下文是一篇AI如何應(yīng)用在營(yíng)銷領(lǐng)域的行業(yè)白皮書，來(lái)自數(shù)問(wèn)社區(qū)（dataquestion.com）?？傞L(zhǎng)度快一萬(wàn)字，閱讀時(shí)間在10-15分鐘。全文分為機(jī)會(huì)，影響，市場(chǎng)概況和前景四大板塊。如果您時(shí)間有限，可以直接跳轉(zhuǎn)到市場(chǎng)概況這一部分，這部分有大量的具體分析案例介紹。

機(jī)會(huì)

最近的時(shí)間，相信大家總會(huì)不斷聽(tīng)到大量關(guān)于人工智能將會(huì)在未來(lái)十年中如何深刻的改變我們社會(huì)的一些報(bào)道，特別是那些來(lái)自大公司的承諾。微軟雄心勃勃的宣稱，通過(guò)自然語(yǔ)言處理（Natural language processing，NLP）來(lái)實(shí)時(shí)地分析研究論文，他們將 征服癌癥 。谷歌—?jiǎng)倓傂剂薃I先行的戰(zhàn)略—也就是打算通過(guò)機(jī)器學(xué)習(xí)大量的 人類 聲音的錄影文件，把電腦的聲音打造成和真人說(shuō)話一樣。而Facebook自然更不甘人后，他們正在用 人工智能 分析衛(wèi)星影像來(lái)定位人們的生活軌跡，并且許諾將會(huì)給全人類聯(lián)網(wǎng)。這樣的愿景還在不斷的增加。

盡管這些野心勃勃的愿景是那么吸引眼球，但在這些世界頂尖的科技巨頭公司眼里，AI是一個(gè)用來(lái)解決某種世界級(jí)問(wèn)題的抽象工具包，而不是直接拿過(guò)來(lái)用的實(shí)用技術(shù)。

許多CMO表示，非常希望能夠讓自己的企業(yè)利用起基于AI的技術(shù)和解決方案。然而，他們往往對(duì)AI的基礎(chǔ)原理的缺乏深入了解，以及不知道該如何將AI引入他們公司的業(yè)務(wù)中去。近期，一份來(lái)自美國(guó)，英國(guó)和中國(guó)的 研究 顯示，那些公司年收入在5億美元以上的大企業(yè)的CMO們中，三分之二的人認(rèn)為AI將在未來(lái)的市場(chǎng)營(yíng)銷活動(dòng)中起到非常的作用。然而，與此相對(duì)的是，只有不到三分之一的人對(duì)于如何將AI應(yīng)用在他們企業(yè)的業(yè)務(wù)中有到比較深刻的理解。

所以我們有了這篇文章。今天這篇文章的目的就是為數(shù)字營(yíng)銷領(lǐng)域中工作的各位同僚，提供一份AI技術(shù)入門指南。這些技術(shù)都是被市場(chǎng)驗(yàn)證過(guò)，并且成熟可用。我們相信，CMO們?cè)诮裉毂仨毴タ紤]這些問(wèn)題，方可能在未來(lái)幾年為企業(yè)持續(xù)保持競(jìng)爭(zhēng)力，基業(yè)長(zhǎng)青。

影響

在很早以前，大家做營(yíng)銷活動(dòng)都還比較草率。那時(shí)候大家擁有的是海量卻不精確的營(yíng)銷信息，而且也不考慮個(gè)人信息（如地域，性別，年齡等）以及顧客偏好。如果說(shuō)這種草率且不精準(zhǔn)的營(yíng)銷策略在那個(gè)時(shí)候還能夠接受的話，如今這種日子已經(jīng)一去不復(fù)返了。如今，我們的市場(chǎng)營(yíng)銷活動(dòng)需要通過(guò)高度個(gè)性化的信息來(lái)吸引潛在客戶和留住現(xiàn)有客戶。這種個(gè)性化的營(yíng)銷溝通是基于多種各種因素的：比如個(gè)人行為和偏好；對(duì)于顧客接受廣告信息時(shí)周邊環(huán)境的考量（context-awareness）：如一天當(dāng)中的某個(gè)時(shí)間或某個(gè)地理位置；以及從核心用戶群數(shù)據(jù)中提取有用的消費(fèi)者洞察。

像Spotify，Amazon和Netflix這樣的公司在這方面是領(lǐng)頭羊，并從某種程度上來(lái)說(shuō)設(shè)定了這個(gè)行業(yè)的玩法。在互聯(lián)網(wǎng)上抓取到的用戶行為，會(huì)被這些公司立即被用來(lái)優(yōu)化用戶體驗(yàn)和產(chǎn)品推薦，從而產(chǎn)生更個(gè)性人化的品牌體驗(yàn)關(guān)系，同時(shí)提高了用戶的忠誠(chéng)度。

然而，個(gè)性化，量身定制的市場(chǎng)營(yíng)銷在依靠人力制定營(yíng)銷策略的情況下會(huì)迅速達(dá)到天花板 – 人的能力總是有限的。像這種細(xì)分顧客的行動(dòng)需要各種信息：精準(zhǔn)的信息傳遞，針對(duì)目標(biāo)人群投放正確的用戶并且投放相應(yīng)的社交媒體廣告，基于用戶平時(shí)其他的選擇做出產(chǎn)品推薦。所有這些都需要大量的人力和時(shí)間成本，而這往往遠(yuǎn)遠(yuǎn)超出了營(yíng)銷部門的能力。

而如果有了人工智能的幫助，讓大規(guī)模地進(jìn)行個(gè)性化的市場(chǎng)營(yíng)銷變得可能了。在整個(gè)客戶服務(wù)流程中的所有環(huán)節(jié)里，營(yíng)銷人員都需要依賴于數(shù)據(jù)輸入和更有效的機(jī)器驅(qū)動(dòng)的AI應(yīng)用程序。當(dāng)然，這并不一定意味著，基于AI的應(yīng)用程序可以在沒(méi)有人參與的情況下自行運(yùn)行（這樣的話那恐怕得先把阿西莫夫機(jī)器人三定律應(yīng)用上）。事實(shí)上，基于AI的算法的表現(xiàn)得以改善，都依賴于人類的監(jiān)督，進(jìn)行數(shù)據(jù)清理和確保正確運(yùn)行。

AI的潛力會(huì)讓所有現(xiàn)存和新出現(xiàn)的競(jìng)爭(zhēng)者們以洪荒之力席卷現(xiàn)在的市場(chǎng)，如同當(dāng)年手機(jī)革命一樣，; 推遲AI的應(yīng)用只會(huì)讓整個(gè)市場(chǎng)倒退。非AI公司將不可避免地以不夠個(gè)性化，客制化和缺乏影響力的方式與客戶接觸，從而錯(cuò)過(guò)提高日常營(yíng)銷任務(wù)效率的機(jī)會(huì)，錯(cuò)過(guò)最優(yōu)的廣告預(yù)算，以及錯(cuò)過(guò)通過(guò)直接的數(shù)據(jù)驅(qū)動(dòng)得到的營(yíng)銷來(lái)影響銷售量的機(jī)會(huì)。

市場(chǎng)概況

我們不難預(yù)想，基于新的AI技術(shù)的營(yíng)銷市場(chǎng)平臺(tái)每天都在涌現(xiàn)。這導(dǎo)致了一個(gè)非?；煦纾瑥?fù)雜的行業(yè)環(huán)境。但總得來(lái)說(shuō)，今天的AI相關(guān)的市場(chǎng)營(yíng)銷技術(shù)應(yīng)用可以大致分為以下幾類：

圖片/視頻識(shí)別的市場(chǎng)營(yíng)銷AI應(yīng)用

許多新興的技術(shù)進(jìn)步，如自動(dòng)駕駛汽車自駕車和早期的癌癥檢測(cè)，都依賴于以圖片識(shí)別為基礎(chǔ)的AI。其背后的機(jī)制是，為一個(gè)算法提供一個(gè)有已知結(jié)果的訓(xùn)練數(shù)據(jù)集，讓其識(shí)別數(shù)據(jù)里內(nèi)含的模式，最后做到對(duì)于那些新的，從來(lái)沒(méi)見(jiàn)過(guò)的數(shù)據(jù)可以做出準(zhǔn)確的預(yù)測(cè)。以下是目前市場(chǎng)上準(zhǔn)備的三種基于AI的視覺(jué)領(lǐng)域的技術(shù)：

1. 應(yīng)用視覺(jué)信息的零售分析和精準(zhǔn)營(yíng)銷定位。

擁有實(shí)體店的公司可以通過(guò)視覺(jué)零售分析和分析供應(yīng)商從AI技術(shù)獲益。基于商店內(nèi)外的全天24小時(shí)攝像頭，機(jī)器學(xué)習(xí)算法可以識(shí)別出一些和業(yè)務(wù)相關(guān)的關(guān)鍵信息，例如使用面部識(shí)別技術(shù)去挖掘的商店內(nèi)顧客的行為模式，或不同商品擺放格局的效率。這些信息因數(shù)可用于優(yōu)化商店的運(yùn)營(yíng)工作和設(shè)計(jì)。然而，AI驅(qū)動(dòng)的視覺(jué)零售分析工具不需要局限于店內(nèi)經(jīng)驗(yàn)。例如，今天的快餐店能夠使用基于視覺(jué)的人工智能技術(shù)將經(jīng)過(guò)的車輛的牌照讀取到就近的連鎖店，然后使用公共第三方數(shù)據(jù)將牌照信息與個(gè)人信息相關(guān)聯(lián)。根據(jù)這些輸入和他們分析出的行為模式，創(chuàng)造超個(gè)性化的宣傳營(yíng)銷策略行銷企劃。要注意的是，在應(yīng)用這些技術(shù)時(shí)，零售商需要尊重并意識(shí)保護(hù)客戶隱私。

• 應(yīng)用難度：中等；需要硬件投資和安裝
• 供應(yīng)商：ShopperTrak, RetailNext, OpenAPL
• 效果：提高增加實(shí)體場(chǎng)地的銷售量和運(yùn)營(yíng)效率; 通過(guò)超級(jí)個(gè)性化營(yíng)銷優(yōu)化營(yíng)銷支出

2. 用戶生成內(nèi)容中的圖像和視頻識(shí)別

各大品牌對(duì)于任何在線和離線渠道上關(guān)于他們的討論一般都非常關(guān)注，特別是他們的公關(guān)團(tuán)隊(duì)，無(wú)論是積極的還是消極的。隨著視頻驅(qū)動(dòng)的社交渠道如Snapchat，Instagram，Pinterest和YouTube的廣泛應(yīng)用，許多數(shù)字對(duì)話和討論不再以更容易處理的文字方式發(fā)生，而是通過(guò)用戶生成的圖像和視頻內(nèi)容的方式。使用基于訓(xùn)練數(shù)據(jù)的深度學(xué)習(xí)技術(shù)，基于視覺(jué)AI的解決方案已經(jīng)漸漸發(fā)展起來(lái)了。它允許品牌大規(guī)模地監(jiān)控各種社交媒體渠道，并識(shí)別任何相關(guān)的視覺(jué)模式，如品牌標(biāo)識(shí)或個(gè)體個(gè)人產(chǎn)品。然后將這些發(fā)現(xiàn)提供給社交媒體團(tuán)隊(duì)進(jìn)行審查并用以指導(dǎo)消費(fèi)者互動(dòng)。

• 應(yīng)用難度：低; 大多是獨(dú)立軟件與業(yè)界領(lǐng)先的社交媒體管理工具API的集合應(yīng)用
• 供應(yīng)商：ClarifAI, Cloudsight, Indico, Dextro
• 效果：增加消費(fèi)者互動(dòng)和客戶滿意度; 提高社交媒體社會(huì)營(yíng)銷團(tuán)隊(duì)的運(yùn)營(yíng)效率

3. 智能數(shù)字資產(chǎn)管理 （DAM, Digital Asset Management)

數(shù)字資產(chǎn)管理利用與UGC (User-generated content, 用戶生成內(nèi)容）媒體處理類似的技術(shù)方法，現(xiàn)代DAM解決方案利用人工智能技術(shù)自動(dòng)將語(yǔ)義元數(shù)據(jù)應(yīng)用于營(yíng)銷資產(chǎn)，從而無(wú)需進(jìn)行詳盡的手動(dòng)標(biāo)簽分類。許多大型市場(chǎng)營(yíng)銷組織在數(shù)字資產(chǎn)運(yùn)營(yíng)中缺乏管理。由于基于機(jī)器的標(biāo)簽增加了已經(jīng)生產(chǎn)和許可的數(shù)字化媒體資產(chǎn)的可發(fā)現(xiàn)性，因此媒體生產(chǎn)成本和許可成本可以大大降低。
基于AI的自動(dòng)標(biāo)記功能能夠識(shí)別和標(biāo)記具有高級(jí)概念的數(shù)字化資產(chǎn)，例如“海灘上的一家人”或“正開(kāi)心地吃著冰淇淋的小朋友”。

• 應(yīng)用難度：中等; 可能需要DAM平臺(tái)或者其擴(kuò)展功能
• 供應(yīng)商：Adobe Smart Tags, Asset Bank, Google Cloud Vision API
• 效果：通過(guò)減少人工規(guī)劃資產(chǎn)標(biāo)簽的需要來(lái)提高運(yùn)營(yíng)效率; 通過(guò)減少授權(quán)和媒體產(chǎn)品的花銷來(lái)優(yōu)化營(yíng)銷支出

語(yǔ)義相關(guān)的營(yíng)銷活動(dòng)的AI應(yīng)用

語(yǔ)言驅(qū)動(dòng)的AI在學(xué)界有最悠久的歷史; 研究人員已經(jīng)研究了幾十年（無(wú)論是在口頭還是書面的語(yǔ)境中）如何準(zhǔn)確地理解和語(yǔ)義上處理人類語(yǔ)言（自然語(yǔ)言處理NLP，Natural Language Processing）以及如何產(chǎn)生它（自然語(yǔ)言的生成：文本到語(yǔ)音，Natural Language Generation and Text-to-Speech）。亞馬遜的Alexa，蘋果的Siri和IBM的Waston，對(duì)熟悉技術(shù)的消費(fèi)者來(lái)說(shuō)已經(jīng)是家喻戶曉的名字。他們代表了我們?nèi)粘Ｉ钪心苡玫降母鞣N支持語(yǔ)音處理的數(shù)字產(chǎn)品。隨著進(jìn)來(lái)語(yǔ)言理解，處理和生成技術(shù)的成熟，新技術(shù)已經(jīng)開(kāi)辟了與消費(fèi)者互動(dòng)的全新渠道。

1. 聊天界面與聊天機(jī)器人

年輕一代在線時(shí)間的大部分時(shí)間花在基于文本信息的通信渠道中，例如Facebook Messenger，Whatsapp或短信app。通過(guò)SDK和API集成，這些通信平臺(tái)把自身向其他各大品牌開(kāi)放開(kāi)發(fā)，并逐漸發(fā)展成為全面的生態(tài)系統(tǒng)。例如，利用Facebook平臺(tái)，漢堡王正在測(cè)試一款聊天機(jī)器人，可以讓用戶從附近的一個(gè)分店訂購(gòu)食物，并在Facebook Messenger應(yīng)用程序內(nèi)支付。聊天界面讓客戶和平臺(tái)即服務(wù)提供商進(jìn)行更直接和自然的對(duì)話，允許這種對(duì)話的應(yīng)用程序正在快速發(fā)展。由于這類應(yīng)用的大范圍成熟，對(duì)于一個(gè)組織來(lái)說(shuō)，一個(gè)成功的策略是從采用一個(gè)普通但是非常細(xì)化的服務(wù)應(yīng)用開(kāi)始，特別是使用那種投資回報(bào)率比較高的應(yīng)用，即小服務(wù)，大產(chǎn)出。比如，可以先把聊天機(jī)器人應(yīng)用在呼叫中心，這一類實(shí)踐往往有很好的成功先例驗(yàn)證，而且能夠產(chǎn)出比較好的效果。在這個(gè)之后，可以在進(jìn)行迭代，把聊天機(jī)器人使用到更廣泛的企業(yè)應(yīng)用中去。

• 應(yīng)用難度：初始的具體實(shí)施門檻較低，但高級(jí)應(yīng)用的難度高。需要建立SDKs和APIs以采用市場(chǎng)進(jìn)入策略（go-to-market）
• 供應(yīng)商：Facebook Messenger, Alexa Skills API, Converse.AI, IBM Watson
• 效果：通過(guò)可以快速獲取的類人模擬人類的客服支持來(lái)改善客戶關(guān)系; 通過(guò)減少人力需求來(lái)提高運(yùn)營(yíng)效率

2. 營(yíng)銷信息生成

另一項(xiàng)AI在市場(chǎng)營(yíng)銷中的成熟應(yīng)用是機(jī)器驅(qū)動(dòng)的語(yǔ)言生成。該技術(shù)提供了以真正個(gè)性化的方式與每一位客戶和潛在客戶進(jìn)行溝通的承諾，其目的是建立完全相關(guān)的和情感上的聯(lián)系以觸發(fā)特定行為。使用連續(xù)的測(cè)試和測(cè)量方法，人造內(nèi)容生成平臺(tái)能夠自主地學(xué)習(xí)交流策略，為每個(gè)消費(fèi)者客戶生成最個(gè)性化和最有利于其轉(zhuǎn)化轉(zhuǎn)換優(yōu)化的營(yíng)銷信息。基于一般詞匯，營(yíng)銷傳播模板以及客戶已知的偏好和觀察到的行為，這些系統(tǒng)整合在一起，通過(guò)機(jī)器學(xué)習(xí)優(yōu)化您的營(yíng)銷傳播策略，以便在正確的時(shí)間，通過(guò)正確的渠道與正確的語(yǔ)氣，用最相關(guān)的內(nèi)容，和每一位用戶互動(dòng)。

• 應(yīng)用難度：中等; 通常需要與驅(qū)動(dòng)直接消費(fèi)者通信（如ESP，Email service provider，電子郵件服務(wù)供應(yīng)商）的系統(tǒng)進(jìn)行多種集成
• 供應(yīng)商：Persado, IPSoft, Automated Insights
• 效果：通過(guò)更個(gè)性化的信息改善客戶關(guān)系; 通過(guò)與直接消費(fèi)者直接溝通的渠道來(lái)優(yōu)化轉(zhuǎn)換率，以增加銷售額

3. 情緒分析

大范圍自動(dòng)檢測(cè)客戶交流中的情緒是非常強(qiáng)力的一種營(yíng)銷工具，不論是在文字還是口頭語(yǔ)言交流中。自然語(yǔ)言處理技術(shù)已經(jīng)發(fā)展到可以準(zhǔn)確地識(shí)別客戶聲音中的情緒，例如沮喪程度。像這樣通過(guò)基于AI的系統(tǒng)進(jìn)行分類的方法可以在呼叫中心中得到利用。例如，當(dāng)偵測(cè)到客戶方面的情緒越來(lái)越強(qiáng)烈緊張時(shí)，這項(xiàng)技術(shù)可以自動(dòng)把交互式語(yǔ)音系統(tǒng)切換到人工服務(wù)，以確?？蛻舻臐M意度。類似地，對(duì)于一些社交渠道例如Facebook，Twitter，論壇評(píng)論中用戶產(chǎn)生的文字內(nèi)容，自然語(yǔ)言技術(shù)也能大規(guī)模的偵測(cè)到其中的情緒波動(dòng)。這樣的工具可以評(píng)估和校準(zhǔn)在營(yíng)銷活動(dòng)中，以及UGC（用戶生成內(nèi)容，user-generated content）中的品牌認(rèn)知度。

• 應(yīng)用難度：低; 主要是獨(dú)立技術(shù)
• 供應(yīng)商：Lexalytics, Sysomos, Crimson Hexagon
• 效果：提高客戶意識(shí)和見(jiàn)解，并與之建立關(guān)系; 通過(guò)減少人工社交媒體監(jiān)控或用戶生成內(nèi)容審核的需求來(lái)提高運(yùn)營(yíng)效率

營(yíng)銷分析中的AI應(yīng)用程序

AI技術(shù)的應(yīng)用，特別是機(jī)器學(xué)習(xí)的應(yīng)用一直在挖掘大量數(shù)據(jù)，并從中獲得可行的見(jiàn)解; 其中系統(tǒng)大多運(yùn)用從數(shù)據(jù)中獲得的指導(dǎo)人類去做一些的營(yíng)銷活動(dòng)的決策和優(yōu)化策略。在自主的無(wú)人監(jiān)督的環(huán)境說(shuō)法中，AI系統(tǒng)直接利用其機(jī)器驅(qū)動(dòng)的洞察來(lái)優(yōu)化某些機(jī)器驅(qū)動(dòng)行為。下面我們介紹在市場(chǎng)營(yíng)銷學(xué)的世界里，最為常見(jiàn)的三種方法。

1. 程序化廣告購(gòu)買

程序化廣告是今天大量使用AI的最常用和最成熟的數(shù)字營(yíng)銷技術(shù)之一?；跈C(jī)器學(xué)習(xí)算法，程序化廣告工具能夠?qū)W習(xí)一種優(yōu)化的決策策略，用于廣告的程序化購(gòu)買。因?yàn)槌绦蚧?gòu)買，往往會(huì)考慮涉及到哪些受眾，消費(fèi)者的個(gè)人信息和關(guān)鍵字以及價(jià)格?；谛袠I(yè)領(lǐng)先的付費(fèi)廣告平臺(tái)的實(shí)時(shí)競(jìng)價(jià)投標(biāo)和實(shí)時(shí)銷售機(jī)制，復(fù)雜媒體購(gòu)買的精細(xì)的媒體程序化購(gòu)買方法通常遠(yuǎn)勝于傳統(tǒng)的媒介購(gòu)買策略。因此，程式化廣告是很有必要的，不論是還是什么類型的公司，如果你希望優(yōu)化在線媒體支出并提高其廣告系列效果，這幾乎會(huì)是你一定要做的事情。

• 應(yīng)用難度：低; 主要是獨(dú)立技術(shù)
• 供應(yīng)商：Adobe Media Optimizer, Rocket Fuel, Kenshoo
• 效果：通過(guò)學(xué)習(xí)和不斷改進(jìn)的購(gòu)買策略優(yōu)化營(yíng)銷支出; 通過(guò)減少付費(fèi)媒體運(yùn)營(yíng)的人力管理成本需求來(lái)提高運(yùn)營(yíng)效率; 通過(guò)增加轉(zhuǎn)換增加直銷

2. 相似用戶模型（Lookalike audience modeling）

相似用戶擴(kuò)展模型是正在被迅速采用的營(yíng)銷技術(shù)中的另一個(gè)趨勢(shì)。通常，這種技術(shù)被集合成所謂的數(shù)據(jù)管理平臺(tái)（DMP，Data Management Platform），允許公司整合第一，第二和第三方數(shù)據(jù)，以確定和管理目標(biāo)客戶群段并整合他們用戶的個(gè)人信息。相似用戶擴(kuò)展模型的功能基于機(jī)器學(xué)習(xí)算法，并根據(jù)現(xiàn)有客戶的特征重疊重大重疊自動(dòng)發(fā)現(xiàn)新的目標(biāo)客戶群細(xì)分。例如，零售商的學(xué)習(xí)算法可能會(huì)發(fā)現(xiàn)，最近轉(zhuǎn)換的購(gòu)買冬季夾克的客戶的特征與訪問(wèn)美國(guó)滑雪門戶網(wǎng)站的用戶個(gè)人的人口特征（比如，住在哪兒，收入多少，性別以及年齡等等）有明顯的重疊。那么后面的這個(gè)客戶群就可以被精準(zhǔn)定位：后來(lái)的細(xì)分市場(chǎng)現(xiàn)在可以是 具體目標(biāo)如 通過(guò)在滑雪門戶網(wǎng)站上的投放展示廣告，來(lái)擴(kuò)大客戶群，從而提高了營(yíng)銷投資回報(bào)率。

• 應(yīng)用難度：低到中等; 通常是獨(dú)立平臺(tái); 需要與擁有重要用戶數(shù)據(jù)的系統(tǒng)集成; 需要開(kāi)發(fā)企業(yè)范圍的數(shù)據(jù)模型
• 供應(yīng)商：Oracle Bluekai, Adobe Audience Manager, DoubleClick by Google
• 效果：通過(guò)高度針對(duì)性的廣告優(yōu)化營(yíng)銷支出; 通過(guò)發(fā)現(xiàn)具有高概率轉(zhuǎn)換的新細(xì)分市場(chǎng)來(lái)增加銷售

3. 基于算法的實(shí)時(shí)個(gè)性化推薦

目前在市面上使用的大多數(shù)個(gè)性化推薦，大多是有人為策劃的規(guī)則驅(qū)動(dòng)的，這些規(guī)則通過(guò)中查找某些上下文中的某些數(shù)據(jù)點(diǎn)，例如用戶的位置，客戶狀態(tài)或預(yù)計(jì)的家庭收入。然后基于這些信息對(duì)用戶的作者對(duì)相關(guān)性的進(jìn)行評(píng)估從而傳送不同的內(nèi)容和消息。
基于算法的個(gè)性化旨在使用機(jī)器學(xué)習(xí)技術(shù)在用戶瀏覽窗口時(shí)的瀏覽會(huì)話中可以實(shí)時(shí)動(dòng)態(tài)地個(gè)性化調(diào)整網(wǎng)站。在應(yīng)用中，基于已經(jīng)建立的概率模型，當(dāng)計(jì)算出某個(gè)用戶放棄購(gòu)物車的概率，或者關(guān)于瀏覽窗口的概率達(dá)到某個(gè)閾值時(shí)，就會(huì)驅(qū)動(dòng)某個(gè)規(guī)則，從而動(dòng)態(tài)地向該用戶提供折扣來(lái)挽留客戶。這些提供者使用的機(jī)器學(xué)習(xí)技術(shù)通?；诜Q為強(qiáng)化學(xué)習(xí)的無(wú)監(jiān)督學(xué)習(xí)方法。在該方法中，該算法針對(duì)固定的獎(jiǎng)勵(lì)函數(shù)功能優(yōu)化其行為動(dòng)作，例如， 用戶轉(zhuǎn)換的購(gòu)物車大小。每次獲得積極的結(jié)果（例如客戶購(gòu)買一組產(chǎn)品），AI系統(tǒng)會(huì)回顧其以前的決定 – 在什么情況下對(duì)其進(jìn)行獎(jiǎng)勵(lì)。在相反的情況下，如果用戶購(gòu)買窗口會(huì)話在沒(méi)有結(jié)帳的情況下被放棄，那么它將減小未來(lái)購(gòu)買界面采用的個(gè)性化推薦的概率。該算法會(huì)不斷探索替代動(dòng)作，因此可以適應(yīng)購(gòu)買環(huán)境變化，如節(jié)日期間的購(gòu)物行為。這被稱為剝削的平衡 – 利用過(guò)去的個(gè)性化行為表現(xiàn)良好的數(shù)據(jù)，去不斷嘗試新的行動(dòng)并觀察是否有效。

• 應(yīng)用難度：中至高; 通常需要與現(xiàn)有的商業(yè)或內(nèi)容平臺(tái)的深度整合
• 供應(yīng)商：NeoWize, Bloomreach, Sentinent
• 效果：通過(guò)提供相關(guān)的產(chǎn)品優(yōu)惠產(chǎn)品來(lái)增加銷售量，減少購(gòu)物車棄置率; 通過(guò)更個(gè)性化和相關(guān)的體驗(yàn)改善用戶關(guān)系

營(yíng)銷預(yù)測(cè)以及行動(dòng)決的AI應(yīng)用

AI在營(yíng)銷中的最后一個(gè)應(yīng)用類別是作為專注于預(yù)測(cè)用戶行為的工具。雖然與基于洞察的應(yīng)用有某種程度上的重疊，但這一類系統(tǒng)通常會(huì)預(yù)測(cè)未來(lái)的行為，并嘗試做一些相應(yīng)地用戶體驗(yàn)優(yōu)化。

1. AI驅(qū)動(dòng)的產(chǎn)品推薦引擎

雖然電子商務(wù)中的產(chǎn)品推薦引擎已經(jīng)存在了很長(zhǎng)時(shí)間，但由AI大力驅(qū)動(dòng)的新一代工具其實(shí)最近才剛剛出現(xiàn)。傳統(tǒng)推薦引擎主要使用稱為協(xié)同過(guò)濾的技術(shù)，其基于客戶之間的購(gòu)買行為的重疊來(lái)推薦給出產(chǎn)品建議。然而，這些方法容易出現(xiàn)冷啟動(dòng)（cold start) 問(wèn)題，即對(duì)于沒(méi)有歷史購(gòu)買數(shù)據(jù)的新客戶很難做出推薦。不知道新客戶的購(gòu)買數(shù)據(jù)的情況。較新的AI驅(qū)動(dòng)的大數(shù)據(jù)方法考慮了更廣泛的數(shù)據(jù)集，包括諸如使用的設(shè)備，時(shí)間或通過(guò)第三方提供商提供的線下 （off-site) 活動(dòng)等數(shù)據(jù)。例如，服裝零售商Under Armour使用IBM Watson通過(guò)分析客戶購(gòu)買數(shù)據(jù)以及健身和營(yíng)養(yǎng)的第三方信息來(lái)給給出更精準(zhǔn)的產(chǎn)品推薦建議。類似的方法也通包括過(guò)讓客戶參與關(guān)于自身偏好的調(diào)查小問(wèn)卷，圍繞自己的喜好進(jìn)行測(cè)驗(yàn)，從而為營(yíng)銷人提供更多的數(shù)據(jù)。這種方法的一個(gè)例子是??Northface的“找到完美的夾克”??經(jīng)驗(yàn)，通過(guò)互動(dòng)對(duì)話縮小了其產(chǎn)品推薦的范圍。

• 應(yīng)用難度：中等; 通常需要產(chǎn)品領(lǐng)域的建模和外部數(shù)據(jù)的整合
• 供應(yīng)商：Amazon DSSTNE, LiftIgniter, IBM Watson
• 效果：通過(guò)甚至可以為新客戶提供產(chǎn)品推薦的高質(zhì)量推薦系統(tǒng)強(qiáng)大的相關(guān)產(chǎn)品建議甚至為新客戶來(lái)增加銷售; 從一開(kāi)始就建立起良好的客戶關(guān)系，給予客戶理解和被服務(wù)的感覺(jué)。

2. 預(yù)測(cè)分析

簡(jiǎn)單來(lái)講，預(yù)測(cè)分析就是提供未來(lái)預(yù)測(cè)的平臺(tái)。預(yù)測(cè)分析延展了傳統(tǒng)的分析方法，往往更加專注于日志級(jí)別數(shù)據(jù)Log Level Data(如訪問(wèn)網(wǎng)站，平均訪問(wèn)時(shí)間等)。其預(yù)測(cè)分析在營(yíng)銷中應(yīng)用最廣泛的是客戶關(guān)系管理（CRM）應(yīng)用。使用機(jī)器學(xué)習(xí)和相關(guān)技術(shù)，??例如像Salesforce的產(chǎn)品Einstein旨在預(yù)測(cè)和警告市場(chǎng)營(yíng)銷人員可能需要重點(diǎn)關(guān)注的消費(fèi)者行為，例如一個(gè)客戶開(kāi)始頻繁的聯(lián)系售后服務(wù)，或者 一個(gè)現(xiàn)有的訂閱客戶可能快要到期，而他之前使用產(chǎn)品的行為可能預(yù)示著他不會(huì)再續(xù)訂你的產(chǎn)品。這種預(yù)測(cè)既考慮一般市場(chǎng)趨勢(shì)這種宏觀大環(huán)境數(shù)據(jù)，也會(huì)考慮個(gè)人微觀數(shù)據(jù)等等無(wú)數(shù)個(gè)數(shù)據(jù)點(diǎn)。然而，預(yù)測(cè)分析不僅僅應(yīng)用于是銷售業(yè)務(wù)。該技術(shù)還可以通過(guò)預(yù)測(cè)用戶的下一個(gè)行為和選擇來(lái)改善客戶體驗(yàn)。使用這些預(yù)測(cè)經(jīng)驗(yàn)，設(shè)計(jì)人員可以減少他們的工作量。這種設(shè)計(jì)方法通常被稱為預(yù)前設(shè)計(jì)。

• 應(yīng)用難度：中至高; 通常需要跨系統(tǒng)的數(shù)據(jù)集成和用于預(yù)測(cè)引擎的定制算法
• 供應(yīng)商：Salesforce Einstein, IBM Predictive Analytics, Marketo
• 效果：通過(guò)機(jī)器驅(qū)動(dòng)的預(yù)測(cè)來(lái)增加銷售; 通過(guò)改進(jìn)的個(gè)性化用戶體驗(yàn)來(lái)提高消費(fèi)者滿意度和客戶關(guān)系

前景

那些還沒(méi)開(kāi)始將AI平臺(tái)利用到日常工作中的市場(chǎng)營(yíng)銷人需要開(kāi)始關(guān)注這些了。根據(jù)自身企業(yè)的需要，列出項(xiàng)目?jī)?yōu)先級(jí)。

上面說(shuō)的僅僅只是提供了一個(gè)使用AI技術(shù)的入門，和一些個(gè)人建議。我會(huì)建議營(yíng)銷團(tuán)隊(duì)根據(jù)包括預(yù)期的用戶價(jià)值，自身公司的商業(yè)影響力，運(yùn)營(yíng)的準(zhǔn)備情況，實(shí)施所需要的工作量等各個(gè)方面的因素，制定屬于自己的營(yíng)銷部AI路線圖。

我們也會(huì)建議市場(chǎng)營(yíng)銷部門IT部門緊密合作，因?yàn)橥ǔI解決方案不僅僅依賴于現(xiàn)有的公司數(shù)據(jù)，還需要整合現(xiàn)有的市場(chǎng)技術(shù)應(yīng)用。此外，通常，特定類別的AI解決方案提供商具有類似的功能產(chǎn)品，但是與公司現(xiàn)有技術(shù)足跡的兼容性可能會(huì)有所不同，這可能是一個(gè)企業(yè)用還是不用某個(gè)AI技術(shù)的關(guān)鍵原因，所以，一定要和你的IT部門好好合作。

在投入并推出人工智能解決方案之前，公司應(yīng)確定使用新技術(shù)關(guān)鍵指標(biāo)（KPI）。這是任何項(xiàng)目開(kāi)始前需要去衡量的關(guān)鍵。鑒于大多數(shù)AI技術(shù)供應(yīng)商都提供基于SaaS（Software as a Service）的服務(wù)模式，并且大多數(shù)供應(yīng)商都會(huì)讓你免費(fèi)試用一段時(shí)間，你可以好好利用這段免費(fèi)試用來(lái)看下這個(gè)服務(wù)到底對(duì)自己有沒(méi)有幫助。而且你還需要考慮的是，許多機(jī)器學(xué)習(xí)算法需要經(jīng)過(guò)一段時(shí)間的受監(jiān)督或無(wú)監(jiān)督的方式進(jìn)行訓(xùn)練，才能真正顯示其全部潛力，所謂路遙知馬力。因此，你可能需要耐心一些，給你的AI應(yīng)用充足的時(shí)間，喂飽它足夠大量數(shù)據(jù)，最終才可以拿到有意義的結(jié)果和預(yù)測(cè)。

總之，人工智能技術(shù)正與其字面含義一樣：復(fù)制人的思想，在理想狀態(tài)下可以甚至提升人類智商智力的計(jì)算算法。放在市場(chǎng)營(yíng)銷的語(yǔ)境中，這可以解釋為營(yíng)銷人員通過(guò)計(jì)算機(jī)和算法的幫助去更好地了解消費(fèi)者。就像在現(xiàn)實(shí)生活中一樣，這是一個(gè)基于過(guò)去經(jīng)驗(yàn)的學(xué)習(xí)過(guò)程。最終，客戶將不斷地與品牌個(gè)性化的關(guān)聯(lián)所吸引，真正感受到獨(dú)一無(wú)二的服務(wù)，感受到來(lái)自于品牌對(duì)于他們的理解。這才是AI對(duì)于營(yíng)銷的真正意義所在。

___________

白皮書來(lái)自數(shù)問(wèn)數(shù)據(jù)科學(xué)社區(qū)（dataquestion.com）人工智能（AI）能幫助市場(chǎng)營(yíng)銷做什么

原作者Thomas Prommer @ Huge Inc. A Starter Guide to AI in Marketing.