一年前,舆论的关注点在于“AI能否取代人力?”。在接下来的12个月中,我们见证了答案逐步写为“Yes”的过程。

根据Coatue报告,2023年,AI 已在各个领域证明了其实用性——使用Github Copilot编程节省了55%的时间;使用 Runway 编辑视频节省了90%的时间;使用AI 客服节省了95%的人工成本,客户满意度从55%提高至69%。

Theory Ventures 创始人 Tomasz 表示:2024年将是企业通过 AI 实现生产力实质性提高的一年,每名员工的ARR有机会增加10-15%。同时,根据麦肯锡最新报告预测,生成式AI每年将为全球生产力贡献4.4 万亿美元,其中,营销的生产力会增加 5%—15%,每年约 4630 亿美元。

一方面,AI似乎是为营销生。从洞察需求——深入数据分析,到创意诞生——生成品牌内容,再到媒介投放——制定个性化策略。几乎所有的营销流程和任务,都值得用AI再做一遍。

但另一方面,AI营销的价值还未被真正激发,很多营销技术更像是“亮闪闪的新东西”,企业对AI营销新技术的投入更像是在装点门面。《哈佛商业评论》指出,超半数的营销人认为他们还不是很了解AI,44%的受访者认为企业还没有真正的AI营销战略。

与此同时,一项《2023AI营销现状》调研显示,约90%的受访者认为在未来12个月内,AI对于营销来说颇为重要。受访者为900位增长责任人,包含约300位CEO、CMO。

那么,拨开一团“眼花缭乱”的东西,回归营销本质。当下的AI营销到底能做些什么,现在又走到了哪一步?适道将结合麦肯锡等多家机构的报告,从营销生产力的三大要素——市场洞察、创意内容、媒介效能,进行分析。

 

01 洞察市场需求——从提出假设到验证假设

在报告中,麦肯锡讲了一个故事。

一家亚洲饮料公司希望更快地进入欧洲市场。按以往经验来看,仅仅为一个新市场构思一个新的产品概念,就要用整整一年时间。

于是,饮料公司求助于ChatGPT,并问了两个问题:

1、哪些新饮料可能吸引会欧洲客户并推动增长?

(What kinds of new beverages might appeal to European customers and drive growth)

2、哪些创新方法可以加速产品的整个创新过程?

(What innovative methods might speed up the product innovation process from end to end.)

就这样,饮料公司通过和ChatGPT的对话,开始了用户洞察。即,输入汇总的非机密客户信息,询问目标市场的口味趋势,以生成对欧洲饮料消费市场、消费者行为的大致了解。

整个过程在一天内完成。接着,在ChatGPT的回答基础上,营销团队通过民族志等研究方法,深化ChatGPT的洞察。

在产品设计环节,研究人员和设计师求助于文生图大模型,生成了30个自带清晰图像的高保真产品概念。

整个过程依旧是一天内完成。在以往,一个工业设计师开发一个高保真的产品概念就要花费7-10天。

最终,营销人员将这些概念带到现场,和客户进行快速测试,并在早期反馈中大获成功。也就是说,AI帮助这家饮料公司在短短一个月内完成了一年的工作量。

众所周知,营销的起点是洞察。

洞察,即收集、分析消费者需求+市场环境+行业趋势+竞争态势的数据和信息。

正如上述故事所言。在以往,营销人员需要对平台上的海量内容进行数据分析,而后挖掘营销亮点,整个工作量巨大且枯燥。现在,企业可以运用AI收集、分析潜在消费者的数据,定位其大致的兴趣方向。

假设形成环节,AI可以摆脱人工时代的经验主义,快速总结趋势、提出观点、启发研究、策划方向。以“情感分析”为例,企业可以通过AI工具衡量消费者对特定品牌、产品或广告活动的态度。整个过程能够通过查看社交媒体帖子、评论和其他在线反馈完成。例如,欧莱雅集团运用AI收集、分析大量在线评论、图片和视频,识别潜在的产品创新机会。

信息收集环节,AI可以自动生成问卷、进行对话式AI访谈,结合更多元的数据范围。例如,个人服装服务公司 Stitch Fix 用AI 帮助造型师解读客户反馈并提供产品推荐;生鲜配送平台Instacart 用AI 为客户提供食谱和膳食计划建议,并生成购物清单;在房产中介行业,以往想获取目标客户的意向购房面积,需要花费大量精力编写复杂的表达式/关键词,准确率上限只能达到85%。现在使用AI对话的方式,只需将原始交互文本输入到大模型,利用语义理解能力,就能轻松提取出客户的意向面积。(《2023人工智能与营销新纪元》白皮书)

洞察产出环节,AI可以大批次分析非结构化数据,将原本复杂的数据分析过程可视化为图表和图形,再有效率地获取资料和数据来验证假设,最终产出洞察,实现营销洞察能力的全方位升级。在这个过程中,AI可以识别指示未来发展趋势。包括但不限于预测哪些产品或服务很快被普及,哪些客户更有可能成为忠实客户等等。例如,赶集网结合行业报告和GPT-4,产出快递运输业、餐饮服务业、美容美发业求职用户的行为偏好、用户画像等等。

一句话总结,AI能够更好地理解消费者和商品,通过提升洞察效率,从而提升营销效率。

 

02 生成创意内容——预测AI将主导广告创作

一个Big Idea的诞生需要多久?传统流程中,由Agency产出Big Idea——70%案头工作+20%头脑风暴+10%的创意产出,可能会耗时几周——几个月。

此外,一些由KOL和KOC众筹式生成的内容也需要耗时几天——几周。然而,实际上,例如抖音电商上的营销短视频,生命周期不超过一周,有些甚至是以天为单位。这些短平快的内容,不仅成本高,还容易出现内容枯竭的问题。

因此,用AI辅助Big Idea产出,并逐步替代“日抛”内容是品牌的实践方向。一个问题也由此浮现:AI产出的创意内容质量到底如何?会不会“塑料感”太强?

复旦管院和秒针营销科学院团队发布的《2023人工智能与营销新纪元》白皮书显示:

1、在文案作者身份上,专家能够识别AI和人类,而消费者无法区分;

2、AI的文案创作能力等同工作经验2.47年的人类;

3、在文案专业能力上,人类得分显著高于AI,特别是在创造性和洞察能力上;

4、消费者对AI文案的质量评价,与人类文案无明显差异;

5、AI推荐低介入、搜寻型、体验型产品时消费者的反馈更积极;

6、用“人机协同”共创,可以有效地消除消费者对AI内容的 “算法厌恶”。

以上结论均由双盲实验得出,参与实验人员为招募的专家和消费者;研究使用的AI大模型为ChatGPT3.5和文心一言(实验人员对两个大模型产出的文案质量差别感知不显著)。

不过,该研究仅是聚焦于通用大模型。适道检索资料时发现了一个有趣的例子,供大家对照参考。有文章指出:对ChatGPT输入“品牌名、素颜霜、抗老、买一享四、双十一”等关键词,ChatGPT生成的文案是“双十一狂欢季,xx品牌素颜霜为你提供最好的抗老解决方案!现在买享四,不仅抗老效果更佳,还可以节省资金!快来加入XX素颜霜的阵营,让你的肌肤永远年轻!"

而对某AI营销公司的AI产品输入同样关键词,其生成的文案是“想要抗老的姐妹们赶紧冲呀!这个双十一,抗老界的内卷王xx素颜霜,现在下单买一享四,错过等一年。它是这种冰淇淋一样的质地,也不搓泥。我用的时候都感觉自己在涂面霜,而且这个肤感真的绝了,就像是给皮肤做了一个贵妇级的按摩,真的太舒服了。这样的皮肤状态,谁看了不羡慕,快快加入购物车吧。”

相比之下,后者显然更具营销属性,且“迷惑性”更强。但总体而言,以上结论无法证明PUGC会被AI取代,后续还需要进一步论证。

而就目前的实际案例来看,AI产生的创意内容可谓是,多模态全面开花。例如,网易严选推出AI 主题曲《如期》,作词、作曲、编曲、演唱全部由 AI完成;支付宝的营销短片《支付往事》,其中所有的视觉呈现都由 AI 完成;晋江文学改编动画电影《去你的岛》,互动海报由 AI 生成。而在“广告界奥斯卡”戛纳狮子国际创意节,2023年有8.3%的获奖作品在概要中提到了AI,相较2022年的4%翻了一倍不止。

根据NP Digital预测,2024年,网络上新出现的内容,大部分都会由AI生成(包含人机协同)。

另外,虽然目前人类创作的广告比AI更吸引人,但如果用一个成功的广告作为基础,让AI进行优化调整,转化率却会得到显著提升。因此,考虑到成本问题,NP Digital预测2024年,AI将主导广告创作。

 

03 提升媒介效能——实现智能化分发

投放一波广告要准备多少套方案?100套够多吧。但有些企业甚至会准备多达4000个投放方案,只为看看哪个效果好。

光听上去就知道成本不小。

而AI能做的除了提高洞察能力,生成创意内容,还可以提高投放精准度,并基于自然语言的新交互方式,进行个性化服务。

在效率提升上,预生成符合场景和客户需求的大量个性化内容。通过筛选消费者行为和市场趋势数据,帮助企业找到最佳时间和渠道投放广告,最大限度地扩大覆盖范围,做到降本增效。在场景拓展上,基于大模型,回答知识库中超出预设流程的问题,更好地分发和解决客户问题;在体验升级上,生成不同风格的对话内容,更好地模拟人工客服等等。

例如,去年3月,电商SaaS服务商Shopify通过集成ChatGPT,升级智能客服(聊天机器人),帮助消费进行个性化推荐、帮助商家节省互动时间。此外ChatGPT还可以提供平台商品评论数据分析、标题及关键词优化、营销文案撰写、网站智能化开发编程等多项功能,有效改善卖家运营效率及消费者体验。

结语

那么,企业如何利用通用大模型发展AI营销战略?

麦肯锡给出了一个具体的实施时间表:

1、前6周:制定试点项目路线图,明确用例,评估当前的技术能力和短期内的技术支持,组建一支合适团队、合适的运营模式,并找到潜在风险。

2、前90天:启动一个通用人工智能 “Win Room”,以进一步明确优先级用例,制定项目路线图,给通用人工智能模型“喂”数据。制定风险应对方案,进行审计以确保通用人工智能能够使用。

3、前6个月:整合通用人工智能项目和当下的营销技术,来制定一个长期的人工智能变革战略,其步骤包含——评估影响力、管理变革适应性及可扩展性、微调模型等等。

但话说回来,通用开源大模型能否满足企业差异化竞争需求还有待考量。

另外,我们还可以抛出一个问题:如果每家公司都去求助AI,基于市场数据分析得到雷同的答案,生产相似的产品。长久下去,公司还有差异性和竞争力吗?

《营销管理》的作者Alexander Chernev表示:“在可预见的未来,不太可能发生AI替代人类。但会发生改变的是:使用AI科技的管理者可能会取代不使用AI的管理者。”

无论如何,商业增长需要的是人。一些了解用户、制定战略、提供价值的工作,仍然需要人来完成,这一点未来可能也不会变。

追加内容

本文作者可以追加内容哦 !