自1956年達(dá)特茅斯學(xué)院舉辦的一次會議上，計算機專家約翰·麥卡錫提出了“人工智能”(Artificial Intelligence)一詞起，從人工神經(jīng)網(wǎng)絡(luò)，到圖像分析，再到自然語言的突破，AI 經(jīng)歷了從機器學(xué)習(xí)到深度學(xué)習(xí)的過度與發(fā)展。如今，隨著近年來數(shù)據(jù)處理能力的突破，AI 在各領(lǐng)域的應(yīng)用全面爆發(fā)。在企業(yè)運營和營銷領(lǐng)域，AI 正在漸漸地深入到各大企業(yè)的生產(chǎn)銷售、市場營銷等方面，例如智能聊天客服、虛擬客戶助理、語音搜索、個性化推薦產(chǎn)品及服務(wù)等等。

2018金投賞國際創(chuàng)意節(jié) nEqual “AI 賦能共創(chuàng)·共贏—— AI 科技賦能智慧商業(yè)高峰論壇”上，nEqual 首席產(chǎn)品官兼總裁 任佩禹 發(fā)表了“AI 驅(qū)動的消費者營銷和運營”為主題的演講。

nEqual 首席產(chǎn)品官兼總裁 任佩禹

他談到：“AI 技術(shù)的應(yīng)用，最核心的三點是：數(shù)據(jù)、算法、硬件。2010 年以來，云計算、深度學(xué)習(xí)、GPU 運算 、傳感器等關(guān)鍵存儲、計算能力的突破性發(fā)展，算力成本不斷降低，數(shù)據(jù)采集點不斷增多，才使得我們走到了如今 AI 的黃金年代。AI 的發(fā)展分為四個階段，首先是計算智能，解決基礎(chǔ)的存儲算力問題;其次是感知智能，解決語音圖像文字手勢的處理，讓機器可感知;然后發(fā)展為認(rèn)知智能，即機器可進行邏輯推理、知識理解、知識創(chuàng)造。最終達(dá)到通用智能，即機器實現(xiàn)類人思維，產(chǎn)生硅基生命。”

在任佩禹看來，AI 能為企業(yè)帶來的三大收益：

1. 降低成本。比如用智能客服代替人工客服、企業(yè)流程的自動化;減少無效的資源付出，例如虛假流量的識別和更精準(zhǔn)的廣告定向;

2. 提升企業(yè)運營效果和效率。企業(yè)可通過大數(shù)據(jù)及機器學(xué)習(xí)技術(shù)，進行更高效、更準(zhǔn)確的洞察預(yù)測，比如預(yù)測消費者購買傾向以進行更相關(guān)的商品推薦，并實現(xiàn)規(guī)模化的個性化服務(wù);

3. 觸發(fā)企業(yè)新的增長點。AI 的最終價值，是讓企業(yè)的常規(guī)業(yè)務(wù)高度自動化，讓企業(yè)的人力大量向新場景和不確定性問題上轉(zhuǎn)移，從而使企業(yè)能夠發(fā)現(xiàn)新的增長點，加速創(chuàng)新。

在營銷和消費者運營領(lǐng)域，已經(jīng)有超過85%的企業(yè)正在接觸或已經(jīng)開始嘗試 AI 技術(shù)。任佩禹嘗試將 AI 技術(shù)分為以下幾類：

第一類，感知點的突破。即依靠語音識別、自然語言處理、計算機視覺等關(guān)鍵技術(shù)，讓機器能感知、理解更多與消費者的互動，處理之前不能處理的消費者互動?；谶@些核心技術(shù)，可以實現(xiàn)智能聊天客服、虛擬助理、會話型互動，臉部識別，能與消費者用更自然的方式進行自動化的互動;

第二類，算法的突破。依靠機器學(xué)習(xí)中的深度學(xué)習(xí)、強化學(xué)習(xí)等關(guān)鍵算法，實現(xiàn)非完全信息下的高效決策。談到本質(zhì)，深度學(xué)習(xí)就是一個非常高效的分類器，它能幫助我們在更小樣本的環(huán)境下，高效發(fā)現(xiàn)特征，得到更準(zhǔn)確的預(yù)測效果?；诖?，可以做到大規(guī)模的一對一個性化互動、更精準(zhǔn)的廣告投放、更好的銷售線索分級、動態(tài)的價格及更有效的內(nèi)容推薦，這些也是現(xiàn)如今 AI 在營銷和消費者運營領(lǐng)域最能規(guī)?；涞氐膱鼍?

第三類，新交互方式的突破。即結(jié)合上述技術(shù)，與硬件結(jié)合，用機器人、傳感器等方式與消費者進行溝通。比如一體化的服務(wù)機器人、各類智能硬件設(shè)備在新零售等場景下的應(yīng)用等。

企業(yè)若想在上述場景中落地 AI，離不開幾個方面的支持：一是組織架構(gòu)和人才。AI 落地與企業(yè)數(shù)字化轉(zhuǎn)型是相結(jié)合的，需要清晰、敏捷的架構(gòu)，和既懂業(yè)務(wù)又懂技術(shù)的復(fù)合型人才，讓企業(yè)能綜合考慮各 AI 技術(shù)的成熟度和實際商業(yè)問題，并結(jié)合企業(yè)戰(zhàn)略，選擇合適的商業(yè)場景。二是需要有多方技術(shù)平臺的保障，比如數(shù)據(jù)管理、算法平臺、分析平臺等。

在實際落地中，真正發(fā)揮 AI 的價值需要三步走。

第一步，數(shù)據(jù)在線。數(shù)據(jù)是一切決策的基礎(chǔ)，也是 AI 技術(shù)根本的物料，如果各業(yè)務(wù)環(huán)節(jié)數(shù)據(jù)都不在線，做出來的 AI 也只能是假 AI，是人的智能;

第二步，分析洞察?；跀?shù)據(jù)并利用各項 AI 技術(shù)來準(zhǔn)確的定義問題，進行歸因，從而實現(xiàn)預(yù)測，產(chǎn)出商業(yè)洞察;

最后，閉環(huán)優(yōu)化。讓 AI 得到的洞察結(jié)果能夠真的落到實際應(yīng)用場景中，獲取持續(xù)不斷的反饋，才能真正發(fā)揮 AI 的價值。

營銷方面，如果將 AI 技術(shù)落在消費者營銷的 AIPL 四個階段中，每個階段都有 AI 技術(shù)能夠優(yōu)化的場景。在認(rèn)知階段，我們可以利用 AI 技術(shù)進行更精準(zhǔn)的定向，提高 Reach，可以進行內(nèi)容的自動化生成以提高互動率;在興趣階段，我們可以基于消費者行為提供更個性化的落地頁，更自動化的聊天互動;在購買階段，對外我們可以為消費者提供更好的產(chǎn)品組合推薦、敏捷高效的咨詢問答。對內(nèi)我們可以進行 Leads 分級和智能的排班以提高效率;在忠誠階段，我們可為消費者提供更個性化的忠誠度計劃、全自動化的營銷，進行流失防御和流失挽回。

如果我們細(xì)看營銷中廣告投放這個領(lǐng)域，其實各環(huán)節(jié)所處的環(huán)境都有所不同，對 AI 技術(shù)的落地應(yīng)該有先后的順序。經(jīng)實踐，我們發(fā)現(xiàn)，最適用 AI 應(yīng)用的無疑是投放環(huán)節(jié)。隨著廣告程序化交易比例的提升，基本全量數(shù)據(jù)都在，可比較方便的實現(xiàn)閉環(huán)的場景;其次是分析洞察。分析洞察的目的在于預(yù)測，所以我們認(rèn)為 Planning 是接下來 AI 能夠發(fā)揮更多價值的場景。我們調(diào)研了一些媒介策劃執(zhí)行人員，目前的現(xiàn)狀是 Planner 沒時間做 Planning，大量的時間耗費在走流程、收數(shù)據(jù)和處理基礎(chǔ)數(shù)據(jù)上了。而 AI 能夠幫助 Planner 優(yōu)化現(xiàn)在繁瑣、冗長的流程，并在策略調(diào)優(yōu)和預(yù)測方面提供全新的能力。在中國，領(lǐng)先的廣告主都已經(jīng)把精力向 Planning 傾斜，嘗試實現(xiàn)真正基于算法、基于全量數(shù)據(jù)的最優(yōu)媒介投放策略的出具。

投放端，以 nEqual 為例，nEqual Serving 已全面采用 AI 算法來做廣告投放策略。某日用品品牌客戶旗下有多條產(chǎn)品線，且不同產(chǎn)品的 TA 不同，對投放頻次的要求也不同。如何在流量不可精準(zhǔn)預(yù)測和要保證推送比的情況下，最大化各品牌的 Reach ，同時避免資源浪費是一個難題。對此，nEqual 運用了強化學(xué)習(xí)和在線學(xué)習(xí)算法，并采用 HP 濾波器處理數(shù)據(jù)激增問題，實時地將流量分群、預(yù)測、執(zhí)行，并能基于投放進度自動調(diào)整優(yōu)先級策略，同時結(jié)合各方 DMP 數(shù)據(jù)，幫助品牌顯著提高了 3+ Reach，降低了 CPRP。

另外，隨著流量越來越貴和供給側(cè)的改革，品牌以消費者為中心的運營策略愈加重要。據(jù)統(tǒng)計，截止至2020年，運營 AI 技術(shù)至少能為企業(yè)減少 30% 的客服成本。若要做到真正以消費者為中心，則需要將資源、內(nèi)容、時間、觸點四要素做到規(guī)模化的一對一。AI 技術(shù)能夠幫助品牌與消費者的溝通立體化和個性化。所謂立體化，即利用感知智能的各項技術(shù)，幫助我們更深入的識別和理解消費者行為，并能夠運用語音和視頻技術(shù)在原有觸點或新的觸點與消費者全新層次互動。

舉個例子，促銷預(yù)算最優(yōu)分配上有幾個問題，一個是要考慮到匹配性，即給到最能被刺激消費的用戶，并且要考慮傳播性，即現(xiàn)在的裂變傳播，如何花最少的錢起到最大的傳播效果。同時給予的促銷金額應(yīng)恰到好處，太多了浪費，太少了沒有激勵效果。nEqual 曾幫助某女裝品牌基于 AI 算法進行促銷用戶分群，并給予適合的精準(zhǔn)促銷激勵。最終在控制成本和不降低消費者體驗的前提條件下，實現(xiàn)了活動轉(zhuǎn)化率和二次購買率均有一倍以上的提升。

任佩禹認(rèn)為，企業(yè)目前過多地關(guān)注 AI 上層應(yīng)用，而忽視了 AI 最重要的物料 – 數(shù)據(jù)。所有的應(yīng)用離不開高質(zhì)量的數(shù)據(jù)，但數(shù)據(jù)孤島、數(shù)據(jù)臟，且隨著數(shù)據(jù)源的增多，這些問題會更加嚴(yán)重。企業(yè)應(yīng)該更關(guān)注數(shù)據(jù)本身，從數(shù)據(jù)處理、評估、清洗和應(yīng)用各環(huán)節(jié)，全面應(yīng)用 AI 技術(shù)，擴大數(shù)據(jù)來源，豐富數(shù)據(jù)類型，并預(yù)測新數(shù)據(jù)源所能帶來的提升效果，通過算法進行數(shù)據(jù)有效性的校驗，并解決缺失填充和數(shù)據(jù)一致性問題，從而使數(shù)據(jù)更加堅實可靠，讓 AI 的應(yīng)用場景從描述洞察真正走向前瞻預(yù)測，最終實現(xiàn)自動優(yōu)化。

在這個方面，nEqual 已經(jīng)在虛假流量識別上有了全面的應(yīng)用。目前，無效流量識別已經(jīng)上升到算法層面，如何用更少量的樣本訓(xùn)練出更可靠的模型是當(dāng)前的重點，也正是 AI 的強項。nEqual 同時運用了有監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)兩種方式結(jié)合的形式，分別解決單點異常處理效率和關(guān)聯(lián)風(fēng)險識別問題，提高無效流量的識別率，幫助客戶減少浪費，提高投放 ROI。

最后，任佩禹說到：“無論 AI 還是 HI，能解決商業(yè)問題的才是好技術(shù)?！?018年，全球企業(yè)用于 AI 的支出預(yù)計超過60億美元，由此可見 AI 強大的科技力量已經(jīng)滲透到市場運營與競爭?？萍嫉倪M步與力量賦能了企業(yè)的商業(yè)競爭力，從根源上激活著更多創(chuàng)新的可能性，激發(fā)企業(yè)的潛力。nEqual 也將攜手眾多企業(yè)一起，用數(shù)據(jù)連接技術(shù)，為企業(yè)搭建和消費者直接溝通的和互動的橋梁，助力企業(yè)實現(xiàn)數(shù)字化轉(zhuǎn)型，讓企業(yè)與消費者做朋友成為可能。