说到机器学习，不论你是什么领域的工作者，都一定或多或少听说过它的名号。
因为“AlphaGo”“NASA发现系外行星”等一系列的热门爆点话题，机器学习又被推到了人前，受到越来越多人的关注。
它同“人工智能”一样，是一个大概念，指的是赋予机器智能，能够像人类一样进行决策。
机器学习是一个真正独特的领域，因为它既复杂又简单。
例如，你可以比较一下这两段的描述：
“机器学习是计算机科学的一个分支，从人工智能中的模式识别和计算学习理论研究发展而来。机器学习探索能够学习和预测数据之算法的研究与构建。”
“机器学习是让计算机无需明确编程便可采取行动的科学。”
第一个来自维基百科，第二个来自斯坦福大学线上机器学习课程的描述 。完全是不同的风格，对吧？那么，机器学习为何会如此既复杂又简单呢？原因就在于它无所不在。
在过去的十年中，机器学习已经为我们在图像识别、语音识别、自然语言处理、自动驾驶汽车、有效网络搜索，以及提高人类基因组的认识方面带来大量帮助。
毫无疑问，机器学习目前位于新兴技术炒作曲线的顶端，一场变革正开足马力、蓄势待发。
作为外贸企业的你，一定不想错过这场技术革新带来的红利，但如何将机器学习与自己的企业经营管理联系在一起呢？
这就不得不提到离外贸企业最近的机器学习——Google Ads。
谷歌本身就是机器学习领域的先行者，谷歌AlphaGo和李世石的世纪围棋大战，人类以1：4的比分被AlphaGo击败，相信很多人都不陌生。如今，机器学习已经广泛应用在Google Ads广告自动优化中。
2017.11谷歌推出的针对App广告投放的UAC (Universal App Campaign)
2018.04谷歌推出的针对B2C在线购物的USC(Universal Shopping Campaigns)
Google UAC、USC使APP/B2C场景下的广告投放异常简单。在设置好广告目标、预算，并上传素材后，无需人为干涉，便可以根据素材自动生成合适的广告进行展示。
而按之前的方式来推APP/B2C，需要优化师手动设置好广告系列，还要设置广告组，然后设置广告、关键词、出价等。
两种方式对比，UAC、USC的易用性确实是好了很多，但优化师对于广告投放的干预空间却小了很多，几乎不能对广告投放给哪些平台及哪些受众做干预。
那靠什么来决定广告的投放平台和受众呢？答案就是机器学习。
● 首先，Google会根据用户属性、历史搜索行为、浏览行为等海量数据，为每个用户打标签，建立特征值。
● 其次，根据Ads后台设置针对用户投放广告并收集广告投放结果数据，数据主要围绕广告投放目标受众的特征值以及是否达成广告主设置的目标值来收集。
● 第三，选择合适的算法，可以选择的算法主要有logistic regression（逻辑回归）， decision tree（决策树），neural network（神经网络）， support vector machine（支持向量机）等等。
● 第四，利用选定的机器学习算法对广告投放受众进行优化，即增加对达成广告主设置的目标值的广告受众的广告投放，减少对未达成广告主设置的目标值的广告受众的广告投放，从而逐渐提升广告投放效率。
为什么只能用在APP/B2C推广上，而在外贸推广领域Google并没有推出类似的产品呢？如果你是外贸老板，一定会想到这个问题。
众所周知，AI的学习，必须依赖于“学习→反馈→调整”的过程，因此如果Google Ads AI想要获得成功，就必须形成在线的“广告→成交→反馈”营销数据闭环。
在App/B2C场景下，所有的成效（浏览、注册、下载、购买等）都是在线发生的，可以建立完整的营销数据闭环，这也是UAC、USC大获成功的前提。
而在B2B场景下，Google无法形成营销数据闭环。
B2B企业的典型场景是线上获取询盘、线下跟进成交。线上获取询盘的主要渠道是网站客服系统和在线留言表单，而询盘到订单的转化是需要人工判定，并通过CRM系统来跟进和管理的。
没有数据的支持，谷歌机器学习是英雄无用武之地，完全不能发挥其超能力。
而这也是我们询盘云要解决的问题之一，让谷歌的机器学习能够在外贸推广领域落地，帮助外贸企业不断提升自己的Google Ads广告投放效果。
因为询盘云SaaS打通了“流量→着陆→交互→销售→订单”全流程，在完整的大闭环中又包含一个个营销转化小闭环，帮助Google Ads AI在B2B领域构建起完善的广告智能投放系统，弥补Google Ads在B2B领域的数据缺失问题，让谷歌的机器学习充分学习企业数据，不断改善广告投放效果。
希望通过询盘云的AI团队和AI算法，帮助每一个企业获取准确用户画像，准确预测每一个广告带来的流量价值，真正实现外贸成功。
