Tulos Helsingin toimitusjohtaja Lasse Larvanko kertoo hankkeen kestävän puolitoista vuotta. Tuloksen lisäksi hankkeessa ovat mukana digitaaliseen viestintään erikoistunut ohjelmistyritys Koodiviidakko, natiivimainontaan keskittynyt markkinointitoimisto Calcus.com sekä kolme Aalto yliopiston tutkijaryhmää.

"Puolet investoinnista tulee avustuksen kautta. Tekesin osuus tästä on noin 380 000 euroa. Virallinen hanke kestää puolitoista vuotta", Larvanko kertoo M&M:lle.

Hankkeen taustalla on digitaalisen markkinoinnin jatkuva kehittyminen, johon kuuluu keskeisenä elementtinä koneoppimisen hyödyntäminen. Larvangon arvion mukaan koneoppiminen kehittyy vauhdilla. Tällä hetkellä on vaikea arvioida, mitä kaikkea sen avulla voidaan tulevina vuosina toteuttaa.

Koneoppimisen ajatuksena on automatisoida analytiikan mallien luominen siten, että käytettävät algoritmit oppivat jatkuvasti lisää käytettävissä olevan tiedon perusteella.

Käytännössä koneoppiminen mahdollistaa Larvangon mukaan sellaisten asioiden tekemisen, jotka on voitu aiemmin toteuttaa manuaalisesti, mutta hitaalla ja kalliilla tavalla. Myös tekemisen tavat muuttuvat ja monipuolistuvat.

"Konkreettinen esimerkki ovat äänikomennot. Ennen koneoppimista ääntä ei pystytty tunnistamaan tekstiksi ja sitä kautta järkeviksi tietokonekomennoiksi. Se on kehittynyt aivan valtavasti lyhyessä ajassa. Se on selkeä esimerkki siitä, millä tavoilla koneoppiminen voi muuttaa tekemistä. Tulevaisuudessa ruutu ei todennäköisesti ole suinkaan ainoa käyttöliittymä", Larvanko arvioi.

Koneoppimisen optimaalinen hyödyntäminen edellyttää suurta määrää eri lähteistä kerättyä dataa, kuten selainkäyttäytymisen perusteella kerättyä dataa, markkinoinnin automaation keinoin hankittua dataa ja asiakasdataa.

"Tekeminen on hyvin datavetoista. Siksi data pitäisi saada järjestettyä yhteen paikkaan. Koneoppimista voi tehdä vain hyvin pienissä asioissa ilman, että se vaikuttaa asiakkaan arkeen. Suurin hyöty tulee nimenomaan sitä kautta, että kaikki asiakkaan hankkima asiakasdata löytyy yhdestä paikasta."

Koneoppimisen edelläkävijät tulevat Amerikasta

Larvangon mukaan digitaalinen markkinointi kehittyy tällä hetkellä vauhdilla. Manuaalisen tekemisen osuus vähenee erilaisten automaatioratkaisujen kehittyessä. Dataa keräämällä ja analysoimalla on mahdollista tunnistaa potentiaalinen asiakas.

Kun asiakas on tunnistettu, voidaan määritellä, minkälainen luova mainos hänelle näytetään ja missä vaiheessa näyttö tapahtuu.

Koneoppimisen hyödyt eivät rajoitu pelkästään mainontaan. Larvangon mukaan sen avulla on mahdollista kehittää asiakaskokemusta ja määritellä tarkemmin asiakkaan eri kohtaamispisteet ostopolun aikana.

"Ajatellaan vaikka matkavarausta. Kun joku ostaa perheelleen matkan, siinä voi olla 12 eri kontaktia, erilaista kohtaamispistettä, joita asiakas kohtaa ostoprosessin aikana. Koneoppimisen kautta on mahdollista hankkia tietoa siitä, mitkä näistä kontakteista ovat ostamisen kannalta niin kriittisiä, että niihin kannattaa panostaa enemmän. Se tuo yritykelle säästöjä, kasvattaa markkinoinnin tehokkuutta sekä parantaa asiakaskokemusta.

Koneoppimisen synnyttämä murros ja sitä kautta kehittyvät työskentelyn tavat edellyttävät uudenlaista osaamista. Larvangon mukaan Ruotsissa mainosalalla pelätään jo, että amerikkalaiset koneoppimisen edelläkävijät tulevat ja kaappaavat markkinat haltuunsa.

Larvangon mukaan huoli ei ole perusteeton. Globaalit suuryritykset hyödyntävät aktiivisesti koneoppimista.

"Suurilla firmoilla, kuten Google lla, Amazon illa ja Facebook illa on niin äärettömät resurssit ja niin pieni tarve tehdä tulosta, että ne todennäköisesti tulevat voittamaan isossa skaalassa tämän pelin. Ne ovat samaan aikaan todella monelle sekä kumppaneita että kilpailijoita. Se tekee tilanteen haastavaksi."

Koneoppiminen luo työpaikkoja myös Suomeen. Se avaa Larvangon mukaan yrityksille myös mahdollisuuksia. Tulos etsii noin kymmentä uutta tekijää ensi vuodelle. Kiihtyvä rekrytointitahti luo tarpeen myös HR-johtajalle.

"Asiakaskokemus on se tekijä, joka erottelee menestyjät. Paras asiakaskokemus on henkilökohtainen, mutta eihän se voi olla henkilökohtainen ilman koneoppimista", Larvanko toteaa.