First Dataset

但在 2019 年，随着构成机器学习架构设计的神经网络变得越来越先进，机器学习正在被推向新的高度，并为许多行业的公司打开新的大门。 

尽管机器学习和数据分析过去被认为是完全不同的，但它们正变得更加融合——这一趋势对现代小型企业有利。虽然有多种应用，但机器学习确实彻底改变了品牌向消费者营销的方式。 

例如，公司可以分析大量营销数据，以创建完全优化和个性化的信息。品牌可以根 柬埔寨whatsapp 数据 据潜在客户的位置、人口统计以及他们是新访客还是回访者等因素提供定制促销，这通常被称为“超个性化”。 

同时，推荐算法允许品牌根据之前的客户购买和互动来推荐相关产品，类似于 Netflix 和亚马逊。 

3.暗数据
暗数据并不具有任何威胁性或危险性——事实上恰恰相反。、处理或存储但未能利用的信息资产。 

这些数据有价值但却被忽视了。常见的例子包括未使用的客户数据、已打开但未删除的电子邮件附件以及旧的客户支持单。预计到2020 年，暗数据将占所有数据的 93%，越来越多的组织正在采取措施利用暗数据。 

他们采用的一种方法是使用客户支持日志中的数据来查看客户使用哪种媒介发起联系以及互动持续了多长时间。这些暗数据使企业能够确定个人首选的联系方式，以便他们能够在未来提供更好的客户服务体验。 

在生成未使用数据的方法方面，网络数据集成非常有效。它涉及将网站转换为结构化、可用的数据，以便获得深入的见解，然后可以将其集成到分析和业务应用程序中。 

在一个案例中，一家金融服务公司因无法立即检测潜在客户的法律文件是否表明潜在客户状态发生变化而错失了销售机会。但借助 Import.io 的 Web 数据集成，只要潜在客户执行目标操作，该公司就会不断获得更新的数据，确保他们的潜在客户始终保持最新状态。 

中小企业如何使用数据分析？
对于小型企业来说，机器学习的主要应用之一是用它来跟踪销售周期不同阶段的客户。小型企业可以使用数据分析来确定准备购买的特定客户群（更重要的是，确定何时购买）。

数据分析还可用于改善客户服务。例如，机器学习工具可以分析销售代表和客户在电子邮件、聊天和社交媒体等渠道上的对话。因此，可以更深入地了解客户遇到的常见问题，并利用这些问题确保客户对产品、服务或品牌拥有出色的体验。