2022年美国将举行1000多场州及以上级别的选举。 截至 2022 年 6 月 30 日，与民主党和共和党有关的六个筹款委员会报告称筹集了总计 13 亿美元的资金。 这是大量的政治运动和金钱。
像 Sterling Data Company 这样的专业公司就参与了有效筹集资金并将其用于营销活动的领域。 Sterling 是一家专注于筹款的全国性民主党政治数据公司。 无论您的政治偏好如何，Sterling 对人工智能的使用对于几乎所有寻求获得竞争优势的组织都具有指导意义。
低代码，大捐助者
Sterling 越来越依赖人工智能来推动其业务这一事实并不特别令人惊讶：今天谁不使用人工智能？ 但令人惊讶的是 Sterling Data 如何使用人工智能。 首先，他们不聘请数据科学家和人工智能专家。 相反，他们使用 SaaS 无代码人工智能平台 Akkio，只需将 Excel 电子表格上传到云中即可。 尽管这种方法很简单，但 Sterling 的人工智能驱动能力与规模大得多且雇用成本更高的公司相当，这些公司拥有专门的数据科学家和人工智能专家团队。
那么它是怎样工作的？
斯特林与从市议会级别到国会竞选的候选人都有合作。 他们在 1,000 多名客户中为贝托·奥罗克 (Beto O’Rourke) 的德克萨斯州州长竞选提供咨询服务。 为了支持他们的工作，斯特林多年来积累了超过 3000 万竞选捐赠者的数据库，每个捐赠者都由多达 500 个不同的变量定义，例如捐赠金额、投票记录、年龄、杂志订阅等。
Sterling首席执行官马丁·库鲁茨(Martin Kurucz)表示，美国每个国会选区平均有多达5万名捐赠者，平均约为17,000名。
“候选人如何找到对他们的事业感兴趣的人？” 库鲁兹问道。 “这就是我们的切入点。我们有大量的变量，我们试图找出最有可能的人是谁。”
库鲁兹说，数据分析部分只是为候选人制定筹款策略的极其复杂的挑战的一部分。 对于不同的竞选场景，存在许多不同的分析模型，例如某位政客在任何特定的竞选中是否是有希望的候选人。
为了展示人工智能如何深刻影响结果，库鲁茨带我经历了一场假设的明尼苏达州国会候选人竞选。 候选人提供他们自己收集的数据。 从该列表中，与斯特林自己的数据库相结合，并考虑到竞选活动必须用于筹款的预算，斯特林需要找出谁最有可能捐款。
Kurucz 使用每个名字超过 500 个变量，为 Akkio 提供了他想要生成的模型的参数，该模型将显示最有可能的捐赠者。 根据数据集大小，Akkio 在 30 秒到 30 分钟内返回结果。
库鲁兹说：“我还没有发现任何其他东西可以做到这一点，甚至远远不够。” “最终的模型对于该候选人来说是独一无二的。 现在，您可以部署它来预测“零”（不是捐赠）或“一”（可能的捐赠）。 我们对其进行测试并修改模型。 最重要的是，你可以对其进行回测。”
他说，Akkio 创建的模型的性能比通常方法创建的模型高出 400%。 从历史上看，他的最佳模型在三个月内为候选人显示了 100% 以上的投资回报率。 Akkio 模型可以在一个月内实现正投资回报率。
这就是人工智能的力量。 但神奇的是，无代码方法将这种力量交给了日常从业者，他们不再需要昂贵的数据科学家来实现这些结果。
库鲁茨说，他可以在飞机上的笔记本电脑上创建并运行他的人工智能模型。
“政治竞选中名单分析的支出疯狂增长，”他说。 “但只有少数公司拥有所有不同的拼图来使其发挥作用——现在越来越多的人工智能驱动。 所以这就是大部分的发展方向。”
