AI賦能下的智能營銷及依賴技術

blank

AI賦能下的智能行銷及依賴技術

文| 賀定圓

AI的逐漸成熟,給行銷領域也帶來了新的想像力,本文簡要介紹智能行銷帶來的主要創新點,並介紹了幾個涉及的主流技術,包括數據中台。

AI+行銷

AI+行銷的核心,是在AI的技術基礎上,基於自然語言處理、知識圖譜、機器學習等技術,對數據處理、內容投放、效果監測等行銷關鍵環節進行創新和賦能,能夠優化投放的策略、增強投放的目標針對性,最終的核心是幫助行銷企業節約成本、提高效率、創新更多貼合用戶的洞察和触達能力。

這幾年廣告主已經開始依托外部技術優勢,深挖自有數據價值,而外部第三方服務商也在加強著關鍵能力的建設,利用AI+數據計算能力搭建智能行銷平台,滿足更多更深刻的行銷場景訴求。

但廣告主從AdTech走向MarTech等技術驅動行銷的過程中,在觀念、數據、組織架構、技術升級方面還存在或多或少的不足,與此同時,第三方服務商從提供“數據和技術能力支持”向提供“解決方案升級”的過程中也存在不足。

行銷流程的效率優化,需要打通首尾以形成閉環,而組織效率的優化,也需要更關注技術尤其是中台能力的支撐上,用戶數據的效率提升,也需要在智能推薦從行為洞察到需求預測的能力進行轉變。

現階段來看,在靠近C類用戶端的產品中,客戶的決策門檻較低,行銷活動的周期較短,在產品建設上往往關注人群的統計分析、特徵畫像、客戶細分、個性化(多變量測試、ABN測試等)、生命週期管理、忠誠管理(會員、積分)、權益(卡券、優惠、折扣)、跨渠道跨終端協同等。

在靠近B類企業端的產品中,客戶的決策門檻越高,決策流程較長、也更複雜,行銷活動的周期同樣越長,所以在產品建設上往往注重單個客戶的深度分析、客戶檔案、客戶培育、客戶旅程(多渠道多波次策略)、策略執行流程、跨團隊協同配合、內容和品牌管理等方向。

1.1、行銷技術主流產品範例

行銷雲

行銷雲(Marketing Cloud)與MarTech、CRM類似,但不是單一的產品,而是一套基於SaaS的技術解決方案,包含多種MarTech的能力組合,會根據企業的需要進行針對性包裝。

大多數行銷雲企業(如Salesforce、Adobe、Oracle、SAP、SAS等)的解決方案都有一些特性和相似功能點,比如包含如下能力:

  1. 多渠道行銷中樞
  2. 個性化引擎
  3. 廣告平台
  4. 分析平台
  5. 數據管理平台
  6. 渠道觸達平台
  7. 內容行銷平台
  8. 人工智能

目前客戶群體中的主要痛點,是行銷云不支持本地私有化部署,而銷售給中小企業時,價格是最大的私有化障礙,包括本地化的服務團隊跟進。

MarTech

在台灣,MarTech也正快速演進迭代,並在廣告傳播、流量運營、電商銷售、線下零售、會員運營等不同場景中創造價值。 MarTech以客戶生命週期的價值最大化為核心訴求,以AI技術和算法作為支撐的預測模型,實現行銷目標的能力和工具,對行銷領域的規劃、執行和分析等能力進行組織和優化,可以幫助企業通過依靠技術和數據能力整合行銷資源,優化企業的行銷策略,實現行銷活動的全鏈路自動化,幫助企業以行銷來驅動運營,優化用戶管理,制定行銷策略。

MarTech更多的是關注企業內部的“行銷能力”,關注其企業數位轉型,所以需要沉澱整體解決方案,這是目前的諮詢公司和Saas合作夥伴的主要對外技術能力。

用戶數據管理平台(DMP)搭建趨勢是數字廣告生態、電商數據生態、線下零售生態、品牌CRM運營、用戶數據採集技術幾個方面共同發展迭代的結果。

驅動品牌主搭建DMP的原因,主要是內部因素,如:傳統行銷面對快速消費者和市場變化的無力和數據驅動精細化運營的需要。

blankblank
MarTech:所覆蓋的技術能力
blankblank
MarTech:DMP、HubSpot、CRM的區別
blankblank
Martech國內產業圖譜

1.2、智能行銷關注的主要創新點

更貼心的訴求滿足:精準、體驗、價值

目前移動互聯網和線下場景越來越豐富,產品數量眾多,用戶內心的消費訴求已不同於以往,智能行銷對用戶在生活消費和精神消費的訴求覆蓋上,主要有三大趨勢需要被滿足:

  1. 更精準的展示: app和訊息的爆炸,尤其是隨著5G的到來,用戶對訊息的訴求體現在“精準”上。
  2. 更好的體驗:傳統電商、同城配送、新的出行和消費方式等新零售、新金融的玩法創新,使得用戶更關注產品和服務的體驗。
  3. 更真實的價值:對於出行在眼前的互動訊息和品牌廣告,用戶更期望看到有真正匹配價值的訊息,可以進行消費決策的重要參考。

更全面的流程關注點:全週期的用戶流程洞察

  1. 興趣:主要創新點在於“媒介策略”。目標是通過對大量的用戶訊息進行匯集,對用戶產生的線上線下興趣點進行理解,尋找更匹配的品牌意向和傳播點。
  2. 意向:主要創新點在於“智能創意”。通過對具體產品的用戶數據和行為數據等進行了解、對比和分析,尋找更匹配的產品意向和傳播點。
  3. 決策:主要創新點在於“渠道優化、智能定價”。對用戶喜好的購買渠道進行分析,能夠指導後續促銷訊息的精準傳播。
  4. 購買:主要創新點在於“轉化模型、歸因分析”。對用於產生購買的行為進行分析,能夠指導後續促銷訊息的精準傳播。
  5. 复購:主要創新點在於“人群深度分析、再行銷”。需要對用戶購買後的服務和使用體驗進行跟踪,建立長期的客戶關係管理。

更深刻的場景賦能:平台能力維度突破

1.用戶洞察

通過AI的自我學習能力,將從多個內部業務和產品線中獲取用戶的基本訊息、會員資料、商戶訊息、瀏覽記錄、搜索記錄、電商消費、線下購物、出行記錄等,通過對用戶ID的統一識別,將用戶群體進行自動歸類,可以為用戶打上更多貼合的細化標籤,形成更精準的畫像。

此外,利用大數據,通過數據和模型規範性約束,可以串聯多種數據源,更好地跨終端、跨渠道對用戶進行識別與關聯。

以上,通過對潛在用戶的精準識別和畫像洞察,可以更科學的指導行銷決策。

涉及技術:數據挖掘、雲計算、知識圖譜、機器學習等。

blankblank
blankblank

2.智能決策

技術可以實現對相似或同類型用戶的消費行為進行分析對比,獲得不同時期的客戶對於不同產品需求的意願,進而指導行銷預測和決策。

並且,可以根據實時的用戶反饋,利用數據挖掘、知識圖譜、機器學習等技術,實現行銷自動化決策。

涉及技術:數據挖掘、雲計算、知識圖譜、機器學習,包括決策引擎和規則引擎等。

3.創意生成

對已有的大量素材進行訓練和學習,可以在短時間內根據活動內容生成不同形式、不同內容的行銷創意,達到降低人工成本、提升生產效率。

此外,通過智能投放,進行多組素材的測試,可以針對不同用戶投放最匹配的優質素材。

涉及技術:數據挖掘、計算機視覺、自然語言處理、知識圖譜、機器學習等。

blankblank
智能生成創意圖片
blankblank
智能生成創意文案

4.智能投放

基於更好地機器學習算法,優化點擊率預估模型和智能出價模型等,可以形成更精準的用戶畫像,實現更精準的人群細分,匹配出最佳的媒體組合。

總之,依托AI技術的智能投放決策,可以幫助廣告主選擇更合適的媒體、渠道、時間、方式等策略,實現更高效的投放決策。

涉及技術:文字識別、計算機視覺、機器學習等。

blankblank

5.效果分析與監控

目前主要痛點在於行業內的行銷數據造假,所以技術的賦能點在於對“虛假流量過濾和作弊行為的識別”,從多方面對用戶的互動行為進行跟踪、分析,以技術手段來判斷是否存在“人為刷效果”的虛假行為存在,為廣告主節約投放資源,並指導針對有真實價值的投放渠道加大資源投入,提升資源的利用和轉化價值。

比如,技術上可以從“數據的物理屬性(訪問地址、時間)、網絡屬性(接入方式、IP地址)、行為屬性(訪問路徑、跳出率、訪客重合度)”等多方面進行分析和監控。

涉及技術:數據挖掘、雲計算、機器學習等。

6.再行銷

再行銷是指對核心用戶的精細化的分層運營。通過對用戶漏斗的技術分析,對不同屬性和行為的用戶進行自動化的精確識別和歸類,機器採用不同的人群行銷策略進行投放,進而滿足老客戶的進一步促活或召回。

blankblank

1.3、智能行銷涉及的主流技術

自然語言處理(NLP)

自然語言處理包括自然語言理解和生成。自然語言理解是指將自然語言變成計算機能夠理解的語言,及非結構化文本轉變為結構化訊息。自然語言生成是指計算機能以通過自然語言文本來表達它想要達到的意圖。

通過NLP技術,可以使得人和機器通過自然語言進行訊息的互動和溝通,使得用戶可以和行銷系統實現更友好的交互,提供更實時的訴求反饋。

blankblank
自然語言處理的案例:從標題中抽取關鍵詞,優化搜索和排序

blankblank
NLP平台體系

NLP主要分為技術層和應用層兩大類。

blankblank
2個分類

機器學習

機器學習技術在智能行銷中有更為普遍的應用,例如,在廣告投放、智能決策、創意生成等場景中,機器學習可以基於對歷史數據的歸納和學習,構建出“事件模型”,並將合適的新數據輸入到模型中以此來預測並指導決策。

blankblank
機器學習算法分類
機器學習過程簡介

知識圖譜

知識圖譜是人工智能中研究如何將人類的知識轉化為圖,以方便計算機存儲並用於推理,計算機可以通過知識圖譜實現從感知智能到認知智能的飛躍,支持智能問答、輔助決策、智能分析等場景的能力覆蓋。

知識圖譜目前是人工智能發展的第三個重要階段,前兩個分別是計算智能和感知智能,知識圖譜是實現機器認知智能的關鍵技術,目前其在智能行銷上的應用非常多,比如推薦系統,利用知識圖譜可以實現更精準、更智能的個性化推薦。

此外,在客服系統、知識問答、文檔審核、智能分析等領域也有較多應用,將來在智能行銷的應用落地相信會越來越多。

blankblank
知識圖譜所處的認知智能
blankblank
基於知識圖譜的問答系統
blankblank
知識圖譜的構建
blankblank
知識圖譜的存儲技術

數據中台

企業朝著行銷數位轉型,建設方向可能會包含“業務數據化、數據資產化、資產場景化、場景智能化”等,這其中的大部分都離不開中台、尤其是數據中台的能力支撐。這裡僅對數據中台進行簡要介紹。

數據中台的理念,並不是最近才突然火起來,3年前就已經熱起來了,大部分了解中台理念的從業者,更多是停留在對中台的“因果關係”理解上,因為認可“大中台、小前台,支持前台業務快速創新”這樣理所當然的理念認同,實質忽視了中台對業務和組織驅動的使能。

中台,不僅僅要看到包含著先進的技術競爭力,更應該依託於技術競爭力,利用其內部擁有的核心資源競爭力(包括業務產品、組織、價值觀、人才等),構建企業在數位轉型過程中的核心競爭力及話語權,並形成企業內部甚至外部的生態向心力,從這方面來說,中台其實是一種技術、賦能、創新、生態和內部驅動力的優勢集合體。

  • 覆蓋主流數據的開發流程

數據中台在研發人員中形成規模化優勢,往往離不開數據能力的組件化、服務化、平台化建設,通過提供通用的能力,以達到“簡單配置、一鍵接入、高效復用”的線上數據自助能力,使得中台和業務線的技術團隊實現責任上的解耦,業務線的技術同學更多是基於數據組件和平台的API及文檔進行理解並構建。

按照這樣的數據中台能力要求,需要提供組件和平台能力,以覆蓋研發人員的主流數據開發流程,這些能力可以在以下幾點進行覆蓋:

  1. 規範定義
  2. 數據開發
  3. SQL和數據規範檢查
  4. 數據測試
  5. 發布運維
blankblank
數據計算的“組件化能力”
  • 多個標準的統一(方法論)

基於“全域數據”的“公共層+統一數據標準體系”,是數據中台建設的難點,需要建設一系列的規範和數據工具,來構建基於元數據的計算和存儲能力。

這主要涉及對以下幾個能力的覆蓋:

  • 數據接入
  • 規範定義
  • 計算加工
  • 數據驗證
  • 數據穩定性
blankblank
參考:阿里在建設上的“One”標準統一
  • 行銷場景上的賦能點

這裡例舉幾個依賴於數據中台的創新能力:

a、全局的數據監控

雙十一開始後的1分鐘、10分鐘、1小時,電商平台官方就已經公佈了詳細的成交數據,甚至精確到省份、類目、商品喜好及分佈,這離不開數據中台的支持。

b、驅動行銷運營

比如在大促前,根據活動頁、商品頁、預定頁的訪問情況,以及微博、頭條等外部的數據分析,可以監測到可能的行銷趨勢變化。

大促期間,根據用戶行為、視頻熱度、流量來源、頻度等可以實時調整行銷策略。

大促結束後,還可以根據畫像和成交、瀏覽、收藏、分享、加購等數據進一步分析,對於相似內容的結果,指導進一步的產品推薦決策,影響复購和後續的促活、拉新。

c、提高客服業務效率

比如在線客戶系統,可以從之前歷史問題積累中抽取出共性的問題,進行合理的分類、打標,指導人工客服快速回復和引用,形成最佳的客服問答體驗和SOP知識沉澱,提高行銷業務效率。

d、創造新的行銷能力

比如根據周邊五百米、一千米用戶在電商平台上的經緯度,換算成地圖定位,圈選出一批用戶,根據用戶在線上的購買、瀏覽、關注、分享等對商品、品牌的互動,形成指導線上線下業務的創新決策,比如指導線下零售小店的進貨,而商品的sku決策來源於線上周邊用戶的消費趨勢、或周邊同類型小店的銷售趨勢。

What do you think?

Written by marketer

blank

一文速覽主流媒體Marketing API

blank

營銷大數據丨2019年中國MarTech市場研究報告