AI研究院 | AI如何推動數字營銷？找出人與機器的最佳組合

02-02

著名作家Malcolm Gladwell將「轉折點」定義為「一個想法、趨勢或社會行為越過特定門檻或是極限，像野火一樣蔓延開來。」

使用人工智慧技術來推動數字營銷和客戶體驗的想法已經存在了多年，但最近似乎每一家主流報紙和科技博客都在講述人工智慧的故事。很多知名分析公司也一直在預測人工智慧投資的繁榮。例如市場研究機構IDC預測，未來四年市場營銷在人工智慧軟體方面的支出將增長54%，從2016年的3.6億美元增長到2020年的逾20億美元。

我們還看到，來自市場營銷雲服務商的人工智慧以及機器學習服務有所增加，旨在為客戶提供最優的自動化體驗。人工智慧有潛力幫助企業理解大量的行為數據和目標客戶信號，此前這些信號很難在嘈雜的環境中被發現。它還可以擴大客戶互動規模，從而實現所有營銷人員對客戶難以實現的一對一互動。

然而，它必須應用於有意義的客戶數據和有意義的個性化任務，否則結果將毫無意義。那麼，最近市場對人工智慧的狂熱僅僅是炒作嗎?或者，我們是否真的進入了一個由人工智慧主導的數字化轉型新時代?

首先，讓我們來深入了解這項技術本身，以及最近的技術突破是否有助於人工智慧的崛起。

關於人工智最新、最令人興奮的演算法類別被稱為「深度學習」。這些演算法拓展了弱人工智慧(ANI)的功能，而後者是人工智慧的最低水平。最近，隨著深度學習網路的發展，我們可以讓機器在處理速度、精確度和可擴展性方面超越人類水平。在需要對大量的數據進行分析的情況下，機器完成一項人類任務不到30秒，這對機器人來說是很理想的。面部識別、語音識別、唇語判讀，以及分析圖像或時間序列的類似活動都是深度學習應用的典型例子。

此外，在模擬環境中，深度學習的進步和實驗框架的相結合，在「深度強化學習」領域取得了不少進展。因此，我們很可能會看到，在很多簡單可自動化的重複性任務方面，比如自動駕駛汽車和倉庫包裝機器人的應用將會出現爆炸式增長。在你還沒反應過來之前，機器人就已經完成卸貨或者整理，還能夠處理好你的託運行李。

另一方面，人工智慧創新對數字用戶體驗的影響，很可能主要體現在企業與客戶的互動機制上。人工智慧在節約時間成本方面已經讓人印象深刻。我們的團隊就會使用機器學習來完成任務，比如發現一個品牌能夠真正對哪個客群產生影響。通過機器學習引擎自動挖掘出的結果，將需要4個半員工全職工作一個月才能完成。

人工智慧實際應用的另一個領域是會話商務，這是消息應用和用戶購物的交集。儘管人工智慧技術仍在繼續發展，但由於受到各方面影響，營銷人員所利用營銷數據質量依舊在下降。一個主要原因是數據的過度充裕和持續流動性。數據量如此之大，以至於人類決策變得越來越低效，而且極不準確。此外，還需要有能力指出可執行的見解。思索收益在遞減，一開始，我們還可以輕易做出改變。但現在，你必須對海量數據進行深入研究，這樣一來，相關信息和識別模式對人類大腦來說就變得越來越具有挑戰性。

在某種程度上，基於海量數據所獲得見解的價值並未隨著投資額的增加而相應增加。最近 IDC 和 Qubit聯合發表的一篇論文中，Gerry Brown和Philip Carnelley解釋說，目前我們看到的是市場營銷效益的差距。特別是傳統的B2C網站營銷方法已經趨於平穩，目前幾乎沒有進一步改進的空間。

特別是此前慣用的A/B測試方法，也就是通過讓用戶可以看到兩個或更多的網頁版本，根據用戶反饋而做出改進的方法，對於大多數B2C業務來說已經沒有太大收益。此外，用於分析和報告歷史數據的傳統客戶分析工具效果也不再明顯。對那些想要超越傳統數據挖掘的從業者來說，客戶預測分析對營銷效果幾乎沒有什麼積極影響，因為營銷人員一直無法有效將分析見解轉化為現金流。

客戶數據質量的下降實際上也對許多企業產生了很多負面影響;因此，在客戶分析和營銷行為貨幣化之間，出現了一種「營銷效益的差距」。

人工智慧技術已經取得了長足的進步。它可以解決日益增長的營銷效益差。它還可以通過將一家公司特點個性化，也就是打造一個比現在更真實的「活躍」品牌，來顯著提升客戶的參與度。對品牌而言，這意味著它能更好地響應客戶的需求，並實時與客戶互動。

對於消費者來說，這是一種更個性化的方式。不僅僅是讓消費者購買商品，而是讓消費者根據用戶體驗來決定是否「加入」一個品牌。高管們不必擔心這種轉變。相反，他們可以通過教育自己改變對人工智慧的基本看法和認識局限性，通過自我教育來實現這一功能。這有助於他們對業務進行評估，人工智慧技術將是對其業務具有最大的影響力。他們可以從確定如何使用人工智慧開始:我們是否清楚自己正在努力解決的問題?日常工作流程會有哪些部分會涉及到人工智慧?而且，整個團隊將如何支持人工智慧?然後，我們可以採用適合的技術。

以客戶體驗為例。後端系統、前端頁面和體驗交付機制之間是否存在無縫銜接?是否有一個快速的反饋系統，能夠推動客戶對話到數據收集，再到分析見解和效果反饋的迭代交互?那麼客戶參與度的衡量標準呢?對這些人工智慧技術進行測試和監控的最佳流程是什麼，如何增加其效益並與員工保持聯繫?

最後，他們必須記住投資於冗餘系統。有時事情總會出錯，通過足夠多的冗餘來降低人工智慧技術失效帶來的負面影響是非常重要的。微軟的聊天機器人曾經面臨的問題，谷歌對自動人臉識別系統的錯誤分類都是這方面的典型例子。

那麼，我們是否需要在機器和人類之間做出二選一呢?不必這樣。因為人工智慧雖然能夠提高工作效率，但在抽象推理和本質理解方面，人工智慧仍然處於劣勢。如果提供了錯誤的數據或工具，未經訓練的人工智慧就會失效。

機器需要人類的指導。隨著人工智慧技術的不斷發展，人類將會把更多精力放在自己的優勢任務上，比如在無形層面上總結模式的能力，形成本質理論的能力。我們不應該把人工智慧進入這個新時代當作人類和機器之間的戰爭。相反，我們需要深入思考，並找出如何創造出最具協同性的優勢組合。　　這是一個巨大的機會，可以更多解放人類的時間，把更多時間和精力集中在許多需要人類操控的領域。當我們掌握這種組合優勢時，我們就會看到人工智慧對數字營銷的真正推動。