AI时代爆款打造指南：人与技术切勿本末倒置，品牌营销应摆脱数据操控

猎云网 • 7年前扫码分享

我是创始人李岩：很抱歉！给自己产品做个广告，点击进来看看。

在过去的一年里，人工智能和机器学习占据了大部分新闻头条，很多人都认为它们会颠覆所有的行业。

从结构上来说，世界上最大的两家公司——谷歌和微软——已经围绕人工智能研究、工具和应用AI进行了重组，并将重心放在发展其主要平台上，为10亿用户提供人工智能产品和服务。紧随其后的苹果、Facebook、亚马逊、腾讯和阿里巴巴都在大力投资AI，以增强其整个产品生态系统。

当AI成为消费者参与和互动模式的核心，新一轮的“军备竞赛”又开始了。

机会所有消费者都拥有可以装进口袋的AI应用。随着传感器变得越来越智能，智能系统的未来也越来越光明。事实上，对量子计算的研究有可能让处理能力发生指数性的飞跃。

有一点是不置可否的，即所有上述的公司都拥有消费者参与环节。换句话说，他们塑造了消费者与技术和品牌互动的方式。所以，作为一名品牌营销人员，我们别无选择，只能不断改变并适应这些新兴的行为。但是该怎么做呢？品牌该如何利用AI、机器学习和数据在这个AI主导的新营销环境中保持相关性呢？

AI初学者指南

第一步是了解AI的发展以及利用不同类型的AI来发现见解并吸引消费者。

人工智能最初于1950年被提出，随后的几十年里我们目睹了众多AI大事件。1996年，IBM的深蓝系统战胜了国际象棋大师；2011年，IBM的Watson系统则占据了主要优势。2016年，谷歌的AlphaGo算法打败了世界上最好的围棋选手。几乎每个星期，我们都会看到有关AI“学习”新技能的报道，无论是征服竞技性视频游戏还是学习如何在虚拟组件中行走。

1.推动AI黄金时代出现的三个领域

1.用于并行计算的图形处理单元（GPU）的成本下降

2.结构化和非结构化数据的爆炸

3.算法的进步

随着摩尔定律的颠倒和计算变得越来越廉价和小型化，AI将会影响消费者环境中的每一个角落。初步预测显示，有AI驱动的产品和服务市场将会从2020年的360亿美元跃升至2025年的1270亿美元。

2.三种类型的人工智能

类型1：狭义人工智能（ANI）即弱AI，主要专注于一项任务，如AlphaGo。

类型2：广义人工智能（AGI）即强AI，能够达到人类智力水平的计算机，如电影《她》中的Samantha。

类型3：超级人工智能，在任何可能的领域都比人类聪明的智慧体，如复仇者联盟的仇敌奥创。

目前我们所讨论的一切都是围绕ANI的，AGI和超级智能还处于幻想之中。坦白说，如果我们试图达到这两个状态，可能会是违法的。

3.AI子集

让我们进一步了解一下AI的工作原理。AI拥有众多个子集和类，每一个都有对应的不同用例。

a.机器学习是第一个也是最知名的环节。机器学习使用算法来分析数据，学习并对特定用例进行预测。我们提供的数据越多，所创建的预测引擎就越好。

机器学习拥有15种以上的技术，包括关联规则学习、决策树、随机森林、贝叶斯网络、强化学习和遗传算法等。

但是其中引爆AI新一轮爆发的机器学习技术是深度学习。

b.深度学习使用神经网络（以人脑为模型的多层次数据结构和算法）采用“数据上升”的方式进行学习和预测。与其他机器学习技术不同，深度学习不需要研究人员来定义功能或权衡数据，取而代之的是神经网络。这也是深度学习相较于其他机器学习技术真正具有优势的地方，即它是可扩展的。研究人员可以将大量数据输入系统，无需对输入的数据进行分类。这一优势促进了情绪分析、图像处理和语言翻译的进步，为消费者带来了如谷歌Lens这样的强大服务和如谷歌Assistant、Siri和Alexa等产品。

但是即使是深度学习也有不同类型的神经网络子集，如卷积神经网络、循环神经网络、门循环单元、自动编码器等。我们不会详细介绍，但是了解它们每一个都有具体用例是很重要的。当你构建数据产品时，你应该了解哪些网络对于你想要提供的服务是最佳的。

营销应用

我已经给出了AI和技术类型的概述，以及深度学习改变AI的原因。现在让我们来看看如何将AI应用到营销中。

我们将其分解为三个核心营销领域：消费者参与、品牌策略和创新。

1.消费者参与

AI不受体积或内存容量的约束，可以用来学习几乎无限的不同类型的结构化或非结构化数据集。存储在高度组织化和可搜索的关系数据库中的结构化数据集可以是第一方、第二方或第三方数据。非结构化数据是来自开放网络的无限数据。当数据来自社交平台和物联网设备时，它可以揭示出消费者行为的深刻文化见解。机器学习的原始力量，加上合适的结构化和非结构化数据集，可以让营销人员以几乎没有限制的方式分割目标对象，从微观层面发现行为、感知、态度和场合。

除了可以扩展大规模的非结构化数据集的能力以外，机器学习的另一个更重要的能力是它能够发现难以言明的、自发的消费者需求。通过使用预测算法，研究人员可以将这些发现与行为结果联系起来。然后开发出正确的处理框架，为非结构化数据提供结构化分类，并识别出与对象触发因素和行为相关联的个性特征。由于分割方式是无限的，所以拥有合适的计划和创造性的合作伙伴是至关重要的。

如前所述，深度学习和不同类型的神经网络使图像处理和语言翻译取得了突破性进展。这开启了新用例的大门，也会品牌提供了增强创造力和设计的杠杆。通过目标受众的见解，品牌可以利用机器学习分析和分类大量外部非结构化数据，来了解吸引目标受众的信息类型和创造性元素。

例如，Mondelez使用AI创意总监为Clorets Mint Tab品牌创造了一条广告。他们使用来自获奖作品解构广告的数据库对AI创意总监进行了训练，让AI创意总监了解获奖作品是什么样的。AI为具体类别学习和创造想法的潜力，将会在未来让创造力远超人类创造的算法。

分析非结构化数据的能力引入了新的数据池，来通知内容策略、层次结构和设计布局。关键在于识别出你所在领域的合适体验来分析和识别内容与结构。另一个关键因素是使用合适的图像处理器API来识别正确的图像和设计美学，从设计的角度提供体验见解。

例如，加拿大航空公司利用机器学习，通过分析客户的电子邮件行为，对每日交易工作的副本和图像进行个性化。虽然此方式针对电子邮件这一个渠道，但是很容易通过多个渠道实现网站内容的通知。

机器学习和自然语言处理的另一个关键优势是识别和联盟创意领域网红的能力。通过非结构化的社交数据，品牌营销人员可以确定增长领域的关键影响因素，并了解与粉丝产生共鸣的内容类型。这将有助于品牌以正确的内容瞄准合适的网红，来提高品牌知名度。

例如，起亚使用机器学习来找出适合2016年超级碗的社交媒体网红。AI可以了解哪些网红与具体的个性特征相匹配。确定好名单后，这家汽车公司开启了一项网红政策来推广广告宣传活动。

真正的1：1个性化功能只存在于你现有的客户和实时动态创意引擎中。但是，该如何向目标受众提供个性化信息呢？机器学习和专有数据的组合可以帮助你通过行为模式识别出匿名访问网站的用户。通过这些见解，你现在可以使用正确的消息来定向这些用户，并记录进你的数据库中。

2.品牌战略

品牌策略可以帮助你开发出合适的品牌平台，维持你在领域中的领先地位。开发强大的平台有多种因素，包括强大的品牌声音、目的、承诺、属性、信息语音，以及可能是最重要的价值主张。但更重要的是，他们需要领先于市场力量，避免新兴玩家的干扰。在人工智能和机器学习之前，你的专有数据和市场情报数据源限制了演变和重塑定位，简单点来说就是发布数据的速度限制了品牌战略。

AI和机器学习的优点是，你可以添加非结构化数据源，在指定的时间范围内将竞争对手映射到你的位置上，确定你们之间的差距。关键在于你要创建一个类别驱动的分类法，来了解消费者是如何理解你的品牌和价值的，以及他们是否与你的信息匹配。这一点同样也适用于产品级别。你所正在寻求的是了解产品随着时间的推移会如何被理解，以确定增长和发展机会。

AI和机器学习的另一个品牌战略用例来自于自然语言处理和语音激活设备与会话机器人的爆发。这一组合让AI系统开始介入品牌的个性，促进客户的交互，驱动行为。以Alexa的Dominos技术为例，客户可以下订单，支付并跟踪订单。Dominos通过AI系统成功的整合了整个客户体验流程。然而，关键在于确定哪些行为应由助理处理，哪些行为需要人际交互。

像Alexa这样拥有客户体验的助手的缺点是它们掌握了现在的信息交流。除了尽可能减少可扩展性，关键的解决方法是将机器学习应用到你所拥有的内容中，或创建新的智能体验来执行相同的任务和捕获数据.例如，美国银行创建了自己的内置机器人Erica，使用预测分析来帮助客户节省资金。

3.企业战略

与上述类似，公司可以利用AI推动投资组合的价值，政府新的市场，增强渠道，甚至改变文化。

AI对于那些希望自动化高容量核心业务过程的高管来说是很重要的，这些业务流程往往由常规和重复的工作组成。系统可以确定相关模式，最终达到降低成本增加生产力的目的。

系统的目标是识别出对人类判断需求低且高度重复性的任务。构建在决策树上的过程是智能系统的理想自动化目标。

通过人工智能实现自动化是大多数公司进入AI领域的第一步。随着自动化和生产力的提高，公司将会开始研究如何增加B2B和B2C客户的体验，并利用智能系统驱动终端用户体验。

例如，通用公司一直使用AI帮助整合供应商数据来降低无效成本，从而可以比较不同企业相同产品的价格。品牌可以利用这种方法来帮助降低成本和供应商之间的冗余。

在正确的数据和分类领域中，公司使用历史和现在的绩效数据来确定新的目标市场和收购企业。关键在于确定正确的数据源，帮助通知算法根据你的商业模式和增长潜力来对可能的联盟做出正确的预测。

公司可以利用人工智能系统来确定其投资组合内的产品增强和扩张机会。通过围绕客户会话创建分类，你可以获得新产品的见解，或者确定你现有产品组合中产品功能和设计的未来发展方向。另一种途径是将机器学习应用于你的专有第一方数据，来了解你的客户是如何谈论你的产品的，从而确定新的用例或增强机会。

寻找和招聘人才是公司经理和领导者最困难的任务。AI通过强化学习识别模式的能力可以帮助管理人员了解新人才发挥效能的绩效预测指标，并制定人才在特定环境压力下学习和发展的计划。

4.创新

我们之前提到品牌是如何利用机器学习来确定竞争对手之间的差距和机会的。但是，我们又该如何使用机器学习进入新的领域或者颠覆现有领域呢？通过正确的数据策略和技术，机器学习能够告诉品牌未知搅局者进行创新的地方和方法。机器学习、NLP和图像处理可以揭示出三个关键消费者参与领域的见解，创造新的产品、服务和收入流。

第一个领域是通过分析非结构化级别的数据来识别出消费者障碍，从而确定消费者不满意或需求未得到满足的地方。

第二个领域是使用NLP来识别出可以刺激消费者和催生创新的情感和功能领域。

最后一个领域是了解你的品牌可能会被颠覆的方向。关键在于使用机器学习识别相关行为来了解你的品牌可以自然进入的领域。

除了确定增强和干扰的机会之外，机器学习最强大的用例是确定新兴趋势的速度和影响。关键在于利用社交和搜索数据，观察它们的发展速度，并预测它们是否会在一段时间内成为一种趋势。

最好的技术会消失在消费者背后，只有在需要的时候才会被召唤出来。AI通过与智能的与其他设备连接来帮助推动这一转变，确定某一时刻应该出现的技术、数据和内容。这意味着消费者将会把不太重要的决策和任务委托给他们的个人助理，并将重心放在更加重要的决策或活动上。

在不久的将来，消费者将会通过智能代理系统与其他智能系统进行交互。Facebook和Google都推出了群组消息传递技术，将机器人整合到任务中。像x.ai和Clara这样的创企则推出了虚拟助手服务，帮助自动安排会议。通过使用谷歌Lens，Assistant可以将实施环境转化为动作，并与其他机器人实时协作完成任务。

对于品牌营销人员来说，这意味着我们需要识别出数据和技术影响个人助理以及直接为消费者创造和增强环境体验的地方。