双12来了，忍不住“剁手”也许要怪AI | 创干货

恐怖故事：双11和黑五刚过，双12和年终购物节们，来了。

你有没有想过，为什么某橙色网站推荐的商品越来越对你的胃口，为什么网红直播卖的东西都是你想要的，甚至就算明明不需要的东西，看过广告之后也恍惚有些心动？当然，一方面的确是因为你的心智不够坚定，不过另一方面，多半要怪AI布下的“天罗地网”：渗透营销各个环节的AI能够精准掌握你的爱好、口味、购买习惯等，让“种草”变得轻而易举。

这也意味着，市场营销的工作变得异于往常，越来越聪明的AI正在辅助和替代传统的营销方案。例如，创新工场孵化的澜舟科技，通过在NLP自然语言处理的领先技术，能够把握单一客户的购物痛点，自动生成个性化的营销文案。创新工场投资的追一科技用AI技术重塑了传统市场营销场景：智能外呼可以替代人工触达客户；对话分析平台还能对与客户之间的脱敏对话数据进行分析，识别潜在商机。今天推荐的文章，介绍了营销AI的发展和分类框架，希望能对营销官们有所启发。以下：

---

在公司的所有职能中，营销可能从人工智能中获益最多。营销的核心活动是了解客户需求，将它们与产品和服务匹配，并说服人们购买——人工智能可以显着增强这些能力。难怪麦肯锡 2018 年对 400 多个高级案例的分析表明：营销是人工智能贡献最大价值的领域。

首席营销官们越来越接受这项技术：美国营销协会 2019 年 8 月的一项调查显示，人工智能的实施在过去一年半中增长了 27%。德勤 2020 年对早期人工智能采用者的全球调查显示，前五个人工智能目标中有三个是面向营销的：增强现有产品和服务、创造新产品和服务以及加强与客户的关系。

虽然人工智能已经在营销领域取得了进展，但我们预计它在未来几年将在整个职能部门扮演越来越重要的角色。鉴于人工智能技术的巨大潜力，对于 CMO 而言，了解当今可用的营销 AI 应用程序类型及其可能如何发展至关重要。凭借十多年研究数据分析、人工智能和营销以及为各行各业的公司提供建议的经验，我们开发了一个框架，可以帮助 CMO 对现有人工智能项目进行分类并规划未来项目的输出。在描述框架之前，让我们先看看当前的运行状态。

— 今天的人工智能 —

许多公司现在使用人工智能来处理狭义的任务，例如数字广告投放（也称为“程序化购买”）；协助完成广义的任务，例如提高预测的准确性（销售预测）；并在结构化任务（例如客户服务）中增加人力。

公司还在客户体验的每个阶段使用人工智能。当潜在客户处于“考虑”阶段并研究产品时，人工智能将针对他们投放广告并能够帮助和指导他们的搜索。我们在在线家具零售商 Wayfair 上看到了这种情况。他们使用人工智能来确定哪些客户最有可能被说服，并根据他们的浏览历史选择向他们展示的产品。Vee24 等公司的 “AI赋能机器人”可以帮助营销人员了解客户的需求，增加他们在搜索中的参与度，将他们推向所需的方向（例如，到特定网页），并在需要时通过聊天、电话、视频，甚至“共同浏览”——允许代理帮助客户浏览共享屏幕——将他们与人工销售代表连接起来。

AI 可以通过使用极其详细的个人数据（包括实时地理位置数据）来简化销售流程，以创建高度个性化的产品或服务。在过程的后期，人工智能协助追加销售和交叉销售，并可以降低客户放弃数字购物车的可能性。例如，在客户装满购物车后，人工智能机器人可以提供激励性的推荐信来帮助完成销售——例如“很棒的购买！来自佛蒙特州的詹姆斯买了同样的床垫。”此类举措可以将转化率提高五倍或更多。

出售后，来自 Amelia（前身为 IPsoft）和 Interactions 等公司的“人工智能服务代理”可以 24/7 全天候使用，以对客户的请求进行分类，并且能够比人工代理更好地处理波动的服务请求量。他们可以处理关于交货时间或安排约会的简单查询，并且可以将更复杂的问题上报给人工代理。在某些情况下，人工智能通过分析客户的语气并提出不同的反应建议、指导座席如何最好地满足客户的需求或建议主管干预来协助人类代表。

— 框架 —

营销人工智能可以根据两个维度进行分类：智能水平以及它是独立的还是更广泛平台的一部分。一些技术，例如聊天机器人或推荐引擎，可以归入任何类别；在特定应用程序中的实现方式决定了它们的分类。

• 我们先来看看这两种智能：

任务自动化。这些应用程序执行需要相对较低智能水平的重复性、结构化任务。它们旨在遵循一组规则或根据给定的输入执行预定的操作序列，但它们无法处理复杂的问题，例如细微的客户请求。一个例子是系统自动向每个新客户发送欢迎电子邮件。更简单的聊天机器人，例如通过 Facebook Messenger 和其他社交媒体提供商提供的聊天机器人，也属于这一类。他们可以在基本交互过程中为客户提供一些帮助，将客户带入定义的决策树，但随着时间的推移，他们无法识别客户的意图、提供定制的响应或从交互中学习。

机器学习。这些算法使用大量数据进行训练，以做出相对复杂的预测和决策。此类模型可以识别图像、解密文本、细分客户并预测客户将如何响应各种举措，例如促销活动。机器学习已经推动了在线广告、电子商务推荐引擎和客户关系管理 (CRM) 系统中的销售倾向模型中的程序化购买。它及其更复杂的变体深度学习是人工智能中最热门的技术，并且正在迅速成为营销中的强大工具。也就是说，重要的是要澄清现有的机器学习应用程序仍然只执行狭义的任务，需要使用大量数据进行训练。

• 现在让我们考虑独立与集成 AI：

独立应用程序。最好将它们理解为明确划分或独立的 AI 程序。它们是从客户了解、购买或获得使用公司产品的主要支持渠道，或员工用来营销、销售或服务这些产品的渠道中被划分开的。简而言之，客户或员工必须在一些渠道之外专门连接才能使用人工智能。

考虑由涂料公司 Behr 创建的颜色发现应用程序。使用 IBM Watson 的自然语言处理和 Tone Analyzer 功能（检测文本中的情绪），该应用程序提供了多种个性化的 Behr 油漆颜色建议，这些建议基于消费者对其空间的期望。客户使用该应用程序为他们计划粉刷的房间选择两种或三种颜色。然后在应用程序之外执行实际的油漆销售，尽管它允许连接到 Home Depot 并下单。

集成应用。这些 AI 应用程序嵌入到现有系统中，对于使用它们的客户、营销人员和销售人员而言，通常不如独立应用程序可见。例如，机器学习可以瞬间决定向用户提供哪些数字广告，这些机器学习内置于处理购买和投放广告的整个过程的平台中。十多年来，Netflix 的集成机器学习一直为客户提供视频推荐；它的选择只会出现在浏览者访问该网站时看到的产品菜单中。如果推荐引擎是独立的，他们将需要转到专门的应用程序并请求建议。

CRM 系统的制造商越来越多地将机器学习功能构建到他们的产品中。在 Salesforce，Sales Cloud Einstein 套件具有多项功能，包括基于 AI 的潜在客户评分系统，该系统可根据购买可能性自动对 B2B 潜在客户进行排名。像 Cogito 这样销售 AI 的供应商也将他们的应用程序与 Salesforce 的 CRM 系统相集成。

— 营销AI的四种类型 —

根据智能水平和结构对潜在的应用程序进行分类，可以帮助公司规划营销AI的输出。简单的独立应用程序是一个很好的开始，因为它更容易设置，但它们的好处是有限的。一旦企业获得人工智能技能并积累数据，它们就可以添加更先进的、属于其他平台的应用程序，逐步发展到集成机器学习，这可能创造最大的价值。

结合两种类型的智能和两种类型的结构产生了我们框架的四个象限：独立机器学习应用程序、集成机器学习应用程序、独立任务自动化应用程序和集成任务自动化应用程序。

了解应用程序落入哪些象限可以帮助营销人员计划和对新用途的引入进行排序。

— 进阶方法 —

我们相信营销人员最终将通过集成的机器学习应用程序看到最大的价值，尽管简单的基于规则和任务自动化的系统可以增强高度结构化的流程并提供合理的商业回报潜力。然而，请注意，如今任务自动化越来越多地与机器学习相结合——从消息中提取关键数据，做出更复杂的决策，并个性化通信——一种跨越象限的混合体。

独立应用程序继续在集成困难或不可能的地方占有一席之地，尽管它们的好处是有限的。因此，我们建议营销人员逐步将人工智能集成到当前的营销系统中，而不是继续使用独立的应用程序。事实上，许多公司正朝着这个总体方向前进。在德勤 2020 年的调查中，74% 的全球人工智能高管同意“人工智能将在三年内融入所有企业应用程序”。

1）准备

对于人工智能经验有限的公司，一个好的开始方法是构建或购买简单的基于规则的应用程序。许多公司采用“爬行—行走—跑步”方法，从独立的非面向客户的任务自动化应用程序开始，例如一个指导与客户互动的人工服务代理的应用程序。

一旦公司掌握了基本的人工智能技能以及大量的客户和市场数据，他们就可以开始从任务自动化转向机器学习。后者的一个很好的例子是 Stitch Fix 的服装选择 AI，它可以帮助其造型师根据客户自我报告的风格偏好、他们保留和返回的项目以及他们的反馈为客户策划优惠。当公司开始要求客户在 Style Shuffle 照片中进行选择时，这些模型变得更加有效，从而创造了宝贵的新数据来源。

新的数据来源——例如内部交易、外部供应商，甚至潜在的收购——是营销人员应该不断寻找的东西，因为大多数人工智能应用，尤其是机器学习，需要大量高质量的数据。考虑一下包机公司 XO 用来将 EBITDA 提高 5% 的基于机器学习的定价模型：关键是利用外部来源获取有关私人飞机供应和影响需求的因素（例如重大事件）的数据、宏观经济、季节性活动和天气。XO 使用的数据是公开可用的，但最好也尽可能寻求专有来源，因为使用公共数据的模型可以被竞争对手复制。

随着公司在使用营销人工智能方面变得越来越复杂，许多公司将某些类型的决策完全自动化，使人类完全脱离了循环。对于重复的、高速的决策，例如程序化广告购买（数字广告几乎立即提供给用户）所需的决策，这种方法必不可少。在其他领域，人工智能可能只向面临选择的人提供建议——例如，向消费者推荐一部电影或向营销主管推荐策略。人工决策通常只用于最重要的问题，例如是否继续开展活动或批准昂贵的电视广告。

公司应该尽可能地转向更自动化的决策。我们相信这是营销人工智能最大回报的地方。

2）挑战与风险

即使是最简单的 AI 应用程序也可能会遇到困难。独立的任务自动化人工智能，尽管其技术复杂程度较低，但仍然难以针对特定工作流程进行配置，并且需要公司获得合适的人工智能技能。将任何类型的 AI 引入工作流程都需要仔细整合人类和机器任务，以便 AI 增强人们的技能，并且不会以产生问题的方式进行部署。例如，虽然许多组织使用基于规则的聊天机器人来自动化客户服务，但能力较弱的机器人可能会激怒客户。让此类机器人协助人工代理或顾问而不是与客户互动可能更好。

随着公司采用更复杂和集成的应用程序，出现了其他考虑因素。尤其是将人工智能整合到第三方平台中可能会很棘手。Procter & Gamble 的玉兰油皮肤顾问提供了一个很好的例子，它使用深度学习来分析客户的自拍，评估他们的年龄和皮肤类型，并推荐合适的产品。它已集成到电子商务和忠诚度平台 Olay.com 中，并在某些地区提高了转化率、跳出率和平均购物篮大小。然而，将其与零售店和亚马逊整合起来一直很困难，这些第三方在玉兰油的销售额中占很大比例。玉兰油在亚马逊上的大型商店网站上没有 Skin Advisor（养肤顾问），这阻碍了该品牌在那里提供无缝的、人工智能辅助的客户体验的能力。

最后，公司必须将客户的利益放在首位。人工智能应用程序越智能、集成度越高，客户对隐私、安全和数据所有权的担忧就越多。客户可能会对在他们不知情的情况下捕获和共享位置数据的应用程序或可能窃听他们的智能扬声器感到不安。总的来说，消费者已经表现出愿意（甚至渴望）交换一些个人数据和隐私，以换取创新应用程序可以提供的价值。对 Alexa 等人工智能应用程序的担忧似乎与对其好处的欣赏相形见绌。因此，营销人员在扩展 AI 的智能和影响范围时的关键是确保其隐私和安全控制是透明的，客户对如何收集和使用他们的数据有一定的发言权，并确保他们从公司获得公允价值作为交换。为了保证这些保护并维护客户的信任，CMO 应该建立道德和隐私审查委员会——包括营销和法律专家——来审查人工智能项目，特别是那些涉及可能容易产生偏见的客户数据或算法的项目，例如信用评分。

虽然营销 AI 前景广阔，但我们敦促 CMO 对其当前的能力保持现实态度。尽管大肆宣传，人工智能仍然只能完成狭义的任务，而不是运行整个营销功能或流程。尽管如此，它已经为营销人员提供了巨大的好处——事实上，它在一些营销活动中是必不可少的——并且它的能力正在迅速增长。我们相信人工智能最终会改变营销方式，但这是一个需要几十年的旅程。营销职能和支持它的组织，尤其是 IT，将需要长期关注构建 AI 能力并解决任何潜在风险。我们敦促营销人员从今天开始制定策略，以利用 AI 当前的功能及其可能的未来。

托马斯.H.达文波特（Thomas H. Davenport）阿比吉特.古哈（Abhijit Guha）杜鲁弗.格雷瓦尔（Dhruv Grewal）| 文

托马斯.H.达文波特是巴布森学院杰出的信息技术与管理教授，牛津赛德商学院客座教授，麻省理工学院数字经济计划研究员，德勤人工智能实践高级顾问。

阿比吉特.古哈是南卡罗来纳大学达拉摩尔商学院营销学副教授。

杜鲁弗.格雷瓦尔担任丰田商务和电子商务主席，并且是巴布森学院的营销学教授。 他是营销和零售管理的合著者和零售营销管理：零售的 5 E 的作者。

推荐阅读