AIGC让个性化营销更卷了
这也印证了前面提到的一个营销走向：个性化营销。无论是否加入AI，个性化在未来营销中的比重会持续在增加，一如现在我们提到的千人千面的精准化营销。
在AIGC时代，AI让个性化成为基础能力，针对不同人群、不同方案、不同路径都能提供个性化的内容。在营销层面，个性化营销能力让AIGC成为各家企业争相布局的核心原因之一。结合上AI能力后，未来的营销将能更加助力个性化，能够预见的是，AIGC让个性化营销越来越卷了。
在和爱设计的联合创始人&COO蒲世林讨论AIGC的过程中，我们发现个性化始终穿插在内容当中。同时，通过爱设计的视角，我们也看到了AIGC的前沿应用、新的发展趋势以及新的挑战。
对了，蒲世林还将在9月20日参加见实的AIGC主题大会，届时蒲世林还将分享更多有关AIGC趋势下数字化实践的分析欢迎大家在文末或者公众号菜单栏报名深度沟通。
接下来就和我们一起去看看爱设计视角下的AIGC现状及发展：
爱设计联合创始人&COO蒲世林
01
图文音视频仍占据个性化主场
见实：当前AIGC领域里哪些应用最为广泛？
蒲世林：目前来看， 文本、代码生成的应用成熟度最高，文本生成已经可以实现垂直领域文案的精确调整，达到科研论文精度，代码生成可覆盖多语种多垂直领域。
此外在音频、图像、视频生成领域也有着比较成熟的产品，比如百度地图可根据输入音频，生成专属导航语音；外呼机器人可以用于客服、销售、培训等工种。
在跨模态生成领域，文生图、文生视频、图像/视频生成文本都成为可能，比如Meta的Make-A-Video输入文本可生成数秒的视频。
见实：市场上那么多的AIGC工具，什么才是他们的核心竞争力？
蒲世林：定制化服务是关键。AIGC工具的核心竞争力在于其能够提供个性化的定制化服务，根据用户的需求和要求，生成符合其特定需求的内容，满足用户的个性化需求。
在AI技术日臻成熟、应用前景广阔的当下，未来营销领域的AI技术，将更智能、更精准、更高效，它拓展了营销领域的边界，给行业更多的想象力。
其次，用户体验同样重要。其核心在于用户界面的友好性和操作的简便性，使用户能够轻松使用工具生成所需的内容。当然不可忽略的还有担任基建的技术层，保证人工智能技术和算法的先进性和准确性，还要拥有大量的数据资源训练模型，提升内容的质量和准确性。
见实：AIGC工具的不断迭代对营销最直接的影响有哪些？
蒲世林：从最基础的方面看，人工智能可以为营销活动生成个性化内容，包括电子邮件、社交媒体帖子、平台内容和图片，甚至个性化广告、个性化产品设计等。
AIGC最大的优势就在于简化了内容创建过程，可以快速高效地制作大量内容，同时保持品牌调性一致。对于时效性强、迭代快的营销内容，AIGC的高效尤其突出，比如根据一些特殊活动、节日、季节和天气的变化调整宣传语、图片色调等等。
这是目前AIGC最常见的应用场景，我们已经可以看到很多AI生成的海报、音频、视频等。
在互联网时代，营销讲究精准投放。在大数据分析的基础上，AIGC帮助广告优化，生成与个人消费者产生共鸣的定制内容，包括个性化推荐、产品建议、有针对性的广告和动态网站内容，实现大规模个性化营销。
AIGC能够帮助品牌高效地向特定受众传递消息，提高客户参与度和转化率。AIGC还可以生成广告变体，并实时测试，及时更新最有效的内容和信息。
见实：整体听下来会发现，个性化这个东西占据了很大的比例。
蒲世林：是的，从我们的客户群中也能窥知一二。我们有很多客户的需求是做AI标签，目的是通过AI标签实现内容中心化存储和标签化处理，提高查找取用内容的效率。
需要专门定制AI标签的客户里品牌零售、汽车行业居多，因为在汽车这种个性化偏好较多的细分领域，缺乏标注数据会成为阻碍行业发展的“绊脚石”，单从工作流程看，其技术含量较低，人是这项工作中最大的影响“因素”，车企营销数据标注“难”主要体现在没有时间和精力做数据标注。
AI标签训练可以针对图像、文本等进行标注，通过做标记、标重点、打标签、框对象、做注释等方式对数据集作出标注，再将这些数据集给机器训练和学习。
在AI打标后，内容都有了标签之后，就可以进一步做个性化推荐，通过AI分析用户的行为和偏好，与内容标签相互匹配进行个性化推荐，提高销售转化率和客户满意度。
还有像金融客户，银行投放渠道多、内容广，素材检索维度少，大量历史素材找不到被埋没，优质素材复用率低。
从我们的感知上来说，目前场景化、个性化是金融精细化用户运营的下一个重要方向。
02
个性化办公时代已经来临
见实：在爱设计的AI工具里，什么工具是大家最常用的？
蒲世林：目前来看，Ai PPT是大家最常使用的工具，我们曾和一些用户做过调研，很多用户表示正常制作一个汇报 PPT 从构思到写内容，再到排版、调整，就算使用传统的模板，都需要一周多的时间。
现在使用了Ai PPT，汇报框架、内容、版式马上就能好，只需要根据自己的实际情况微调整就行，基本上1-2 天就能搞定这些繁琐流程。
见实：这一点很有意思，在文生图占据主场的时代，反而办公需求更受人欢迎。
蒲世林：我们发现：从今年AIGC开始火热至今，文生图的应用和讨论都很多，但并没有出现大面积设计师失业，也并没有让“人人都能成为设计师”。
非专业的大众用户对设计的需求是很低频的，办公和娱乐的诉求更大，而这些文生图工具给设计师这类专业用户提供了更强的生产力武器，且对设计师的综合能力要求也更高。
所以我们瞄准了「AI+办公」赛道，在办公领域，用户的使用场景、使用频次、付费意愿都会高更多，比如我们8 月份上线的AiPPT.com ，以AI办公领域为主要场景。
用户只需说出想要制作的内容主题，就可以一键生成PPT，同时还支持一键更换模板、word/xmind生成PPT、一键换配色、在线编辑等功能。
能够发现的是，大家普遍还是对AI办公的意愿很高，上线不到20天，引发了一众好评。
见实：所以说办公效率会有很大的提升？
蒲世林：无论是生成静态图像、视频，还是创建数字人，当前技术提高的效率，远超传统方法。
这一波技术潮流降低了两个成本，首先是实际生产成本，其次是机会成本，现在更多人愿意参与和尝试这项技术。
比如在内容生产和洞察方面，我们发现AI在数据整理、加工和分析方面已经展现出巨大的能量。以前可能需要花费10个小时来完成的基础数据整理工作，现在可能只需要2-3个小时。
见实：目前在爱设计里AIGC担任的什么样的办公角色？
蒲世林：目前我们的设计部门已经全面升级为「AI设计部」。
一方面是因为，在AIGC落地这个领域，AI技术已经可以帮助设计师完成一部分设计工作，比如简单的用户需求分析、优化设计方案、批量快速产出素材图片、测试用户反馈等。
可以说，如ChatGPT、Midjourney、Stable Diffusion、Photoshop BETA等AI工具，已经成为设计师的得力助手。
当下的设计师们，如果想在这一行做得长久，在保持自己的专业素养和创造力的同时，必须要学习并掌握最新的AI工具，了解其原理和应用，能够与AI系统合作并进行协同创作。这是设计师所面临的新挑战，也是新机遇。
另一方面，从我们服务客户的过程中发现，客户对AI热点的追踪意愿非常高涨，很多品牌争先恐后加入使用和研发AI的队列里。在AI热的带动下，客户们都会有意无意地在拿AI海报作为宣传卖点。
“本海报由AI制作”，让我们感知到AI在未来的声量或许会越来越大，这也进一步刺激了我们 AI 设计部的诞生。
03
未来AI营销的战场在哪里？
见实：目前国内外的AIGC发展有什么区别？
蒲世林：国内市场对AIGC的需求更加注重本土化和适应性。由于国内市场的特殊性，包括语言、文化、法律等方面的差异，国内客户更倾向于使用能够与本土环境相契合的AIGC解决方案。
其次，国内市场对AIGC的需求更加注重实用性和成本效益。国内企业普遍关注解决实际问题和提高效率，对于AIGC的应用更加注重其实际效果和经济效益。
而国外市场对AIGC的需求则更加注重创新性和领先性。国外市场对于新技术和创新解决方案的接受度较高，更愿意尝试和采用具有领先优势的AIGC产品和服务。
此外，国外市场对于数据隐私和安全性的关注度较高，对于AIGC解决方案的数据保护和隐私保密要求也更为严格。
见实：根据国内外的AIGC应用差别，可能会出现哪些变现机会？
蒲世林：通过利用人工智能技术，AIGC可以根据用户的个人喜好和需求生成个性化的营销内容。这将使营销活动更加精准和有效，提高用户参与度和转化率。
AI技术的应用，推动了营销行业的规模化生产。当前，AI技术已经在投放、制作等领域得到了一定的应用。围绕投放效率、内容定制化和流量转化，多家广告公司都研发了自主系统。
对于应用层供应商，企业可以推出付费版本，采用积分制，用户通过消耗积分生成内容素材，下载后允许个人使用和合法合规范围内的商用用途，以此来盈利。
国内外几家AI绘画应用的企业，大多都是采取“一定免费次数+付费点数”的模式，比如DALL-E2、盗梦师以及6pen都是免费生成一定数量的作品之后，按量进行收费，海外的独角兽jasper也是依靠着订阅费在2021年创造了4000万美元的收入。
见实：AIGC对未来营销最大的挑战会是什么？
蒲世林：AIGC在未来营销面临的最大挑战是如何保持内容的真实性和可信度。随着技术的发展，人们越来越难以区分人工生成的内容和真实的内容，这可能导致信息的混乱和误导。
由于AIGC技术本身不具备判断力，随着AIGC技术的应用越来越广泛，其可能生成的虚假信息所带来的弊端也日益严重。
其实已经有不少用户在使用ChatGPT时意识到，ChatGPT的回答可能存在错误，甚至可能无中生有地臆造事实，臆造结论，臆造引用来源，虚构论文、虚构新闻等。面对用户的提问，ChatGPT会给出看似逻辑自洽的错误答案。
另外，在医疗、教育等领域的应用，AI大模型还需要经过更长时间的发展才能胜任，当前AI大模型的发展还面临很多挑战，需要质量更高的数据及更强的算力。