四川
過去一年，與數百名營銷負責人交流時，反復聽到這種落差。幾乎所有組織都在以某種形式測試人工智能，無論是用于內容創作、受眾定向，還是營銷活動優化。表面上看，采用率很高，推進勢頭也很明顯。
但當進一步追問結果時，語氣就會變。一個清晰的共性隨之浮現：很少有營銷負責人表示，他們看到了持續且有實質意義的業績提升。
之所以會這樣，關鍵在于人工智能被使用的方式。早期的大多數人工智能嘗試，都集中在加快單項任務的速度。團隊能在更短時間內產出更多內容、生成更多想法。這當然可能有幫助，但它往往只會制造一種“正在進步”的感覺，卻沒有真正改變結果。內容仍要經過同樣的審批流程，營銷活動仍依賴人工協調，洞察雖然產生了，但要把它們轉化為行動，過程依然緩慢而分散。
結果就是，活動更多了，但結果未必更好。可以看到，當團隊試圖擴大這些嘗試的規模時，通常會反復遇到三個問題。
大語言模型基于廣泛的公開數據訓練，因此擅長生成通用內容，卻不擅長準確把握一家公司的具體語氣、定位和標準。營銷依賴細微差別，缺少這種理解，產出要么需要大量修改，要么根本不符合要求。要解決這個問題，就需要把企業的品牌知識結構化，例如品牌語氣、定位、哪些做法有效、哪些無效，讓人工智能系統真正能夠調用這些信息。
對營銷最有價值的信號，往往存在于企業自己的系統中，包括客戶行為、交易歷史和生命周期數據。如果人工智能接觸不到這些信息，它對客戶的理解就是不完整的。這會限制它超越表層個性化的能力，也難以帶來可衡量的結果。
營銷執行橫跨多個工具、多個團隊和多層審批。如果人工智能游離于這些工作流之外，它產出的內容就很難在實時場景中直接使用。團隊最終還得手動把建議轉化為執行動作，這會拖慢一切，也會削弱潛在效果。
第一步，是讓人工智能獲得正確的語境。最大的突破，往往出現在人工智能看到的不只是孤立的營銷活動表現時。它需要接觸客戶行為、購買歷史、互動信號和業務結果。沒有這些語境，就等于是在讓人工智能只看見部分畫面就提出建議。
過去幾年，一直與一些試圖更好利用客戶數據的公司合作，其中有一個規律反復出現：人工智能產出的質量，直接取決于其背后語境的質量。即便是最先進的模型，一旦脫離了驅動真實營銷決策的客戶和業務數據，也會表現吃力。
第二步，是把人工智能嵌入實際工作的系統中。反復看到的一個錯誤，是把人工智能當成一個獨立的目的地。團隊在一個平臺上生成洞察，再手動把它們轉化為另一個地方的行動。這會帶來延遲和摩擦。更合理的做法是，讓人工智能在營銷活動運行過程中就能影響決策。
這是在為營銷人員開發產品時反復思考的問題。難點通常不在于再生成一條洞察。大多數組織擁有的洞察，早已多到不知道該如何處理。真正的難點，是能否足夠快地把這些洞察轉化為操作，從而影響客戶行為。人工智能最能發揮作用的地方，就在這里。
第三步，是改變對執行的理解。不要只把人工智能用于生成想法或提出建議，也可以考慮讓它在明確邊界內自動作出決策。營銷人員仍然負責制定戰略、設定成功指標并批準規則，但他們可以減少管理單項任務的時間，把更多精力放在監督執行這些任務的系統上。
經驗表明，只要營銷人員能夠清楚界定目標和約束，他們通常更愿意信任人工智能。這類團隊會建立起一套系統，讓人工智能作出成千上萬次微小的優化決策，而人類則繼續對戰略、品牌把控和業務結果負責。
最后，要像衡量任何其他商業投資一樣衡量人工智能。人們很容易把注意力放在內容產量、互動率或營銷活動數量這些容易獲得的指標上。但更重要的是確認人工智能是否改善了結果。它是否提高了收入？是否改善了留存？是否降低了獲客成本？是否提升了客戶終身價值？這些指標最終決定，一項人工智能計劃究竟是在創造價值，還是只是在制造更多工作。
對首席營銷官來說，結論很直接：僅僅采用人工智能，并不保證會有結果。它能否產生影響，取決于它是否被整合進驅動營銷的核心系統，是否有恰當的語境數據和工作流作為支撐。
歸根結底，人工智能不會僅僅因為被采用，就自動形成競爭優勢。優勢來自用它比競爭對手作出更聰明的決策，并且持續、大規模地做到這一點。
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
