宇宙的盡頭是帶貨，大模型首戰(zhàn)在營銷

最近網(wǎng)上流行一句話：宇宙的盡頭是帶貨。

簡單來說，就是以前那套“羊毛出在豬身上”的變現(xiàn)方式即內(nèi)容向觀眾和粉絲免費、靠品牌主廣告主付費，已經(jīng)不好用了。企業(yè)“花錢賺吆喝”的品宣預(yù)算減少，而是更看重品效合一，希望將“有效流量”轉(zhuǎn)化成實際的業(yè)績增長。所以越來越多的網(wǎng)紅博主、大V甚至某些新聞當(dāng)事人，最后都走向了“帶貨”。

精準、高效、低成本的營銷需求，不只卷網(wǎng)紅大V們，也在卷大模型。

一次交流中，一位銀行從業(yè)者直言：金融行業(yè)的數(shù)字化是建設(shè)比較久的，目前“數(shù)字營銷”也遇到了關(guān)于增長的困境，從一線業(yè)務(wù)員到CMO首席營銷官，都希望能夠?qū)I銷的迭代速度加快，各個環(huán)節(jié)實現(xiàn)從效率到效果的提升，通過AI智能營銷來形成一條更大的增長曲線。

“但是，跨越從數(shù)字營銷到智能營銷之間的鴻溝，以前這一步，大家邁得非常累。借助大模型的機會，或許我們可以更快地把這一步邁過去。”

從數(shù)字營銷進化到AI營銷，在大模型的加持下，進一步提質(zhì)降本增效，帶來真金白銀的效果提升與業(yè)務(wù)增長，讓許多行業(yè)和企業(yè)為之興奮。

在過去的2023年里，我們看到百度、騰訊、阿里、京東等基礎(chǔ)模型廠商，以及金融、教育、廣告、傳媒等多個領(lǐng)域的企業(yè)與垂類ISV數(shù)字化服務(wù)商，都在積極推動大模型在營銷場景落地。

那么， AI營銷與互聯(lián)網(wǎng)時代的數(shù)字化營銷，究竟有什么本質(zhì)區(qū)別？大模型真的給營銷帶來了實質(zhì)性的改變嗎？企業(yè)在使用AI營銷時需要考慮哪些現(xiàn)實問題？

本文將結(jié)合我們的一線采訪與思考，嘗試剖析這些問題。

從數(shù)字營銷到AI營銷，為什么要“跨越鴻溝”？

從數(shù)字化營銷到智能化營銷，為什么是企業(yè)眼中必須跨越的一道“鴻溝”？

大家可能都聽說過一句名言：我知道我的廣告費至少浪費了一半，但我不知道究竟是哪一半。對企業(yè)來說，營銷的投入產(chǎn)出比ROI，始終都有優(yōu)化提升的空間。

降本增效，提高營銷ROI，這件事情在數(shù)字化營銷階段，有被解決，但沒完全解決。

所謂數(shù)字化營銷，就是在任何營銷活動、整個流程，都跟數(shù)字緊密捆綁在一起，通過數(shù)據(jù)進行機會觀察，對大量用戶進行畫像、分層、測算，然后將活動物料進行數(shù)字化的廣告投放。

和傳統(tǒng)營銷的問卷調(diào)查、人工經(jīng)驗相比，數(shù)字化技術(shù)的全流程應(yīng)用，讓營銷效率得到了大幅提升。但是，數(shù)字化改造的諸多問題，也隨著大量行業(yè)和企業(yè)的應(yīng)用而暴露出來。

最核心的問題就是：數(shù)據(jù)孤島。

營銷工作涉及多個流程，傳統(tǒng)意義上的數(shù)據(jù)中臺，企業(yè)內(nèi)部形成了各種營銷數(shù)據(jù)系統(tǒng)，但不同系統(tǒng)的用戶數(shù)據(jù)及行為數(shù)據(jù)之間相互獨立，彼此不打通，數(shù)據(jù)很多但用不起來。導(dǎo)致的結(jié)果就是：

人更累了。

一個營銷活動，需要多人跨崗位跨部門協(xié)作，在企業(yè)內(nèi)部也變得越來越細分。如果做一場大型活動，比如雙十一、618這類大促，營銷人員通常需要在十幾個系統(tǒng)里來回倒騰，其中有大量重復(fù)勞動，比如一份物料在多個渠道平臺系統(tǒng)上反復(fù)粘貼，手動進行大量的權(quán)益選擇、頁面搭建，這些低價值的重復(fù)勞動非常耗時，讓營銷人員無法把更多精力放在高價值的思考優(yōu)化上。

人更多了。

由于營銷業(yè)務(wù)的細分，企業(yè)不得不為多個環(huán)節(jié)配置更多的人員，一個人員只負責(zé)某個環(huán)節(jié)，只用關(guān)心怎么把單一模塊做精做好，投放人員關(guān)心投放ROI，活動策劃關(guān)注匹配營銷目標的活動設(shè)計，內(nèi)容運營希望設(shè)計師幫自己設(shè)計出更好的文案、素材、圖片……過于細分的營銷“流水線”，需要大量營銷人員做“螺絲釘”，只干自己的一畝三分地，無法從全流程、全局視角去優(yōu)化結(jié)果，不僅會影響營銷效果，也不利于個人的職業(yè)發(fā)展。

人更難了。

數(shù)字化營銷，對人員的技能要求也更高了?；跀?shù)據(jù)進行分析和復(fù)盤，就是一個門檻非常高的復(fù)雜任務(wù)。其中消費者怎么想的，決策過程是什么，怎么埋點，監(jiān)控哪些數(shù)據(jù)，用戶在不同頁面的流失率、操作時長哪個步驟影響了整體流程？這些都只能依靠營銷人員的經(jīng)驗，以往只能通過前輩傳授和自己試錯。

結(jié)果就是，一些企業(yè)招不到這樣專業(yè)的營銷人才，靠拍腦袋的方式來做營銷，在廣告創(chuàng)意、活動設(shè)計、客服話術(shù)上花費了大量的精力，最后消費者用戶的反饋卻不如人意。

有沒有可能，讓一個人變成一支營銷隊伍？

這就需要為營銷人員配備一個全流程使能的“AI副駕駛”，能夠從一開始就將數(shù)據(jù)與營銷目標相結(jié)合，讓數(shù)據(jù)貫穿整個過程和所有環(huán)節(jié)，并結(jié)合營銷知識，自動做出最佳決策，替營銷人員來進行洞察、寫方案、做物料、篩渠道、完成個性化精準投放，最后復(fù)盤調(diào)整。

有了“AI副駕駛”，人更輕松了，人用得少了，人的技能也被全方面提升，這是為什么企業(yè)要積極從數(shù)字化營銷跨入AI營銷。

大模型，讓AI營銷天塹變通途

以前營銷環(huán)節(jié)也有AI參與，為什么大模型出現(xiàn)后，營銷人員才有了“AI副駕駛”？

答案是：傳統(tǒng)AI做營銷，太慢太貴。

此前也有很多互聯(lián)網(wǎng)企業(yè)、電商平臺將AI算法引入到智能推薦、海報創(chuàng)作、智能客服問答等場景之中，但效果總體來說，不咋地。

智能客服被普遍認為是“人工智障”，只能解決一些基礎(chǔ)問題，用戶還是要找人工，降本增效的效果有限。

另外，傳統(tǒng)AI算法的泛化能力不高，必須針對專項任務(wù)進行定制化訓(xùn)練，開發(fā)起來非常耗時，比如一個銀行的智能客服，需要人工訓(xùn)練師拆解話術(shù)文檔、生成QA，之后再擴展標準、投入到一線中，開發(fā)周期基本上一個月起步，六個月都有可能。一些中小企業(yè)請不起專業(yè)的開發(fā)團隊，也等不起那么長的開發(fā)周期。

大模型出現(xiàn)之后，如同一橋飛架南北，將“AI營銷”的天塹變通途。

洞察環(huán)節(jié)：一個基座模型，統(tǒng)籌全局，拉通數(shù)據(jù)孤島。

大模型強大的泛化能力，一個基座模型可以調(diào)度大量專有小模型，通過一個交互入口，與營銷人員進行交互，把各個系統(tǒng)、數(shù)據(jù)孤島都串聯(lián)起來，做到更全面的智慧洞察。在騰訊云的企點分析平臺上，銷售人員只要問一句“哪個產(chǎn)品賣得最好”，就可以實現(xiàn)準確的商業(yè)分析；在京東的一站式AI增長平臺上，營銷人員只需打開領(lǐng)航者AI營銷助手，就能完成全鏈路的活動配置。

設(shè)計環(huán)節(jié)：一個營銷大腦，集合行業(yè)知識，消除經(jīng)驗鴻溝。

將營銷知識與行業(yè)Knowhow，壓縮到大模型里面，可以消除中小企業(yè)、運營新人等在營銷經(jīng)驗知識上的差距，快速進階為AI營銷達人。

“這給了中小銀行一個掀桌子的機會”，一位受訪者告訴我們，“以前中小銀行欠缺的不僅是數(shù)字化系統(tǒng)，還有經(jīng)營相關(guān)的一些行業(yè)Knowhow，比如怎么做產(chǎn)品設(shè)計，怎么把產(chǎn)品更好的規(guī)劃賣給用戶，有沒有更好的營銷手段。過去要積累這些經(jīng)驗，要么招聘大量的相關(guān)專業(yè)人才，再花一定的時間蹚出自己的路來。但是到了大模型時代，大模型賦能金融，就讓它們有機會彎道超車，彌補上很多經(jīng)驗上的短板”。

執(zhí)行環(huán)節(jié)：一個生成與創(chuàng)造工具，生產(chǎn)力提質(zhì)增效。

到了具體的營銷活動落地環(huán)節(jié)，需要大量的物料、文案創(chuàng)意、投放配置等工作，創(chuàng)意素材和精準觸達，是廣告的核心競爭力，但是重復(fù)勞動量極大。尤其是每到“雙十一”“元旦大促”等節(jié)點，需要創(chuàng)建和投放大規(guī)模的物料，以往只能通過“人海戰(zhàn)術(shù)”，營銷人員加班來解決。

大模型強大的生成和創(chuàng)作能力，可以基于前期的全局洞察和領(lǐng)域知識，生成最佳物料和投放方案。

領(lǐng)航者的插件AI營銷助手，將主流模型的圖片生成能力遷移至金融領(lǐng)域，專注于營銷所需的各類素材生成?？焖偕煞蠘I(yè)務(wù)背景的，能夠在京東金融場內(nèi)投放的首頁彈窗圖、啟動圖、通用推薦圖等常用資源位的圖片，生圖率和采用率達到中階設(shè)計師水平。

在搜索推廣、信息流、輕舸等場景中，百度營銷打造的AIGC營銷工具擎舵輕量版，可根據(jù)所選計劃、單元、關(guān)鍵詞等信息智能推薦版權(quán)圖片和AI圖片，還可通過用戶自主表達推廣業(yè)務(wù)、畫面主體、比例等，生成創(chuàng)意圖片，用戶用相關(guān)圖片用以投放測試，“廣撒網(wǎng)”來獲取更多流量。

除此之外，京東、百度、騰訊云還提供數(shù)字人平臺，合成數(shù)字主播，進行產(chǎn)品和服務(wù)的賣點信息的視頻講解，幫助企業(yè)拓客。

總結(jié)一下，大模型對營銷的全流程進行重構(gòu)，每一個環(huán)節(jié)的降本增效，加起來就是AI營銷整體的加速進化。

大模型營銷，不能有斷點，也不該有斷點

一方面，企業(yè)需要改變數(shù)字孤島的營銷問題，實現(xiàn)全鏈路、全流程的數(shù)據(jù)洞察和優(yōu)化，對整個流程進行提質(zhì)增效；另一方面，大模型在認知智能、泛化能力、生成和創(chuàng)造等方面的強大潛力，確實可以從前期洞察、交互溝通、物料生成、分析決策等方面，全流程落地應(yīng)用。

所以，內(nèi)外壓力之下，全流程重構(gòu)，大模型廠商沒有討價還價的可能。

比如百度世界2023上，百度商業(yè)生態(tài)體系化發(fā)布“AI Native商業(yè)全景應(yīng)用”，從品牌到內(nèi)容，再到效果與經(jīng)營，重構(gòu)營銷全鏈路。

京東推出的新一代營銷增長平臺領(lǐng)航者，以全局視角為中心、覆蓋營銷全生命周期，提供全鏈路的工具/插件。

騰訊云則為營銷場景提供了從算力、模型、開發(fā)平臺/工具到應(yīng)用的全程支持，讓客戶自動調(diào)用相應(yīng)的API。

在營銷和智能客服領(lǐng)域有十多年積累的容聯(lián)云，推出基于數(shù)智大模型的“容犀智能”，實現(xiàn)了通用批量場景的AI全覆蓋，比如私域加分、營銷通知等，以及用戶全生命周期的全覆蓋，從新用戶獲取，到活躍用戶、流失用戶，提供不同場景相應(yīng)的營銷工具。

總結(jié)一下：全流程重構(gòu)，是各大大模型廠商拿下“AI營銷”這一戰(zhàn)場的前提，做不到就上不了牌桌。

扎下“王旗”，還要經(jīng)過哪些考驗？

營銷場景，是一個付費意愿高、高價值、效果明顯的落地場景，也是大模型廠商的必爭之地和關(guān)鍵戰(zhàn)場。

基于大模型的全流程重構(gòu)的AI營銷體系框架，需要堅實的內(nèi)核，來支撐企業(yè)客戶的信心。想要在營銷戰(zhàn)場扎下“王旗”，有幾個方面的賽點：

第一，基座模型的技術(shù)先進性。

人們常說技術(shù)公司不能“拿著錘子找釘子”，但如果手里沒有錘子，即使發(fā)現(xiàn)了釘子也砸不下去。對于AI營銷服務(wù)商來說，基座模型的能力是最為關(guān)鍵的。

基座模型的認知智能水平不高，生成內(nèi)容質(zhì)量差，容易出現(xiàn)幻覺，寫商品文案胡說八道，那根本不可能為營銷業(yè)務(wù)所用。

一位京東的技術(shù)人員告訴我們，如果AI生成的文案審核通過率只有70%-80%，AIGC對于業(yè)務(wù)的價值就會大打折扣，必須讓AIGC的審核通過率達到95%以上，業(yè)務(wù)方才可以使用。

再比如，智能語音在營銷場景的應(yīng)用，最難的一點是“你這東西不行，所有人一下子就能聽出來了”。比如智能客服詢問用戶“你要買的蘋果手機沒了，要不要換一款顏色”，這時候消費者可能都會想一想，這一想，人機交互就被打斷了，但AI智能客服要判斷你究竟是說完了還是在考慮，是該等你說完還是直接接話，技術(shù)上的難度就非常大，而一旦判斷錯誤，用戶體驗就會很不好。

總之，營銷業(yè)務(wù)場景是很復(fù)雜的，涉及高級智能的一些前沿技術(shù)，因此AI營銷的基座模型必須具備技術(shù)上的絕對領(lǐng)先性。

第二，對業(yè)務(wù)場景的理解和數(shù)據(jù)積累。

應(yīng)用于營銷場景的大模型，需要完成比較嚴肅的業(yè)務(wù)應(yīng)用，比如幫助老年客戶在銀行開戶，生成一張符合金融廣告規(guī)范要求的海報，對可控性的要求就非常高，是客戶選擇大模型營銷解決方案的一條重要紅線。

容聯(lián)云告訴我們，就以一線營銷人員所需要的話術(shù)為例，一線人員每天要打很多電話，企業(yè)不可能把所有電話都聽一遍，很多話術(shù)沒有提煉出來，也無法從語音數(shù)據(jù)中解析出一些行業(yè)優(yōu)秀的話術(shù)，那么溝通的業(yè)務(wù)目標轉(zhuǎn)化效果，比如開戶、填單、購買等，就很難去洞察和優(yōu)化。很多企業(yè)以前的話術(shù)庫，其實是只有量，沒有質(zhì)。目前，容聯(lián)云通過大模型去提取問題，把一線及時反饋出來的高頻問題，通過自動化手段及時挖掘出來，再反饋給主管或座席，更快地洞察客戶關(guān)注的問題，可以改善服務(wù)質(zhì)量，提高客戶滿意度。

高質(zhì)量數(shù)據(jù)和行業(yè)Knowhow的數(shù)字化積累，讓大模型真正深入理解營銷業(yè)務(wù)，也是判斷AI營銷方案的一個標準。

第三，工程能力做出好用的產(chǎn)品。

技術(shù)很先進，但產(chǎn)品很難用，是阻礙AI落地的一個主要問題。就拿AI營銷一站式工具來說，全流程貫通是很多企業(yè)都在追求的目標，但很少有企業(yè)能夠把所有營銷工具都進行跨平臺、跨系統(tǒng)的整合。

要么工具不全不完整，運營人員還是要在多個系統(tǒng)中來回切換；要么簡單地堆砌在一起，只提供一個聚合入口，運營人員需要在繁雜的應(yīng)用中反復(fù)查找，無法快速執(zhí)行完成。目前頭部AI營銷產(chǎn)品的做法是，通過AI agent智能編排調(diào)度，把大模型變成一個大腦中樞，對不同的工具API進行編排，自動把營銷目標拆解到不同任務(wù)并執(zhí)行。

營銷人員只需要抓住一個營銷目標，把預(yù)算、目標人群、投放形式等關(guān)鍵要素，跟大模型說明白，大模型就會結(jié)合領(lǐng)域知識，對目標任務(wù)進行拆解，并對其中的重復(fù)勞動進行折疊壓縮。這樣，營銷小白也可以很快“抄作業(yè)”，讓大模型引導(dǎo)到對應(yīng)的系統(tǒng)、應(yīng)用和節(jié)奏，完成整個營銷過程。

從這個角度看，AI營銷的產(chǎn)品化能力，就是把大模型學(xué)到的知識經(jīng)驗，讓營銷人員抄對、抄好、抄快。

最后，還要考慮成本的問題。

一定要用大模型嗎？以前的小模型還能不能用？如果所有的環(huán)節(jié)全用大模型，算力成本、開發(fā)工程量誰來出？增加的支出能否覆蓋減少的成本呢？

投產(chǎn)比是否合理，是企業(yè)面臨的現(xiàn)實問題，也是是否采取大模型解決方案的底層邏輯。目前業(yè)界的普遍做法，是大小模型配合。

小模型來完成一些確定性高、離線、特定任務(wù)，大模型負責(zé)調(diào)度、指揮、認知理解。舉個例子，在客服對話中，用大模型來挖掘金牌話術(shù)，再用小模型進行推薦，把好的話術(shù)推給普通銷售，提高他們的業(yè)務(wù)能力，而客戶的智能化綜合成本也更低了。

再比如，金融行業(yè)的營銷環(huán)節(jié)，基金的選基工具，需要非常高的確定性，不能出一點差錯，大小結(jié)合，用好大模型的推理能力和語言理解能力，用好小模型的精準化識別能力，可以更好地達成業(yè)務(wù)目標。

看到這里不難發(fā)現(xiàn)，想要在AI營銷這個戰(zhàn)場插下“王旗”，對大模型廠商和解決方案服務(wù)上的挑戰(zhàn)，其實不小，競爭才剛剛開始。

而作為大模型商業(yè)化落地的首選站，AI營銷也經(jīng)歷了一場心態(tài)上的“過山車”，從2023年初的極度興奮、不能錯過，逐漸冷靜下來，開始把做精做專做細。

“大家對通用大模型期待很高，但它不一定是滿足行業(yè)場景需求的最優(yōu)解。針對某個單一的場景，解決客戶的業(yè)務(wù)問題，讓大模型的商業(yè)化變現(xiàn)能力獲得行業(yè)認可”，一位從業(yè)多年的數(shù)字化服務(wù)商這樣說到。

在企業(yè)的實際場景中，真正解決了某個問題，打造出實用性高的智能服務(wù)，大模型才有未來。而AI營銷，就是大模型真正抵達和改變的第一個關(guān)鍵戰(zhàn)場。

生成海報

免責(zé)聲明：此文內(nèi)容為第三方自媒體作者發(fā)布的觀察或評論性文章，所有文字和圖片版權(quán)歸作者所有，且僅代表作者個人觀點，與極客網(wǎng)無關(guān)。文章僅供讀者參考，并請自行核實相關(guān)內(nèi)容。投訴郵箱：editor@fromgeek.com。

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關(guān)資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責(zé)任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。