理解顾客的行为
除了上述诸多优势，机器学习同样擅长情绪分析。对于不熟悉市场营销的人，公众的意见看起来似乎总是不甚明晰，然而这些意见往往能够推动许多决定的出台。
例如，一家电影公司提前放出一部暑期档大片的预告片，紧接着他们会检测受众的反馈，然后迅速调整广告策略，使电影的宣传直击观众的需求，为日后的高票房打下前期基础。
这些公司是如何从成百上千万的评论中得到微弱的信号呢?正是通过机器学习，在过去的几年中，通过机器学习去分析社交媒体中的数据已成为标准的操作流程。
机器学习何去何从
研究机器学习的算法可能会十分费事，一般的算法是可以进行预测的，并且我们可以观测到它们的运作方式，而机器学习则更像人类。作为用户，我们很想知道为什么纽约时报会播这么奇怪的广告，亚马逊网站为何要推荐这么滑稽的书?
而事实上，纽约时报与亚马逊的系统也不知道为何会给出那样匪夷所思的推荐，就像人脑无法解释今天晚上为什么选择吃泰国菜，或者为何有时会坠入维基百科的众多词条中不可自拔。
如果你在十年之前就接触了机器学习，就会发现除了谷歌和雅虎，几乎找不到机器学习的踪影，而今天机器学习无处不在。数据与资料比以往任何时期都更易获得，同时，诸如IBM Watson与微软Azure ML等新产品的出现也压低了机器学习算法的建立及维护的费用。
据了解，Bloomburg Beta等投资基金都将目光聚焦于各行业中运用机器学习获得较大优势的企业。
很多关于机器学习的谈话都局限于人工智能助手或是自驾车的范畴，其实你所使用的每一个网站背后都有机器学习的技术支持，大企业投资机器学习并不仅仅是为了赶潮流、争第一，而是因为机器学习能够带来正的资本回报率，这其实是推动变革的真正原因。
