Machinelearning, of autonoom leren, wordt gezien als een vorm of subcategorie van kunstmatige intelligentie. Deze techniek ontstond in 1950, toen de Britse wiskundige Alan Turing de turingtest ontwikkelde omdat hij wilde weten of een machine de menselijke gedachtegang kon nabootsen. Concreet worden bij machinelearning algoritmen in het kader van een specifieke opdracht getraind om terugkerende patronen (‘patterns’) te ontdekken in een groot aantal verschillende gegevens. Zo leert de machine op termijn de taak zelfstandig uit te voeren en presteert ze steeds beter.
In 1952 ontstonden de eerste zogenaamde intelligente programma’s. De Amerikaanse informaticus Arthur Samuel gebruikte in 1959 voor de eerste keer de term ‘machine learning‘ voor het programma dat hij zeven jaar eerder ontworpen had: een damspel dat bijleert van de gespeelde spelletjes. Tot in 1960 spraken kunstmatige intelligentie en machinelearning wel tot de verbeelding, maar de resultaten konden de gedane beloften niet inlossen. Daardoor nam de belangstelling geleidelijk af. Pas dertig jaar later werd machinelearning nieuw leven ingeblazen, met name dankzij de opkomst van het internet en de aanzienlijk toegenomen rekenkracht van computers.
Toepassingsgebieden van machinelearning
Machinelearning verplaatste zich geleidelijk van de wetenschappelijke naar de publieke sfeer, onder meer dankzij de uitvinding van Deep Blue – een computer van IBM die een meester in schaken is. In eerste instantie werd machinelearning vaak toegepast in de gamewereld, maar intussen is dit al in tal van sectoren het geval. De techniek is bijvoorbeeld bijzonder nuttig voor beeldanalysesystemen in de geneeskunde, voor zelfrijdende voertuigen, voor zoekmachines en automatische spamfilters in je mailbox, voor chatbots en digitale spraakassistenten en in heel wat andere domeinen. De datawetenschap zet machinelearning in om algoritmen voor voorspellende analyses te ontwikkelen. Na grondige tests kunnen die algoritmen – toegepast op specifieke soorten gegevens – dan de toekomst voorspellen.
Machinelearning en contentmarketing
Tegenwoordig speelt machinelearning ook een belangrijke rol op het vlak van contentmarketing. Deze techniek helpt bedrijven aanzienlijk door gebruikersgegevens te verzamelen waarmee algoritmen de interesses, de gevoelens en het gedrag van het doelpubliek kunnen achterhalen. Op die manier kunnen bedrijven die actief zijn in de sector van de contentmarketing dichter bij hun huidige en potentiële klanten komen. De conversiegraad opkrikken, meer verkopen, het rendement op hun investeringen verbeteren: dankzij machinelearning zijn de mogelijkheden legio.
"De toekomst is hier - Machine Learning transformeert de manier waarop we de wereld begrijpen en problemen oplossen."
Sentimentanalyse: een voorkeursmethode voor meer betrokkenheid
Hoewel contentmarketing verschillende methoden van machinelearning gebruikt, is sentimentanalyse (naar het Engelse ‘sentiment analysis’) een van de populairste benaderingen bij bedrijven. Daarbij probeert men de geestestoestand te begrijpen van het publiek dat de content van het bedrijf leest. Of het nu gaat om teksten, advertenties of posts op sociale media. Zo krijgt het bedrijf een beter beeld van welke soorten content voor de meeste betrokkenheid zorgen en kan het zich daarop concentreren.
Voorspellende analyses: de hele dag door anticiperen op betrokkenheid
Een andere aanpak die bedrijven veel gebruiken is de voorspellende analyse. Bij dit proces wordt informatie uit een grote hoeveelheid gegevens gehaald om eerdere trends te begrijpen en zo toekomstige resultaten te kunnen voorspellen. Voor contentmarketing kunnen voorspellende analyses nuttig zijn door bijvoorbeeld de hele dag door gegevens verzamelen om dan te analyseren op welk moment bepaalde content meer kans heeft om tot een conversie te leiden. Machinelearning wordt dus niet alleen gebruikt om te begrijpen welke content het meest relevant is voor de doelgroep, maar ook om de content op het juiste moment aan te bieden. De voorspellende analyse is uiteraard niet onfeilbaar, maar ze maakt het werk voor bedrijven wel gemakkelijker doordat ze gerichter en makkelijker content kunnen creëren.
Tekst Andrea Tarantini
