AI版数字营销：当营销和算法进行融合与重构
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。 如同大数据一样，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”是营销实施的关键。
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”。通过大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，这些行为追踪的打通可以形成精确的、属于个体的用户画像；
◎ Reach，“数字化覆盖与用户触达”，如AR、VR、社交媒体、APP、搜索，智能推荐，O2O、DSP等各种触达手段，基于用户识别实施触达，让技术、数据与客户融合；
◎ Relationship，“建立持续交易的基础”，它是Reach的后续步骤，将触达到的用户转化为客户资产，保证企业在“去中介化”的情境中与客户直接发生深度联系、互动；
◎ Return，“实现交易与回报”。营销不仅是一种投资，也应得到直接回报。很多企业建立了社群、吸收了很多品牌粉丝，但是无法变现，这是此阶段的核心问题，用数字化获取利润。
今天在AI之下，出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，而最大的区别在于智能化，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大众市场营销（Mass Marketing），就如可口可乐一样，所有的市场都是它的目标市场，全面覆盖；之后出现的细分、定位，这是典型的目标市场营销（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，由于大数据的赋能，AI能做到的何止是一对一营销，A I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，关键点场景营销（In-Moment Marketing）开始浮现。
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4 R中的第一个R——Recognize，“数字化的用户识别”来看，出现了新的用户识别趋势，识别的维度更多元、智能，更具备场景感，每个关键瞬间（Moment of truth）都可以被比特化。
在原数字时代，数字化的主体大多数是互联网公司，互联网公司拥有的数据，大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，出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，零售店可以识别的数据是以货物为中心的，比如今天卖出多少商品，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”来进行数据分析，可以分析到什么样的消费者偏好什么类型的商品，比如Prada，在货架上布局探针，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分析。而在AI的数字化布局下，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种传感器的广泛应用，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、客流分析等功能，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？
数字化覆盖与用户触达
我们以4R中的第二个R——Reach，“数字化覆盖与用户触达”来看，正好融合为全球最大的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才能产生深度的个性化营销，消费者总是会希望需求被了解或得到个性化服务，这是消费者的一贯需求，然而现实中所谓的“个性化推送”往往变成了“垃圾信息轰炸”。98%的受访社交媒体的用户收到过广告，但是只有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，就是在大数据平台的基础上，通过将人工智能引擎（例如，机器学习引擎）与客户关系管理系统（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、服务、市场以及销售方案推荐，在这个领域里，可口可乐公司有着丰富的成功经验，例如，他们利用SAP Hybris系统（CRM + Marketing）与AI引擎相结合来支撑客户全生命周期管理以及动态市场活动管理（Dynamic Initiative Management），根据消费者不同的场景行为提供不同的个性化信息，大幅提升了市场营销的有效性与效率。AI可以规模化的帮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改变可口可乐的广告投放模式，基于消费者在平台上的点击、注册、激活、分享等各项数据，以及这些数据背后广告投入的状况，智能分配投放资源，自动优化。
与客户建立持续交易的基础
A I也在升级数字营销 4 R中的第三个R——Relationship，即“与客户建立持续交易的基础”。在用数字化为客户进行关系管理上，AI技术将为市场营销领域中的包括客户服务、沟通协作、客户体验、社交媒体、客户关系等方面带来巨大的变革与创新。
根据I D C发布的报告，到2 0 2 0年，全球最大的A I应用场景将是“自动化客服”（A u t o m a t e d C u s t o m e r S e r v i c e Agents），其中基于分词、语义分析等AI技术的客服/聊天机器人（Chatbot）已经在全球范围内得到了广泛的应用。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）都已经部署了这项应用，用以提供7×24小时的不间断客户服务，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（NLPNatural Language Processing）以及语音识别技术，自动化客服见证了更为高级的应用形式，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、更换座位等客服功能，大大提升了客户的体验。在A I支撑的客户服务领域创新上，我们可以预测到，未来1 ~ 2年内，“3大平台”（微信、脸书、推特）将掀起基于A I的“对话式商务”风暴，全面接管客户服务。简单来说，“对话式商务”（Conversational AI）就是人类通过语音的方式与机器交互，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服务的相关诉求，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、更换座位等需求。目前，企业要首先开发微应用，微应用的开发周期和成本相对较低，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创新看，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边界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“理解并分析”，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、意大利语、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大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“无边界的沟通”可以帮助我们充分调动全球不同语系下的教育资源（例如，视频资源），另外，语音转文字功能，可以帮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，而以前的大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化的客户关系管理，能够让大数据原有的准确但是冰冷的处理暖化起来。
用数字化来实现回报
回到数字营销 4 R中的最后一个R——Return，“用数字化来实现回报”，AI的升级主要表现在营销的自动化、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大数据（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创新来讲，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中的分词和语义分析，以及自然语言处理技术，根据公司财报自动生成格式化新闻稿的广泛应用，但这其实只是“内容自创”的一种形式，另外一种更为复杂的应用形式来自于网页的自动化生成。以The Grid公司为代表的初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创新，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分析，这其中包括图片中的人脸、风景、产品、边缘等要素，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定价格，到动态定价。依据消费者不同的场景，比如地点、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，实现真正的按人定价，当然，这样是最近“大数据杀熟”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化的数字营销在不断丰饶原有数字化营销的各个维度，但是本质上还是绕不出营销的战略设计。回到数字营销的4R系统，其改变更多的是——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更加富有情感，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电影中的《她“her”》中的系统一般，彻底融入消费者。
本文责任编辑：刘永选[email protected]