如果医生采用机器学习会发生什么?
来源:CPDA数据分析师网 / 作者:数据君 / 时间:2020-05-15
由于几乎所有行业都在争分夺秒地成为数据驱动型企业
因此其中有一些明显滞后。其中包括公共关系,这是一门固有的难以量化的学科,虽然可以轻松汇总渠道发行量/受众数量来获得积极的媒体报道,或者汇总社会份额来获取公司内容,但是衡量其影响力的能力更不用说预测结果仍然难以捉摸,一方面很难通过标准的归因模型来确定媒体报道的影响,因为通常在阅读文章的人与采取预期行动的人之间没有直接的联系,此外影响媒体报道趋势的力量仍然是神秘的-如果我们理解它们,我们将对使我们成为一个社会的壁垒有更多的了解。
当前PR中的分析几乎完全以报告为中心
回答以下问题:有多少人阅读有关我们公司的文章?他们分享了多少次?没有模型可以解释为什么一家公司是媒体的宠儿,而另一家公司却不断受到媒体的嘲笑,或者为什么有些高管似乎获得了免费通行证,而另一些高管却说不出话来并反对他们。
机器学习可能不会很快取代PR的艺术
实际上该算法足够先进以取代经验丰富的PR专业人员的本能和创造力,这很可能是人类发明的一件事。话虽如此,机器学习可以在无数领域中完善和支持对PR至关重要的直觉和创造力。
发现标准指标之间的关系
机器学习可以阐明通知大多数PR报告的各种指标之间的关系,例如“不重复每月访问者”和“社交份额”是用于回顾性衡量活动有效性的常用指标,但是它们如何相互影响?线性和逻辑回归以及神经网络可用于确定这些指标之间的关系,甚至可能更重要的是,确定是否可以实施能够促进彼此优势的策略,搜索引擎排名与文章获得的社交份额数量有关,这表明如果公司投资于通过社交渠道分享文章。
NLP确定哪种内容影响力
几乎每位公关专业人士都具有让执行官下达创建“具有病毒性”内容的任务的令人毛骨悚然的经验,这是内容营销的圣杯,但没人真正知道为什么病毒性传播。实际上,困惑的问题之一涉及确定为什么某些媒体内容表现良好,自然语言处理(NLP)是潜在的强大工具,可帮助您在这一领域加深了解,诸如朴素贝叶斯和随机森林之类的算法可以通过分析先前内容的文本来学习,从而训练模型以预测未来内容的影响。
目前像Meltwater和Cision这样的平台都使用NLP形式来分析商品对品牌的情感
这仍处于早期阶段,可能是因为同一模型已广泛应用于众多品牌,因此算法不会在某些品牌的语言中引起细微差别。我怀疑该技术的下一阶段将涉及以融合行业和品牌细微差别的方式来训练模型,以提高准确性。
更好地针对记者
公关从业人员的大部分工作都花在确定要采访哪个记者的故事上,可以通过诸如具有关联规则的购物篮分析之类的技术来改善这一繁琐的过程。在行销中,此技术用于根据过去的购物行为来确定消费者可能购买的产品,此方法可以帮助他们根据报道的其他主题确定哪些记者更可能涉及某个主题。
我们发现报道过抗生素和便秘报道的记者报道益生菌的可能性是其3.7倍
如果您在一家益生菌公司工作,拥有此类信息将使您能够利用诸如Trendkite之类的工具来识别过去涉及这些主题的记者,从而消除针对记者的某些猜测,无监督学习,优先考虑目标市场公关中一项持续的挑战涉及确定哪些媒体与您的受众相关,这不是一个简单的问题,因为没有一个度量标准可以提供令人满意的答案。通过发行量对它们进行排名很容易,但发行量高并不意味着商店中的商品将对您的品牌产生重大影响,标准度量标准(例如发行量,反向链接数,权限得分和重要搜索词的数量)可以提供洞察力,但是考虑到每个出版物在每个出版物中的程度不同,因此很难提出一种涵盖所有这些功能的措施。
公关从业人员通常会被要求在没有任何先前结果数据的情况下确定媒体目标-很少有描述文章对品牌具有先前价值的数据
在这种情况下,诸如聚类之类的无监督学习技术可以按多种属性对出口进行分组,因此您可以开始了解出版物所带来的价值,诸如K-means之类的算法可以根据相似性将目标媒体出口划分为几组,从而可以对其进行分层并确定工作的优先级。
发现媒体报道中的隐藏模式
公关中机器学习激动人心的领域可能是挖掘媒体报道中的隐藏模式,探索中有趣的领域之一是查看文章中的某些术语与其他术语之间的关系,总之这些当然只是机器学习有可能应用于PR的几个领域。机器学习的其他主要领域包括媒体危机预测和新闻周期分析。诚然,公关从本质上来说是“人类”,因此它在本质上很难量化,因为在我看来,这正是它提供的潜在回报的原因。
查找您周边省份授权培训中心:
https://www.chinacpda.com/train/
2020年CPDA数据分析师线上报名:
https://www.chinacpda.com/baoming.php
数据分析行业协会:
https://www.chinacpda.com/association/
数据分析师的职业规划:
https://www.chinacpda.com/career/
CPDA数据分析师考核时间:
https://www.chinacpda.com/examine/
数据分析师行业大咖:
https://www.chinacpda.com/bigshot/
免费客服热线:400-050-6600
商业联合会数据分析专业委员会