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。
2017年8月22日，品途和Xtecher在品途Landowork创新加速器联合主办了“人工智能”沙龙——人工智能的商业场景究竟在何方？
春晓资本、思必驰、理财魔方、京东、经纶世纪医疗等公司和机构的代表出席了本次沙龙，共同探讨人工智能的商用场景。
在活动现场，春晓资本执行董事和平做了《人工智能在数字营销方面的应用》的独立演讲。
品途商业评论对和平的演讲内容进行了以下整理：
首先做一下自我介绍：
和平，春晓资本执行董事，北京大学微电子研究所研究生，美国斯坦福计算机数据挖掘博士；现在在春晓资本主要负责TMT，移动互联网，SaaS，大数据，AI，游戏等方向的投资；曾任华为高级研究员，高级硬件工程师；曾任傲游浏览器产品总监、海银资本投资总监，零一创投副总裁，主导社区001，博洛尼，盒子支付，博看文思等项目投资；创立奇点创投，主导投资PICOOC，魂之觉醒等项目。
首先到底什么是数字营销？数字营销涉及到哪方面的内容？数字营销是一个循环，是一个数字的链条，它首先从Marketing进入，从Social Media到Sales，再到CRM，CRM之后必不可少的一个环节就是Call Center，这些全部都是On line的数据；然后再到场内的线下数据，带着各种标签的线下数据及其数据的分类。每做一次销售，你的目标是为了赢得的客户，并不应该是一次性把产品销售出去，
最终是赢得客户这个人本身，而不是商品的一次消费，所以这是一个核心的理念。“Our Challenge Someone always owns a moment but no one owns the guest.”
AI的前提和AI的基础本质是Big Data，有AI要先有的一个数据基础，人工智能和数据挖掘都要建立在数据本身基础之上，如果没有数据，后面的事情就没有。数据由数据集，数据的多样性，数据的运转效率是那个部分组成，
Big Data不仅仅是数据。“Big Data is not just a “lot” of data …”
在每次营销中，都有消费者，有品牌商，不管是从支付体系还是各种各样的渠道获得和了解客户，抑或是让客户会去了解你的商品和品牌，都是一个双向的过程。这个过程中，
双方都是在盲人摸象，我们每个人看的都是大象的一部分，合在一起就是一个Big Data。
如何与让这些智能的数据相结合相互结合，最后打通这样一个管道。而这头大象是由各种不同维度的数据树组成的，如图，是多渠道跨平台的数据集。
在The Economist的首页上有这样一句话，“The funnel is dead. Long live the consumer decision journey.”
现在大部分的营销状况都是这种漏斗形态的，而漏斗的销售形态已死，长期存在的应该是消
费者决策主导驱动的一种消费形态
和文化。这句话其实是说，以围绕着消费为中心点开始变化，中心点由数据漏洞形态开始转变成以客户决策为中心的形态，客户的决策是什么？它代表对一个人的理解和认知，一个有情绪癖好情感的人，并且对消费者的消费行为和习惯有一种深度的尊重，这是通过
数据能够解决的这些问题，中间的过程和算法就叫人工智能。
关于Big Data在数据方面的纬度，这个矩阵可以充分的展现，纵向是实时的数据和滞后数据，横向的是运维的数据，大数据；底下是数据的量级的数据。做营销需要知道处理和面对的是什么样的数据级和数据维度，每个层次的数据级都具备什么样的特点，数据是设计一套算法和一套
AI的前提。
原先的漏斗的形态，是进行一次一次的转化，但现在不是了，现在进入不同渠道后，是一个比例关系，而不是一个渠道漏洞关系，最后到消费者进行决策的这样一个过程。
盲人摸象中间这个“大象”里边到底有多少个数据的通道？如线上购物，Facebook、推特之类的社交网络，中国的微商、内容营销，还有TV Ad、Direct Mail是另一种形态的邮件营销，还有In-Store就属于线下的门店里面的支付形态。无外乎这8种左右，那我们利用这里面的数据进行相互的整合，就是多渠道跨平台的一个管理。如何把所有这些数据捏合到一起？你进行数据挖掘的时候，像在谷歌、百度、360都存在数据安全和隐私暴露的问题，所以你还要考虑多方面的因素。
在做数据挖掘和AI算法的时候，哪些数据是你一定能够获取的，哪些东西你可以利用的？其实很简单，在淘宝上有推荐功能，方便了用户的使用，但是用户总希望有一些搜索的东西不被别人看到。如果说一个机器或者AI特别了解你，这个东西是双生的，就是双刃剑，所以在做AI和算法的时候，这些东西是要平衡的。
再往下的话，其实是关于用户、消费者认知的过程。刚才讲了盲人摸象涉及到的数据，就是以通道为中心化的一个形态。中间那个大象到底是什么？如果拥有全部的数据集，还有一些外延的数据维度，再加上AI的算法，基本上可以看到，否则的话，双方一直都在盲人摸象。
只有进行双向的数据打通和数据智能匹配，才能解决盲人摸象的问题。因此营销者一定要掌握一个大象的全貌，这些一定是通过完整、丰富的数据和智能的算法来解决的。
数据集是AI的基础
从DISPLAY，SEARCH，VIDEO，MOBILE，SOCIAL，COMMERCE，到GAMING，整个链条下来，不同的点和环节有各种各样的公司，这些公司处理的数据级是不一样的，把所有数据放在一起，就是那头“大象”，这里面有很多机制在运转，也有非常多的创业机会和投资机会。
一个非常典型的公司是英国老牌的关于数字媒体和传播的一家公司，他们把广告做到了极致，其实每个领域又会有很多细分，在海外这一块发展得非常充分了。关于Markeing在美国可能有个将近五千家左右的创业公司，但是在中国这样的创业公司应该是不超过20家。我在今年的一个时间段把这领域20家公司基本上都看过了，然后
投了一家公司叫数字营销实验室Convertlab，应该是这个领域现在做的最好的，上半年我们大概投了四千万人民币，下半年融资现在是融资1亿左右，估值应该是6个亿人民币，应该是属于这个领域的领跑者了。
再往下，我们把中间的这些工具、数据、算法全部屏蔽掉的时候，你能看品牌商和消费者，中间所有做的这些事情，公司，从不同的纬度去切入的，你做的一件事情就是成为品牌商和消费者之间的桥梁，这个关系是怎么做到的？
你在围绕消费者去做销售，让他体验更好；还是通过广告和其他东西影响消费者的体验，这是不一样的。主动营销和被动营销，包括有人工智能和没有人工智能也是不一样的。
Convertlab有一些典型的客户，今年我投的那家公司，它今年做了几件在行业里有革命性的事情：它的产品形态是SAAS，一些典型客户包括星巴克、百威、蒙牛、TCL、英孚等这些典型客户的单价基本是200-250万元之间。百威的客单价做到的一个行业的单价付费变革和突破性，突破了千万的订单。明年这种类似的客户会越来越多。所以Big Data和AI能够做到的事情对于客户的问题、痛点和市场之间匹配的作用，其实是非常突出的，你发现一个SAAS公司在行业里的单价达到千万级，如果十个客户就是一个亿了，它有什么成本吗？可能有一部分运营成本，但这还是属于超级高价值的。
我投它的时候，它的客户大概是60家，因为公司产品的功能在不断迭代和丰富，一开始只有一些很少数据级的时候，你能做到的点可能客单价200万，甚至50万。当数据做得越来越丰富，内容能够解决的问题越来越多，越来越智能的时候，协同效应就会显现，所以到了最后，它其实会成为大的品牌商最重要的一个商品。因为对于这些品牌商，你的技术部、生产部，这是很多传统的，所有能够产生颠覆的东西一定在营销。一家公司，原来一个客户经理可能能维护50个客户，一年已经是很牛逼的客户经理了，但是你用数据的场景，一年维护的客户可能是100个，是呈指数级上升的。
Data会有不同的数据集，数据集就是你做这方面的基础，你能得到什么样的数据和数据维度，每两种数据集之间都会有不同的关系，最后你会发现它是一个数据矩阵，这个每个数据集可能会有协同，或者一些算法关联。
无论在哪个领域去创业或者投资，项目的切入点和用什么样的数据，解决什么样的问题，可能是最重要的一点，上图和之前的一张就是关联并一一对应的。
一个越来越智能的世界如上图一样，由各种不一样的部分组成，Cloud，Social，Mobile，IOT，AI等各种各样的技术和产品形态。
关于AI，它是一个非常复杂的数据结构；它的数据和结构是分层的，从下面数据集合开始，有数据Context，数据的Infrastructure，是一层一层的数据结构化的过程，中间就会有Data的Modeling和Data science，还有一些隐藏的复杂的功能，最后你会发现所有的这些东西放在一起才是一个AI的Intelligence的Systerm里。
最上层，从商业的角度AI和系统，是冰山以下的部分，数据到底能带来什么样的价值？AI冰山系统上是这样的，我们能看到的商业的部分，仅仅是水面上的这部分，基本上是你能够直观感受到的销售数据、用户体验。但AI和数据在背后都做了什么样的事情我们是看不到的，所以冰山的剩下部分都在水下，这部分的内容和工作量是水上部分的10倍。
AI和CRM之间的关系，如何让AI和CRM进行关联？这个里面有很多很有意思的公司，关于Analytics，Relationship Intelligence，predictive Scheduling，Search Intelligence，Machine Learning，Deep Learning，Sales Intelligence，Data Discovery，Data management Platform，这些互联网领域的公司的切入点和下面所对应的公司，像.IO这样的公司国内也有很多。这件事情在国外大概从2015年火的，今年从国内来讲，稍微滞后了一些，这里面有一些典型的公司是比较值得我们去研究和学习的。
这就是我刚才讲的关于爱因斯坦里面涉及到的一些点，它有自然语言处理等几个不同的维度，Salesforce它把这个系统设计完后，想想给它起一个什么样的名字，它其实是一个AI的产品，所以起名是爱因斯坦，世界上最聪明的人的意思。
后面就是关于爱因斯坦的几个组成部分，这几个数据纬度放到爱因斯坦上做四方面的事情，自动匹配、推荐、预测、发现。因为有了AI，所以CRM变成了最聪明的，改变了世界很多消费行为和方式的工具。
怎么样去快速的构建一个以AI为核心驱动的产品？因为很多产品可能是以产品、消费者，或者内容来驱动产品运营的，如何做一款以AI和data去驱动的产品，这是AI核心的点和之前不同的，但是大部分内容是在冰山以下，是你看不到的内容，你能看到的东西都是在冰山以上。如果冰山以下的东西你做的非常充分的话，这个变化是很大的。
关于爱因斯坦结构的分析，底层是Data，各个各样的数据结构和数据库，上一层是关于数据服务层，也就是数据平台，需要把data进行数据清洗，再往上是它最核心的Einstein的内核，是算法和AI部分的核心。要想架构一个工程级的商业平台，等AI平台架构完了之后，再在上面搭建应用层的APP，各种各样的应用典型，这是整个爱因斯坦的构建体系。
科技猎
