และเมื่อเราทำการ Segmentation เราก็สามารถเลือกส่งโฆษณาที่เหมาะสมไปยังลูกค้าของเราได้อย่างมีประสิทธิภาพมากขึ้น นั่นเองครับ. แต่คำถามที่ตามมาต่อคือ 🤔 เราเลือกโฆษณาให้เห็นแบบรายคนเลยได้ไหม!? Personalized Campaign! 😬🤭 ยุคของ AI 🚀 ยุคนี้อยู่กับเรามาตั้งนานแสนนานแล้ว เพราะ Algorithm เริ่มต้นของ AI ก็มาจากการสร้างเงื่อนไขอย่างง่ายๆ ไปจนถึง เงื่อนไขที่มีความซับซ้อนมากขึ้นๆ ลองจินตนาการว่าเราต้องเขียนเงื่อนไขซัก 10 ล้านกรณี เราคงคางเหลืองกันไปก่อนจะสร้าง AI ที่ต้องการได้สำเร็จ. และเมื่อมันมากขึ้นจนถึงระดับที่เราไม่สามารถมาสร้างเงื่อนไขต่อได้ครบทุกอย่าง. ยุคของ Machine Learning และ Deep Learning ก็เริ่มเข้ามามีบทบาท และมามีส่วนช่วยในการสร้างเงื่อนไขหลายๆๆๆๆๆชั้น หลายๆกรณี ผ่านการเรียนรู้พฤติกรรมของข้อมูลในอดีต เพื่อทำนายผลที่น่าจะเกิดขึ้นในอนาคต และด้วย ML + DL นี่แหละครับที่มาช่วยในเรื่องของการโฆษณา หรือเลือกออก Campaign เพื่อสร้าง Personalized Campaign!! นั่นเอง ณ ปัจจุบัน บริษัทที่มีนักวิทยาศาสตร์ข้อมูล หรือ Data Scientist ต่างก็ทำ Model โดยใช้ข้อมูลจากอดีตที่เก็บไว้มาเนิ่นนาน เพื่อทำนายว่า ลูกค้าของเราจะซื้อ Products หรือไม่ หรือใครที่มีแนวโน้มจะตอบสนองต่อ Campaign ของโฆษณา Model อย่างง่ายๆ 🤖🐣 ก็จะเริ่มจากการทำนายผลว่า นายประหยัด จันอังคาร มีแนวโน้มจะซื้อสินค้า เรือดำน้ำ หรือไม่!??.
ซึ่ง Model เราอาจจะทำนายเพียงแค่ ซื้อ หรือไม่ซื้อแค่นั้น โดยบอกเป็น Propensity Score หรือ ในโจทย์ Machine Learning คือโจทย์ปัญหา Classification Model. จากจุดนี้เองที่ทำให้นักการตลาดเวลาจะส่ง Campaign ไปยังลูกค้า ก็จะทำงานร่วมกันกับ Data Scientist เพื่อให้ช่วยทำ Model บอกหน่อยว่า ลูกค้าคนไหนมีแนวโน้มจะซื้อสินค้าเรานะ!!! หรือที่ทาง Data Scientist เรียกว่า ทำการส่ง Leads นะ!! สถานการณ์ตัวอย่าง 💁♀️🍺 ณ บริษัทปุริเย่ จำกัด ต้องการทำ Campaign เพื่อให้เกิด Conversion Rate เพิ่ม จากเดิมที่ ปกติ Conversion Rate ของสินค้าเรือดำน้ำอยู่ที่ 2%. Data Scientist ก็ทำ Model ขึ้นมาและส่ง Leads ให้กับทาง Marketing Team ไปส่ง Campaign ปรากฎว่า Conversion Rate เพิ่มขึ้นจากเดิม 2% เป็น 10% เท่ากับว่า มี Lift เพิ่มขึ้นถึง 5 เท่าด้วยกัน OMG!!! (ใครมันซื้อไปวะ!! ). ถ้าสมมติว่า 2% เราทำรายได้จากการขายเรือดำน้ำไปถึง 200, 000 ล้านบาท และเมื่อเราทำ Campaign 9. 9 โปรโมชั่นเรือดำน้ำ "ของมันต้องมี เพื่อความน่าเกรงขราม เพียง 22, 000 ล้านบาท" ปรากฎว่า Model เราให้ผล Lift ถึง 5 เท่าเมื่อเทียบจากการไม่ทำ Model โหดมวากๆเลยใช่ไหมล่ะครับ พออ่านมาถึงจุดนี้ แต่!!!!
Space ช่องว่างที่อาจเกิดจากระบบที่ทำจากหลายๆ ส่วน หลายทีมพัฒนา, ระบบจะเปลี่ยนไปตามความเหมาะสมกับสถานการณ์ 2. Time ทุกส่วนจะเปลี่ยนไปตลอดเวลา สิ่งที่ทำให้เกิดการเปลี่ยนแปลง 1. Team Dev. 2. User/Customer ที่สามารถเข้าถึงซอฟต์แวร์ได้ ปัญหาที่เกิดขึ้น 1. Concurrent access เข้าถึงพร้อมๆ กัน 2. Concurrent modification เข้าถึงและปรับแก้พร้อมๆ กัน/ในเวลาเดียวกัน 3. Notification of change มีการยืนยันการเปลี่ยนแปลง ซึ่งระบบต้องมีการแจ้งเตือนด้วย เป้าหมายของ CM (configuration management) 1. ระบุและบริหารส่วนต่างๆ ของซอฟต์แวร์ 2. ควบคุมการเข้าถึงและเปลี่ยนแปลงกับส่วนต่างๆ 3. ยอมให้สร้าง version ใหม่จากซอฟต์แวร์ที่ใช้อยู่ (อนุมัติ) Version Management 1. Configuration item (CI) คือ ชิ้นส่วนต่างๆ (module, Program) ที่ถูกพัฒนาและต้องการที่จะนำมาบริหาร, จัดการและควบคุมเปลี่ยนแปลงต่างๆ ที่เกิดขึ้นกับชิันงาน 2. Baseline คือ สิ่งซึ่งเราสร้างขึ้นเพื่อสามารถหยุดสิ่งนั้น ณ.
🙅♀️ Model มันก็ไม่ผิดค่ะ แต่คุณทำได้ดีกว่านี้อีก!! (ทำเสียงปันๆ = _ =). อ้าวทำไมล่ะ!? ยังดีไม่พอหรอ!? หรือผิดตรงไหน คำถามที่มีตอนนี้คือ!????. ❓ เราทราบได้อย่างไรว่าคนที่ Convert มาจากการที่เค้าได้รับ Campaign จริงๆนะ! ไม่ใช่เพราะเค้าอยากจะซื้ออยู่แล้ว ❓ Propensity model ที่เราทำมันไปกวาดมาทุกๆคนเลยที่มี Score การซื้อสูงๆๆ แล้วเราก็ถึงส่งให้ Marketing ถูกไหม!? ❓ เราไม่ได้แยกลูกค้าที่เค้าอยากจะซื้ออยู่แล้วออกมานี่หน่า!? ดังนั้นการที่เค้าซื้อ มันไม่ได้บอกว่าเค้าจำเป็นต้องได้รับ Campaign ก็ได้ ยังไงตูก็จะซื้ออยู่ดี ❓ เหตุการณ์ Lift 5 เท่า เหมือนคำพูดนึงที่พูดกันว่า Cherry Picking!!. เอ้า แล้วทำไงดีล่ะ???? เอาล่ะ ยินดีต้อนรับสู่ต้อนรับทุกท่านสู่โลกของ Casual Inference กับ Machine learning 🎉. ทำความรู้จักกับ Uplift Model กัน (โอ้ยกว่าจะเข้าเรื่อง!!! ). โอเคร ง่ายๆเลยโจทย์คือเราต้องการจะทำ Model เพื่อบอกว่าใครน่าจะซื้อ เรือดำน้ำ เราในอนาคต!?. โดยปกติ Uplift Model จะช่วยเราตอบคำถามดังต่อไปนี้ ✅ โฆษณษของเราส่งผลให้ลุกค้าซื้อหรือไม่!? ✅ เราเสียเงินเปล่าในการชักชวนคนที่จะซื้อสินค้าเราอยู่แล้วหรือไม่!
หน้าหลัก > พจนานุกรมทั้งหมด > แปล อังกฤษ-ไทย lexitron > Baseline baseline baseline [n. ] เส้นขอบด้านหลังของสนามกีฬา (เช่น เทนนิส, แบดมินตัน, เบสบอล) [n. ] เส้นขอบด้านหลังของสนามกีฬา (เช่น เทนนิส, แบดมินตัน, เบสบอล) ความหมายจาก พจนานุกรมแปล อังกฤษ-ไทย NECTEC's Lexitron Dictionary baselineภาษาอังกฤษ baselineภาษาไทย baselineความหมาย Dictionary baselineแปลว่า baselineคำแปล baselineคืออะไร ความหมายของ baseline จากพจนานุกรมเล่มอื่นๆ
มีผลลัพธ์ที่ไม่แสดงผลอยู่ ปรับการตั้งค่า ภาษาที่แสดง ญี่ปุ่น (JP) จีน (CN) เยอรมัน (DE) ฝรั่งเศส (FR) ไทย (TH) อังกฤษ (EN) พินอิน (拼音;pinyin) จู้อิน (注音;zhuyin) English-Thai: NECTEC's Lexitron-2 Dictionary [with local updates] English-Thai: HOPE Dictionary [with local updates] baseline (เบส'ไลนฺ) n. เส้นฐาน, เส้นหลังของสนามเทนนิส อังกฤษ-ไทย: ศัพท์บัญญัติราชบัณฑิตยสถาน [เชื่อมโยงจาก แบบอัตโนมัติและผ่านการปรับแก้] baseline ๑. เส้นหลักล่าง๒. เส้นเชื่อมฐาน [เทคโนโลยีสารสนเทศ ๑๑ มี. ค. ๒๕๔๕] baseline event เหตุการณ์ที่เป็นฐาน [ประชากรศาสตร์ ๔ ก. พ. ๒๕๔๕] baseline s เส้นฐาน [นิติศาสตร์ ๑๑ มี. ๒๕๔๕] อังกฤษ-ไทย: คลังศัพท์ไทย โดย สวทช. Baseline เส้นตรง, ระดับเส้นฐาน, แนวฐาน, เส้นพื้น [การแพทย์] Baseline Sample ซีรั่มตัวอย่าง [การแพทย์] Baseline, Irregular เส้นพื้นฐานไม่สม่ำเสมอ [การแพทย์] Baseline, Wandering เส้นพื้นฐานแกว่งขึ้นลงช้าๆ [การแพทย์] English-Thai: Longdo Dictionary (UNAPPROVED version -- use with care) baseline (n) บรรทัดฐาน ตัวอย่างประโยค จาก Open Subtitles **ระวัง คำแปลอาจมีข้อผิดพลาด** Have you established a reliable baseline For Miss Dawson's ability?
✅ โฆษณาเราส่งผลลบกับคนที่เห็นไหมเอ่ย บางคนเห็นโฆษณาเลยไม่ซื้อแม่งเลย ทั้งๆที่เค้าจะซื้ออยู่แล้ว!!!!!. โดยปกติ Classic Machine Learning Mdoel เราใช้ Features (X) เพื่อทำนาย (Y) แต่กับ Uplift Model ช่วยเราดูผลกระทบของ Treatment ที่มีต่อ Y โดยที่ Y ใช้ X เพื่อทำนาย. มาทำความรู้จัก Uplift Model อย่างง่ายกัน 🤖 (Siegel 2011) โดย Basic เลยเราจะทำการแบ่งลูกค้าเดิมของเราเป็น 4 กลุ่มด้วยกัน 🟠 กลุ่ม Sure Thing กลุ่มนี้ไม่ต้องเสนอ Promotion เค้าก็ตั้งใจจะซื้ออยู่แล้ว!!! เช่นลุกค้าบางรายเห็น เรือดำน้ำแล้วอยากซื้อ อยากได้จนตัวสั่น ไม่รู้อยากได้ไปทำไม แต่เพื่อความน่าเกรงขาม และของมันต้องมี!! 🟢 กลุ่ม Persuables กลุ่มนี้จะซื้อก็ต่อเมื่อได้รับ Campaign ถ้าไม่ลดราคา ตูไม่ซื้อ ไม่มีอะไรมาชักชวน ตูไม่สน ไม่โทรมา ตูก็ไม่โทรหา!! 🟠 กลุ่ม Lost Cost กลุ่มนี้ไม่สนใจสินค้าเราตั้งแต่ต้นอยู่แล้ว! ดังนั้นส่ง Campaign ไปก็เสียเปล่าๆ แบบว่าเห็นแล้วก็ อื้ม!! แล้วก็ปล่อยโฆษณาผ่านไปเหมือนไม่มีอะไรเกิดขึ้น 🔴 กลุ่ม Sleeping Dog กลุ่มนี้จะให้ผลลบทันทีเมื่อได้รับ Campaign ส่งมาหาตูหรอ เดี๋ยวเจอดีๆ นอกจากกลุ่มนี้ไม่ซื้อแล้วยังจะให้ผลลบกับเราอีก (เมิงอย่ามายุ่งกับกรู๋!!!! )
ดังนั้นในการทำ Propensity Model เราเพียงแค่ยิง Campaign ไปยังกลุ่ม Persuables ง่ายๆแค่นี้เอง!! กลุ่มอื่นยิงไปก็ไม่มีประโยชน์เลย และควรเลี่ยงผลที่ไม่ดีจากการยิงไปหากลุ่มคนจำพวก 🔴 Sleeping Dog. อ้าาาาาาาา จาก Propensity Model ไปสู่ Uplift Model เย้.. ข้อควรระวังจาก Uplift Model!!
Development = ปรับแก้ที่สูงกว่า จะให้ version ถัดไป 2. Product = เพื่อการส่งมอบ Derivation history (ประวัติความเป็นมา): เมื่อ มีการเปลี่ยน ก็ต้องการมีการบันทึกความเป็นมา ซึ่งสิ่งที่ควรจะบันทึกคือ 1. เปลี่ยน เพื่ออะไร 2. เปลี่ยน เพราะอะไร 3. ใครเป็นคนขอเปลี่ยน ใครเป็นคนทำการเปลี่ยน 4. นำไปใช้เมื่อไหร่ การระบุ version ต้องไม่กำกวม Version ซึ่งมีทั้ง version ที่เป็นตัวเลข, Attribute base ความหมาย/ลักษณะ 1. version number เข่น v. 1. 0, v. 1 โดย version 1. 0. เพิ่ม ฟังก์ชั่น เยอะ เพิ่ม ฟังก์ชั่น เล็กนอ้ย Fix bug 2. Attribute base เอาลักษณะ/ความหมายมาตั้ง - attribute เช่น data, create project language, status ใช้ชื่ออ้างอิงง่ายๆ ตัวอย่างเช่น AC3D ( language =Java, platform = NT4, date = Jan 1999) Change control 1. รู้คนควบคุมการเปลี่ยน 2. ควบคุมอะไร 3.
จะรู้ได้อย่างไรว่า คนนี้ซื้อ คนนี้ไม่ซื้อ คนนี้ไม่สนใจ! ต้อนรับ 9. 9 ด้วยเรื่อง Uplift Model กัน 🎉 *** คำเตือนยาวมาก แชร์ไปก่อนค่อยอ่าน *** จะรู้ได้อย่างไรว่าเราควรส่งโฆษณาให้ใครดีน้าา เค้าถึงจะซื้อสินค้าเรา!!! 🤷♀️🤷🤷♂️ ฝั่งนักการตลาด 💁♀️ โดยปกตินักการตลาด หรือคนที่ทำการโฆษณาต่างๆก็จะทำ Campaign แล้วก็ส่งโฆษณานั้นให้กับทุกๆคนไปเลย ในกรณีนี้อาจจะเกิดขึ้นกับบริษัทที่พนักงานยังน้อย หรือไม่มีเวลาพอ หรือขาดทักษะในการที่จะมองหาว่าจริงๆแล้ว ผลิตภัณฑ์หรือสินค้าเรามันเหมาะกับแค่คนบางกลุ่มเท่านั้น บางกลุ่มไม่ต้องโฆษณาไปให้กับพวกเค้าก็ได้ เพราะในการโฆษณา มันมีเรื่องของค่าใช้จ่าย. ยิ่งเป็น Channel Offline แล้วใหญ่เลย เพราะเราเลือกกลุ่มลูกค้าไม่ได้ละเอียดมากนัก!!! เช่นถ้าเราอยากโฆษณาไปยัง คนที่อายุ 15-35 เฉพาะผู้ชาย ที่ทำงานในอุตสาหรกรรมการแพทย์ คำถามคือ เราจะเลือกให้โฆษณาเราส่งไปยังกลุ่มคนเหล่านี้อย่างเดียวเลยได้ไหม ก็ไม่ได้จริงไหม!! ค่อตยากอะบอกเลย. ซึ่งปัญหาเหล่านี้จะถูกเยียวยาได้โดยการโฆษณาผ่าน Channel Online ซึ่งจะพูดในลำดับถัดไปครับ ในการยิง Campaign ไปยังลูกค้า นั้นสำหรับ บริษัทที่มีเวลา หรือทักษะในการทำ Segmentation ลูกค้าก็จะช่วยให้เราสามารถแบ่งกลุ่มลูกค้าได้อย่างง่ายๆ เช่น ลูกค้ากลุ่มนี้ ซื้อของกับเราทุกอาทิตย์เลยนะ ลูกค้าอีกกลุ่มซื้อไม่บ่อยแต่รายได้ต่อเดือนจากกลุ่มนี้ไม่ต่ำกว่า 1 หมื่นบาทเลยนะ!!.
พูดคำแปลภาษา อิ สาน, 2024