算法表现不佳
Posted: Thu Jan 16, 2025 8:27 am
有人看到昨天的新闻吗？全球第三大信息技术公司亚马逊因其算法而受到严格审查，该算法可用作购买生产化学爆炸物所需组件的指南。
第四频道新闻调查 发现，在搜索其他常见化学品时，爆炸性黑火药和铝热剂被归类在“经常一起购买”列表中，而常用作炸弹弹片的钢珠轴承则被归类在“顾客还购买了”标签中。
那么从这次失态事件中我们可以得到什么教训呢？
算法，简称“algo”，是使用规则做出决策并随着时间的推移提高性能的脚本。营销人员多年来一直使用它们，它们完全融入了大多数现代营销策略中。然而，正如我们在亚马逊的案例中所看到的那样，人类的智慧和我们得出见解和结论的能力不容忽视。算法增强了人类的能力，使营销人员能够做出更好的决策，并专注于客户体验和购买路径。因此，营销人员始终需要让人们与算法一起工作并提供人工输入，以确保算法继续按预期运行。这就是亚马逊失败的地方：它变得懒惰，忽视了算法所链接的内容，随后给品牌带来了巨大的负面影响。
这种对算法的日益依赖正在 改变我们大脑的工作方式 ，并从根本上改变营销 印度尼西亚数字数据 人员的决策方式。未来，世界上每个品牌的生存和成功都将取决于它如何向机器营销。我们的Stories in Motion研究证明，人们搜索信息和购物的方式正在发生变化。消费者深受零售商网站的影响（英国为 45%，美国为 34%，中国为 55%），这意味着像亚马逊这样的品牌有责任推动准确和负责任的营销。
算法失效的一个更严重的例子（也是机器渗透到我们生活的每个部分后即将发生的事情的悲哀预兆）是无人驾驶汽车导致死亡。特斯拉承认，其系统传感器未能区分白色货车和明亮的天空，导致一名40 岁的佛罗里达人过早死亡。这个故事的寓意并不令人惊讶；算法还不是一门完美的科学——我们必须学会如何使用它们，而不是将算法驱动的技术视为纯粹的好东西。
当算法失败时，品牌可以做什么？
失败是不可避免的。不过，以下是一些最佳实践，可以帮助品牌确保其客户不会受到不良算法的影响：
不要低估人为因素。仍然需要人为干预来监督算法过程，以避免出现任何计算机错误
始终检查算法中是否存在种族、性别、年龄和其他常见偏见
明确分析软件可能出现故障的原因，并为每种可能的故障提供安全机制
制定 沟通计划，以便在发生令人尴尬的失败时处理媒体问题。（提示：亚马逊，先道歉）
机器不是人类——它们并不总是能够理解客户与品牌之间关系的细微差别。这对亚马逊来说是一个很难吸取的教训，但必须认真考虑。
第四频道新闻调查 发现，在搜索其他常见化学品时，爆炸性黑火药和铝热剂被归类在“经常一起购买”列表中，而常用作炸弹弹片的钢珠轴承则被归类在“顾客还购买了”标签中。
那么从这次失态事件中我们可以得到什么教训呢？
算法，简称“algo”，是使用规则做出决策并随着时间的推移提高性能的脚本。营销人员多年来一直使用它们，它们完全融入了大多数现代营销策略中。然而，正如我们在亚马逊的案例中所看到的那样，人类的智慧和我们得出见解和结论的能力不容忽视。算法增强了人类的能力，使营销人员能够做出更好的决策，并专注于客户体验和购买路径。因此，营销人员始终需要让人们与算法一起工作并提供人工输入，以确保算法继续按预期运行。这就是亚马逊失败的地方：它变得懒惰，忽视了算法所链接的内容，随后给品牌带来了巨大的负面影响。
这种对算法的日益依赖正在 改变我们大脑的工作方式 ，并从根本上改变营销 印度尼西亚数字数据 人员的决策方式。未来，世界上每个品牌的生存和成功都将取决于它如何向机器营销。我们的Stories in Motion研究证明，人们搜索信息和购物的方式正在发生变化。消费者深受零售商网站的影响（英国为 45%，美国为 34%，中国为 55%），这意味着像亚马逊这样的品牌有责任推动准确和负责任的营销。
算法失效的一个更严重的例子（也是机器渗透到我们生活的每个部分后即将发生的事情的悲哀预兆）是无人驾驶汽车导致死亡。特斯拉承认，其系统传感器未能区分白色货车和明亮的天空，导致一名40 岁的佛罗里达人过早死亡。这个故事的寓意并不令人惊讶；算法还不是一门完美的科学——我们必须学会如何使用它们，而不是将算法驱动的技术视为纯粹的好东西。
当算法失败时，品牌可以做什么？
失败是不可避免的。不过，以下是一些最佳实践，可以帮助品牌确保其客户不会受到不良算法的影响：
不要低估人为因素。仍然需要人为干预来监督算法过程，以避免出现任何计算机错误
始终检查算法中是否存在种族、性别、年龄和其他常见偏见
明确分析软件可能出现故障的原因，并为每种可能的故障提供安全机制
制定 沟通计划，以便在发生令人尴尬的失败时处理媒体问题。（提示：亚马逊，先道歉）
机器不是人类——它们并不总是能够理解客户与品牌之间关系的细微差别。这对亚马逊来说是一个很难吸取的教训，但必须认真考虑。