e-Social + AI DL IoT
9.7K views | +3 today
Follow
 
Scooped by Dominique Godefroy
onto e-Social + AI DL IoT
Scoop.it!

Detailed infographic on ultimate page SEO factors

Detailed infographic on ultimate page SEO factors | e-Social + AI DL IoT | Scoop.it
Online social media sites and millions of other websites need some sort of on-page SEO factors. You cannot go and get any old link-backs to your website or within your social media comments as this will look bad, what you need is high-quality link-backs. The infographic by Shane Barker below looks into great detail when it comes to optimizing a website in such a way that it starts ranking on search engines and converts.

Not everybody believes in link backs for ranking purposes, Google always fights with spam from the beginning of the 21st century and penalize websites who do not follow the proper guidelines. The infographic below looks into design and content guidelines, as well as technical guidelines. It also goes into detail on quality guidelines and its basic principles.
more...
No comment yet.
e-Social + AI DL IoT
Impacts of e-social (media, mobile, solomo, smo) & AI / deep learning / IoT on customer insights and brand strategies
Your new post is loading...
Your new post is loading...
Scooped by Dominique Godefroy
Scoop.it!

Are You Really Smart About How AI Works in Marketing?

Are You Really Smart About How AI Works in Marketing? | e-Social + AI DL IoT | Scoop.it

In its widely talked about State of Marketing Report, Salesforce reports that just over half (51%) of marketers are using AI in one form or another, while another quarter plan to test it over the next two years.

A smaller study of over 500 search, content, and digital marketers by BrightEdge found that just 4% have implemented AI (that’s not a typo).

Who’s right? Salesforce, which reports one in two marketers is using AI, or BrightEdge, which puts the number at one in 25?

The answer may be “neither.” That’s because many marketers (and business leaders as a whole) are confused about which technologies are genuinely AI-powered and which simply rely on advanced algorithms and analytics.

As Luis Perez-Breva, head of MIT’s Innovation Teams Program and research scientist at MIT School of Engineering, explains, “Most of what the retail industry refers to as artificial intelligence isn’t AI.” He says many “confuse analyzing large amounts of data and profiling customers for artificial intelligence. Throwing data at machines doesn’t make machines (or anyone) smarter.”

Rather, AI’s promise is what is often called relevance at scale. It’s the ability of machines to crunch massive datasets and data lakes – structured and unstructured data – and optimize decision-making in a way that algorithm-enabled humans cannot achieve. Perhaps most importantly, in an AI-enabled system the machine learns and improves without human input.

Rather than ask, “How many marketers are using AI?,” the more apt question may be, “What are you doing with it?” Let’s examine some of the ways companies are using AI-led initiatives to make the most of AI’s promise.

more...
No comment yet.
Scooped by Dominique Godefroy
Scoop.it!

AI and IA: How artificially intelligent automation is driving scalable marketing

AI and IA: How artificially intelligent automation is driving scalable marketing | e-Social + AI DL IoT | Scoop.it
Talent is a major concern for organizational leaders, given that labor costs and services together now account for a whopping 53 percent of total marketing budgets (Gartner). But even as companies struggle to find humans to manage their newly implemented technologies, many CMOs have yet to define exactly how Artificial Intelligence and Intelligent Automation are meant to transform their business models and processes in the first place.

We’ve talked at length in previous columns about the benefits of finding that synergy between talent and martech, and bridging the talent gap that’s holding up more widespread adoption of machine learning. In this column, we’ll peer through the other side of the looking glass, at the technology profoundly impacting modern marketing employees and how to deploy it at scale.


Understanding the role of AI in IA

We’ve tended to think of technology, particularly software, in terms of automation until very recently, but taking a legacy approach to new tech can only result in lackluster performance.

Automation is a task-driven imperative with a sole purpose: to get machines to do the repetitive tasks we creative, free-thinking humans don’t want or really need to do. Automation performs calculations for us. It improves communication. It runs machinery, assembles product, steers vehicles and more.

Advances in machine learning, natural language processing and other areas of computing are being spurred on by a veritable explosion of data, more than human teams could ever activate. Intelligent automation combines the efficiency-finding, time-saving benefits of straight automation with elements of AI — gathering input, analyzing data, and even making decisions.

more...
No comment yet.
Scooped by Dominique Godefroy
Scoop.it!

Étude : l'impact du changement d'algorithme Facebook sur l'engagement des pages

Étude : l'impact du changement d'algorithme Facebook sur l'engagement des pages | e-Social + AI DL IoT | Scoop.it
Buffer et BuzzSumo se sont alliés pour analyser plus de 43 millions de posts Facebook, effectués par les 20 000 marques les plus influentes sur le réseau social. L’objectif de l’étude est d’analyser la performance des pages en 2018, quelques mois après le dernier changement d’algorithme Facebook. Sans surprise, on constate notamment que l’engagement continue de baisser et que par conséquent, les pages postent plus de contenus. Voici un tour d’horizon des enseignements du rapport.


Les pages postent beaucoup plus de contenus

Selon l’étude, entre le premier trimestre 2017 et le deuxième trimestre 2018, le nombre de posts publiés sur le réseau social a augmenté de 26%, passant ainsi de 6,5 à 8,1 millions de posts publiés en l’espace d’une année. Au Q1 2017, 72 000 posts étaient ainsi effectués tous les jours, un chiffre qui est passé à plus de 90 000 au Q2 2018. Autrement dit, près de 20 000 posts supplémentaires sont publiés chaque jour par les 20 000 « top marques » présentes sur Facebook. Au Q2 2018, ces marques publiaient en moyenne 135 publications par mois, soit un peu plus de 4 posts par jour.

more...
No comment yet.
Scooped by Dominique Godefroy
Scoop.it!

La data priorité des directeurs marketing selon Dentsu Aegis Network

La data priorité des directeurs marketing selon Dentsu Aegis Network | e-Social + AI DL IoT | Scoop.it
Le réseau Dentsu Aegis Network a publié les résultats de son enquête « CMO Survey 2018 », menée à l’international auprès de 1000 responsables marketing de haut niveau. La tendance générale pour les mois à venir est plutôt positive, puisque 60% des CMOs s’attendent à voir leurs budgets marketing augmenter. Cet optimisme est encore plus marqué dans les grandes entreprises, dans lesquelles près de la moitié des responsables marketing s’attendent à voir leur budget croître de plus de 5% alors que moins d’un sur vingt anticipe des diminutions.

L’étude se concentre ensuite sur plusieurs éléments intéressants. En France tout d’abord 77% des directeurs marketing considèrent que l’intégration du brand engagement et du commerce/conversion est le principal moyen pour maximiser la valeur de l’engagement des consommateurs dans les prochaines années. Globalement, l’enquête souligne l’équilibre que les CMOs cherchent à trouver entre opportunités et risques dans le marketing digital. Ainsi si 80% d’entre eux insistent sur l’importance de développer la gestion de données de consommateurs, 60% d’entre eux estiment également que le RGPD va rendre la tâche plus difficile.

Le dernier élément notable de l’étude est le recul de l’importance de « l’innovation de rupture » dans l’esprit des responsables marketing. Au niveau mondial, environ un tiers des directeurs marketing y voit une priorité fonctionnelle dans leur entreprise. La France se situe légèrement au-dessus de cette moyenne avec 37% de décideurs partageant cette opinion.
more...
No comment yet.
Scooped by Dominique Godefroy
Scoop.it!

Google Next 2018: A deeper dive on AI and machine learning advances

Google Next 2018: A deeper dive on AI and machine learning advances | e-Social + AI DL IoT | Scoop.it

If last week's Google Next 2018 event is any indication, Google Cloud is growing quickly. Registrations for the July 23 to July 26 event topped 25,000, and actual attendance easily doubled the 10,000 at Google Next 2017. That's good, but if this public cloud is going to catch up with also-fast-growing rivals Amazon Web Services (AWS) and Microsoft Azure, Google is going to have to play to its strengths.

From my perspective, Google's biggest appeals to big businesses are its deep learning (DL), machine learning (ML), and data platform capabilities (though I'm biased and my Constellation colleagues who follow G Suite and the rest of Google Cloud Platform (GCP) cloud infrastructure might see it otherwise). Among the many announcements at Google Next 18, the biggest steps forward -- and the ones I see as most likely to accelerate growth -- were those aimed at expanding the use of Google's DL, ML, and data platform capabilities. Here's a closer look.


Cloud AutoML Democratizes Data Science

If I had to cite the single biggest announcement of Google Next 18, I'd say it was the beta release of Cloud AutoML, which promises to bring custom DL model building capabilities to organizations even if they don't have data scientists on staff. It's a self-service, democratized option that builds on the Google Cloud ML Engine, the data-scientist-oriented offering that became generally available in March 2017.

To review, Cloud ML Engine is a managed machine learning service that lets you train, deploy and export custom models based on Google's open-sourced TensorFlow ML framework or Keras (an open neural net framework written in Python that can run TensorFlow). Cloud ML Engine features automatic hyperparameter tuning and tools for job management and graphical processing unit (GPU)-based training and prediction. Models are also portable, so you can build and train on GCP but then export the models and run them on premises.

more...
No comment yet.
Scooped by Dominique Godefroy
Scoop.it!

Artificial Intelligence for B2B Content Strategy and Content Development

Artificial Intelligence for B2B Content Strategy and Content Development | e-Social + AI DL IoT | Scoop.it

Artificial intelligence (AI) is fast changing the content marketing playbook for B2B organizations.

How? It's able to solve, at scale, some of the top challenges B2B content marketers face.

According to Content Marketing Institute, 88% of B2B marketers use content marketing. But just 17% say they’re extremely or very successful in their efforts.

What's more, top obstacles to content marketing success come from some oh-so-familiar sources:

A full 60% of B2B marketers polled say lack of an effective content strategy is holding them back. More than 50% say not devoting enough time to content marketing is part of the problem. And 45% cite content creation challenges.

In other words:
B2B content marketers really struggle to build effective content strategies, then executing them.

These two areas, content strategy and content development, are also where AI is changing the game.
Artificial Intelligence for Content Strategy

We like the definition of AI given by Paul Roetzer, founder of the Marketing AI Institute:

"Ask 10 different experts to define AI, and you’ll likely get 10 different definitions. My favorite, in part because of its simplicity, is from Demis Hassibis, Co-Founder and CEO of Google DeepMind. Hassibis defines AI as, 'the science of making machines smart.' These machines, in turn, enhance human knowledge and capabilities."

AI uses machine intelligence to sift through vast amounts of data. It can do this much faster and better than humans. And, as a result, it surfaces insights humans don't see.

For content strategy, AI can use performance data to identify ways to improve content. It can also use this data to help identify what content works best.

AI-powered tools exist that use sophisticated machine-assisted capabilities to “score” your content. Then, they offer recommendations on how to improve your content score. The result? You make strategic decisions based on real data, not gut instinct.

more...
No comment yet.
Scooped by Dominique Godefroy
Scoop.it!

Guide du marketing d’influence Instagram : 4 astuces pour les marketeurs

Guide du marketing d’influence Instagram : 4 astuces pour les marketeurs | e-Social + AI DL IoT | Scoop.it
La marque de montre Daniel Wellington a de quoi être fière. Montre de milieu de gamme, elle est passée d’une marque relativement inconnue à un objet vu sur le poignet de célébrités comme Kendall Jenner. Au total : 3 millions de followers sur les réseaux sociaux et 207 millions de dollars de revenus en 2017 pour la marque.

Comment provoquer un tel engouement en ligne ? Avec le marketing d’influence sur Instagram.

Si vous êtes un marketeur en social media pour une marque B2C, il vous est probablement déjà arrivé d’envisager de vous servir de la notoriété d’un influenceur Instagram. Car après tout, qui sont les mieux placés pour comprendre cette plate-forme aux 800 millions d’utilisateurs que ces créateurs de contenus ? Mais avant de vous lancer dans une campagne de marketing d’influence sur Instagram, il est important d’identifier et comparer les influenceurs qui semblent les plus pertinents et efficaces pour votre marque.

En règle générale, établir un benchmark sur les influenceurs Instagram sert 2 objectifs :

Bénéficier d’un audit pour chaque influenceur engagé sur votre campagne
Analyser leur impact sur les KPIs de votre campagne

Voici 4 façons simples pour évaluer votre campagne de marketing d’influence sur le réseau social :
more...
No comment yet.
Scooped by Dominique Godefroy
Scoop.it!

Facebook débute les tests de ses fonctionnalités de dating

Facebook débute les tests de ses fonctionnalités de dating | e-Social + AI DL IoT | Scoop.it
Il y a un peu plus de deux mois, Facebook a annoncé se lancer dans le marché de la rencontre en proposant aux utilisateurs de créer un profil de rencontre directement via le réseau social. Ce dernier devrait être visible uniquement par les personnes avec qui vous n’êtes pas ami. Mark Zuckerberg avait expliqué que cette nouveauté a pour objectif de « construire de véritables relations à long terme – pas seulement des flirts. »
De l’annonce au test, il n’y a qu’un pas ! Jane Manchun Wong, une développeuse qui a déjà repéré plusieurs nouveautés liées à Facebook et Instagram a révélé sur Twitter la présence des fonctionnaités de rencontre dans le code source du réseau social. Pour le moment, les fonctionnalités de dating sont uniquement disponibles en interne aux employés de l’entreprise. L’entreprise a d’ailleurs confirmé à The Verge que le produit était en cours d’essai, mais rien de plus.

On découvre sur les captures d’écran ci-dessus que « le but de ce « dogfooding » [le fait que les employés utilisent uniquement le produit de Facebook, ndlr] est de tester l’expérience produit de bout en bout pour les bogues et l’UI déroutante. Ceci n’est pas destiné à sortir avec vos collègues. » Facebook a ainsi demandé à ses employés d’utiliser de fausses données pour leurs profils et l’entreprise explique que « cela n’aura aucun impact sur votre emploi. » On aperçoit ensuite le parcours type de la création de profil, à savoir qui peut voir et ne pas voir votre profil, quel est votre genre, ce que vous préférez, ce que vous recherchez, votre localisation et enfin un aperçu final du profil ! Facebook avait également parlé d’une option permettant de rendre visible le profil aux personnes participant aux mêmes évènements que vous.
more...
No comment yet.
Rescooped by Dominique Godefroy from LAB LUXURY and RETAIL ® : MARKETING & COMMUNICATION : Retail - Expérience Client - Luxe - Digital in Store - Future of Retail - Commerce Connecté - Omnicanal - Social Marketing - Influence - Réseaux Sociaux -Transformation Digitale
Scoop.it!

Comment Coca-Cola, Netflix et Amazon ont appris de leurs erreurs

Comment Coca-Cola, Netflix et Amazon ont appris de leurs erreurs | e-Social + AI DL IoT | Scoop.it

Sans possibilité d’échec, il n’y pas d’innovation. Tel est le parti pris des grandes entreprises florissantes.

 

Pourquoi, tout à coup, tant de chefs d’entreprise poussent-ils leurs sociétés et leurs collègues à faire davantage de fautes et à collectionner les échecs ? En mai 2017, juste après avoir été nommé P-DG de Coca-Cola, James Quincey a encouragé tous les managers de proximité à dépasser la peur de l’échec qui colle à l’entreprise depuis le fiasco du « New Coke », il y a des années de cela. « Si l’on ne commet pas d’erreurs », insiste-t-il, « c’est que l’on ne se s’échine pas suffisamment. »

En juin de la même année, alors que son entreprise connaissait un succès sans précédent auprès de ses abonnés, Reed Hastings, le P-DG de Netflix, s’est inquiété du fait que son service de vidéo en streaming florissant proposait trop de séries à succès tout en déprogrammant peu de nouveaux shows. « Notre taux de réussite est actuellement trop élevé », a-t-il déclaré lors d’une conférence sur les nouvelles technologies. « Nous devons prendre plus de risques… essayer plus de choses folles… et nous devrions déprogrammer plus de séries, globalement. »

 

Les grandes réussites compensent les petits échecs

 

Même Jeff Bezos, le P-DG d’Amazon et sans doute l’entrepreneur ayant le mieux réussi au monde, soutient cette idée de manière aussi directe que possible lorsqu’il déclare que la croissance et la capacité d’innovation de son entreprise découlent de ses échecs. « Pour pouvoir prendre des paris risqués, il faut multiplier les essais », a-t-il expliqué peu de temps après le rachat de Whole Foods par Amazon. « Et si vous faites des essais, vous ne pouvez pas savoir à l’avance si ça va marcher. De par leur nature même, ils sont rarement couronnés de succès. Cependant, il suffit de quelques réussites notables pour compenser les dizaines de tentatives qui auront échoué (lire aussi l’article : « Comment les entreprises expliquent les échecs d’envergure »). »


Via Jérôme MONANGE
more...
No comment yet.
Scooped by Dominique Godefroy
Scoop.it!

The 3 next steps in conversational AI

The 3 next steps in conversational AI | e-Social + AI DL IoT | Scoop.it
Conversational AI is a subfield of artificial intelligence focused on producing natural and seamless conversations between humans and computers. We’ve seen several amazing advances on this front in recent years, with significant improvements in automatic speech recognition (ASR), text to speech (TTS), and intent recognition, as well as the rocketship growth of voice assistant devices like the Amazon Echo and Google Home, with estimates of close to 100 million devices in homes in 2018.

But we’re still a long way away from the fluent human-machine conversation promised in science fiction. Here are some key advances we should see over the next decade that could get us closer to that long-term vision.


New tools beyond machine learning

Machine learning, and in particular deep learning, has become an extremely popular technique within the field of AI over the past few years. It has already fueled significant advances in domains such as facial recognition, speech recognition, and object recognition, leading many to believe it will solve all of the problems of conversational AI. However, in reality it will be only one valuable tool in our toolbox. We’ll need other techniques to manage all aspects of an effective human-computer conversation.

Machine learning is particularly well suited to problems that involve finding patterns in large corpora of data. Or as Turing Award winner Judea Pearl pithily said, machine learning essentially resolves to curve fitting. There are several problems in conversational AI that map well to this type of solution, such as speech recognition and speech synthesis. The technique has also been applied to intent recognition (taking a textual sentence of human language and converting that into a high-level description of the user’s intent or desire) with good success, though there are some limitations in using this technique to capture meaning from natural language, which is inherently stateful, sensitive to context, and often ambiguous.

more...
No comment yet.
Scooped by Dominique Godefroy
Scoop.it!

Forces et faiblesses du ciblage psychologique

Forces et faiblesses du ciblage psychologique | e-Social + AI DL IoT | Scoop.it

Sur la scène des conférences USI, intervenait notamment Sandra Matz, spécialiste de l’étude marketing des caractéristiques psychologiques via le Big Data.

Le scandale Cambridge Analytica a mis en lumière le rôle du profilage psychologique. Peut-être pas d’une manière très valorisante, semble regretter Sandra Matz. Si elle ne souhaite pas parler de ce que fait ou n’a pas fait Cambridge Analytica, force est de constater que Sandra Matz travaille elle aussi comme la firme britannique, à rendre productif le profilage psychologique. Et c’est ce qu’elle souhaite expliquer sur la scène d’USI (voir la vidéo de son intervention) : Comment ça fonctionne ? Qu’est-ce que ça produit ? Et surtout, regarder si ce profilage est réellement efficace : « peut-on réellement influencer les gens avec ces techniques ? » « Quels sont les défis et les opportunités du ciblage et du profilage psychologique ? »

Comment réalise-t-on des modèles psychologiques ?

Que signifie la personnalité pour des psychologues ? Nous différons en terme d’apparence et de caractère. Chez les philosophes grecs déjà, nos tempéraments (ce que nous appelons aujourd’hui la personnalité) étaient déterminés par un équilibre interne complexe d’humeurs, explique-t-elle rapidement. « Aujourd’hui, ce que les psychologues appellent la personnalité capture les différences fondamentales quant aux façons dont nous pensons, nous ressentons ou nous nous comportons. La personnalité n’est donc pas seulement un état émotionnel contextuel, mais consiste d’abord à définir un état relativement stable, des tendances et des préférences qui définissent chaque individu et qui les distingue les uns des autres. S’il existe différents systèmes ou cadres d’analyses psychologiques des personnalités, un modèle est devenu plus populaire que les autres : le modèle des Big Five. » Ce modèle estime qu’il y a 5 grands traits de personnalités qui captureraient nos différences cognitives et comportementales, à savoir l’ouverture à l’expérience (c’est-à-dire la curiosité), la « conscienciosité (c’est-à-dire le fait d’être organisé), l’extraversion (c’est-à-dire le fait de chercher la stimulation et la compagnie des autres), l’agréabilité (le fait d’être compatissant et coopératif) et le névrosisme (le fait d’éprouver facilement des émotions désagréables). Ces modèles, notamment le Big Five, partent d’une analyse lexicale du langage. À l’origine, dans leur article de 1936, les psychologues Gordon Allport et Henry Odbert ont analysé le dictionnaire anglais pour en extraire des milliers de termes et adjectifs utilisés pour décrire la personnalité ou le comportement et ont utilisés des méthodes statistiques pour les associer les uns aux autres. Ce modèle est effectivement l’un des modèles les plus utilisés aujourd’hui par la recherche en psychologie pour l’analyse de données. Il se présente sous la forme de tests de personnalité où les gens doivent autoévaluer des affirmations pour voir si elles leur correspondent au pas. C’est donc un modèle déclaratif. Ainsi pour mesurer l’extraversion par exemple, on donne aux gens l’affirmation suivante : « Je parle à beaucoup de gens lors de soirées » et on capture le degré avec lequel les gens sont d’accord avec cette affirmation (sur le mode de 5 choix, allant de tout à fait d’accord à fortement en désaccord – à l’exemple des tests psychologiques que vous pouvez réaliser sur le Centre de psychométrie de l’université de Cambridge

more...
No comment yet.
Scooped by Dominique Godefroy
Scoop.it!

L'émergence de la Marque Digital-Only

L'émergence de la Marque Digital-Only | e-Social + AI DL IoT | Scoop.it
La croissance insolente des DNVB, ces marques nées avec le digital, challenge distributeurs et marques « traditionnels ». Ces nouvelles venues sont-elles là pour les faire disparaitre ou est-ce juste un feu de paille ? Pour répondre à ces questions nous avons analysé les 100 premières DNVB aux USA et en France pour comprendre les clefs de leur succès.

« DNVB » est l’acronyme de Direct Native Vertical Brands. Ces marques, issues du digital, maîtrisent tant leur production que leur distribution. Elles ont également su développer une relation affinitaire avec leurs clients. Il s’agit de Bonobo, Blue Apron, Warby Parker aux USA, du Slip Français ou Envie de Fraise en France.

Les DNVB sont également appelées « V-Commerce », pour souligner leur intégration verticale ou « Direct-to-Consumer Brands » pour mettre en avant l’importance de leur relation directe avec leurs clients.

Ces marques, avec une croissance 3 fois supérieure à celle du e-commerce, sont l’une des avancées les plus intéressantes de la distribution online de ces dernières années.

Elles sont sur une tendance à plus de 12 Mds € de CA pour 2018 et si certains distributeurs ou marques traditionnels les considèrent comme une nouvelle mode éphémère, la clientèle, elle, répond présent.

Tandis qu’un nombre croissant de consommateurs dépensent une part de plus en plus importante de leur budget sur le Web, les DNVB prennent une part significative de ces ventes. Dans un futur proche, elles ont le potentiel de faire disparaître des marques et des distributeurs plus traditionnels. Ceux qui veulent survivre devront travailler encore plus dur pour maintenir leurs parts de marché, notamment en s’inspirant des nouvelles perspectives ouvertes par les DNVB.

Notre analyse des 100 premiers acteurs en France et aux USA fait ressortir 7 facteurs de différenciation.
more...
No comment yet.
Scooped by Dominique Godefroy
Scoop.it!

Predictions About Data Usage Post-GDPR

Predictions About Data Usage Post-GDPR | e-Social + AI DL IoT | Scoop.it
Whether you’re a consumer or a digital business, you couldn’t avoid hearing the words GDPR or consent in the last six months.

So, what happens now? Consumers received email consents and opt-in notices, companies made a mad dash to prepare for GDPR compliance and industry conferences covered the topic extensively. Certainly, GDPR has changed business practices, but has it actually changed perceptions around data usage and what companies plan to do in 2018 and beyond?

I spent a week at the Cannes Lions International Festival of Creativity asking industry leaders their perspective on this topic. I set out to learn two things:

What do you think about data-driven marketing post-GDPR?
What questions and concerns are your clients voicing to you about GDPR compliance?

I met with TiVo Advanced Media & Advertising SVP/GM Walt Horstman, Spotify Global Head of Advertising Brian Benedik and Apps Flyer Senior Marketing Director Ari Rosenstein. Here’s what I learned.
more...
No comment yet.
Scooped by Dominique Godefroy
Scoop.it!

Integrating AI with Social Media Marketing to Persuade Profitable Markets

Integrating AI with Social Media Marketing to Persuade Profitable Markets | e-Social + AI DL IoT | Scoop.it

The decade belongs to the phenomenal rise of social media marketing and advertising. Thanks to Mary Meeker’s insights on internet trends in 2018, marketing teams have a fair idea of how social media companies impact the way customers interact with their brands of choice. Social media marketing companies now rely on data that are collected and analyzed to create revenue opportunities across multiple marketing channels. Charged by the ever-widening expanse of social media platforms, channels, and applications— the role of AI has grown many times over within a decade. AI is one of the fastest-growing technological segments, which has been used since 1990- and is still gaining rapid appreciation.

Every marketer has been afraid of the revolutionary capabilities of AI, due to its superior processing powers and superfast analytical capabilities.

The International Data Corporation estimates that spending on AI platforms will reach a startling $57 billion by 2021. Social media marketers are using AI for predictive measures so as to forecast user’s behavior and to solve issues as soon as they develop. Almost every single social media platform is beginning to leverage AI in some medium or another.

more...
No comment yet.
Rescooped by Dominique Godefroy from LAB LUXURY and RETAIL ® : MARKETING & COMMUNICATION : Retail - Expérience Client - Luxe - Digital in Store - Future of Retail - Commerce Connecté - Omnicanal - Social Marketing - Influence - Réseaux Sociaux -Transformation Digitale
Scoop.it!

[Etude] : Quels usages les dircoms font-ils de Twitter ? 

[Etude] : Quels usages les dircoms font-ils de Twitter ?  | e-Social + AI DL IoT | Scoop.it
Longtemps cantonnés sur LinkedIn avec la plupart du temps un CV en ligne plutôt statique, les dircoms se sont progressivement aventurés sur d'autres terrains d'expression digitale comme des blogs, de la curation de contenus et surtout Twitter, agora consacrée de l'influence digitale qu'elle soit politique, médiatique ou activiste. En juin 2018, la start-up française Wiztopic (qui édite une plateforme de gestion et distribution de contenus pour communicants corporate et financier) a réalisé une étude pour cerner au plus près la façon dont Twitter s'est intégré dans les pratiques professionnelles des directeurs de la communication. Résumé des éléments clés à retenir.

Via Jérôme MONANGE
more...
No comment yet.
Rescooped by Dominique Godefroy from LAB LUXURY and RETAIL ® : MARKETING & COMMUNICATION : Retail - Expérience Client - Luxe - Digital in Store - Future of Retail - Commerce Connecté - Omnicanal - Social Marketing - Influence - Réseaux Sociaux -Transformation Digitale
Scoop.it!

Données personnelles : pour survivre, les acteurs historiques doivent répondre à trois questions stratégiques

Données personnelles : pour survivre, les acteurs historiques doivent répondre à trois questions stratégiques | e-Social + AI DL IoT | Scoop.it
Fortes de leurs données, les plates-formes numériques les utilisent pour se positionner sur des marchés non numériques. Une situation qui pose trois problématiques stratégiques aux acteurs historiques. Par Louis-David Benyayer, ESCP Europe et Romain Zerbib, Propedia

 

On a longtemps cru que l'emprise des acteurs numériques resterait cantonnée au logiciel, aux contenus dématérialisés et à l'information. Il est clair à présent qu'ils se servent de leur maîtrise dans ces domaines pour prendre des positions sur des marchés non numériques. Qu'il s'agisse du transport, de la gestion d'infrastructure ou de la banque, les annonces et réalisations se succèdent à un rythme hebdomadaire.

 

Google ne construira peut-être pas de villes mais, directement ou via ses investissements, il joue déjà un rôle d'organisateur de la mobilité tandis qu'IBM participe à la gestion des infrastructures de distribution d'eau de plusieurs villes. Avec la connexion des infrastructures et des objets, l'organisation des flux physiques passe par la maîtrise des flux d'information. Les données massives sont au cœur de ce mouvement qui remet en cause les positions des acteurs historiques de ces marchés.

Partage de valeur, nouveaux territoires concurrentiels et nouveaux positionnements, les données redistribuent les cartes.


Via Jérôme MONANGE
more...
No comment yet.
Scooped by Dominique Godefroy
Scoop.it!

Savoir dessiner une stratégie digitale

Savoir dessiner une stratégie digitale | e-Social + AI DL IoT | Scoop.it
Construire une stratégie digitale est souvent complexe et laborieux. Beaucoup d’éléments à mettre en scène. Beaucoup de thèmes à aborder. Enormément d’experts à coordonner. Contrairement aux autres médias, il faut penser contenu, contenant, techno, organique, et payant en même temps. Les disciplines qu’il faut activer sont techniques et entre-mêlées. Comment faire ?


L’art de la stratégie digitale sous un nouveau prisme

Chez Digitall Makers, nous avons imaginer un concept qui fonctionne bien : pour bien concevoir les éléments de votre stratégie digitale, il faut souvent assembler différents éléments d’un puzzle. Il faut partir du principe que la stratégie digitale ne peut pas être construit sur un schéma linéaire, mais au contraire sur une matrice sur plusieurs dimensions. Et il est vrai que le simple Power Point n’est pas toujours très bien adapté pour raconter un plan de communication, qui comprend plusieurs dimensions. Pour cela il existe plusieurs techniques à associer pour permettre une compréhension claire par tous les protagonistes de la stratégie digitale.

more...
No comment yet.
Scooped by Dominique Godefroy
Scoop.it!

How AI Optimizes Email Marketing Performance

How AI Optimizes Email Marketing Performance | e-Social + AI DL IoT | Scoop.it
More relevant content. More targeted offers and promotions.

Fine-tuned frequency and send times.

These are some of the mechanics of email tasks marketers are looking to AI to help improve.

“With tools such as Bluecore and Custora, we are able to learn from the customer’s past behavior and also anticipate what customers want to purchase - as well as the timing for when they want to buy,” says David Gottesman, director of digital marketing at Teleflora.

“This allows Teleflora to create a strategy with automated triggers for every stage of the customer lifecycle, helping build brand loyalty and keep the customer coming back.”

Does it work? Gottesman can’t help but like what he sees.

“This proved to be a very successful approach for us this Mother’s Day. Automated behavior-based trigger programs generated 50% more orders than last year.

“Throughout the Mother’s Day holiday period, we ran a series of predicted product affinity campaigns where we found the customers who are most likely to be interested in a specific category and leveraged that data for product-specific campaigns.”
more...
No comment yet.
Scooped by Dominique Godefroy
Scoop.it!

How you can transform your sales performance using artificial intelligence

How you can transform your sales performance using artificial intelligence | e-Social + AI DL IoT | Scoop.it

Of all corporate functions, sales by its very nature is surely the most people-focused. While it may no longer involve quite as much face-to-face interaction as it once did, selling has remained emphatically a job for people rather than machines.

However, AI and machine-learning are already starting to make major inroads into the sales process, adding an extra dimension to everything from marketing automation to customer relationship management. And they work. According to Salesforce Research, high-performing teams are at least twice as likely to be using intelligent sales technologies such as artificial intelligence, sentiment analysis, next-step analysis and deep-learning.


Tasks may be automatable, but customers still value the human touch

So, what further changes in the sales environment can we expect to see over the coming years?

more...
No comment yet.
Scooped by Dominique Godefroy
Scoop.it!

Le Cloud représente 20% des budgets informatiques en 2017

Le Cloud représente 20% des budgets informatiques en 2017 | e-Social + AI DL IoT | Scoop.it
Les dépenses effectuées dans les services Cloud représentent 20% des budgets informatiques de 2017, selon une étude de Gartner. Les analystes mettent aussi en avant la croissance explosive des principaux fournisseurs d’IaaS Amazon, Microsoft, Alibaba et Google.

Les analystes de Gartner annoncent une croissance de 30% du marché des IaaS (Infrastructures en tant que Service) en 2017. De 18,2 milliards de dollars en 2016, le marché a atteint une valeur de 23,5 milliards de dollars au cours de l’année.

Cet essor est lié à l’adoption croissante des services Cloud par les grandes entreprises, ainsi qu’à la disponibilité du Cloud étendue dans de nouvelles régions et de nouveaux pays. Le marché mondial des IaaS est largement dominé par Amazon Web Services, suivi par Microsoft, Alibaba et Google.

Les quatre principaux leaders du marché accaparent à eux seuls 73% du marché total des IaaS, et 47% du marché combiné des IaaS et des IUS (infrastructure utility services). Malgré l’écart qui le sépare d’Amazon Web Services, Microsoft a rencontré une croissance impressionnante de 98% pour son offre Azure IaaS. Les revenus générés ont dépassé 3,1 milliards de dollars en 2017. Avec une croissance massive de 63%, Alibaba est parvenue à prendre la troisième place à Google. Le fruit d’importants investissements en recherche et développement.
more...
No comment yet.
Scooped by Dominique Godefroy
Scoop.it!

Digital, social et mobile : un trimestre en croissance, malgré la chute de l’engagement sur Facebook

Digital, social et mobile : un trimestre en croissance, malgré la chute de l’engagement sur Facebook | e-Social + AI DL IoT | Scoop.it

Le dernier rapport trimestriel 2018 de Hootsuite et We Are Social nous révèle de nombreux changements dans le digital, le social et le mobile ces trois derniers mois.

Il y a beaucoup de tendances encourageantes dans le nouveau rapport, mais aussi certaines plus négatives que nous suivrons de près dans les prochains mois.

Ainsi, Facebook a vu les clics de ses publicités chuter de façon spectaculaire au cours des trois derniers mois, avec un recul de 20%.

Vous pourrez explorer en détail toutes les données dans le nouveau rapport sur Slideshare ci-dessous (cliquez ici si cela ne fonctionne pas), mais nous vous proposons déjà les grandes lignes à retenir de Q2 2018.

Le digital toujours en forte croissance

Le nombre d'internautes dans le monde a augmenté de 8% sur 1 an, boosté par l’accélération de l’accès à internet en l’Afrique et en l’Asie du Sud.

Environ 300 millions de personnes de plus ont eu accès à internet ces douze derniers mois, soit une moyenne de près de 10 nouveaux utilisateurs par seconde.

more...
No comment yet.
Scooped by Dominique Godefroy
Scoop.it!

Artificial Intelligence in Retail, Part 1: Applications Across Customer-Facing Functions

Artificial Intelligence in Retail, Part 1: Applications Across Customer-Facing Functions | e-Social + AI DL IoT | Scoop.it
Introduction

AI technology has evolved from being a “nice to have” into a necessity. Within retail, AI initially gained popularity thanks to its usefulness in personalization and automation, but it is capable of doing much more.

This report is the first in a series that explores AI in retail. Here, we look at the context and use cases for AI in functions that are primarily customer-facing. We introduce our CORE (communication, optimization of pricing, rationalization of inventory and experiential retail) framework and outline how retailers can use AI to interact with customers in a more engaging way, manage inventory better and price products optimally. We also discuss a number of vendors and startups that can help retailers deploy AI technology in their operations.

In our next report in the series, we will examine how retailers are using AI across various functions within their businesses, and in our third report, we will look more closely at AI startups that are particularly relevant to retail.

As we first defined in our Artificial Intelligence in Drugstore Retail report, AI, or machine intelligence, is human-like or intelligent behavior exhibited by computers and machines. It is enabled by a computer program or set of programs that help machines make autonomous decisions through cognitive functions similar to those typically exhibited by human beings, such as learning, decision making and problem solving.


The Retail Industry Is One of the Top 10 Investors in AI

AI applications are not limited to any single industry or sector; there are a myriad of potential uses for AI and some applications are transferable across industries. Software and IT services firms have accounted for the majority of AI investments, according to 2016 data from AI market research firm TechEmergence, but the tools developed as a result of these investments have been used in other sectors.

Retail is among the top 10 industries investing in AI, coming in at number five, according to TechEmergence. We believe that two key functions of AI will contribute to the growth and adoption of the technology in retail and more broadly:

Its ability to analyze vast pools of data and generate meaningful insights quickly.
Its ability to learn from its environment and from patterns in a growing data pool and adapt its output accordingly.

more...
No comment yet.
Scooped by Dominique Godefroy
Scoop.it!

What's Next For Google And Facebook?

What's Next For Google And Facebook? | e-Social + AI DL IoT | Scoop.it
It’s simplistic, misleading and oh-so-very-macho to depict Google and Facebook as two titans that stepped into the ring this week, with one of those companies (you know which one) suffering a bloody defeat, in large part because of the scoring of investors (sorry, boxing judges).

People often think in clichés. With both companies now moving past their Q2 financials into the second half of 2018 and its promise of holiday-season revenue, let’s acknowledge the obvious metaphor and get into the compare-and-contrast with hopes of figuring out what’s coming from both firms in the near- and medium-term.

Mobile Ads

First off, let’s get this out of the way: No matter what happened with a certain company’s stock price this week — Facebook’s stock on Thursday afternoon (July 26) seemed to be holding steady, if still down, after Wednesday’s plunge of up to 24 percent — or where the numbers lie now, the two companies essentially own digital advertising.

Excluding China, Google and Facebook took in 84 percent of global spending on digital advertising in 2017, according to one estimate, which said that spending will increase 4.3 percent in 2018, reaching $23 billion. Google commands 35 percent of the mobile advertising market, with Facebook at 25 percent, according to a recent eMarketer report.

The Q2 earnings releases from Google and Facebook give little reason to think that dominance will end. Mobile and automated ads accounted for most of the 24 percent year-over-year increase in Google parent company Alphabet’s Q2 ad revenue, according to Chief Financial Officer Ruth Porat. For Google, that is most of its ad revenue, along with most of its ad revenue growth, but specific figures were not available. For Facebook, that is 91 percent of ad revenue, up from 87 percent last quarter.

more...
No comment yet.
Scooped by Dominique Godefroy
Scoop.it!

Idealizing Big Data Logistics for Machine Learning Models

Idealizing Big Data Logistics for Machine Learning Models | e-Social + AI DL IoT | Scoop.it
Operationalizing machine learning for a specific business purpose has traditionally been an exacting process. Data scientists were tasked with procuring representative data samples, understanding business objectives in relation to them, then working on a seemingly ceaseless cycle of testing and retesting for useful predictive results.

Attempts to alter the model, or perhaps supplant it with another, only aggravated the process, considerably delaying time to value for business users attempting to leverage the performance benefits of Artificial Intelligence. Moreover, there were oftentimes intrinsic delays simply with putting those models into production, which created the same effect.

“When you’re deploying a new model you have to figure out how to test it,” MapR Senior Vice President of Data and Operations Jack Norris said about this traditional method. “You have to sample the data, expose it, do some tweaks, and then deploy that new model, figure out how to use it, etcetera.”

Nonetheless, organizations can considerably shorten this process by effectively engraining data science into the core—as opposed to the fringe—of their organizations to build machine learning models with the same data business units deploy. By optimizing this data into a consistent stream readily available for multiple enterprise purposes, they can build machine learning models faster, more accurately, and with much greater flexibility than they can using conventional silo methods that involve “a lot more moving parts and a lot more issues to get wrong,” Norris said.


Model Inputs

Machine learning data logistics become simplified when they’re based on continuously streaming event data that reflect or affect the specific business task at hand. This approach greatly contrasts that of typical machine learning model building, in which data scientists have to access data from a data lake or a store. The primary use of the foregoing data stream may be it’s applicability to business processes, but it’s also rife for influencing the creation of machine learning models designed to enhance that process.

Norris noted it’s critical to organize this streaming data “by topics, so you can slice and dice it in ways that make sense” to business objectives. The efficiency of this approach is attributed to what’s essentially multiple uses of the same data, which impacts “a model that’s using that input and processing it, and then publishing results of that model, which could be part of a larger business process,” Norris explained.
Testing and Performance

One of the premier boons of relying on streaming data in this capacity is the agility of calibrating and comparing additional machine learning models. For instance, data scientists may opt to select different models emphasizing distinct data traits. If so, they simply “take a new model and have it subscribe to the same stream,” Norris said. “Because the stream has persisted, I can have that read from the beginning of the year and go through all the same events that the original model went through and compare on the same dataset what was the output of the new model.”

The ability to build, train, and test models on the exact same data helps indicate differences in their performance. Undergoing this process with different data for respective models could create biases and is a distinct possibility with the conventional approach to creating machine learning models.

more...
No comment yet.
Scooped by Dominique Godefroy
Scoop.it!

La Titan Security Key de Google va sécuriser vos données

La Titan Security Key de Google va sécuriser vos données | e-Social + AI DL IoT | Scoop.it
Dernièrement, Google faisait la promotion, dans le cadre de sa nouvelle politique de sécurité des données, de l’utilisation des clés USB de sécurité pour lutter contre le phishing. Après avoir réalisé un test grandeur nature auprès de ses 85 000 employés, le géant américain annonce la commercialisation de la Titan Security Key.

Si actuellement, c’est la Yubikey développée par Yubico, qui domine le marché des clés USB de sécurité, il y a fort à parier que le lancement de la Titan Security Key de Google pourrait changer la donne. En effet, pour se démarquer de ses concurrents et rattraper leur léger retard, les équipes d’Alphabet n’ont rien laissé au hasard en termes de conception. En ce qui concerne l’utilisation, tout se résume en un mot : simplicité. Il suffit de taper son mot de passe, puis d’utiliser la clé pour confirmer son identité.

La Titan Security Key est dotée d’un microprogramme (appelé firmware pour les initiés), qui a été développé spécialement pour optimiser son fonctionnement. Celui-ci va lui permettre de vérifier régulièrement, et en totale autonomie, son intégrité. De plus, elle se décline en deux versions. La première dispose d’une connectique USB standard alors que la seconde est dotée d’un capteur Bluetooth. Ainsi, il sera possible de l’utiliser avec un smartphone ou une tablette, par exemple.
more...
No comment yet.