原创 | AI版数字营销：当营销和算法进行融合与重构

微商货源

导语
当营销和算法进行融合与重构，AI化赓续 丰饶数字化营销的各个维度，其中转变 革 多的是：用算法替代部分人的决策，让营销行为如粒子手术刀一样精准。并且 这次实现精准的背后加倍 富有情感，那就是营销技术和心灵的融合，AI+营销要做到的，就是彻底融入消费者。
王赛、孙志勇 / 文
当我们讨论AI营销时，我们实际上谈讨论两次营销的升级，第一次是从传统营销向数据营销的升级，第二次是以积累的数据和算法进行融合，向AI营销的升级。
如同年夜 数据一样，所有的AI使用在营销中也必须落地于具体的场景，“营销场景+算法”是营销实施的症结 。
为了指导CEO及CMO进行数字化转型，笔者之一在《数字时代的营销战略》一书中提出了传统营销组合需从4P转变为4R，即：
◎ Recognize，“用户识别”。通过年夜 数据追踪消费者的网络行为，如对Cookie的追踪，SDK对移动数字行为的追踪，支付数据对购物偏好的追踪，这些行为追踪的买通 可以形成精确的、属于个别 的用户画像；
◎Reach，“数字化笼罩 与用户触达”，如AR、VR、社交媒体、APP、搜索，智能推荐，O2O、DSP等各类 触达手段，基于用户识别实施触达，让技术、数据与客户融合；
◎Relationship，“建立连续 交易的基础”，它是Reach的后续步调 ，将触达到的用户转化为客户资产，包管 企业在“去中介化”的情境中与客户直接产生 深度联系、互动；
◎Return，“实现交易与回报”。营销不仅是一种投资，也应获得 直接回报。很多企业建立了社群、吸收了很多品牌粉丝，然则 无法变现，这是此阶段的核心问题，用数字化获取利润。
今天在AI之下，涌现 数据向智能化演进的趋势，但仍跳不出4R营销范式，4R营销沿着“用户-连接-数据-智能”的轨迹升级，而最年夜 的区别在于智能化，用算法来做判断和消费者连接，机器在逐渐渗透人的角色。从营销的进化（Evolution of Marketing）的路径来看，最开始的营销可以称之为年夜 众市场营销（Mass Marketing），就如可口可乐一样，所有的市场都是它的目标市场，全面笼罩 ；之后涌现 的细分、定位，这是典范 的目标市场营销（Target Marketing）；而上个世纪末由于数据库可以作为基础，欧美一些公司开始提出一对一营销（One to One Marketing）；到今天，由于年夜 数据的赋能，AI能做到的何止是一对一营销，AI由于与消费者高度连接，以及数据化的基础，可以做到千人千面基础上的场景介入，比如在你最需要汉堡的时候，跳出麦当劳的信息，症结 点场景营销（In-Moment Marketing）开始显现 。
数字化的用户识别
好的范式是解决问题和设计模式的基础。回到数字化，我们从4R的维度再去理解这个升级的AI版本。
首先，我们以4R中的第一个R——Recognize，“数字化的用户识别”来看，涌现 了新的用户识别趋势，识其余 维度更多元、智能，更具备场景感，每个症结 瞬间（Moment of truth）都可以被比特化。
在原数字时代，数字化的主体年夜 多半 是互联网公司，互联网公司拥有的数据，年夜 部分属于结果型数据，或行为型的数据，比如通过手机中的SDK识别出消费者的位置信息，比如通过淘宝数据找出某个消费者人群的品类偏好，而当进化到AI时代，涌现 很多新的用户识别场景。我们以线下零售的实体店为例，传统时代，零售店可以识其余 数据是以货物为中心的，比如今天卖出若干 商品，是哪些品类，进销存如何，所有关于客户的信息，很难掌握；而数字化开始之后，由于数字连接，零售商可以围绕着“人-货-场”来进行数据剖析 ，可以剖析 到什么样的消费者偏好什么类型的商品，比如Prada，在货架上结构 探针，判断一件衣服被试穿的次数，和购买之间的关系，来进入深度的消费行为剖析 。而在AI的数字化结构 下，前沿科技的应用为零售的智慧化，开启了新的模式，比如计算机视觉与各类 传感器的普遍 应用，使得数据源来源扩充到直接相关与非直接相关的多维数据，在这种升级下，一个实体店，几乎就是一个线下的实体网页。基于机器视觉，AI能够实现人脸识别、商品识别、动线追踪、客流剖析 等功能，消费者在实体店中的商品挑选与购买行为，乃至是用户的情绪，也能够被比特化（Bit-Consumer），而这些数据的维度又何止是行为数据？
数字化笼罩 与用户触达
我们以4R中的第二个R——Reach，“数字化笼罩 与用户触达”来看，正好融合为全球最年夜 的AI应用场景之一——“个性化推荐”（Sales Process Recommendation ）。只有基于场景的数据驱动能力 产生深度的个性化营销，消费者总是会希望需求被了解或获得 个性化办事 ，这是消费者的一贯需求，然而现实中所谓的“个性化推送”往往酿成 了“垃圾信息轰炸”。98%的受访社交媒体的用户收到过告白 ，然则 只有18%认为收到的信息是和自己需求契合的，而人工智能算法的正在改进这些。
什么是“个性化推荐”（Sales Process Recommendation）？具体来说，就是在年夜 数据平台的基础上，通过将人工智能引擎（例如，机器学习引擎）与客户关系治理 系统（CRM）相结合，对客户数据进行深度学习，形成模式和算法，进而在整个客户消费历程（Customer Journey）上，为客户或销售人员实时在线地、自动地提供个性化产品、办事 、市场以及销售计划 推荐，在这个领域里，可口可乐公司有着丰富的胜利 经验，例如，他们利用SAPHybris系统（CRM + Marketing）与AI引擎相结合来支撑客户全生命周期治理 以及动态市场活动治理 （Dynamic Initiative Management），依据 消费者不合的场景行为提供不合的个性化信息，年夜 幅提升了市场营销的有效性与效率。AI可以范围 化的赞助 营销人员区分潜在客户，并把客户推介到企业的拓客平台，人工智能的学习模型和算法也可以转变 可口可乐的告白 投放模式，基于消费者在平台上的点击、注册、激活、分享等各项数据，以及这些数据背后告白 投入的状况，智能分派 投放资源，自动优化。
与客户建立连续 交易的基础
AI也在升级数字营销4R中的第三个R——Relationship，即“与客户建立连续 交易的基础”。在用数字化为客户进行关系治理 上，AI技术将为市场营销领域中的包含 客户办事 、沟通协作、客户体验、社交媒体、客户关系等方面带来巨年夜 的变革与立异 。
依据 IDC宣布 的申报 ，到2020年，全球最年夜 的AI应用场景将是“自动化客服”（Automated Customer Service Agents），其中基于分词、语义剖析 等AI技术的客服/聊天机器人（Chatbot）已经在全球范围内获得 了普遍 的应用。我们就国内而言，航空公司（例如海南航空）以及垂直电商平台（例如去哪儿网）都已经安排 了这项应用，用以提供7×24小时的不间断客户办事 ，以及提升针对标准化客服需求（例如，发票开具流程等基本信息查询）的响应速度和效率；另外，随着引入AI中的自然语言处理（NLP-Natural Language Processing）以及语音识别技术，自动化客服见证了更为高等 的应用形式，荷兰皇家航空公司（KLM）就是这类应用的实践先锋，他们通过开发搭载在微信等社交平台上的移动端微应用，实现了通过客户语音输入就能完成退票、改签、改换 座位等客服功能，年夜 年夜 提升了客户的体验。
在AI支撑的客户办事 领域立异 上，我们可以预测到，未来1~2年内，“3年夜 平台”（微信、脸书、推特）将掀起基于AI的“对话式商务”风暴，全面接管客户办事 。简单来说，“对话式商务”（Conversational AI）就是人类通过语音的方法 与机器交互，机器能够“听懂”人类的语言，无论是汉语、英语、西班牙语或是其他地球语种，然后实时自动地处理客户办事 的相关诉求，例如前面谈到的荷兰皇家航空公司通过AI中的自然语言处理和语音识别技术来处理退票、改签、改换 座位等需求。目前，企业要首先开发微应用，微应用的开发周期和成原形 对较低，企业不仅可以通过这种模式将业务快速上线，同时还能节约开发成本。
而从AI支撑的沟通协作领域立异 看，未来2~3年内，基于AI自然语言处理和语音识别技术的协作系统将助推无界限 沟通并触发新的商机。AI的语音识别技术已经让机器能够“听懂”人类，而自然语言处理与机器学习技术让机器能够“理解并剖析 ”，然后以人类语言进行“回应”。以Skype Translator为例，该应用已经能够自动处理阿拉伯语、英语、法语、德语、意年夜 利语、中文、巴西语、葡萄牙语以及西班牙语的人机沟通，此外，苹果公司的Siri，微软的小冰，以及我国国内百度和科年夜 讯飞都在这个领域进行着卓有成效的实践。举例来说，AI支撑的“无界限 的沟通”可以赞助 我们充分调动全球不合语系下的教育资源（例如，视频资源），另外，语音转文字功能，可以赞助 商家开发针对残障人士尤其是聋人的营销推广。更重要的是，这种语言识别能够很好判断消费者的情绪，而以前的年夜 数据营销更多的是判断行为，判断不出消费者发出这个行为背后的元素，所以，AI化的客户关系治理 ，能够让年夜 数据原有的准确然则 冰冷的处理暖化起来。
用数字化来实现回报
回到数字营销4R中的最后一个R——Return，“用数字化来实现回报”，AI的升级主要表示 在营销的自动化、营销元素的自创，以及场景变现。
AI支撑市场营销实现自动化，简单来说就是通过机器来遍历当下积累的客户年夜 数据（例如，行为数据、交易数据、客服数据等等）来形成算法和模型，然后利用这些模型在线“推理”客户的类型（例如，市场细分）和需求（例如，用户画像）等，进而自动化地处理市场营销活动（例如，个性化推荐）。
从AI支撑的市场内容领域立异 来讲，未来5年内，至少50%的市场营销内容（网页、PR等）将通过基于AI的“内容自创”来完成。最近几年，我们见证了通过AI中的分词和语义剖析 ，以及自然语言处理技术，依据 公司财报自动生成格局 化新闻稿的普遍 应用，但这其实只是“内容自创”的一种形式，另外一种更为庞杂 的应用形式来自于网页的自动化生成。以TheGrid公司为代表的始创 企业在这个领域完成了一系列基于AI的图像识别以及机器学习技术的立异 ，具体来说，用户导入一组主题图片，接着机器对这些图片进行模式识别与剖析 ，这其中包含 图片中的人脸、景致 、产品、边沿 等要素，然后利用机器学习形成的算法，在上千种色调、字体、排版维度上自动组合，形成“跨屏幕”（即手机，电脑，平板等设备）的网页内容。
而从场景变现来讲，AI支撑营销从以前的固订价 格，到动态订价 。依据消费者不合的场景，比如所在 、时间的不一样，再重合消费者原有的行为数据，把身份数据和场景数据进行叠加，实现真正的按人订价 ，当然，这样是最近“年夜 数据杀熟”闹得沸沸扬扬的原因。
结束语
当营销和算法进行融合与重构， 作为AI化的数字营销在赓续 丰饶原有数字化营销的各个维度，然则 实质 上还是绕不出营销的战略设计。回到数字营销的4R系统，其转变 革 多的是——用算法替代部分人的决策，以及回到二十年来营销上一直向往的图景——让营销行为如粒子手术刀一样精准，但这次的精准的背后加倍 富有情感，那就是营销技术和心灵的融合，AI+营销要做到的，就如那部著名AI片子 中的《她“her”》中的系统一般，彻底融入消费者。
关于作者 | 王赛：科特勒咨询董事合股 人；
孙志勇：SAP数字化转型专家。
文章来源 | 本文刊登于《清华治理 评论》2018年7-8月合刊
责任编辑 | 刘永选
邮箱 | liuyx6@sem.tsinghua.edu.cn