AI智慧营销

时间:2021-06-02 17:06:42 浏览量:

孙亚程 李艾珅

自 2016年谷歌DeepMind团队推出的“围棋大师”AlphaGO和李世石的五番棋大战以来,人工智能(AI)的概念得到了大众和资本的空前关注,包括深度学习、强化学习在内的理论研究和技术应用也随之迎来了新一轮的蓬勃发展。

对于今天的人们来说,不管愿意与否,AI技术已经渗透到了生活中的方方面面:无处不在的人脸识别,潜移默化的内容推送,真伪难辨的智能语音客服,呼之欲出的自动驾驶AI已经成为了我们日常生活的一部分,生活和消费也不知不觉中变得更加便捷了。从商业逻辑来说,AI技术的迅猛发展,很大程度上得益于人们对应用落地价值的理解和期望的实现,而合适的场景是技术成功落地的必要条件。

市场营销致力于使用营销决策(产品、渠道、促销和定价)为顾客创造价值和为商家获取价值。它是大多数商业项目的核心价值之一,也是所有公司都极为关心的领域。市场营销也是AI技术落地的沃土:高质量的营销决策必须基于对消费者的行为和决策过程的深入理解,而这正是大数据时代的AI模型所擅长的。美国电商巨头亚马逊(Amazon.com)和传媒巨头奈飞(Netflix)早在90年代,就已经非常重视推荐系统的研发,并倾注了大量资源。大量数据和智能推荐技术的沉淀也为这两家公司成为行业翘楚打下了坚实的基础。在将来,营销场景有望成为AI技术的起飞地。AI赋能的“智慧营销”,值得我们去思考和畅想。

人工智能之“未来已来”

圖灵奖获奖者约翰·麦卡锡(John McCarthy)在1956年的达特茅斯会议(Dartmouth Conference)上提出了“人工智能”这一概念。这位AI之父给出的定义是,“人工智能就是要让机器的行为看起来就象是人所表现出的智能行为一样”。今天,越来越多的人工智能应用正在用看得见和看不见的方式改变我们的生活,也正在和即将替代很多结构化的工作岗位,不由让人们感觉,人工智能的“未来已来”,AI似乎在很多方面都正在取代人类。然而,事实果真如此吗?

从麦卡锡当初描述的人工智能的概念及愿景来看,他构想的人工智能应该叫做“强人工智能”:作为通用性人工智能,它具有形象思维和抽象思维能力,在理论上可以胜任人类所有工作,甚至做的更好。但是,在距人工智能元年60多年后的今天,其技术发展与应用仍然与人们对“强人工智能”的预期相距甚远。在今天的应用和商业前沿大放异彩的AI技术,只是属于“弱人工智能”,即专注于且只能解决特定具体领域问题的人工智能。比如,卷积神经网络(CNN)通过大量有标签的图片数据进行训练,从而可以轻松认出一个花的品种或者一个人的身份(在模型里,这个人只是一个数据分类)。同样,自然语言处理(NLP)通过隐性马尔科夫模型和递归神经网络(RNN)技术把一些文字的组合映射到一个意义分类上去,也就是“读懂了”一句话的含义与情绪。

那么,把现有所有的成熟技术都安装到一个机器人上,我们就可以称它为强人工智能了吗?显然不是的,因为这些技术的“特长”都是为了完成某一项工作而设定的,它并没有抽象的思想,且创造力有限。想达到能够像真人一般,实现逻辑思考和应对复杂环境的强人工智能,我们仍任重而道远。

人工智能的未来正在到来的过程中,但却不是每个人想象中的未来。我们现在应该关注的,是利用越来越强的“弱人工智能”来实现更多、更有意义的应用,并以此去创造和提升人工智能这一技术的价值。

发现AI的价值

人工智能大发展的底层支撑有三大支柱,分别是先进的模型算法,以及与之匹配的算力与海量的数据。不过,技术终要落地才能服务到人,人工智能也是要为人服务的。因此,就需要有合适的应用场景。市场营销的广阔空间,正是先进技术创造价值的合适场景。这些年来,各类AI应用层出不穷,也更好地促进了市场营销的快速发展,也让我们得以从落地层面对AI价值做一些总结。

首先,AI算法的专长就在于数据整合和分析。AI算法可以在海量的数据中发现对人并不显而易见甚至有悖“常识”的线索,并善于归类。分析一件事情时,能看到几个维度的人就可称之为聪明人。对于模型来说,在合适的特征工程和数据量的配合下,可以将成百上千维度的数据同时纳入模型分析,因而能洞察到更多信息,得到更精准的结果。例如,AI对于物品的识别准确率超越人类,这已经是2015年的“旧闻”了。

在营销场景中,移动技术使消费变得非常便捷,消费者也从按需购买走向了按心情购买,并且养成了“刷”的习惯。所以,用更好的推荐系统去给消费者呈现其感兴趣的内容并预测其需求将会促进更多的购买,可以为商家带来更大的利润。然而,消费者作为一个人,心智、偏好和决策过程是非常多面而复杂的,需要从海量的行为数据,以及相似群体其他成员的行为数据去估计。而这,恰恰是人工智能的优势所在:在大数据中做归纳,不停歇地分析新数据,更新之前的判断,并辅以实地实验不断完善营销决策。基于A/B测试对推送内容进行调整,正是基于人工智能这一技术优势所实现的一个典型应用。

其次,AI作为机器可以永远在线。服务好客户的重要标准之一,就是减少用户的等待时间,让用户随时随地享受服务。AI技术的提升让这些变得非常简单,因为一套算法(比如智能客服系统)服务更多人的边际成本非常低,不会受制于人力资源、工作时间和时区等条件的制约,达到更稳定的效果。近年来算力的持续提升(据埃隆·马斯克的OpenAI估计,2012-2017年间AI算力提升了30万倍)和芯片小型化技术,也为AI技术的场景广度和深度的拓展提供了技术支持和更加丰富的想象空间。

再次,AI数据的沉淀能力和自我提升能力,能使其在营销场景下实现“数据-能力-价值”闭环中的良性循环。AI不但在服务时不会停歇,在自我训练更新上也永远不会停止。即使AlphaGo战胜了柯洁的当晚,它又和自己下了上百万盘棋。第二天的它,比昨天的冠军更强了。在当下的营销世界中,风向不停在改变,数据无时不刻被收集,模型也在不断更新和进步。AI工具在服务消费者的同时,收集的数据又很快投入升级算法之中。在这个闭环里,数据持续产生并转换成价值,不仅让AI能够更好地服务消费者,也能在这个过程中获取更多的数据,实现更科学的营销决策。

AI营销应用的是与非

在AI赋能的智慧营销已经初见雏形的今天,我们聚焦智能车、语音助手、智慧教育和新零售这几个具体应用场景,分析AI技术在短期和长期的落地机会,以及潜在的一些问题。

智能車

自动驾驶,路线规划,人车互动......路还是原来的路,但是人们出行的体验却被AI 技术颠覆性地改变了。对消费者来说,解放双手和时间带来的价值是最可观的,在这些场景下的技术和商业模式革新也是将来的主旋律。从长期的营销潜力来看,互联互通的智慧出行无疑给新零售带来了很大的商机。消费者所处的位置、出行的目的、出行路线周遭的商家都是决定消费行为的重要因素。商家可以借助AI技术更好地去预测消费者的潜在需求,同时,当消费者越来越多的与汽车互动的时候,AI将获取更多的信息并且有更多的机会向人们推销“意料之外,情理之中”的产品。

不过,出行是一件关乎生命安全的大事。在技术成熟到一定程度之前,我们还无法做到对AI的完全信任。大众对智能车的过度关注和过高期待,会无形让智能车厂商背负不公平的压力(比较的基准会变成零事故和零死亡率,而不是非智能车的事故和死亡率)。智能车算法对场景决策的完备性和明确性的要求,也意味着智能车厂商在极端情况下必须直面类似电车难题(Trolley Problem)的经典伦理困境和风险。

语音助手

自然语言处理技术已经日渐成熟,消费者已经能直观感受到智能客服、智能音箱等产品变得越来越好用,有时候甚至难以分辨对方是不是一个真正的人。从短期来看,在更大的范围使用AI客服、销售,甚至是智能顾问,不仅为商家节省了大量的人工成本,同时也提高了服务的稳定性和时效性。长期来看,当越来越多的消费者和AI交流互动,商家就可以更加精准地根据实时情况,为消费者提供本次交流的核心诉求之外的产品和服务,而且新的AI语言技术,可以使对话变得柔和、自然且有乐趣(如,年轻的消费者可以选择与自己偶像语音的AI进行互动)。有温度的AI营销顾问,可以减少消费者对生硬推销的抵触感,帮助商家识别和兑现交叉售卖的潜在机遇。

从另一个方面来说,就如同在数字化的今天,手写的信件让人觉得弥足珍贵一样,当消费者面对越来越多的人机交流时,缺少人与人之间的温暖,会使人产生对机器的不信任和抵触感,人们会觉得自己不过是它处理的一条数据。在AI语音技术真正走出高度程序化和结构化的服务场景之前,企业需要思考的是,真人服务的辅助会不会对某些顾客群体更有价值,而去撼动智慧语言助手呢?

智慧教育

“因材施教”是教育的最高境界,但在现实中很难实现。传统教育的瓶颈在于优质教育资源是有限的,从古到今,效果最好的方式是教育家(孔子,苏格拉底)对学生言传身教,并以一对一的方式进行价值塑造、知识传授和能力培养。与此相反,效率最高的方式是教育家反复琢磨,总结出一套教育方法,以文字方式传递给大量的学生。然而,每个人的理解力、逻辑习惯等都是特殊的,教育家总结出的方法是普适的,但对每个人单独来说都不是最佳的。最优的教育方法需要针对性制定,要求每个学生都获得足够了解和关注。然而,“一对一”教学自古以来都是富人甚至王孙贵族才能享受到的服务。大多数情况下,教育工作者在面对一个班级的学生时,做到公平对待就已经很难了。

今天,人工智能可以在很大程度上帮助解决这个问题。首先,学生们对教育工作者需求最大的地方在于回答问题。得益于技术进步,现在学生已经可以随时随地把问题提给AI老师了。对于结构化的问题和知识点,AI的回答已经能解决大部分学生的疑惑。这种AI 技术的落地无疑等于给每个学生配备了一位随时在线,并能敏锐捕捉学生短板的辅导老师,很大程度上降低了教育行业的人工成本,提高了教育质量。长远来看,随着越来越多的学习和练习过程在智能设备上完成,收集到的数据使AI可以尽情发挥它的个性化专长。AI可以针对学生的学习习惯、练习情况,甚至基于其捕捉的学生的眼部运动和肢体信息,来为每个学生制定个性化的学习和练习计划,实现“因材施教”。

不过,我们也应该意识到,人文关怀和创造力的培养还不是AI所擅长的。同时,如同上面提到的AI算法底层逻辑,是在数学上达成对目标值的优化。这种情况不禁让人担心,即使精心设计的AI老师,也难以避免标准化的教学要求,从而引导学生思维走向固化。这对于培养学生的创新性而言,无疑是一种损害。

新零售

2017年落地的无人超市在当时引起了社会热议,这让人们意识到,AI已经覆盖到了他们生活中最常见的零售场景。事实上,AI在零售终端以上供应链的应用才是智慧新零售的主力——预测需求采购,智能物流,自动补货,分仓。AI利用其稳定、准确和全链路的特长,可以贯穿价值链的每一个环节,帮助消费者实现个性化的需求,并赋能企业降本、增效。同时,随着个性化制造的兴起,AI对偏好的预测可以在产业链的源头开始,无疑会给消费者带来新的体验。

AI技术的落地,也使其在新零售终端的应用呈现出爆发的趋势。无人快递已经走出了实验室,在武汉封城期间,大量的机器人走上街头,给疫情隔离下的人们送快递,让人们在特殊时期,加深对AI价值的理解。同样,电商平台推出的增强现实(AR)与虚拟现实(VR)购物功能,让消费者在家里就能得到接近线下门店的浏览和购物体验。这些AI技术正在慢慢打破传统零售的壁垒,将生产物流到各个消费场景各环节打通互联,为人们描绘出智慧新零售的美好未来。

智慧营销的案例观察

汽车之家

作为汽车内容垂直领域的综合服务商,汽车之家将AI技术在智慧营销上用得炉火纯青。营销的核心在于了解用户的需求,汽车之家正运用其大数据平台“车智云”去挖掘市场动向,预测需求。利用自身新闻、看车、论坛与4S店交流等巨大的流量,汽车之家拥有线上汽车媒体高达73%的数据,包括文字、图片、视频在内的海量用户产生内容(UGC),职业产生内容(OGC)和专业产生内容(PGC)以及用户(“车友”)对这些内容详细的访问数据,这些数据允许他们开发出了精准的消费者分析营销模型。

汽车之家的UVN用户分群模型,通过用户(U)、价值(V) 、需求(N) 三个维度对“车友”进行分类分析,帮助车企对消费者进行精准营销,提高转化率。同时,模型也借助用户大数据,预测潜在汽车消费者的需求方向,也就是对未来用车的趋势有一个精准的判断。这样,不但可以对地区销量进行预测,帮助车企调整库存,更重要的是,通過分析舆论,洞察趋势,让车企发现核心客户群的变化,以及对手的潜在威胁,为车企在营销活动策划甚至新车设计上提供有力参考。相比传统的客户经理式打法,这样的智慧营销为商家节省了更多成本,还大大提高了效率和精准度,促进更多的邀约到店,甚至线上销售。同时,对于车友动态的实时分析,也帮助维修、保险等下游高附加值的行业商家找到合适的客户,从而实现转化。

汽车之家充分利用了流量带来的红利,在消费者的行为数据里挖掘价值,服务了整个垂直行业,创造了很大的收益。

TalkingData

不同于汽车之家,TalkingData作为AI技术底层服务商,打造了一个相对通用的智慧营销方案框架,并应用到了各行各业,在我们常用的数字化服务背后,或多或少都有他的影子。

对于拥有大量客户基础、面向消费者(to C)的移动应用来说,将用户数据转化为价值是一个巨大需求。而TalkingData的数据分析平台,就帮助滴滴打车、去哪网、e代驾等企业实现了精准营销、渠道评价等核心营销价值,同时对接100余家广告平台对 APP 用户投放。通过行为数据去给一个人画像很难,但价值也是巨大的。TalkingData不论是在数据的储存处理,还是应用的开发调试,如漏斗模型、行为预测、多维挖掘等,都做到了极致。像TalkingData这样专注于AI技术,促进落地,给移动互联网商家带来收益。在这样的生态里,APP服务商可以专注于自身的业务,把收集数据与转换价值的事情委托给更加专一于AI 技术的TalkingData,并且通过实时反馈的分析结果快速对产品进行更新迭代。TalkingData的高速发展,正在印证一个数据高速流转,价值最大化的健康AI营销生态。

AI应用的短板何在

尽管AI算法在营销场景下的优势非常明显,我们仍然发现AI技术在应用过程中暴露出了一些短板、争议和新的问题。

高昂的研发成本

AI应用在服务上虽然边际成本很低,但是初期的研发成本却非常高,不仅需要大量专业的人才,其硬件和能耗的成本也是不小的支出。

在商业化的起步阶段,AI服务的规模效益无法体现,甚至没有任何短期的商业回报。以我国的人工智能巨头企业——商汤科技为例。在成立早期,商汤招揽了大量的深度学习领域博士,并且搭建超级计算中心,购买了数千块价值不菲的英伟达图形处理器(GPU)。在消耗大量研究费用的同时,公司产品却没有大规模商用创造足够的收益。这样的“烧钱”模式,并不是所有商业项目能负担得起的。

许多人将商汤最终突破,归功于资本的支持。诚然,商汤还在没走出实验室的时候就被IDG投资千万美元,在各个竞赛上打出名气以后又收获了诸多机构总值达数十亿美元的融资,造就了这一独角兽公司。然而,这背后也同样离不开来自中国政府的大力扶持。商汤不仅在业务上承接了大量的政府、央企项目,在政策上也获得了多方面的支持。所以,早期的人工智能研究,不但要大量的资本支撑,也需要政府的大力支持,不然难以熬到成熟的应用落地创造收益的阶段。当然,AI服务最终驱动力还是来自市场和用户的认可,在AI基建过程中应特别避免政府形象工程、重复建设和浪费。

隐私和数据真实性

一个优秀人工智能模型是被海量的数据训练出来的,尤其是在营销领域,更需要大量真实消费者的行为数据。而这其中的隐私边界问题一直很模糊,未来将是最大的难题。

早些年间,我国相比欧美国家在个人数据隐私监管上比较宽松,这也为我国人工智能产业提供了“原油”,促进了一个高速发展的时代,中国的互联网企业在很多应用领域已经超越了很多欧美同行与此不无关系。例如,阿里巴巴的“OneID”数据银行融通了来自淘宝、直播网站和饿了么等多方的数据,可以对个体消费者进行非常立体的画像。

然而,机会和风险往往共存。多源数据的融合也显著提高了数据的可识别性(identifiability),对保护隐私提高了难度。随着消费者隐私意识的觉醒,保护消费者数据的呼声也越来越高,工信部也开始大量点名下架违规收集个人数据的应用。类似的,杭州十一中学在2018年引入的以人脸识别为基础的所谓“智慧课堂”,也因为对学生权利的忽视受到了诸多网友和媒体的批评。

合理的数据获取边界在哪里?随着获取数据的难度逐渐增大,人工智能模型是否能保持曾经的发展速度?商业模式是否会改变,能否再创造出更吸引人的应用?

另外一个值得注意的趋势是,由于对抗神经网络等数据生成技术的出现,使得伪造数据变得非常容易。也许未来的消费者将很难区分一条新闻或者评论是真人写的,还是算法生成的。这也为对真实数据的甄别和数据分析,带来了巨大的挑战。

人性关怀的缺失

人工智能算法普遍的底层逻辑是,确定了模型架构以后去定义一个目标函数(Objective Function),通过反复的循环训练不断优化目标数值,直到满意为止。此时模型的参数被反复打磨,可以应用到实际场景中去。这样的底层原理,决定了算法只是一个没有感情的数学机器,所做的决定根本上都是为了最大化或最小化既定的目标数值。

比如,外卖平台算法的核心目标函数,就是在固定时间内完成更多的订单,并且最小化客人的等待时间。所以,算法就会对每个骑手的路线进行规划以达到全局最优。不过,在上面的例子中,执行算法指派的却并不是机器,而是一个个鲜活的人。在一个非封闭的、不断变化的环境中,人往往无法保证像机器一样准确地执行指令。算法给骑手的指令只是在多长时间以内从A赶到B,却无法全面考虑到各种其他因素对完成指令造成的影响以及骑手的感觉。而平台为了履行对消费者的时间承诺,或是获取更多的利润,则会把骑手的收入与其对算法指令的完成情况挂钩。在这样的设定下,算法用一个容易的量化指标去决定骑手的收入。骑手在受到某些外因的影响的时候,会为了完成任务铤而走险,酿造了很多悲剧。

科技公司过度关注、重视和监督可量化的核心指标,而忽视难以量化的方面,如安全性、人性关怀,导致“内卷”和其他类的员工事故,招来了社会上大量的争议,及对“AI控制人类”这种行为的批判,和对AI技术本身的反感。

期望越高 落差越大

随着人工智能应用走进了消费者生活的方方面面,人们对AI的期望也越来越高。十年前,人脸识别验证身份的创新让人们惊叹不已。而今天,人们已经开始对查看身份证等“古老”行为感到诧异或者麻烦。消费者对于科技巨头新品发布会的激情与AI时代刚刚开始时已经相距甚远,甚至不断地批评科技公司“炒冷饭”,缺乏创新。随着媒体近年来对人工智能技术的宣传和畅想,人们对AI技术也有了更多的误解以及不切实际的期望。消费者往往用“强人工智能”的标准去看待“弱人工智能”的应用,这样的期望落差会造成消费者对技术的一种厌恶感,并加深对AI技术的负面刻板印象。

小结

人工智能给了我们很多美好的遐想,在大数据爆发的今天,AI技术的更新迭代会更快。在潜在价值巨大的营销领域,对AI在细分领域的清楚认识,应用分析以及价值链思考,能帮助市场营销的管理者更好地找到落地的场景,从而让AI创造出更多的价值,造福于消费者,并最终形成数据驱动的智慧市场与智能社会。同时,我们也认识到现有AI技术的短板和不足。我们认为,AI和营销的结合还有巨大的创新空间,智能营销未来的发展应该在技术进步、商业应用和隐私保护之间获得平衡。

猜你喜欢 算法人工智能消费者 Travellng thg World Full—time for Rree阅读与作文(英语初中版)(2019年8期)2019-08-27面对分期付款,你心动吗?数学大王·中高年级(2019年8期)2019-08-272019:人工智能商界(2019年12期)2019-01-032019:人工智能商界(2019年12期)2019-01-03人工智能与就业IT经理世界(2018年20期)2018-10-24知识付费消费者瞭望东方周刊(2017年34期)2017-09-13数读人工智能小康(2017年16期)2017-06-07学习算法的“三种境界”中学生数理化·高一版(2017年1期)2017-04-25算法框图的补全中学生数理化·高一版(2017年1期)2017-04-25算法初步知识盘点中学生数理化·高一版(2017年1期)2017-04-25

推荐访问:智慧 营销 ai

《AI智慧营销.doc》
将本文的Word文档下载到电脑,方便收藏和打印
推荐度:

文档为doc格式

一键复制全文 下载 投诉