人工智能 (AI) 已成为我们所有人不可或缺的盟友。借助它，我们可以优化流程并成倍提高工作效率。在数据分析领域， 和 Google Gemini等工具有望成为组织不可或缺的一部分，促进复杂分析任务的自动化和优化。从修复数据格式和不一致问题，到可视化图表和仪表板，再到获取洞察，无所不包。这些生成式人工智能 (LLM) 不仅简化了信息处理，还能促进方法、流程和最佳实践的标准化。与许多其他场景一样，人工智能的出现是为了帮助专业人士更轻松、更快速地完成工作。我们已经在写作和编程等任务中假设了这一点，它也可以应用于数据分析。菲律宾 WhatsApp 号码数据 在本文中，我们将深入探讨市场上三大主要的文本导向型人工智能：ChatGPT、Claude 和 Gemini，它们如何在现实商业环境中发挥作用，尤其是在以数字营销为中心的分析领域。 我们希望对这三者进行比较，并为您提供有价值的见解，让您了解哪种方法最适合每种类型的任务，然后您可以决定如何使用 AI。
人工智能如何在数据分析中发挥作用
对于那些从未尝试使用这些人工智能进行分析的人（因为我们知道您以前可能已经使用它们来提问或写问题），我们将解释它是如何工作的。
- 我们首先像往常一样使用这些基于人工智能的聊天工具（ChatGpt、Claude、Gemini）：写下并请求我们想要的内容。如何编写、提供上下文以及如何引导机器是一门艺术，这将会是另一篇文章的主题。但即使没有太多练习，只需提出请求就能获得结果。
- 我们一如既往地向人工智能提出请求，但这次我们将直接专注于分析，从现有数据中获取结果和结论。为此，我们需要将数据（通常为 CSV 格式）导入计算机，然后上传给人工智能进行处理。我们也可以通过上传图像来实现，但通常效率较低，因为我们是在强迫它解读数据。
- 在 ChatGPT 和 Gemini 中，这种分析是自动进行的；它们的大多数模型都能顺利执行（而那些无法执行的模型则无法执行）。然而，在 Claude 中，我们必须启用此功能。我们需要进入用户配置选项，并激活“分析工具”功能（在“功能”下）。
- 该系统的工作原理与所有人工智能非常相似：1. 系统会告诉我们它正在“分析”，然后在后台编写程序代码，用于处理数据、进行分类和优化。引领数字营销服务走向成功 您可以通过点击查看该代码，但默认情况下它是隐藏的，因为它假设您不感兴趣。2. 然后，人工智能将自行执行该代码，保留结果，然后继续工作。如果您愿意，并且了解一些编程知识，您可以打开生成的代码，查看它分析内容的步骤。
- 经过初步分析后，人工智能将返回其生成模式，现在可以为我们提供有关其提取内容的见解，但它并没有就此结束。
- 另一个（可选）细节是能够向我们展示数据可视化或返回预处理数据。每个AI对此采取不同的方法，并且略有不同，但目标是相同的：通过文本、可视化或文档向我们传达结果。
- 因此，如果使用得当，该系统只需几分钟就可以完成通常需要数小时甚至一整天的工作。
比较分析框架
为了了解这些工具的功能，我们用三个AI系统进行了相同的分析练习，发现每个系统存在不同的问题和优势。本次分析并非技术性的，也并非基于官方基准或压力测试，而是在我们机构IKAUE的环境下，尝试使用AI进行真实世界分析的实践经验。
我们评估过的模型
- OpenAI ChatGPT GPT4o：全向多模态版本，能够上传文件并使用分析模块。这是开启聊天时的默认版本。作为最先进的版本之一，它除了支持多模态功能外，还能上传文件和访问分析模块。
- Claude Sonet 3.5 新功能：新版 Anthropic 包含分析工具模块，允许您通过创建和执行代码来分析代码。它还包含使用分析工具的功能，这让您能够通过创建和执行代码来分析代码。
- Gemini Advanced for Workspace：Google 的付费版本，根据您的需求在后台使用 Gemini Flash 和 Gemini Pro 模型。它提供了前面提到的基于代码的分析模块、一些推理功能以及 Google Workspace 套件的扩展（可与文档、电子表格、日历等连接）。
我们排除了迷你版本（Gemini Flash、GPT 4o-mini 和 Claude Haiku），因为它们很快就被证明不合格。我们也排除了 Claude Opus，因为它已经过时了。电话带领 至于 OpenAI “O1”，OpenAI 最先进的反射模型，我很喜欢它的功能，并且经常使用它，但由于它不支持文件上传（只能在聊天中剪切粘贴信息和上传图片），也无法创建可视化效果，因此它还不能完全用于分析（尽管我们会在整篇文章中提到这一点）。重要提示：所有测试均使用付费账户进行，理论上来说，这应该不会对本次练习造成太大的限制（尽管实际操作起来另当别论）。
分析方法和背景
分析是在2024年10月至12月期间进行的，从那时起，人工智能可能会不断发展。在同步窗口中，我们对人工智能进行了完全相同的分析，加载了我们自己从IKAUE（我们的代理机构）获得的数据和匿名客户数据。测试包括：
- 从界面导出的大量 Google Analytics 4 (GA4) 数据集合，我们请求对其进行情境分析，并提供所采用策略的背景信息。例如，广告系列、渠道、行为和转化。
- 上传预先下载并预先整理的产品库存，包括销售数据。我们要求提供库存、类别和产品类型分析。
- Google Search Console 数据上传以验证关键字和 URL 及其演变。
- 从浏览器复制到各种 SEO 工具结果的数据：Sistrix、Ahrefs 等。
- 大量相同的数据被转换成 CSV 以外的格式：XML、JSON、HTML 表以及来自 Sheets 和 Excel 的直接复制。
这些测试聚焦于数字营销领域。基于这些测试，我得出了一些相当普遍的结论，因为我们已经看到，其中存在一种很容易被直觉感知的模式。当某些东西不起作用时，它几乎在任何情况下都不起作用；而当它起作用时，它会在多个场景中反复出现。基于此，在发现了这些系统的优势，但最重要的是，它们也存在一些令人沮丧的局限性之后，我对相关方面进行了分类以供分析。这种分类完全是有意为之，并遵循了最初的测试来展示真正重要的内容，但正如我之前所说，它完全是主观的，并且很大程度上取决于我的个人判断。
关于我（如果你想知道）
由于分析非常主观，为了给不认识我的人提供更多背景信息 （如果您已经知道我是谁，请随意跳过），以下是一些详细信息： 我是 Iñaki Huerta，一名数字分析师和 SEO。我 20 多年前进入网络世界，并在两个领域工作了 17 年多。我领导 IKAUE 已经 10 年了，为众多大客户工作。我来自通信领域，但从我记事起就一直在编程。今天，我使用 PHP、JavaScript（和 Node）、R 和一些 Python（这是我最不熟练的）进行编程。我有非常高水平的 SQL 和数据处理，以及它在各种工具中的可视化。我从一开始就使用机器学习和人工智能，我习惯于处理大量数据。简而言之，我是一个具有技术技能的商业导向型专业人士。