Data Analytics wurde einst für Menschen gemacht, für statische Anwendungen, für Dashboards, KPIs und so weiter. Jetzt leben wir in einer Welt, wo wir sagen, Data Analytics wird wahrscheinlich in diesem Jahr und in den folgenden Jahren massiv von neuen intelligenten Agenten benutzt. Das ist ein ganz neues Paradigma. Mit generativer KI kommen wir endlich an alle Daten.

Man zieht also alle Mails und Gesprächsaufzeichnungen aus dem Kundendienst und KI wertet dann deren Inhalt aus. Dann kommt noch eine KI ("intelligenter Agent") und findet heraus, was davon interessant ist. Oder ist das anders gemeint?

you are viewing a single comment's thread
view the rest of the comments

[–] DrunkenPirate@feddit.de 3 points 6 months ago* (last edited 6 months ago) (1 children)

Ich verstehe deinen zitierten Absatz so, dass eine GenAI anhand von Kundendaten - also denen von Google Analytics - trainiert wird. Dadurch hast du sozusagen die prototypischen Kundenprofile. Letzte Ansatz lässt mich darauf schließen, da die GenAi dann fehlende Daten abstrahieren/ generieren kann.

Die SmartAgents sehe ich als eine Art Kamagnenbuilder. Also du hast ein Produkt/Service etc was du bewerben möchtest und dein Agent schneidet dir eine entsprechende Werbekampagne zusammen. Eventl sogar mit Werbebannern und personalisiertem Content und Bild. Targets sind dann anhand der Google Analytics AI gut spezifiziert. Der Agent sucht die besten Targets aus, mit der höchsten Erfolgsquote.

Aber alles Theorie, die sich auf Praxistauglichkeit beweisen muss. Bisherige KI Agenten verbrennen anscheinend Geld im Sekundentakt - wie Facebook vorgemacht hat

[–] Arigion@feddit.de 3 points 6 months ago

Hier gibts einen Artikel zum personalisierten Spam:

https://www.bcg.com/publications/2023/gpt-was-only-the-beginning-autonomous-agents-are-coming

For instance, in the near future, an autonomous agent could allow a marketing executive to carve out and automate whole segments of work. Based on a company’s past marketing campaigns, the agent could determine what worked and what didn’t, making its own decisions for future email design, scheduling, graphics, and subject lines. It could also identify the types of consumers a campaign should target and then assess whether the results—opens, views, clicks, and responses—are worth reporting back to management. If the results fail to meet the campaign’s objective, the agent could independently start again, creating a new, more refined list of target customers based on responses to the previous campaign.