AI研究院 | 营销受到人工智能冲击!看看那些挑战与应对策略

【网易智能讯 3月23日消息】你知道，现在有超过3874家公司可以提供营市场销技术吗?这让我们直观感受到，整个营销行业面临着巨大挑战。

“营销有一个独特的挑战，那就是没有一个典型、通用的范例或者说流程。”“如果你去看看任何一家财富500强公司，他们会有数百种鱼龙混杂的产品。”Salesforce产品营销副总裁Eric Stahl指出。

这些业内领先的市场营销专家认为，市场营销人员和广告商所提供的大量工具对客户来说既是一种祝福，也是一种诅咒。各种各样的选择使营销人员能够适应消费者和客户行为不断变化的数字环境，但专业人士往往会选择使用其中的20到50种不同工具来管理所有营销任务。

其结果是管理软件的时间比管理策略的时间更多。我们与之交谈过的每一位营销主管都强调，供应商的变化和不兼容是现代营销的头号挑战:如何寻找和收集可靠的数据。

要理解人工智能如何应对现代营销挑战，你首先需要了解营销人员每天所使用的工具。如果你不是专业的营销人员，请先容我们简短介绍一下整体营销技术，这涵盖到典型的企业“用例”以及各种附加解决方案。

公司的每一个功能都在试图解决数据收集、整理和集中分析问题，但不一致的标准和不兼容的集成度，使得数据流分析对市场营销人员来说尤其困难。

除了工具的变化，营销技术(martech)和广告技术(adtech)通常都是相互孤立的。TouchCR公司的首席信息官里奇黑尔（Ritchie Hale）警告称，“这两种方式的分离会产生一种识别鸿沟，在我们没有可识别的信息之前，就不得不努力寻找广告受众。”

工具之间缺乏互操作性的一个关键因素是营销技术领域技术发展以及并购速度在不断加快。“和诸如甲骨文、Adobe或Facebook这样的公司所拥有的大多数数据管理平台和营销自动化工具，最近都出现了大规模并购，但还没有相互整合到一起，”Synerise的全球营销经理Monika Ambrozowicz解释道。

Mark Kovscek指出，另一个问题是，为不同的营销目的而准备得数据有着细微差别。“数据收集以及导入会针对特定的用例进行优化(例如，程序、活动报告、媒体归属)，因此会创建了不同版本的数据。”

如果没有可靠的、精确的数据，营销人员注定会遭遇诸如效率低下以及机会错失等诸多问题。许多关键决策，如创意、信息传递和活动数据，对市场营销的成功至关重要，但它们都是由直觉驱动的，而不是科学。即使是在做决定的时候，市场营销人员每周仍然需要花费超过3个小时来分析不同的数据来源。

工具不兼容带来的的另一个潜在影响是会加大扰乱自己营销活动的风险。RocketFuel首席技术官Mark Torrence警告称，“如果多个合作伙伴使用类似的数据或目的想法来购买流量，他们可能会相互竞争，反而推高了购买成本，降低了效率。”

数据缺乏统一性也会导致消费者的消费体验不佳。使用广告重新定位的零售商通常不会意识到你已经购买了商品，还会给你发送了大量无关、无用、烦人的广告。

许多营销技术公司的目标是成为人工智能技术公司，通过营销工具集中并管理信息和数据。最有可能获得胜利的是Salesforce、甲骨文和Adobe等大型企业，它们已经在自己的生态系统中提供了端到端解决方案，并能够大举收购和整合规模较小的公司。

2016年，Salesforce首席执行官马克贝尼奥夫（Marc Benioff ）斥资40多亿美元收购人工智能公司并入Einstein，后者优化了Salesforce所有云计算的结果。其客户Fanatics是一家体育用品零售商，利用Marketing Cloud Einstein来进行个性化产品推荐。

体育迷们有不同的需求，比如铁杆球迷、装备狂热者、学校或当地球队的球迷，还有球迷的粉丝，那些为朋友和家人购买运动装备的球迷需求各有千秋。根据Salesforce公司营销公司副总裁Stahl的说法，Einstein把顾客分成了几大类，但也提供了“细分”领域，这导致Fanatic电子邮件广告的点击次数提高了15%到20%。

同样的个性化服务也可以被移植到Salesforce商务云服务上。在那里，由于更好的推荐，Einstein帮助一些客户的营收提高了28%，平均订单价值提高了11%。

与之类似，Adobe也控制着一套庞大的创意工具，以及一款面向企业的流行的数据管理平台和网页分析工具。副总裁Amit Ahuja负责Adobe的人工智能业务，其通过云解决方案统一数据。由于Adobe拥有很多基础的视频和内容创作工具，Ajuha解释称Sensei能够“收集所有的创意和所有的元数据，从而为品牌所有者提供更多信息，让他们在消费者面前有更多创意。”

Ahuja预测:“当人工智能的炒作消失时，差异化将在数据层体现出来。”“在谷歌之外，我们坐拥着所有行为数据的最大记录系统。”“没有人能做到我们所做的事。

像Salesforce和Adobe这样的巨头并不是唯一在市场营销中能够从容应对数据挑战的公司。像Swiftype这样的小公司也能够解决在营销工作流程中资产和文档协调面临的瓶颈问题。

干坐着等待创意部门发送信息副本和图表，然后再分析出最新的绩效指标，这种方法痛苦又低效。Swiftype整合了多个数据源的知识和数据，比如Marketo和Salesforce的营销活动，任务管理工具，以及Dropbox和Google Drive等的代码库。

公司营销副总裁Praveena Khatri解释说:“商业客户从这种方式中获得了明显的好处(例如，搜索“勺子”也会为提供“匙”相关搜索结果)，为客户更有效地建立索引，并根据相关性和日期来组织内容。

运行大量的工具还会给营销团队带来培训方面的挑战，并造成专业技能的瓶颈。当涉及到培训初级员工来操作复杂的企业软件时，过程非常乏味且容易出错。 Strike Social联合创始人马克肖尔（Mark Shore）抱怨道:“为了省钱，员工们通常只选取一个或两个参数开展活动。这就导致了效果较差。”

大企业面临的另一个挑战是，其往往需要依赖外部人才进行必要的工作。Torrence of Rocket Fuel解释说，大多数财富500强公司都依赖于营销合作伙伴，从谷歌、YouTube和Facebook的业务中购买媒体资源。此外，他们中的大多数“仍有大量的媒体支出是由广告机构合作伙伴控制和管理，他们自己仅仅是看最终效果。”

如果掌握营销工具是困难的，那么掌握人工智能的研发就更难了。很少有组织能在这方面取得了成功。即使一家公司在一个系统中奇迹般地集中了可靠和高容量的数据，仍然需要专门的人才来运营工作模型。

财富500强公司内部并没有这种倾向性或者资源，他们通常会在开发过程中失败。“因此，问题在于如何购买，”ActionIQ首席执行官Tasso Argyros如是指出。就连拥有数据科学家和工程师团队的专业公司，也常常发现由于其员工缺乏先进的数学背景，无法在现代人工智能中获得真正创新。

就连工程师本身也不能确保成功。市场营销高管认为，专业领域的专业知识和商业需求应该推动人工智能研究，而不是反过来。“最重要的不是先进的数学模型或复杂的神经网络，”营销情报机构SEMrush 的Yulia Khansvyarova断言。最重要的部分是功能工程学。你拥有的专业领域知识越多越好。从而可以不断验证你对最终用户的假设。”

营销任务自动化提高了准确性，减少了工作量，让营销团队更有效率。尽管提供自动话解决方案的服务提供商很多，但许多营销高管都看到了市场早期的吸引力。

Shore of Strike Social声称，它的技术能够“自动完成单调乏味的活动开展过程，发现人类无法察觉的微妙模式差异，并将广告活动细化成若干个微型广告，从而把广告开支重点实时转移到表现最佳的目标上。”该公司能够将YouTube的观看率提高25%，同时将运营时间减少75%。

RocketFuel是另一家以人工智能为导向的营销公司，其用更智能的自动化取代手动优化。“我们使用各种各样的机器学习和优化技术，包括神经网络、逻辑回归、多策略优化、性能感知、倍增竞价等等。”我们经常通过两种或更多的模型取得平衡，以实现多目标优化。”RocketFuel的Torrence解释道。

RocketFuel和另外三家供应商进行了竞争，其余所有的供应商都在进行手动优化。RocketFuel基于人工智能的优化策略是竞争对手的平均成本开支的8分之一。

除了自动化运行，创新的营销公司也建立了对话式方法。正如Equals 3管理合伙人Scott Litman所描述的那样，该公司开发的对话式机器人“露西”是“营销人员的认知伴侣”。露西可以成为用户信任的市场分析师，帮助客户进行研究、细分和规划。它可以坚持24小时工作，而且对待数据更为智能化。Litman声称，作为世界上最大的媒体机构之一，Havas Media已经成功利用露西实现了目标，这使得其开支成本降低了75%，同时开展活动的速度提升了7倍。

Ben Plomion是口香糖公司的首席营销官，他强调了营销活动“无处不在的痛点”，“品牌在全球范围内的各大体育赛事赞助中花费超过600亿美元，但却经常无法在广播电视和社交媒体上捕捉到他们商标的全部价值。”

公司政治可能也会影响真正的投资回报率计算。许多营销部门都害怕被问责，因此往往会刻意挑选易于出成绩的指标，而不是分析真正起作用的真实情况。

像深度学习这样的新神经网络方法具有超能力检测模式，从而在图像识别和计算机视觉方面取得了许多新的突破。计算机不仅可以对照片和视频中的对象进行可靠的分类，还能识别特定的品牌和产品。

GumGum的Plomion就解释了为什么这种突破性的技术会彻底改变品牌营销:“没有相关技术，分析一个3小时游戏的不同商标植入广告可能需要几天时间。”通过利用计算机视觉技术，一台机器可以在几秒钟内分析出视频每一帧的每一个赞助商和位置，让一个完整的游戏在几小时或更短的时间内完成结果分析。突然之间，人工智能让赞助或广告活动的投资回报率变得容易计算了。

视觉智能还能让品牌通过个性化的客户体验来推动用户参与。StackLa帮助各品牌“发现以品牌的为主题最佳用户生成内容(UGC)，将其归类为客户角色，并推荐合适的营销渠道，”公司首席技术官彼得卡西迪（Peter Cassidy）解释道。

利用从StackLa平台上发现的用户内容，维珍假日酒店的预订比前一年增加了260%，而Topshop在线产品销售也增长了75%。根据另一家视觉智能公司Cloudsight联合创始人Brad Folkens的说法，通过向每一位用户展示最相关的图片，公司帮助客户在网站停留时间方面实现了4倍的增长。

人工智能还可以替代旧的方法，以更好地评估不同的数据源，并将其转化为更准确的商业洞察。对细分受众及行为进行深入分析，从而能够开展对顾客行为的理解和处理，如购买力的预测以及客户流失程度。通过使用人工智能将营销与人口统计和心理指标相匹配，TouchCR在广告发送率降低60%的情况下，自己的业务增长了20%。

ReFuel4首席执行官Kazuhiro Takiguchi也为Spotify等客户带来了类似的效果，Spotify的广告点击率提高了40%，而应用程序安装量达到了此前的3倍，这都超过了之前的营销活动。根据Takiguchi的说法，这样的结果是通过“利用现有的和过去的广告表现来预测未来的创新表现”。

“一直以来，市场营销人员的圣杯都是个性化客户的购买成本，”Reputation.com首席人力官Pascal Bensoussan说。“人工智能和机器学习正在成为营销技术及广告技术的核心组成部分。”

虽然数据采集和统一化的挑战，人才招聘和培训的挑战，将继续困扰营销团队。但人工智能和机器学习的兴起，为克服现代营销中那些曾经无法解决的困难提供了一种清晰的方式。

（英文来源/venturebeat 编译/机器小易 校对/晗冰）