它可以是很难的金融机构跟上数字的快速变化市场营销和广告景观。有许多因素都容易改变，他们都对某些营销策略如何有用的效果。随着互联网和广告的发展，一些企业可能会发现，重要的是考虑的自动化解决方案，以营销驱动效率。
在这篇文章中，我们介绍的AI供电营销应用的两个例子。每个供应商的优惠，这些应用程序提供了其数字平台成功的证据，所以我们可以推断，至少有一些金融机构通过这些系统中受益。我们覆盖的解决方案是：
- 的IBM Cognos分析：这是IBM的人工智能商业智能平台。据称，它能够帮助金融机构分析广告数据，找出最成功的广告营销活动。
- AI-动力分析的卡联营销：Cardlytics’ AI平台，可以利用从交易数据信用卡和借记卡推动效率为目标的数字广告。
我们覆盖第一AI营销应用是IBM COGNOS分析平台。
的IBM Cognos Analytics（分析）（原华生分析）
许多面向营销机构和内部营销团队的人工智能应用程序被宣传为商业智能解决方案。他们关注的是一次分析大量数据的能力，以及跨多个用户端点共享来自这些数据的见解。
另外，从较大的公司的产品可以包括采取各种类型的数据和来自各种来源的能力。金融机构将只需要使用他们的广告数据来运行这种类型的分析应用，他们将能够他们的广告最好的工作，以获得其中的理解。
这种类型的应用可以提高效率的另一种方式是在广告费用报告。分析师需要使用，以获得良好的营销活动是如何吸引客户了解最新的数据报告。
如果这些报告需要相当长的时间来生产，企业领袖年会甚至更长的时间等待来自分析师的见解。自动执行这个过程可以帮助金融机构作出的最重要的决策速度。
我们采访了萨沙卡斯基，首席技术官Kasisto，这个在我们的播客，AI在银行。当被问及他认为AI实际上是在推动价值银行业和财政任务，卡斯基说：
一凡AI一直是最有影响力的...广泛而专门围绕银行的地方确实是在接管其中的一些平凡的重复任务，人们必须做的。......这是能人们不得不通过实质上熬煮问题的一组数字，人们可以看看做出一个明智的决定做剃掉工作层。
释放人类的员工，使一种营销领袖知情决策的这种方法需要采用人工智能解决方案时，每天可能是效率的早期驱动程序。
IBM为供应商提供这种类型的金融业分析应用到客户和营销机构，与银行和金融客户的工作。它的软件，Cognos公司分析，能够数据挖掘和预测建模的AI平台。这意味着，它很可能与预测分析和机器学习算法训练上的广告和互动数据构建的。
下面是解释了一些Cognos分析平台上可用能力的视频。包括在本视频的功能包括：
- 添加属性客户的名字更细致的分析
- 创造重要的见解可读可视化仪表盘
- 通过创建管理和人力资源团队进行审核支出报告
IBM列出了案例分析在他们的网站中，他们声称已经帮助IMM营销机构利用他们的客户的大量的数据集，以更准确地定位自己的数字广告。
IMM据称购买数以千计的互联网广告的内容每一天，所以确保他们正确地定位到合适的人口是一个高优先级。
数字营销团队可能会发现在不断优化有针对性的广告困难，因为网上客户的行为是很难跟踪和预测。这需要近常数监测到广告的反应和适应他们的营销方式为下一次迭代。
据称帮助IBM的分析解决方案，通过点击率对每个数字广告通过一次分析大量数据，并提供转换率，曝光次数和记录的做到这一点。
这意味着，分析师们能够快速运行他们自己的更精细的实验前，必须得到前面的广告的参与率的一个详细的了解。
根据该案例研究，IMM能够简单地通过他们的速度有多快，现在确定给定的广告做法是成功的开始节省数万美元。IMM还声称，他们可以使用IBM的分析平台带来了增量销售和客户把钱花在广告增加更多的价值。
此外，市场报告，据称曾经参加每天12小时45分钟内面世。这将允许IMM的分析更侧重于寻找这些见解最好的下一步，而不是生产报告本身。
AI-动力分析的卡挂钩营销
信用卡公司和其他金融机构可以使用消费行为和其他客户信息进行数据科学和机器学习项目的营销和促销活动。
他们能做到这一点的方法之一是从市场营销公司使用历史的信用卡和借记卡数据，以更好的有个性有针对性的交易。那么客户会为他们更有可能购买产品的接受有针对性的广告。人们可以大致描述了这种技术，因为“卡联的营销。”
Cardlytics是销售这种类型的AI申请的信用卡公司和金融机构的供应商。他们的软件应用客户群称为“purchasegraphics”与他们更有可能采取的交易匹配的客户。Purchasegraphics是客户细分，或“人口”的基础上支出数据包括当用户花钱哪些产品。
该公司还声称他们的AI解决方案建立，同时保持准确的定位广告客户的敏感信息的保密性的优先级。有许多因素会影响其交易是与客户或其相关购买图形匹配。这些包括年龄，性别，一年的时间，geolocational数据，产品购买的类型，如果这些产品都遵循先前的购买行为。
这些人口统计后分析他们的购物和帮助软件创建基于他们花什么钱是类似的新客户细分的理财习惯。
所有这些因素都使卡联营销重要，因为广告可以扰乱一些客户尤其是当他们正在处理他们的资金。
如果客户觉得太与不涉及到他们的需要或欲望的广告轰炸，他们可能会觉得使用客户金融机构使用的应用程序或其他平台不舒服。例如，这可能有助于银行客户失去忠诚于自己目前的银行开放别处帐户。
基于消费行为的客户细分可以让银行和信用卡公司专注于客户数据中最重要的标准，这些标准指向有效的定向广告。这种方法可以实现更细粒度的客户匹配，也可以利用信用卡和借记卡的消费数据。
每个事务创建关于凡客花的钱，在该商家，并可能购买的产品的名称的数据跟踪。这可能会允许机器学习算法，以更好地满足客户基于其最新的消费行为的优惠。
金融机构将不再需要建立任何硬性规则为他们的软件在个人分析人口能指认时的差异。这是因为这些应用的机器学习模型将不一定需要事先培训辨别，有些项目是系列产品，如婴儿食品和尿布。
这是朝向特定性别市售如肥皂和剃刀产品相同的。该软件可以通过他们的消费习惯的影响得出上述结论的。然而，许多人购物的人，他们住在一起。这就是为什么一个机器学习模型不作出关于性别硬决定，而是个人客户向一个隐含的性别移动。
很明显，Carldytics旨在从来没有从银行客户从它们从得到他们的营销信息的零售商共享个人信息。Cardlytics’平台从客户银行的数据库，该公司的前向营销团队发送业绩报告。该小组随后通信与零售商的信息。
零售商最有可能使用这些数据来创建新的营销策略，他们可以提交回Cardlytics和匹配到最佳的客户群。
Cardlytics列出了新闻稿在他们的网站是指一个案例研究机构Celent关于美国的“BankAmeriDeals”营销计划的银行进行。案例研究据称指出，美国银行成为其采用从美国家庭的约70％支出数据的Cardlytics平台的用户。
研究还表明零售商如何能够可靠地奉献自己的营销预算上证联营销活动的一部分，看到显著的投资回报率。这可能意味着，公司希望他们的目标数字化教育客户赚钱的方式可能需要进一步考虑用例为这些类型的应用AI。
标题图片来源：ALTRAN
