当前位置:首页|资讯|AIGC|深度学习

【开为科技X北拓资本】“如何用AIGC做数字化营销的‘加减法’?”

作者:KiWi开为科技发布时间:2023-07-24



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。


Copyright © 2024 aigcdaily.cn  北京智识时代科技有限公司  版权所有  京ICP备2023006237号-1