行的公司。我们的目标是确定机器学习和人工智能的，现在都带动性强的商业价值的应用，以及将作出最大的不同在未来五年内的应用程序。如果你关心利用AI或ML为你的底线，那么这个共识应该是在你的行业的机会脱落光有帮助的。
为了帮助您找到您正在寻找快速的见解，我们已经打破了这一内容分为以下几个小节：
- 受访者的背景-参与我们研究的高管和公司的信息
- 销售AI / ML营销产品和服务- 详细说明如何我们应诉企业的目标市场是什么，各部门为客户
- 目前，5年的投资回报率- 对哪些行业和哪些应用程序被视为共识的数据是最和最有前途的应用ML营销
- 通过预测-受访者为我们提供反馈，关于机器学习何时将成为任何营销软件的一个几乎无处不在的方面
- 完整的受访公司名单- 我们在本文参考的底部列出了参加企业
在下面的每个图表中，您将看到关于我们询问参与者的确切问题的详细信息，以及关于这些问题是多项选择题(其中的选择是预先定义的)还是开放式问题(由Emerj手动分类)的详细信息。
1 - 受访的背景
它把我们的团队在两个月内亲自接触到很多的AI营销公司，我们收集了来自超过51占公司总数的响应。虽然我们从55家公司收到的答复，这些公司有四次没有确定实际借力AI在任何显著的方式。
In the first graphic below, you’ll see a breakdown of background information about our respondents, including their price points, pricing model, estimated revenues (as of 2016), and information about the executive who filled out the survey (their job function, title, etc.).
这不是在评估ML和市场趋势方面最有趣的或有见地的图表，但它可能是最有见地的图表相对于理解机器学习和营销景观。
1a -应答者概述
1a -应答者概述如上图所示，大多数公司都是新成立的;大多数是在过去两到五年内成立的。这可能在一定程度上反映了作出反应的公司的类型——可能有一种趋势，即较小的公司更容易对像我们这样的市场研究公司的要求作出反应——但这似乎更有可能是该领域状况的真实反映。以人工智能或ML为价值主张的营销公司是一个相对较新的现象。接受调查的公司中有70%的员工在50岁以下。
“分析”位居榜首成为最受欢迎的产品或由这些公司提供的服务，以“定位和分割技术”在结束第二次来;两个组合代表的所有响应的50％。有关计划的广告或自然语言处理的产品也比较受欢迎，但少得多，所以比前两位。
2 - 销售AI / ML营销产品和服务
我们的目标是不仅了解了公司在这一领域，但什么，以及他们如何销售，以及向谁。低于设定的帮助图形阐明了这些问题，突出的价值主张，这些公司间距和以及客户端类型有针对性的销售。
2a -确定业务目标
如上图基本上蒸馏出其中业务挑战我们的样本公司的地址，根据每个人的挑战自己的1个通-4的得分。
大多数公司似乎要突出“新的收入”作为其服务的主要价值主张。我们可以想像，高管（尤其是创始人）将在其发言中偏向;无论如何，这是有趣的是，“新的收入”是大多数公司首先声称地址的总黄金业务问题。
排名第二位的是“保留现有的客户”，并不奇怪，因为所有的精力放在细分，目标市场，以及流失预测，我们两家公司的产品中看到。第三个最流行的回答是“获取新客户。”“提高客户满意度”和“加强公关”的业务挑战收到较少的收视率。
应该指出的是，“获取新客户”或“提高客户自己产品的投资回报率”都可以在“产生新收入”这一商业挑战的保护伞下进行。同样的道理也适用于诸如“将上市速度最大化”这样的主题，这些主题可能与“成本削减”相吻合。尽管存在这种潜在的模糊性，在我们的样本中，“创造新的收入”似乎是比“削减成本”更常见的公司目标。
2b -销售部门
上述这些公司在我们的样本往往针对它们的企业客户中的市场营销部门正是从图表可见一斑。远不如频繁，公司的目标是直接出售给一家公司的部门特别注重技术。它似乎相当罕见的，公司曾经得到的直接销售到AI或ML业务单元的机会，我们可以推测，很少有前景的公司必须在这个时间点指定AI部门或工作组。
2C - 行业针对性的销售
超过80%的样本公司以电子商务和零售为目标，而只有60%的样本公司以在线和社交媒体公司为目标。没有其他行业的受访者比例超过50%。
在完整的数据集和开放式的反应在其中，似乎明显的是电子商务和网络媒体允许不断创建量化的数据，以及相对容易的流处理和存储该数据的。
相比于在线鞋类零售商，一个砖和砂浆鞋店能够量化其所有客户的行为和信号的意图，以及在规模推动销售的更少。即使物理鞋店一家大型连锁将有一个更大的“数据扯皮”的问题比没有处理物理收据，点销售不同的软件和其他有形障碍，一个大的电子商务网站。
这很可能是，直到更多的“传统”企业想方设法简化其数据摄取和消化，在规模，网络商业模式将获得最大的AI市场营销的高科技水果。今天，在店内行为的跟踪仍处于试验阶段非常昂贵。
销售数据较少的行业，如大型B2B公司，通常从ML获得的收益应该少于能够获得大量销售数据的公司。
类似地，更多地依赖于分销而不是营销的行业(这里可以考虑工农业企业)不太可能从这些技术中受益。因此，我们很少看到我们的样本公司瞄准这些行业。
2d -销售AI营销技术的挑战
从我们的参与者的开放式反应显示有“玄机” AI和机器学习技术的巨大挑战。这似乎为异常的销售挑战，如结合接下来的三个最大挑战许多答复几乎赢得。
聪明的读者可能知道，这种反应很可能是作为一个“借口”欠发达的销售技巧和市场营销/定位查看，但我们认为这顶反应，应采取更严重的是，尽管它作为一个可能的“警察使用出”由少娴熟的销售人员。AI和机器学习营销技术相当复杂，并解释使用这种“先进”技术的优势，确实是一个挑战。历经数采访人工智能创始人和高管，，在这种原始的写作（2017年年初）的时候，AI被看作是东西很清楚“尝鲜”。
随着时间的推移，我们可以预期，这种技术将变得更加容易接近和普遍使用，但目前AI继续威胁到大部分的前景。
一个双刃剑似乎存在，在推进“新锐AI”可能吸引客户的关注和声望，一方面，但另一方面可能“幽灵”前景的公司。它可能会被告知，公司去强调“AI”，而是直接推动的结果，这些应用带动客户。在最近的一次采访题为“如何筹集金钱为你的AI启动”画布Ventures的合伙奔甲基盐霉素推荐这个确切的方法。下面特别推荐的是在回答此问题时选择直接报价：
销售人工智能/机器学习营销和广告解决方案的最大挑战是什么?
3 - 目前，5年的投资回报率
下面的图表与我们关于机器学习营销技术的投资回报(ROI)或利润潜力的问题相关。
3A - 工业用5年AI的市场潜力
我们的样本公司似乎不相信，人工智能在营销领域的机会在未来5年将发生很大变化。上面的图表(几乎)反映了行业样本公司已经针对作为人工智能的客户和营销技术。我们假设一些被我们的公司将只关注目标和销售部门没有将获得重大利益,利用人工智能。
从上面的数据来看，我们的样本公司似乎认为，直接面向消费者的行业(而不是企业对企业的领域，或医疗等公私部门)将从人工智能营销的发展中获益最多。基于上述图表2c中所述的原因，这并不奇怪，但对于考虑营销技术投资的高管来说确实值得注意。
3B - 在市场最具潜力的价值与AI业务
当涉及到机器学习应用程序时，并不是所有的企业都是平等的。无论在哪个行业，某些业务类型都可以访问更多的数据、更多的数据流以及更有组织和有用的数据。从这个研究样本中，我们的高管们表现出对“生与死”可量化的数字交互的强烈偏好，这种数据可以训练机器学习模型，并随着时间的推移不断改进其性能。
数字媒体和电子商务公司位居榜首，SaaS和社交媒体业务排在相对靠后的第三位。我们猜测，SaaS和社交媒体之所以排在前两名之后，是因为这类业务不如前两名常见。我们的样本公司很少专门或直接向社交媒体或SaaS领域销售产品;实际上，任何人都可以创建一个以广告为导向的网站或电子商务商店，但编写软件或创建一个百万分之一受欢迎的社交媒体平台要难得多。后者的市场更小，因此我们的公司可能把它们排在更低的位置。
B2B物理的企业和服务企业排名全线低。从我们收集的报价和排名，我们假定这些企业有很多难以量化的交易数据和/或他们的销售依赖更是不可计量的人与人之间的关系，电话，会展等缺乏统一和quantifiability通过这些渠道使他们不太可能采取机器学习的直接优势，在市场营销。
下面特别推荐的是在回答此问题时选择直接报价：
你认为哪种类型的企业最有可能从市场营销中的机器学习中获利?为什么?
3C - AI应用市场 - 当前赢利潜力
“搜索”被评选为AI和ML在市场最赚钱的当前应用程序。值得一提我们的样本企业认为没有（或很少）专门或主要集中在“搜索”作为其主要的价值主张。我们自己的应用文章营销和广告方面的人工智能突出显示的搜索作为最突出的当前应用之一，而这种共识似乎凸显其重要性电流。
作为一家市场研究公司，我们发现很有趣的是，看到公司投票强调一个不同于他们自身价值主张的应用程序。“搜索”一词之所以被选为最受欢迎，可能只是因为它在网上无处不在，也可能是我们调查的许多公司认为“搜索”的重要性不足以建立一个完整的公司。似乎没有争议的是，“搜索”是一种有影响力的营销技术，高管们认为它很有价值。
从上图可以看出，如今的人工智能营销高管似乎不相信内容生成和市场预测与“细分/定位”或“程序化广告”具有几乎相同的利润潜力。“正如预期的那样，我们的样本公司中，从事后一种工作的要远远多于从事前一种工作的。
3D - AI营销应用 - 5年盈利潜力
不像我们的“当前赢利潜力”的问题，我们做了我们的“5年赢利潜力”问题不限成员名额。响应列队合理地使用我们的样本公司的前价值主张。可以想见，如果这些前瞻性AI营销公司愿意股份它们对核心价值主张期货（如“推荐/个性化”技术），他们还认为，这种技术具有用于驱动值一个强大的未来客户公司。
有趣的是，我们公司的第一价值主张是“分析”。“即使在未来五年内，与分析相关的应用似乎也不会出现在这个预测中。“决策支持”和“预测”似乎与分析有关，但根据从事分析技术的同一家公司的说法，它们的利润潜力仍然相当低。我们的样本公司可能正在开发专门用于推荐或客户细分的分析技术，这意味着单独的分析只是简单地包装起来或以另一个应用程序的名义包含在内。好奇的读者可以深入到数据本身开发一个结论。
下面特别推荐的是在回答此问题时选择直接报价：
从现在开始的5年里，上面哪个选项的利润潜力最大?为什么?
4 - 收养预测
在我们的机器学习市场调研的最后一节询问了高管预测何时AI / ML将是营销技术无处不在，即使是小企业。一些投资者和创始人似乎相信AI将是近未来的所有产品营销的一个组成部分，就像近乎全部企业现在必须有一个网站和某种类型的CRM。我们感兴趣的是得到这个转变的时间投影。
4A - 市场营销技术无处不在的AI集成的预测日期
上面的问题是开放式的，所以受访者只需进入了一年，他们认为是正确的响应。在总体上，估计显得咄咄逼人。这似乎不大可能，“大多数”的营销应用将在2018年或2019年的某种AI或机器学习的整合这样说，“2020”是日17名独特的受访者预测，让我们有理由暂停。
尽管我们可能会想象创始人和高管们会对采用他们自己的技术感到“乐观”，但我们不会料到在同一天会出现如此不同寻常的共识。
相关AI市场研究
我们在Emerj的主要目的是提供清晰度的影响和AI的应用，与在该领域最优秀的人才观点。如果你喜欢这样的共识，你可能会喜欢我们的一些其他研究和AI高管调查：
AI营销公司从共识的完整列表
我们非常感谢有机会到来自世界各地的所有调查许多创新和有趣的公司的这一共识。没有他们，这些图形和见解，就不会成为可能。应诉企业名单可以看出如下表：
| AdMass公司 | iDatalabs Inc .) | PushSpring |
| 艺术与分析，公司 | 无限的分析 | 现实生活Analytics（分析） |
| 自动见解 | Intelliber技术公司 | Receptiviti |
| Beeketing | Jivox | relevante.me |
| Bitext | 奇卡 | Roxot |
| Blueknow | 格引擎 | 销售温度 |
| Boxever | Lumanu | Sentiance |
| Busigence技术 | MarianaIQ | spotad |
| Cision | MentAd | Sriya DXI有限责任公司 |
| 同心 | MOCA平台 | Strossle |
| 皮质 | 奈良逻辑 | Suzu技术 |
| Cortical.io | ownerIQ | Unbxd |
| 吊桥 | Panamplify | Velocidi |
| eEffective | Phrasee | Vioby |
| Evergage | PipeCandy | Visenze |
| Exacaster | PK4媒体 | YOptima |
| 散弹 | PredictiveBid有限公司 | Zealr |
