1. 更落地的数据应用：个性化及规模化
2020年国内广告市场规模超过5000亿，但随着互联网环境的变化，作为广告基石的流量，其固化现象越发明显，数字 营销明显已经进入深水区，主要体现在两个方面：一是流量增量放缓；二是流量存量向头部集中。
基于此，数字营销要解决的核心问题是挖掘新的流量增长点，并提升流量变现效率。因此，AI在其中的重要性得到进一步凸显，也成为助力营销升级的主要驱动力。
从流量驱动到数据驱动、再到AI驱动，这背后的关键因素是个性化——唯有个性化可以持续提升流量的转化效率。而AI对营销个性化已经有了深度介入，不只是对人工的辅助，更开始替代某些情况下人的决策和创作过程：个性化内容的创造和优化、个性分群的学习和展示、用户转化习惯的记录和定制等等。
此外，由于程序化技术的普及，营销经历了一次从媒介购买到受众购买的升级，而今天随着品牌、媒体、用户三方关系的变化，整体市场出现了营销决策理念的再次升级，即从【受众购买】向【用户购买】的升级。
这意味着，营销人需要真正关注用户的行为以及行为背后的真实需求，并以此为出发点，在用户行为所在的地方，以伴随式的营销与用户达成互动，实现营销增值。这也是今天营销技术工具在集中解决和试图突破的重点所在。
【用户购买】还意味着营销活动从线性向以用户为中心的营销闭环改变。在线性的营销活动中，产品、 运营、营销和销售行为相对独立；而在闭环营销活动中，基于用户行为数据的实时反馈，将产品、运营、营销和销售都贯穿在一起，并通过相互之间的数据指导具体的产品设计、营销销售策略制定，这也为多触点的AI营销提供了更多的空间和数据资产。
2. 更人性化的智能服务：智能交互和转化
AI另一个让营销人感到忐忑的趋势是：带来越来越“人性化”的感受。AI想真正落地到商业场景中，必须实现一个关键词就是“人工拟态”，这也是这两年技术的核心突破点。
技术突破到今天，放眼望去的营销现状是，智能交互已经在对话式营销、虚拟助手、智能客服等应用上占据绝对的上风。以虚拟助手为例，小到落地页的客服助手、大到主流电商平台的智能客服系统，虚拟助手应用越来越普及和好用。根据 Gartner 2019年的技术成熟曲线，虚拟助手已经越过期待破灭的时期，将在2021年内进入主流应用期。
快速响应、人机协作的模式将是未来1到2年内，客服 智能化的主要解决方案。目前大部分品牌采用的方式是：利用智能客服机器人独立接待，统一接入全渠道咨询入口，自主处理部分业务流程，再将复杂业务转接入人工坐席，让人工客服与智能客服无缝融合。通过人机交互模式减少人力资源的投入，提高客服系统处理效率和智能化程度，从而改善客户体验。
2021年，我国智能客服市场将达到500亿~800亿，如上图，这部分的投入是企业大势所趋，营销人员如何适应和配合这部分工作流程的改变，和智能客服打好配合，甚至是利用智能客服的优势来提升人工的营销效率，已经是一个不可回避的任务。
3. 深度学习赋能：预测、分析、归因后的效果提升
从目前的情况看，营销应该是深度学习和AI可以对现有工作流程产生明显提效的领域了。阿里资深算法专家刘凯鹏认为，可以简单将其总结为一个特定的场景：在掌握需求的情况下，为消费者找到最心仪的商品和广告。这当然和个性化紧密联结在一起，但区别是个性化更倾向于结果的执行，而深度学习更倾向于消费者的需求剖析。
深度学习赋能的一个典型例子，通过分析消费者在整个浏览场景的行为，停留、点击、购买等，其实也是认知、记忆、判断的过程。对于所有已经看见的广告/信息，到底会产生怎样的行为？消费者可能喜欢或讨厌，而计算这个概率是典型的机器学习问题。
像我们Ptmind的智能营销产品中，就会把这样的问题建模成机器学习问题，并用海量的数据进行验证，从而直接帮助营销者进行营销决策。
其实，很多深度学习的应用，已经融入到了日常营销场景中。我们的很多品牌客户，已经将营销中的多个环节交给AI来做支撑和优化，比如智能预测展示、智能分析判断、智能创意组合、智能投放策略等。
不仅如此，AI已经可以对用户的行为进行总结，为广告主、媒体等需求方生成全方位的用户画像，并为下一步的营销活动提供参考。然而这些参考和建议大部分仍是根据用户的现状所进行，并非是对用户未来行为以及需求的预测。
例如，当AI得知用户购买了饮料，会将用户定义为适合接收饮料相应广告的受体，并不会为用户推荐容器或食品等与饮料搭配而非可替换的商品或服务。
未来，基于智能推荐的用户数据处理效率将大大提高，用户与营销方的数据磨合期更短，并且用户可以获得更多意料之外又情理之中的营销信息推荐。
2021年逼近，敏感的营销人或许感受到了以上这些AI技术带来的挑战。具体的解决之道肯定因人而异，但大家不妨从以下几个原则出发，即在未来思考营销工作时，始终提醒自己以下这些前沿的原则。
1. 主动升级，掌握“最新的”营销技术
主动提高自己的智识能力以及应用工具的水平。因为宏观思考能力和抽象思维能力是中期内AI无法取代的，当熟练掌握工具的使用，就可以最大限度的摆脱重复性和缺少创造性的工作，让自己能够 “深入地研究自己的专业领域，同时涉猎广泛，对行业及市场有更宏观的把握。”
想要主动升级的知识型营销者可以多在工作中进行更为综合全面的思考；设法借助机器去做那些耗费心力的工作，但要知道机器的运行机理大致是什么。关于营销技术的运用，国内还处在一个初期阶段，如上图所示，有很大的学习空间，这部分可能不是目前营销人最擅长的领域，但却是不能不学的领域，学习的过程不会很轻松，但节省出的时间和提升的效率将是你最大的优势。
2. “科学”的解决问题方式
这是原则一的反面，“科学的解决问题”恰恰意味着“不对新技术盲目”使用。营销行业的问题之一是，在技术方面，大家喜欢盲目崇拜所谓的“新技术”。
营销人需要有技术推动的意识，但这不应该是解决问题的核心思路，核心思路还是应该借助科学的思路，采用更严谨的方式做更大胆的营销“测试”。如今，“测试”一词泛滥，然而真正的测试是要在之前做好充足的功课。
例如，尝试在新的渠道投放广告，并不意味着简单地尝试一下，看到效果好就放量、效果不好就跑。这不仅是资源的浪费，也是营销人偷懒的做法，从前期的渠道研究和筛选中，至少可以有个预估的测试效果范围，再进行测试，而不是蒙着眼睛就搞。策划测试本身就是做出判断的过程。
3. 对AI的理解能力和介入能力
重要的决策，我们还不会完全交给AI，仍然需要有人的介入和干涉。但介入干涉AI的前提，是需要懂得AI工作的基本逻辑的。对所有营销人员而言，当务之急是要明白算法和AI是如何在某项工作中做出判断的，这样才能知道机器可能在哪些情况下“犯傻”。
有的营销人不理解，未来究竟是机器协助人，还是人协助机器？在此我想强调，这里面的支持是相互的。人要确保机器工作顺利，并对其加以干涉和改进。在麦肯锡的未来工作报告中，2030年的绝大多数营销工作都将成为介入干预型工作。营销人需要发展自己观察、解读AI结果，以及提出需求的能力。
2021年，营销人能做的最好准备就是——关注自己身上无法程序化的能力，持续去提升和发展这类能力。同时，人与机器/工具的协作能力也才刚刚开始，谁也不是生来就懂，更何况实用知识的更新迭代之快，我们唯有慢慢、持续地学习。
参考：
1.《2020 research study on the changing role of technology in the workplace》麦肯锡
2.《人工智能时代，你的工作还好吗？》渠成，陈伟，2019
3.《人工智能与人的智能》哈弗商业评论增刊，2019
4.《2020去边界化趋势下的新营销研究》艾瑞咨询
本文原创于微信公众号：灵蹊营销笔记 (getlx007),每周都会更新最新的「营销运营技术和 案例分析」，欢迎关注。
如需转载请与我们的微信公众号编辑联系： suzie_agnes
灵蹊产品官网：www.getlingxi.com
去年今日运营文章
- 2022: 三个步骤，让你迅速掌握专业人士的思维框架(0)
- 2022: 马斯克的2大底层思维模式(0)
- 2021: 冰山模型：划分个人竞争力的思维模型(0)
- 2021: 电商运营专业术语(0)
- 2021: 我们做了8000多次直播后，梳理出7个卖货爆火公式(0)
本文由Agnes投稿，不代表爱运营立场，如若转载，请注明出处：https://www.iyunying.org/yxzs/231808.html
