AI大模型时代，如何构建企业的AI营销战略？

在公司的所有职能中，营销可能从人工智能中获益最多。营销的核心活动是了解客户需求，将它们与产品和服务匹配，并说服人们购买——人工智能可以显着增强这些能力。

麦肯锡 2018 年对 400 多个高级案例的分析表明：营销是人工智能贡献最大价值的领域。首席营销官们越来越接受这项技术，美国营销协会 2019 年 8 月的一项调查显示，人工智能的实施在过去一年半中增长了 27%。德勤 2020 年对早期人工智能采用者的全球调查显示，前五个人工智能目标中有三个是面向营销的：增强现有产品和服务、创造新产品和服务以及加强与客户的关系。

一项名为《2023AI营销现状》的报告面向900位增长责任人展开调研，其中包含约300位CEO、CMO，他们中约90%认为在未来12个月内AI对于营销来说颇为重要。数字经济应用实践专家骆仁童博士表示，一旦某个公司掌握了人工智能的基本技能以及大量的市场和客户数据，他们就能够开始从任务自动化转移到机器学习。公司应尽可能地向更自动化的决策转变，因为这是营销人工智能获得最大回报的地方所在。 

然而，在让AI真正驱动增长的过程中，企业也面临很多现实的困境。超过一半的营销人认为他们还不是很了解AI，44%的被访者认为企业还没有真正的AI营销战略。

来自杜克大学的教授卡尔·梅拉就曾指出，很多营销技术就像是“亮闪闪的新东西”。企业对AI等营销新技术的投入更像是在装点门面，很少能真正激发它们的价值。要解决这一难题，需要做好两件事：“解构”增长路径，让关键业务环节更好地与技术相配合；“构建”多元技术能力，并确保其作为一个完整的系统发挥作用。

许多公司现在利用人工智能来处理狭义的任务，例如数字广告投放（也称为“程序化购买”）；协助完成广义的任务，例如提高预测的准确性（销售预测）；并在结构化任务（例如客户服务）中增加人力。

公司还在客户体验的每个阶段使用人工智能。当潜在客户处于“考虑”阶段并研究产品时，人工智能将针对他们投放广告并能够帮助和指导他们的搜索。

AI 可以通过使用极其详细的个人数据（包括实时地理位置数据）来简化销售流程，以创建高度个性化的产品或服务。在过程的后期，人工智能协助追加销售和交叉销售。

在某些情况下，人工智能通过分析客户的语气并提出不同的反应建议、指导座席如何最好地满足客户的需求或建议主管干预来协助人工客服。

在大模型阶段，AI可以进一步在企业的各个层面发挥作用，从前台应用到后台基建。为了让AI真正发挥其价值，企业需要积极识别业务增长的关键环节，并探索在这个过程中AI如何能够发挥作用以提高增长效率。

目前已经有一些商用AI大大模型。首先，能提升人货匹配的效率。企业需要更深入地理解商品，这就需要准备大量的广告投放方案。然而，这需要耗费大量的人工和物力。

如果AI介入这一环节，情况就会有所不同。AI的一大价值是能够高效地处理大量数据，发现其中的关联，并完成一些基础的工作。在广告主提供商品信息后，基于大模型的数据处理能力，系统能更深入地理解投放的商品，进行更高效的人货配对。

例如，经典的“啤酒和尿布什么看起来毫不相关的两种商品，竟然可以提升销量”的营销故事。通过AI的数据洞察和自动化操作，企业无需准备大量的投放策略，就能实现更精准的人和货的配对。

为了更好地利用AI，企业需要积极“喂养”AI。例如，在广告系统中建立方品库，让AI理解售卖的商品和其特征。同时，企业也可以与平台方展开定制化的合作，以帮助AI更好地理解自身，进一步提升配对效率。

其次，提升消费者连接能力。更深入理解人性，是许多企业追求的目标。

有很多企业拥有优秀的金牌销售，他们通过对用户深度的理解和卓越的沟通能力，为用户提供更优质的服务，并高效地促成下单转换。对于企业来说, 如何培养更多的金牌销售，提升整体客户服务水准，以推动业务增长，是一个重要的问题。AI在这方面有巨大的潜力。

一方面，AI可以快速提供经过智能计算后的话术参考, 在它的帮助下，客服与客户的沟通会更加流畅。另一方面，基于自动标签，系统能够对海量数据进行高效、可靠的分类处理和建模学习，以提升系统底层能力，从而大幅提高销售和服务环节的效率。

AI对人的认知不仅仅影响销售服务环节。特别是在用户的消费心智逐渐成熟，消费决策过程变得复杂而持久的今天，据调研，大约有70% 的用户需要长期培养，最后才能产生转化。企业与消费者的交流也变得更加复杂，全链路、全程的用户关系运营已经成为必然。而通过对人的理解, AI可以高效、自动化的追踪和链接用户决策的过程，形成一套用户线索管理的矩阵。

最后，能提升经营效能，更深入地理解商业环境。技术的进步只是进化的一部分，将行业经验和商业敏感性融入大模型中是至关重要的。

通过持续的行业现状和需求调整，企业可以获得更贴心的AI营销工具。通过大数据洞察，可以实现更确定性的冷启动，了解面向的客户群体、展现的游戏特点和使用的代言人等信息。投放过程中，智能投放工具可以根据投放效果进行快速调整，减少人工干预并自动优化提速。

尽管独立的任务自动化和人工智能技术相对简单，但是它们仍然难以根据特定的工作流程进行配置。因此，公司需要获得适当的人工智能技能，以便将 AI 引入到营销工作流程中。任何类型的 A I 引入工作流程时，都需要仔细整合人工和机器任务，以确保 AI 增强了人们的技能，同时不会产生问题。 

数字经济应用实践专家骆仁童博士表示，为了构建AI能力并解决可能的风险，营销部门及其背后的组织，特别是IT部门，需要长期关注，尤其建议营销人员从现在开始制定策略，充分利用AI现有的功能以及其可能的未来发展。 

在应用层面，AI大模型的能力正在逐步扩展。然而，为了确保AI能够全面融入营销过程并发挥系统性作用，企业需要在基础设施层面进行系统性布局。在这个过程中，企业需要特别关注系统性这一概念。

一方面，在整个营销体系中，企业往往过于关注智能投放领域的工具引进，但要真正实现智能化的营销系统，企业还需要关注智能创意和智能诊断能力的部署；另一方面，工具之间能否进行有效的“对话”，形成顺畅的创意投放验证体系也是需要关注的话题。

在平台侧系统性AI基建不断完善的同时，企业侧也需要进行相应的部署，除了必然的引入更多AI工具、培训新型人才体系之外，构建具有开放性的AI应用架构是更具挑战性的一环。

事实上，在平台方、技术供应商提供了通用大模型的基础能力后，需要不断引入行业经验加以调教才让大模型的能力更贴近应用的场景和具体需求；而打破围墙花园，构建开放网络，推动数据合作，才能让大模型进一步理解广告效果的全貌，从而给出更加科学的决策建议。

当然，这样的体系搭建并非一夕之功，大模型的训练与商业应用也必然是一场持久战，企业需要以长期主义思维进行持续的关注、学习与投入，也需要秉持技术的开放心态，共同应对AI时代的新挑战。

AI的应用在许多领域都取得了显著的进展，但也存在挑战和风险。其中，即使是最简单和基础的AI应用，如任务自动化，也可能遇到困难，因为它需要公司具备适当的AI技能和知识。此外，将AI引入工作流程需要仔细整合人类与机器任务。例如，使用聊天机器人自动化客户服务可能会导致客户不满。因此，让机器人协助人工代理和顾问可能更好。

随着公司采用更高级的AI应用，整合到第三方程序中也是一个挑战。例如，Procter &Gamble的玉兰油皮肤顾问，它使用深度学习来分析客户的照片，推荐合适的产品，但将其整合到零售店和亚马逊等销售平台中却很困难。

而且，公司必须确保AI应用尊重客户的隐私和数据所有权。客户可能会担心在不知情的情况下发布位置数据或被窃听。因此，公司需要透明地向客户解释数据收集和使用的情况，并确保他们能得到公正的交换。

总的来说，AI的能力正在快速提升，我们可以相信AI将彻底改变营销的方式，但这将是一个长达几十年的旅程。

商道童言（Innovationcases）欢迎点赞和分享哦！~~

免费电子书：结构化思维 | 荆棘商途 | 年度十词 | 创新企业案例 | 区块链金融

数字经济应用实践专家 骆仁童主讲课程

人工智能：《AI趋势》《ChatGPT》

数字应用：《区块链》《元宇宙》《大数据》

数字中国：《智慧城市》《数字政府》《智慧建筑》《智慧交通》

数字化转型：《制造业数转》《零售业数转》《中小企业创新》

产业数字化：《烟草数转》《银行金融科技》《电力能源互联网》

宏观与趋势：《数字经济》《2024宏观》《双碳》

思维与技能：《数字化思维》《组织变革》

创新与创业：《创业导师》《商业模式》