隨著電腦運算能力與容量大幅進(jìn)步以及數(shù)據(jù)大量產(chǎn)生后，評論認(rèn)為，廣告業(yè)者若及時引進(jìn)機(jī)器學(xué)習(xí)(ML)，將可更準(zhǔn)確預(yù)測個別用戶偏好，并據(jù)以提供適當(dāng)廣告內(nèi)容，從中減少耗時與不必要的人力分析過程。據(jù)Adotas報導(dǎo)，目前許多廣告業(yè)者仍采用所謂“觸及范圍與頻率”(ReachandFrequency)方法，也就是一再向每個人廣播同樣訊息，結(jié)果導(dǎo)致消費者厭煩而設(shè)法封鎖廣告。　　 

　　部分業(yè)者之所以仍采用此方法，主要是受到電視與印刷媒體廣告思維影響，無法正視數(shù)字廣告可帶來一對一與消費者溝通的契機(jī)，其他原因則是認(rèn)為要執(zhí)行后者的難度相當(dāng)高。程式化媒體采購平臺就如同大型揚聲器配上糟糕的音樂，負(fù)責(zé)廣告的創(chuàng)意與訊息端一旦無從施力，就等同音樂本身品質(zhì)無法提升，卻只是一味將該音樂音量放大。評論認(rèn)為，在廣告里，欲設(shè)計與傳播適合個別用戶的相關(guān)與精準(zhǔn)訊息確有難度，因此，目前可將電腦程式化各種可能情境。例如消費者瀏覽戶外產(chǎn)品時，若時間剛好是周末而且預(yù)報下雨，透過上述條件以及知道該消費者喜愛戶外活動，廣告商便可提供鞋子并在當(dāng)中提及在雨中健行的相關(guān)訊息。　　 

　　另一例子就是當(dāng)周間預(yù)報天晴時，廣告商便可提供民眾在溫暖氣候戶外慢跑的不同產(chǎn)品與訊息。雖然要判斷民眾行為與其前后關(guān)系、再給予客制化訊息耗時且成本高，但此時便可讓機(jī)器學(xué)習(xí)派上用場，借由持續(xù)從大量數(shù)據(jù)學(xué)習(xí)，機(jī)器學(xué)習(xí)演算法可接近模仿人腦運作。而且當(dāng)電腦被給予大量數(shù)據(jù)以及讓演算法接觸到本身產(chǎn)生的錯誤時，機(jī)器學(xué)習(xí)就能發(fā)揮最大功效。換言之，就是開發(fā)1個機(jī)器學(xué)習(xí)訓(xùn)練模型，一旦使用足夠大量數(shù)據(jù)組后，模型會愈加準(zhǔn)確，甚至超越人腦的能力。機(jī)器學(xué)習(xí)演算法可讓行銷者處理大量消費者數(shù)據(jù)，并從中學(xué)習(xí)及預(yù)測最佳產(chǎn)品、訊息以及提供內(nèi)容的時間點，帶來更好的客戶互動率。除此之外，隨著云端運算的能力、便宜硬件與大量存儲器出現(xiàn)，機(jī)器學(xué)習(xí)的領(lǐng)域持續(xù)擴(kuò)大。長期以來，行銷商便習(xí)慣將用戶區(qū)分成廣告受眾群，但問題在于受眾仍相當(dāng)廣，依舊擺脫不了重復(fù)一體適用的行銷思維。　　 

　　雖然要確認(rèn)個別用戶，例如母親的偏好以及其可能有所反應(yīng)的東西有其困難，但機(jī)器學(xué)習(xí)演算法具備處理大量數(shù)據(jù)潛力，可發(fā)現(xiàn)不同民眾之間細(xì)微的差異，就像臉部辨識利用分群來打造微受眾一樣。若機(jī)器學(xué)習(xí)可辨識微受眾并進(jìn)一步發(fā)現(xiàn)其偏好與習(xí)慣，一旦再加上結(jié)合機(jī)器學(xué)習(xí)可判斷能引起用戶興趣的訊息的能力，其帶來結(jié)果將如虎添翼。日前JivoxIQ推出Neuron機(jī)器學(xué)習(xí)演算法并勝過消費品產(chǎn)業(yè)品牌經(jīng)理后，讓外界一窺機(jī)器學(xué)習(xí)在數(shù)字行銷的力量。評論認(rèn)為，當(dāng)機(jī)器愈有智能，將可為行銷者節(jié)省愈多分析成堆數(shù)據(jù)與報告的精力，轉(zhuǎn)向去思考創(chuàng)意策略與了解消費者行為。