2024,如何构建企业的AI营销战略?

在2024年谈增长离不开AI这个关键词。

一项名为《2023AI营销现状》的报告面向900位增长责任人展开调研,其中包含约300位CEO、CMO,他们中约90%认为在未来12个月内AI对于营销来说颇为重要。

但在让AI真正驱动增长的过程中,企业也面临很多现实的困境,比如超半数的营销人认为他们还不是很了解AI,44%的被访者认为企业还没有真正的AI营销战略。

来自杜克大学的教授卡尔·梅拉就曾在《哈佛商业评论》发表文章指出,很多营销技术就像是“亮闪闪的新东西”。企业对AI等营销新技术的投入更像是在装点门面,很少能真正激发它们的价值。而要解决这一难题,需要做好两件事:“解构”增长路径,让关键业务环节更好地与技术相配合;“构建”多元技术能力,并确保其作为一个完整的系统发挥作用。

大模型阶段下,AI能帮企业做些什么

从前台应用看向后台基建,想让AI真正发挥价值,企业需要主动识别出业务增长的关键节点,并探索在这些节点中,AI能如何发挥作用,提升增长效率。纵览目前发布的一些商用AI大模型,AI正在提升人货匹配效率、提升消费者的持续连接能力,提升经营效率方面发挥作用:

更好地理解商品,提升人货匹配效率。

你觉得投放一波广告需要准备多少套投放方案?100个够不够多?实际上,有些企业会准备多达4000个投放方案,广告素材在产品价格、配色、文案等元素上进行微调,搭配不同的通路、人群,就想看看哪个效果好。这其实是企业追求更精准的人货匹配的表现,听起来挺科学,但显然需要耗费大量的人力物力。

但如果AI介入了这一环节呢?

AI之于营销的一大价值在于高效处理更大规模的数据,发现其中暗藏的关联,并自动化地完成一些基础的操作。企业不需要准备上千个方案,基于大模型数据信息的处理能力,在广告主补充输入商品信息后,系统能够对所投放的商品进行更加深入的理解,并由此进行更加高效的人货匹配。就如同那个“啤酒和尿布”的经典营销故事,两种看起来毫不相关的产品摆放在一起,却能大大提升销量,其背后便是数据洞察推动人货匹配的结果。

如今,不少企业正在受益于AI大模型助力下的人货匹配提效。比如腾讯广告曾公布过一些案例的数据,通过人货匹配,某服饰品牌下单平均起量速度提升180%,下单成本环比降低18%,销售额更环比提升260%;某美妆品配将流量引导至视频号品牌直播间,直播间广告ROI提升1.5倍。

当然,为了更好地实现“懂人,懂货,懂匹配”,企业也需要更积极地“喂养”AI,比如在广告系统中建立好商品库,让AI知道售卖的商品是什么,有哪些基础的特征;另外,企业在一方数据及时上报的基础上,亦可与平台方展开更定制化的合作,这将有助于AI大模型更好地理解企业,从而进一步提升系统匹配效率。

腾讯公司副总裁蒋杰近期在腾讯智慧营销峰会上就分享了一组数据,腾讯广告的大盘数据显示,在转向基于标准化商品库的全面商品化策略后,广告主的广告起量率提升10%,消耗规模提升12%,通俗来说就是在预期的ROI标准下,广告触达的用户、展现数量等大幅提升。

更好地理解人,提升消费者持续连接能力。

很多企业都有金牌销售,凭借着对用户的深度理解和优秀的沟通能力,他们能够为用户提供更加优质的服务、高效地促成下单转化。对于企业来说,如何培养更多的“金牌销售”、提升整体客户服务水平,以促进生意增长?AI在这之中大有可为。一方面,AI能够快速提供经过智能运算后的话术参考,在它的辅助下,客服与用户的沟通将更加顺畅;另一方面,基于自动打标,系统能够对大量数据进行高效可靠的分类处理与建模学习,以系统底层能力提升助力销售与服务环节的大幅提效。

当然,AI对人的理解并不仅仅影响销售服务环节,特别是在用户消费心智逐渐成熟的当下,消费决策的过程变得复杂而长期,据调研,市场大概有70%的用户需要长期培育,最后才会发生转化,企业与消费者的沟通也变成一个颇为复杂的过程,全链路、全周期的用户关系运营成为必然。而基于对人的理解,AI可以高效、自动化地追踪和串联起用户决策的流程,从而形成一套用户线索经营的矩阵。

蒋杰提到,随着底层系统的智能化焕新,腾讯广告以技术能力加持,打造了一套覆盖线索全场景、全周期的营销体系。这一体系从广开口,实现更多曝光触达开始,到多链路吸引用户进行浅层互动,再到提后效的留资、下单,最终落地到私域体系内实现用户的深度共鸣与长效经营,AI大模型都提供技术助力,通过对消费者的深度理解实现营销提效。实际上,腾讯广告一直强调“全域经营”理念,而这一套体系正是AI赋能之下的升级版全域经营矩阵,通过AI提升全域中每一触点的智能化水平,并通过统一的大模型统揽全域营销流程与消费者的全域流转,真正构建起一套以消费者为核心的智能化的营销体系。

目前,在这一体系的加持下,不少企业已经收获了实际的增长,比如某教育品牌的首次参课率提升23%,同时首次参课成本下降22%;而某大健康品牌的开口(曝光)成本下降了17%,同时加粉转化提升33%。

更好地理解商业,提升经营效能。

技术层面的升级只是进化的必要条件之一,将行业经验、商业敏锐度融入大模型中,不断基于特定的行业现状、行业需求调教大模型,企业才能得到一个更加贴心的AI营销助手。

以游戏行业为例,大众可能只看到“是兄弟就来砍我”的大曝光时刻,但一款游戏的营销也要经历复杂的周期。比如小游戏就会经历测试期到推广期再到召回期,比如游戏App会经历封测、预约、首发、平推、版更/周年庆等阶段。每一阶段的营销诉求不同,资源配置不同,营销策略也千差万别。在复杂的营销周期中,AI大模型对抗熵增,提升营销确定性的价值便体现出来。

一方面通过大数据洞察,企业可以实现更确定的冷启动,面向谁、展现怎样的玩法特点、启用谁为代言人等等,AI大模型会告诉你更多的洞察观点。而在投放过程中,一些智能的投放工具可以结合投放效果敏捷调整投放方案,减少人工干预,自动优化提速。另外,诸如腾讯广告游速通等全生命周期营销解决方案,还会基于游戏行业特征进行深度的模型优化,让AI大模型更加理解游戏产品的特征、营销阶段与营销诉求,实现大模型助力下的营销提效。游速通侧公开的某游戏产品投放数据显示,技术助力下,该游戏起量率较传统新游提升30%,预约激活提升23%,同时激活成本下降19%。

当然,不只游戏行业,营销大模型也正在尝试与更多的行业经验相结合,实现更加垂直深度的营销赋能。就像AI发展趋势的预测中,垂直大模型将成为大模型应用的主流方式,更加深度结合行业经验的营销大模型,也将更好地实现营销的赋能。


打造系统性的AI基建

在应用层,AI大模型的能力正在逐步拓展。而在基建层,平台与企业也需要进行系统性的布局,以确保AI能够融入营销全流程,系统性地发挥作用。在这一过程中,企业需要特别关注的是系统性这一概念。一方面,在整个营销体系中,企业往往较为关注智能投放领域的工具引进,但要真正形成智能化的营销系统,企业还需关注在智能创意、智能诊断能力上的部署;另一方面,工具之间能否进行有效的“对话”,形成顺畅的创意投放验证体系也是需要关注的话题。

不久前,腾讯广告发布了一站式AI广告创意平台“腾讯广告妙思”,在打造这一产品的过程中,蒋杰就指出能够自动化生成创意素材的AI工具其实并不少,但如何让创意贴近投放,做到“从广告诉求出发”、“更有原生感”,却是需要被攻克的课题。

一个简单的例子是,一些非广告专用的AI创意工具生成的图片总带有一些“艺术的朦胧感”,色调可能偏暗,或者多少带点西式审美的特质,这样的素材并不适合国内的广告投放。通过腾讯广告的数据积淀,妙思会了解到那些更明亮的,融入东方审美元素的素材会带来更好的投放效果,也由此避免在创意生成的过程中“走弯路”,直接产出更能推动广告提效的广告素材。另外,腾讯广告妙思还与广告投放流程紧密结合,对产出素材直接进行自动化机器审核,通过“创意生成-一站式审核-广告投放”的链路打通,减少动辄数小时的审核过程,将技术提效应用到每一个关键环节。

这便是系统性带来的优势,当服务各环节的AI工具能够基于一套底层大模型,各环节间的经验能够互联互通,一同服务于足够明确的商业目标,系统整体的效率便会明显提升。

为了进一步提升系统的整体效率,腾讯广告还着重打造了智能诊断的能力。这对企业来说就像是给复杂的AI营销系统装上了“导航”,能够识别障碍在哪里,并实时根据接收到的“路况”信息不断规划最优路径。在广告的创建期,企业可以获得优化建议,对投放效果建立起初步预期;投放时可获得投放的预判、预警;投放后也可以通过系统诊断与操作评估进行更有针对性的复盘,为下一次投放优化做好准备。

可以看到,在腾讯的体系内,大模型针对广告场景进行了系统性的部署,形成了深度垂直的能力。发起于《哈佛商业评论》中文版的新增长年度榜单评选中,蒋杰入选“2023中国新增长·先锋人物榜”,也正是因为其“决意要离业务更近,让AI、大数据的能量在应用中释放”。

2023年,蒋杰在2023腾讯数字生态大会上携腾讯混元大模型正式亮相。作为一款“从实践中来,到实践中去”的实用级大模型,腾讯混元目前已与超过300个腾讯内部业务对接。而在广告业务场景中,基于对广告真实诉求的理解,蒋杰也带领团队推进了一系列技术升级,大幅提升了广告推荐效率,助力企业降本增效。为了提升大模型的易用性,以及进一步提升效率,腾讯广告也在整合统一包括数据、策略、特征、模型到资金计费系统等模块之后,让广告系统真正成为“一盘棋”。

在平台侧系统性AI基建不断完善的同时,企业侧也需要进行相应的部署,除了必然的引入更多AI工具、培训新型人才体系之外,构建具有开放性的AI应用架构是更具挑战性的一环。在谈及AI营销未来进化空间时,蒋杰不断提及希望能与企业展开更多合作,共同推动大模型基建的持续优化。

事实上,在平台方、技术供应商提供了通用大模型的基础能力后,需要不断引入行业经验加以调教才让大模型的能力更贴近应用的场景和具体需求;而打破围墙花园,构建开放网络,推动数据合作,才能让大模型进一步理解广告效果的全貌,从而给出更加科学的决策建议。

当然,这样的体系搭建并非一夕之功,大模型的训练与商业应用也必然是一场持久战,企业需要以长期主义思维进行持续的关注、学习与投入,也需要秉持技术的开放心态,共同应对AI时代的新挑战。

发表回复