【开为科技X北拓资本】“如何用AIGC做数字化营销的‘加减法’？”

以AIGC为核心的技术正日益成为推动市场营销领域创新和变革的引擎，深度学习技术的突破和应用让人们对AI充满了无限的想象，AIGC未来十年已然可以预见。对企业而言，AIGC很有可能成为未来企业的基础技能。

如何参与到这场AIGC革命中，如何让最新的AI技术切入到企业现有的数字化作业体系中，变成了当前首要问题。

本期「数字科技百日谈」，我们邀请到开为科技联合创始人&COO杨宽，和大家一起聊聊他的看法。

本期嘉宾：

主持人：开为科技为什么选择做AIGC+数字化营销赛道？

杨宽：我们公司做的是零售AI领域，目前主要集中在零售。零售，大家也知道涵盖范围比较广，从门店到供应链，到各种上下游，我们更聚焦零售的数字化营销这一块。营销是一个比较多元化、变化很多的领域。

我们公司最早的技术背景跟AI有关。16年左右的时候，人工智能非常火，代表性技术叫深度学习。由于计算能力的增长，和新的大模型出现，孕育了一批人工智能四小龙公司我们当时也是非常看好 AI 技术对于人类社会的未来改变。我们通过应用这些最先进的AI模型到各行各业，会有非常大的落地和提升空间。

我们选择在零售行业做深耕，其实有几个原因：

第一，零售行业的数据量非常大，做 AI，核心就是数据，数据就是算法的血液。在零售行业，有大量的人在不同的门店买不同的商品，这些行为真实客观。大家喜欢什么，什么商品受欢迎，商品销售有什么样的趋势，大量的真实的消费行为能够给予我们AI算法的数据来源基础，这是我们看到的第一个机会。

第二，零售行业的数字化程度相对来说不是那么发达，电商，或者线上零售网络，他们数字化做的很不错，中国电商在世界上都是领先的。但是如果说到实体零售，他们的数字化程度就会低下很多。现在国家振兴实体经济，我们认为这里面是有非常大的提升空间的。

第三，从宏观上来判断，零售行业是关系到每个人生活的刚需行业。有一些行业由于政策的变化，会经历不同的起伏周期，但是以消费为代表的零售行业来说，他们是长期受到政策的鼓励和支持的。毕竟中国是人口大国，消费市场空间是非常大的。因此我们就选择在零售这个赛道里面去深耕了。

这是我们当时对整个赛道选项的一个思考，那我们再去看看技术的一个发展，图像识别在不同领域得到了很好的应用。但从那年以后，技术上就没有特别大的突破了，除了少数一些，比如文字领域还有一些突破，但最大的还是来自于最新的这种大语言技术。当时GPT1、2其实已经出来了，但它的影响力还没有到GPT3出来时的惊艳效果。而自从去年的大语言模型出来后，整个人工智能行业，大家都往生成式技术，就是AIGC方向去做探讨和研究了。

主持人：开为科技是怎样抓住AIGC机遇，赋能数字化营销的？

杨宽：自从去年大语言模型出来之后，整个人工智能这个行业，都在向 AIGC 方面去做不同的探讨。如果说我们把之前的人工智能技术叫做识别类，例如，把一个人的图像，总结成一块字符串，去做内容的提取。那么现在这一波技术的重点，其实更多的是——做内容的生成。例如，通过你的一句简单的指令生成出一张图片，或者生成持续性的人机对话。

这样一个方向，可以让我们产生更多的内容，为很多行业赋能。AIGC+零售营销的应用组合，也能带来很大的想象空间。

首先营销就是内容为王，谁的内容比较高效、比较有趣，或者谁能更低成本地生成大量内容，谁就能占据营销的优势。在内容生成的环节中，有非常多的部分是人工智能可替代的，能够去帮助零售商和品牌方减少成本、增加效率的。

而且它又是一个非常高频、需求规模很大的场景。光一个快消品牌商就会有大量需求，更不用说零售商。那么在这样一个量级的基础上，我们又可以通过数据的不断的沉淀，去深化和优化我们的模型。

在零售 AI 这条路，从最开始的技术积累，到目前的生成式AI的流行，零售营销始终跟AI有密切的联系。

回到今天的主题，我们如何通过人工智能技术给数字营销做加减法。什么叫做加法？就是从一个很简单的idea到idea完成落地的过程，通过一两句话就能够生成一个非常生动、具体、几乎能够商用的内容产出，这个叫做加法。

从技术落地角度来说，我们认为AIGC能够替代 设计师60%- 70% 的工作，甚至包括logo、slogan如何摆放排版。举个例子，我们 One GC 平台可以帮助品牌生成很好的背景，这就是人工智能可以替代人类去做的工作。我们将One GC这样的产品模块，形容为“做加法”。

我们还有一个产品叫One GPT，它可以将传统上通过数据BI看板查看消费者门店购买数据、行为数据或者营销活动数据的方式，转变为通过聊天的方式进行交互。我们把开为拥有的大量零售数据，无论是营销相关的还是消费者洞察相关的数据，做成一个数据库，通过最新的GPT的能力将洞察结果给到零售商或品牌商。

我们认为这种聊天的方式就是在做减法。什么叫减法？就是把大量的信息，原来需要人力去理解分析的数据，通过聊天这样一种简单的方式，呈现最精华的洞察结果，这就是做减法的过程，也是我们的 One GPT产品正在做的事。

这一加一减，做加法能够让B端的生产者快速生成不同的内容，不同的主题，适应不同的产品推送给 C端。做减法就是信息的提取，让决策者、让 B端能够更快速的get 到他想要的信息。“一加一减”，其实就是我们在 One Connect 这个平台上面去利用 AIGC 技术去搭建的两个工具，大概是这样一个情况。

主持人：开为科技有哪些独特的亮点，包括现在的市场格局是怎样的？

杨宽：这个技术相对来说还是比较新，我也不太方便去评价友商，妄言现在的市场格局，我们只能从我们自己的角度出发，讲讲我们自己。

第一个就是， GPT 包括 AIGC 的技术其实是需要对每个行业做一些优化的。不是拿一些公有模型，换UI就可以向客户交付了，GPT是没有对某个行业去做深度优化的。因为 GPT 是通过很多公开网络的数据训练出来的大语言模型，它只能满足一些对public knowledge 的需求。

我们知道有非常多的行业数据是无法从公用资源里获取的。有 20% 的数据可以通过公开网络获取，也就是 GPT 训练的数据集，但是有高达 80% 的数据是在防火墙后面的，它们存在于企业或行业的私域数据库里，公开的 GPT 模型是不具备获取这些数据的能力的。

那我们为什么能够去做行业上的优化呢？就是因为我们通过One Connect营销中台系统，跟很多零售商打通了这样一个数据的来源。我们的数据库比较真实客观，能够去反映出零售快消行业领域的情况。

你跟我们的 One GPT 的对话结果，跟你去和 ChatGPT 对话其实是完全不一样的。我们针对零售行业对它做了一些优化，对于生成的内容，我们非常有自信完胜 ChatGPT 。

我们开为做的，就是基于零售快消数据系统做的一个专科AI，我们是这样定位的。我们比竞争对手要好，主要有两点：第一是我们有大量的数据，第二是我们懂零售。我们毕竟从 17、18 年就开始做这个行业，我们知道他们需要什么样的数据维度、什么样子的内容符合零售营销的需求。

如果你去用Stable Diffusion或者 Midjourney，他们可能会生成很多不同风格的图像，但其实有相当大一部分都是零售营销里面用不到的。营销里面常用到的内容，比如说家庭聚餐、春节过年、户外影音等等，这种跟消费场景相关的内容，它的风格要写实、浪漫等等，有不同的需求，我们针对这些需求都做了非常多的优化。

对于数据，我们现在看到的趋势是，大家对于数据越来越重视了。我们并不是把零售商数据拿过来，我们的产品都是私有化部署，数据全在零售商自己的服务器里面，客户只是通过模型进行交互，去生成他想要的内容。我们自己的模型训练也是在数据脱敏基础上去训练的，我们认为在未来私有数据是会越来越宝贵。