“数据驱动的思维”由媒体社区成员撰写，并包含有关媒体数字革命的新想法。

在过去的几年中，广告变得更加受数据驱动。AI在转型中发挥了重要作用，帮助广告商衡量广告系列功效，并将数据转化为可行的见解。

但是AI远非无误。该技术反映了人类的偏见。因此，为了充分利用AI，广告商必须将数据分析团队多样化，以将各种各样的观点和才能带入数据收集和决策。然后，广告商可以结合人造和人类智能，以最大程度地提高每个智能的价值。

这是有关如何做到这一点的路线图。

了解并减轻AI的限制

要了解AI的局限性，请考虑今年的澳大利亚公开赛。该比赛使用AI实时处理匹配数据，并对可能的胜利者进行预测。在男子决赛中，拉斐尔·纳达尔（Rafael Nadal）对阵丹尼尔·梅德韦杰夫（Daniil Medvedev）进行了两套爱。他是投影有4％的获胜机会。但是纳达尔（Nadal）违反了AI的数据驱动预测能力，并赢得了接下来的三局以赢得比赛。

广告中的AI也是如此。如果我们以不同的方式提出消费者调查问题，我们会得到不同的答案。如果我们扫描数据集以获取某些人口统计信息但遗漏，那么我们有可能提出偏斜的分析和次优决策。为此，广告商在使用该技术进行营销分析时需要意识到AI的盲点。

数据科学家应采取的一个关键步骤，以确保AI的最高准确性和质量是积极认识到收集的数据中的任何选择偏见，并使用随机化或统计校正将其删除。

调查数据尤其如此。某些调查格式和媒体吸引了特定类型的参与者。基于小组的研究组织提供的各种激励计划也可能影响受访者组成。数据科学家需要考虑样本组成，而不仅仅是数据所说的内容。

多元化数据分析团队以最大程度地减少AI的盲点

当人们看到商业挑战或假设时，他们的工作方式有所不同，他们的背景和过去的经验为他们的方法提供了信息。只有通过多样化的团队以及他们喜欢的问题解决方法，我们才能在满足所有可能的解决方案方面具有最大能力。

假设市场研究团队正在设计一项调查，以了解不同性别的客户如何响应广告。一个没有任何识别性别二进制以外的人的团队无法说明性别流动性和非二进制人。如果产品适应某种性别的人或经常识别为非二进制的年轻人和城市人群，那么未能使团队多样化的人会偏向研究并破坏分析的精度。

尽管如此，缺乏多样性。根据一个，近十分之一的营销人员是白人民意调查在其1,400家成员公司中有61人的ANA。调查很少包含受访者以识别非二进制的选项。任何从事营销工作的人都知道，重要决策者之间的多样性会下降。例如，根据ANA的说法，被识别为女性的人占管理员的75.1％和70.8％的入门级营销专业人员，而他们仅占高级管理层的54.8％。

机构必须解决多样性问题。这不仅意味着雇用多元化的员工，而且在高级级别上多样化。

结合人造和人类智力

在广告分析中，最大化人工和多样化人类智能的综合价值的主要障碍是多选择的市场研究。广告行业需要通过更多的开放式实验和调查来收集有关客户的信息。然后，它可以使用AI驱动的文本挖掘和其他策略来将更多的非结构化数据转换为可行的见解。

改进的另一个领域是使用分析来了解客户情绪。感觉太复杂了，无法在二元数据上表达出来。自然语言处理工具可以使团队能够在公共平台上分析自由形式的客户表达，评估诸如广告系列产生多少嗡嗡声，人们对新品牌或产品的感觉，或者自从专业以来的客户情绪如何发展公司活动。对非结构化数据的分析消除了人类带来的偏见，并为受众分析和营销提供了更准确的数据驱动方法。

如今，广告分析团队和市场研究人员从前端消除了人类的歧义，迫使客户在不反映其复杂性的调查中适应二进制文件。然后，在基于过度简单的数据做出决策时，我们过于依赖人类直觉，引入错误和放大偏见。

理想情况下，相反的情况是正确的。广告行业应为信息收集的歧义留出更多的含义，并在解释数据，校准媒体组合以及确定归因时更多地依靠技术。如果我们能够朝这个方向发展，广告将成为一家更公平，代表和真正的数据驱动业务的道路。

关注msix（@msixagency）和Adex爱游戏体育骗子changer（@爱游戏体育骗子adexchanger）在Twitter上。