如何正確認識「AI＋廣告營銷」的應用落地場景？

來自專欄數據驅動創意 @熱巢

自2016年，DeepMind開發的AlphaGo圍棋程序戰勝人類頂尖職業棋手後，「人工智慧」、「AI」成為各行各業都關注的熱詞，廣告營銷行業也不例外。然而，之前「大數據營銷」的概念尚未退潮，「人工智慧＋廣告營銷」又來襲，它們究竟是新瓶裝舊酒、純屬概念炒作？還是職業廣告人的潛在威脅？

本文將釐清關於廣告營銷和人工智慧的若干個重要概念，並分析AI如何在營銷場景中落地。

一、 廣告營銷產業鏈現狀

1. 認識「廣告營銷業」的兩種視角

（1）「廣告營銷」的第一種定義，是指企業通過廣告對產品展開宣傳推廣，促成消費者購買，擴大產品銷售，提高企業的知名度、美譽度和影響力的活動。

在該視角下，廣告營銷產業鏈包括上游：廣告主／品牌主（即企業），中游：從事媒介代理業務和客戶代理業務的代理服務商，和下游：創意策劃、拍攝、印刷、投放媒體等執行機構。

（2）「廣告營銷」的第二種定義，如《廣告法》第二條所規定的，是「商品經營者或者服務提供者通過一定媒介和形式直接或者間接地介紹自己所推銷的商品或者服務的商業廣告活動」。

在該視角下，媒介渠道及媒體內容成為廣告營銷業的關注重點。

2. 兩種視角帶來不同的行業認知

第1種視角，可以簡化為「營銷」，其所有活動的全部落腳點，都要落在實現上游廣告主／品牌主的營銷目的和營銷需求，本質上是一種商業管理視角，因此尤其重視甲方的戰略目標和決策部署。

第2種視角，可以簡化為「廣告」。由於在傳統媒體時代，廣告是 「廣而告之」，廣告的效果很大程度上取決於內容創意的質量，且廣告是媒體業最主要的變現途徑，所以本質上它是一種媒體視角或流量思維，重點關注製作與分發。這樣的認知也帶進了互聯網時代，以精準投放、AdTech等為代表、與大數據相關的計算廣告領域在短短几年裡就變成了一片紅海。

3. 不同認知帶來的不同商業範式

從媒體視角來看，BATJ等互聯網平台的業務體量已經絕對領跑市場，成為「數字化重構廣告行業」無法缺位的玩家。而傳統代理商則開始頻繁與數據公司、電商平台示好，加快自身的數字化轉型。近兩年，阿里、騰訊與WPP、陽獅均開啟了全域營銷解決方案，將分散渠道上的數據整合到統一平台。

從營銷視角來看，品牌主不僅關心廣告內容的投放效果，同時更關心消費者是否對內容感興趣，投放數據是否真實透明、如何提升營銷執行團隊協同工作效率等等。這些需求使得戰略諮詢公司比傳統廣告代理更有機會贏取上遊客戶的預算。

如果繼續延伸，考慮到消費者的實際購買行為－即銷售場景，就會發現企業傳統組織架構上在適應新消費場景下的滯後性。在大多數企業內部，品牌、公關、市場、銷售是分開運作的。但在技術賦能企業的過程中，各業務單元正在逐步實現一體化和高效協同。在西方，大量企業正在諸如Martech等解決方案的幫助下，自上而下地實現企業的數字化轉型。

4. 對廣告營銷的兩種典型偏見

認為好產品好企業不需要營銷。——Peter Thiel就駁斥過該觀點，認為顧客不會自動上門，銷售的作用遠遠超過工程師和技術人員的想像。可口可樂、寶潔、雀巢等海外知名品牌，每年都會花費數十億以上營銷預算，這些營銷預算不僅有助於產品銷售，同時有利於塑造品牌形象，增進與全球消費者的溝通。相比之下，國內品牌的營銷觀念和操作手法距離國際頂尖品牌仍有一定差距。

認為數字營銷都是虛假的。——聯合利華CMO就炮轟過社交媒體買粉、數據造假行為。國內威客平台豬八戒網更是主動下架微信營銷、微博營銷等服務品類。但技術本身是中立的，像區塊鏈技術應用已經可以用於數據的防篡改偽造。在這個問題上，從業者既不能因為利益驅使而扭曲價值觀，也不能因噎廢食拒接技術進步。

二、 人工智慧與廣告營銷

1. 關於人工智慧

人工智慧是當今最新興的科學與工程領域之一，從1956年被創造「人工智慧」(Artificial Intelligence, AI)這個名稱起，人工智慧就一直在試圖理解和構建學習、視覺／語音感知、數學求解、診斷疾病、下棋等各種人類智力行為。

雖然人工智慧在歷史上經常被分作計算機科學的一個分支，但事實上它更經常地站在自然科學與社會科學的交叉路口，與哲學、數學、經濟學、神經科學、心理學、控制論、語言學等眾多學科都有交匯。

人工智慧的爆發有三個前提：演算法、數據和算力。憑藉明星效應，AlphaGo讓外行人也了解到了神經網路和強化學習演算法，這些演算法其實都已經被研究了幾十年，但唯有在強大算力（雲計算集群）的條件下，配合大量棋局數據，AlphaGo才能成功。

2. 從人工智慧的價值鏈看「AI＋營銷」

大數據、半導體晶元及智能演算法被譽為人工智慧的三大基石。

其中大數據與AI演算法相輔相成，演算法可以通過數據訓練提升預測和洞察能力。而因為大數據本身具有海量、非結構化的特點，市場上還誕生了許多專業的數據採集、處理、存儲等上游公司。在營銷行業，AI所依賴的數據廣泛分布於社交媒體、內部銷售數據、電商平台、搜索引擎等各處，因此僅收集、處理數據這一項需求，就能催生規模不小的DMP市場。

算力與晶元處理速度（尤其是視覺信息識別）、計算集群相關，因此雲服務和雲平台也是支撐AI的重要基礎。

人工智慧的下游應用更加廣泛。繼「互聯網＋」後，國務院在2017年正式發布《新一代人工智慧發展規劃》，重點描述了AI＋傳統行業的展望和規劃，包括製造、農業、物流、金融、商務、傢具等重點行業和領域開展人工智慧應用試點示範。

其中在「加快智能商務」小節中，文件提到「鼓勵跨媒體分析與推理、知識計算引擎與知識服務等新技術在商務領域應用，推廣基於人工智慧的新型商務服務與決策系統。建設涵蓋地理位置、網路媒體和城市基礎數據等跨媒體大數據平台，支撐企業開展智能商務。鼓勵圍繞個人需求、企業管理提供定製化商務智能決策服務。」

如何理解這段話？事實上，「商務智能」（BI）早已有之，由著名諮詢公司Gartner公司在1996年提出，主要指利用現代數據倉庫、處理分析、數據挖掘、數據可視化技術，對數據進行分析以實現商業價值的活動。「智能商務」與「商務智能」僅有順序之差，但增加了媒體、地理、知識引擎等應用，落點落在「提供定製化商務智能決策服務」，與上文第一種視角的營銷定義不謀而合。

《規劃》沒有描述「AI＋媒體」產業，原因是多方面的，同時也證明，前文所述第一種視角下的營銷行為——幫助企業制定科學營銷決策的「AI＋營銷」，是有現實的產業升級需求及官方背書的。

今年以來，科大訊飛、百度都各自發布了自己的AI營銷產品，不過細看之下，一大半應用場景都聚集在媒體投放端。雖然提升媒體投放ROI也很有價值，但它們還遠不是「AI＋營銷」應用的全部。

3. 質疑：人工智慧沒有用？

很多人調侃，在一些情況下人工智慧會變成「人工智障」。比如重複地推薦同類廣告，反而打擾用戶。許多股權投資機構在經歷市場追捧「人工智慧」概念後，也開始對「人工智慧」項目報以更加審慎的態度。

但人工智慧仍有非常巨大的應用潛力，而且在日常生活與商業應用場景中十分常見：

• 搜索引擎

Google允許在關鍵字中添加標籤，有利於精準搜索。

• 智能推薦

今日頭條在國內率先推出按用戶興趣智能推薦文章的功能。在智能推薦系統後台，這些用戶興趣被量化成一條條數據，有利於實現「千人千面」的個性化推薦。

• 庫存預測

歐美國家在2B端部署了大量自動化應用，幫助商家在促銷、庫存管理上提供更準確更實時的預測，提升供應商管理。像是德國電商Otto、英國線上超市奧凱多等都用上了AI模型來學習庫存和消費者數據。

• 智能客服

人工智慧能大幅提升簡單重複性的勞動效率，對於標準化的客服常見問題，能夠實現按既定規則給予實時回應，大幅減少企業的用人成本。

可見，AI在匹配用戶需求、計算庫存、提升供給效率上都有實際應用場景，在輔助商業決策上更是有很大的發展前景和想像空間。在當前國內經濟增長面臨新舊動能轉換之際，消費升級和高技術服務相結合的新動能正普遍受到產業界、政府和消費者的多方關注。

4. 人工智慧會是廣告營銷人的威脅嗎？

近兩年，「人工智慧將讓設計下崗」、「人工智慧威脅文案」、「人工智慧會視頻剪輯了」的新聞不絕於耳。但是人工智慧的運作原理與人腦創意的原理很不相同，作為支撐技術的自然語言處理、視覺識別與處理，在速度和準確度上與成年人相比還有很大差距。人工智慧在這些領域的應用，在目前只能作為輔助手段，取代部分同質化、初階的創意工作，在更多時候會以「人機協同」的方式出現在工作場景中。

創意和好奇心，作為人類上百萬年進化過程中保留下來的特質，仍然無法被機械化地簡單理解和模仿，所以文案、設計、剪輯師等靠創意吃飯的廣告營銷人，短時間內不必擔心「失業」問題，更需要擔心的是靈感的枯竭和創意的退步。另一方面，我們大可不必將人工智慧、機器學習和大數據看作是僵死的程式化工作或創作的敵人，而應當視其為激發靈感和創作的友好夥伴。

三、 AI＋廣告營銷」的若干應用落地場景

1. 在營銷策略端，實現科學洞察，高效匹配營銷資源

• 消費者洞察：基於實時和歷史數據，採用機器學習演算法及數據挖掘技術，得到用戶基礎畫像、行為習慣分析、熱點話題抽取和情感語義分析，洞察消費者需求。
• 投放策略：整合併清理多平台、分散的媒介數據，基於消費者洞察推薦投放渠道、優化投放策略，同時預測投放後的轉化效果。
• 智能匹配營銷資源：基於品牌營銷需求和下游執行商的特點，建立特徵匹配，去中介化地實現智能匹配。

2. 內容製作端：實現對結構化、標準化內容的快速輸出

• 初級創意的標準化生產：對標準化的文案、設計元素、圖文海報等，實現AI的自動化輸出，並快速進入投放流程。

3. 在廣告投放端，提供精準傳播、提升投放ROI

• 提供全鏈路全場景營銷賦能：接入更多元的數據和分析模塊，為AI提供更豐富的用戶畫像，從而提升投放精準程度，降低預算浪費。
• 反作弊技術：通過監測流量變化趨勢，識別虛假流量，提高投放的透明度和真實性。

4. 在零售業務場景下，提供人臉識別、3D掃描結算、自動包裝等互動新體驗

• 定製化商品導購：通過對顧客的識別及歷史信息的讀取，自動調取顧客偏好數據，定製化推送導購及推廣信息。
• 電子價簽：電子系統追蹤並顯示商品價格、上架時間、來源地等多種信息，實時向消費者公布。
• 自動購物車：根據消費者行走路徑, 自動跟隨消費者完成購物，提升整體消費購物體驗。
• 顧客人臉識別：通過面部輪廓等信息對人臉進行識別，快速完成結算、積分、消費記錄等多項服務。
• 3D掃描結算：貨物掃描不再依賴特定條形碼，通過3D成像等技術自動識別貨物品類, 提高結算效率。
• 自動包裝：根據顧客要求以及配送模式自動完成包裝任務, 並將相關信息回傳，並更新客戶資料庫。
• 自動配送：無人機將會完成最後的配送，根據消費者制定的配送地點完成快速高效的配送任務。

四、 不同類型企業的「AI＋廣告營銷」採購方案推薦

• 中小企業

通常，中小企業採取產品生產＋銷售的模式，對營銷的需求比較簡單並且靈活多樣，比如電商運營、SEO、社交媒體推廣、H5製作、線下活動策劃等。還有許多初創公司熱衷於創造新的消費體驗，會用到AR、VR、人臉識別等新技術。相比功能大而全的「AI營銷雲」，能快速匹配到合適的營銷服務供應商是其最現實的需求，其次再是提供相關的數據服務，解決可信度問題。

推薦方案：熱巢、天蓬等互聯網營銷服務平台，直接找到所需服務商

• 大型B2B企業

由於大型B2B企業一般比中小企業擁有更多廣告營銷預算，且需求集中在宣傳片、宣傳冊、線下會議和線下廣告投放上，因此採購時最看重的通常是供應商能否提供穩定、高質量的宣傳物料，並容易形長期合作。

推薦方案：傳統代理商、製作公司

• 大型B2C企業

過去，大型B2C企業是廣告代理商和傳統媒體競相爭奪的優質客戶，廣告預算充足，對廣告的創意、製作、投放渠道都偏向高端。隨著互聯網媒體崛起，這類企業的相當一部分預算轉移到了線上，同時增加了對用戶畫像、數據、策略和實時監測的需求。

推薦方案：國際4A、本土互動營銷公司、科技公司開發的媒體投放工具、基於大數據的AI策略提供商等

小結：

1、 廣告營銷，有商業管理和廣告傳播兩種視角。在與技術融合的過程中，前者重視營銷策略的科學制定及執行，後者關注投放的精準程度及效果。

2、 人工智慧需要數據、演算法和算力支撐，在下游應用場景中，主要是提升簡單重複性勞動的效率，同時基於演算法和數據來「思考」問題，提供輔助決策。

3、 在廣告營銷場景中，人工智慧可以解決的主要行業需求有：①洞察消費者需求；②輔助營銷策略制定，③分析投放渠道數據並預測投放ROI；④將品牌主和下游服務商做高效的雙向匹配。

4、不同類型的企業，在採購選型具體方案時，應該結合自己的實際情況，有針對性地選擇「營銷外腦」。