格倫·厄本 阿爾喬姆·季莫申科 帕拉姆維爾·迪隆 約翰·豪澤

深度學(xué)習(xí)在大數(shù)據(jù)庫分析方面的優(yōu)勢越來越明顯，它可以從中摸索出規(guī)律并得出洞見。不難想象有一天，企業(yè)能夠廣泛整合各種數(shù)據(jù)庫，以更高的水準和更強的分析能力來識別消費者需求，并利用所得信息進行精準的市場營銷。

深度學(xué)習(xí)和普通數(shù)據(jù)分析究竟有何不同？它是實現(xiàn)了質(zhì)的飛躍，還只是稍有改進？為了比較兩者的作用，作者研究了一個與信用卡市場相關(guān)的大型數(shù)據(jù)庫，探尋多層次深度學(xué)習(xí)模型是否可以比傳統(tǒng)模型更準確地預(yù)測人們對信用卡的選擇。

該數(shù)據(jù)庫源自大型信用卡網(wǎng)絡(luò)供應(yīng)商NerdWallet，其中包括點擊流、人口統(tǒng)計和廣告曝光等相關(guān)信息。作者利用這個數(shù)據(jù)庫比較了三種顧客選擇信用卡的模型。第一種是簡單線性回歸模型，第二種是簡單的深度學(xué)習(xí)模型，第三種是簡單深度學(xué)習(xí)模型的加強版。

根據(jù)分析，兩種基于深度學(xué)習(xí)的模型都能夠比傳統(tǒng)方法更準確地預(yù)測用戶對于信用卡的選擇。然而，改進并沒有預(yù)期的那么大：簡單線性回歸模型的準確率為70.5%，簡單深度學(xué)習(xí)模型的預(yù)測準確率稍高一些，為71.7%，復(fù)雜深度學(xué)習(xí)模型的預(yù)測準確率為73%。

既然深度學(xué)習(xí)對選擇預(yù)測的改進有限，市場營銷部門是否還有必要投資該技術(shù)并開發(fā)其關(guān)鍵能力？作者認為，和傳統(tǒng)的數(shù)據(jù)分析相比，深度學(xué)習(xí)帶來的預(yù)測準確率的小幅提升，在多數(shù)情況下不大可能產(chǎn)生足夠豐厚的回報，因此不值得大舉投資。在試水之前，企業(yè)不但要考慮可能的收益，還要考慮執(zhí)行的風險和成本。

深度學(xué)習(xí)的主要缺點在于很難確定哪些變量能對消費者的選擇產(chǎn)生更大的影響。是信用卡旅行獎勵還是低利率？由于變量是通過眾多影響選擇的潛在層進行處理的，因此很難衡量其中某一個變量的影響。營銷經(jīng)理的直覺判斷很難與模型結(jié)果相關(guān)聯(lián)，這將使深度學(xué)習(xí)的實施變得困難。

當然，還有其他因素需要考慮。獲取深度學(xué)習(xí)技術(shù)需要成本，實施該技術(shù)也需要相關(guān)人員，同時還可能導(dǎo)致額外數(shù)據(jù)成本。除此之外，即使使用當今的快速計算機，深度學(xué)習(xí)模型也需要大量的計算資源，并且可能需要較長的運行時間。大多數(shù)情況下，除非預(yù)測準確性的小幅提升能夠大大降低成本或增加收益，否則用深度學(xué)習(xí)取代傳統(tǒng)數(shù)據(jù)分析缺乏充足的理由。

盡管如此，作者仍然認為，某些情況下深度學(xué)習(xí)前景光明。與傳統(tǒng)的線性回歸模型相比，深度學(xué)習(xí)在分析包括圖像和非數(shù)值數(shù)據(jù)在內(nèi)的“豐富”數(shù)據(jù)庫方面具有顯著優(yōu)勢。這些豐富數(shù)據(jù)涵蓋了用戶生成的所有信息（例如亞馬遜評論、Instagram帖子、臉書帖子以及公司網(wǎng)站上的評論），其潛在價值是巨大的。

深度學(xué)習(xí)特別適合識別異質(zhì)和非結(jié)構(gòu)化數(shù)據(jù)中的模式。例如，有一種基于深度學(xué)習(xí)的模型可以幫助汽車設(shè)計師預(yù)測消費者對繪圖板上的汽車原型有何反應(yīng)，同時也可產(chǎn)生新產(chǎn)品創(chuàng)意。另一個案例中，研究人員根據(jù)客戶的新聞消費行為創(chuàng)建了一個模型，以預(yù)測他們將來閱讀新聞的習(xí)慣。最近，企業(yè)已經(jīng)開始使用深度學(xué)習(xí)來分析消費者在社交媒體上發(fā)布的品牌服裝圖片，同時預(yù)測哪些商品的客戶退貨率最高，哪些優(yōu)惠券產(chǎn)生的利潤最大。

隨著基于深度學(xué)習(xí)的新算法和更豐富的數(shù)據(jù)庫的出現(xiàn)，深度學(xué)習(xí)有望提供更好的結(jié)果。