4.2 现代AI营销
如今，AI在营销领域的热度空前高涨！🔥不过，这种热度和实际应用之间还有些差距。2018年时，尽管98%的营销人员都表示对AI感兴趣，但真正行动起来的却不多。2017年，只有20%的公司开始大规模采用一种或多种AI技术（Bughin, McCarthy, & Chui, 2017）。但别担心，这种情况正在改变！💪
营销人员开始逐步部署AI技术，虽然这个过程有点慢，但他们并没有落后于时代。除了各种突破性的工具和服务，企业领导层也在努力开发可扩展的管理体系（Rodriguez, R. V., 2022）。AI在营销中的应用正在快速增长，现在就可以被企业利用。毫无疑问，2018年及接下来的24-48个月里，AI在营销中的使用将达到一个转折点。🚀
AI投资的增长 💰
营销业是第六大投资AI技术的行业，投资占比为2.55%（Naimat, 2016）。尽管AI在营销中的应用已有几十年的历史，但最近才因多种原因而变得流行且可行。大数据和数据管理的创新、对该领域的兴趣增加以及高技能员工的增加，使得大规模处理AI算法变得更加经济实惠。近年来，AI初创公司吸引了270亿美元的投资资本，这个数额是2016年的三倍。📈
AI的实际应用 🌟
现在，AI技术越来越实用，我们看到了它在营销中的巨大潜力。许多大小企业都在选择更容易设置和维护的小型解决方案，但只有少数公司使用强大的AI系统。我创建了一个参与度测量标准，帮助企业更好地利用AI。建设和运营AI系统的成本、AI对公司核心产品或运营的重要性以及其应用的复杂程度，都是“参与度”考虑因素。低参与度的AI解决方案进入门槛较低（如资源需求较少），但无法充分发挥高参与度AI解决方案的潜力。高参与度的AI系统可能为企业的核心业务提供诸多好处，但需要更多资源。🌐
AI的成熟度水平 📊
为了进一步解释高参与度AI的进展，Aman Naimat（2016）创建了一个成熟度等级表。第一级是AI实验室项目，企业正在测试AI选项，准备在营销领域全面实施。第二级企业开始部署开发的AI。第三级公司已经将AI完全整合到其运营中，并战略性地使用它。Naimat发现，62%的组织处于一级的高参与度AI实施初期阶段，而只有5%处于三级。✨
AI对营销的巨大潜力 🌟
AI的使用从根本上改变了企业对营销的看法以及营销人员的工作方式。即使在公司内简单、低参与度的实施中，也能观察到这项技术的优势，复杂、高参与度的实施更能显现其价值。AI不仅对营销人员有诸多好处，还能直接改善消费者的生活。通过提供愉快的体验、相关的内容和无缝的互动，AI可以改善客户与品牌的关系。如果解决了AI采用的问题，社会可以从企业和客户的双重优势中获益。📈
超个性化和营销自动化 🤖
AI帮助企业实现超个性化，从而个性化地触及并吸引大量消费者。营销人员能够追踪并全面评估新的数据来源，开发详尽的消费者画像，以支持他们的营销活动。这使得品牌能够开展高度个性化、有效的全渠道营销活动。AI驱动的超个性化使企业与消费者之间的关系更加紧密，提供更具娱乐性和个性化的体验，尤其适合Z世代和千禧一代消费者。😊
降低成本与提高效率 💡
由于自动化了劳动密集型的过程，深入了解目标消费者以及对营销绩效的深刻分析，营销人员的许多活动成本都会降低。通过规模化地以正确的方式触及正确的客户，营销人员无需再浪费资金在那些对公司盈利没有贡献的客户上。员工可以将更多时间集中在增值活动上，而不是平凡或重复的任务上。🔧
深入洞察与客户互动 📊
AI让企业更好地了解他们的客户。这意味着可以利用对消费者行为的宏观和微观层面的深入理解来改进客户细分，更快速和智能地跟踪和分析活动，以帮助营销人员做出战略决策。企业现在可以访问之前无法获得的数据源，从而开发对客户的深刻认知。对于消费者来说，这意味着他们接触到的营销信息将更加相关，与品牌的互动也会更加有针对性和个性化。💬
无缝体验与品牌互动 📲
AI让企业能够自动化许多原本需要员工（如销售人员或客户服务代表）处理的面向客户的任务。品牌可以通过多种自助服务渠道（如聊天机器人、语音应用、个人助手等）与客户互动，减少雇佣、培训和管理成本。客户随时随地可以方便地联系品牌，体验变得更加顺畅。💬
扩展体验与品牌故事 🌐
未来的营销人员将能够利用AI构建体验、讲述引人入胜的故事并为客户创造价值。如果能够以高度个性化的方式接触客户，1:1营销可以用来娱乐、教育和赋能他们。AI驱动的高度互动体验能让品牌与目标受众建立更深层次的联系。客户可以享受针对他们兴趣、需求和愿望量身定制的内容。😃
4.2.1 AI在营销中的使用 🤖
AI在营销中的讨论真是太丰富了！🎉但我们可以从个性化这个点开始聊聊。通过个性化，营销可以更贴近消费者的需求。想想看，利用消费者数据和AI，我们可以大规模地创建和传递专为每个个体量身定制的营销信息，满足他们的需求、欲望和兴趣。👍
但早期的个性化其实更像是大规模的规则化个性化。比如，在邮件中加入客户的名字，这是AI个性化的基本理念。这样的个性化不仅对品牌有利，客户也很喜欢。数据显示，个性化的行动召唤（CTA）转换率提高了42%，平均订单价值提高了40%，总转换率提高了600%！📈
个性化的魔力 ✨
个性化为什么这么有效呢？这与人类大脑的网状激活系统（RAS）有关。这个系统就像一个过滤器，帮助我们区分重要和不重要的信息。举个例子，“鸡尾酒会效应”可以解释为什么在嘈杂的环境中，我们还能听到别人叫我们的名字。同理，消费者更关注那些与他们相关的信息。📢
营销人员可以利用这个人类特性，通过AI了解每个客户，提供及时、相关的信息。想象一下，当你在社交媒体上发了一条想吃披萨的动态，披萨店就能自动发放折扣码，这不香吗？🍕这样，客户和品牌之间的关系就会越来越紧密，品牌的价值也随之提升。
AI个性化与隐私 🌐
AI通过实时个性化内容和数据驱动的客户洞察，能满足每个客户的需求。传统的基于Cookie的营销在数字时代是主要策略。Cookie是一种数据包，通过追踪用户的在线活动和浏览历史，帮助品牌更精准地进行广告投放。🍪
AI时代的新趋势 🚀
AI带来的趋势可能会让营销变得更加实际，不再依赖Cookie。通过结合AI和第一方数据，营销人员可以更全面地了解消费者的行为、兴趣和需求。这些洞察力与AI驱动的全渠道营销策略相结合，可以让营销人员以更加情境化的方式与消费者互动，而不仅仅是依赖Cookie。🤝
此外，AI还可以在不侵犯消费者隐私的情况下进行广告投放。例如，自然语言理解（NLU）、照片识别、情感分析和生物识别等AI应用，提供了多种数据输入方式。这些新方法需要以不干扰用户的方式部署，给予用户选择退出的权利，并保持高度透明。如果AI能充分发挥其价值，或许就不会像Cookie那样具有侵扰性。📊
总之，AI的使用需要注重隐私和透明度，同时为消费者和企业创造价值。只有这样，营销才能真正满足客户的需求，并促进品牌的发展。
4.2.2 程序化广告 🤖✨
程序化广告是指通过机器进行的自动化数字媒体购买。相比于传统的内容营销，程序化广告简化了定价、投放等广告流程，极大地提高了效率。📈借助消费者数据洞察，广告主可以实现广告的个性化，提高广告效果。程序化广告已经发展成为一个庞大的行业，到2019年，预计将占据80%的数字广告支出，总额达457.2亿美元。💰
近年来，AI的应用也逐步渗透到程序化广告中。利用机器学习和人工智能的平台，占据了71.8%的在线广告支出和75.7%的移动广告支出。🤯AI技术可以优化广告投放，通过模式识别和行为分析等手段进行客户细分，提升广告的精准度。未来，AI还将进一步优化广告创意资产和预测客户转化，帮助广告主实现更高效的营销。
虽然程序化广告并非完美，但其对广告主的价值在于提升效率和精准定位。根据调查，87%的广告主表示程序化广告能带来更高的回报，30%的广告主通常可以接触到更多的潜在客户。📊例如，谷歌通过程序化广告增加了50%的品牌认知度，并在每千次展示成本（CPM）减少30%的情况下，触达了三倍的用户群体。
4.2.3 透明度、不信任与欺诈 🕵️♂️🚨
尽管程序化广告投入了数十亿美元，广告主们仍面临许多问题。92%的广告主表示程序化广告的表现报告是主要难题，同时许多人还提到了广告欺诈、品牌安全和缺乏准确的表现监测等问题。📉在程序化广告中，50%的广告支出并未真正到达目标受众手中，这也是造成问题的一个重要原因。
然而，通过继续整合AI技术，许多问题可以得到解决。AI可以进行更好的模式检测和预测分析，帮助广告主选择合适的合作伙伴和投放平台，减少品牌安全和广告欺诈问题。🔍AI还可以优化广告投放位置，提高广告效果。大品牌如摩根大通、宝洁、AT&T和Verizon等公司，已经因为广告欺诈和品牌安全问题大幅削减了在线营销预算。💸
通过AI的强大分析能力，广告主可以更明智地选择合作伙伴，确定可信网站和最佳广告供应商，从而避免上述问题。此外，AI还可以通过自然语言理解（NLU）和自然语言处理（NLP）技术，翻译和总结关键绩效指标，确保广告表现报告的准确性。
4.2.4 全渠道营销 🌐📱💻
品牌需要在各个平台上创造一致的客户体验，而不仅仅是把营销活动视为离散的活动。根据iAdvize的数据，平均每个客户在购买前需要2.8次接触，因此最大化与客户互动的频率比以往任何时候都更为重要。📊Forrester Research称，全渠道营销是指将数字广告跨渠道进行集成，使其与客户生命周期阶段一致、相关且连贯的策略。利用AI进行程序化广告，可以实现全渠道协同。
尽管全渠道策略实施困难重重，但AI技术的发展使得大规模个性化营销变得可能。数据跟踪、组织和在程序化广告中的实施，是优化全渠道协同的基础。🔗然而，许多广告主在衡量广告归因时，会使用多达十个渠道的数据，处理这些大量数据变得相当困难。随着实时数据需求的增加，营销沟通可能在消费者互动期间变得过时。
幸运的是，消费者通常同意公司使用他们的一部分数据来提供更个性化的体验。虽然很多消费者抱怨个性化侵犯了他们的隐私，但大多数人还是认为数据驱动的个性化带来了净收益。🔒因此，优秀的程序化广告表现依赖于智能数据管理，而AI则为此提供了可能。机器学习应用程序能够实时组织和整合数据，大大提高大规模广告项目的效率。通过结合实时数据和历史数据，系统可以自动进行程序化决策，跟踪客户在各个渠道的活动。
广告主需要简化AI驱动的数据管理系统。虽然机器学习系统需要大量数据，但这些系统能极大地自动化任务。为了在AI营销时代中竞争，公司必须愿意为此过程投入资源。💼根据Monetate的研究，只有很少的组织能有效整合所有线上和线下渠道的数据。因此，广告主需要确保能够在所有渠道上数字化并跟踪足够的数据，以满足这些数据需求。
4.2.5 重定向广告 🔄🎯
AI让重定向广告变得越来越普遍！通过机器学习技术，我们可以优化广告曝光率，最大化重定向效果，同时减少对用户的干扰。👍 有了AI的助力，重定向广告的投资回报率（ROI）可以大大提升。毕竟，频繁的重定向广告会让55%的消费者放弃购买。📉
虽然重定向广告确实有效，但消费者的反感也很明显。😤 这说明我们需要更深层次的AI整合。尽管重定向广告常常让人感到不信任和愤怒，但消费者还是很看重个性化体验。🍰 基于Cookie的营销问题尤为突出，比如广告频率、投放时机和个性化程度，都可能大大降低广告效果。
大多数消费者（53%）认为重定向广告一开始可能有用，但很快就变得烦人了。👎 三次广告曝光似乎是一个临界点，23%的受访者表示感到厌烦，而只有7%认为有用。随着广告频率的增加，这种厌烦情绪更严重。🔄 使用AI技术，我们可以优化广告曝光，最大化重定向效果，并将用户的烦恼降到最低。这样，频繁的重定向广告反而可能提高55%的ROI哦！
4.2.6 社交媒体营销的影响 📱🌟
社交媒体对营销的影响力越来越大，全球有30.1亿活跃用户！👥 在销售漏斗的每个阶段，社交媒体都能带来巨大的营销效益。因此，社交媒体已成为营销人员的必备工具，AI的整合更是锦上添花。📈
在没有照片识别和计算机视觉技术之前，社交媒体的品牌表现分析是非常困难的。比如，一张图片的标题与内容完全无关，这样的帖子很难被找到，更别提与其他社交媒体营销努力进行比较了。📷
用户生成内容（UGC）、病毒内容等强大工具，让数十亿社交媒体用户可以与企业互动。AI可以帮助营销人员更好地识别和分析这些互动，提升整体表现。🤖 传统社交媒体分析只能监控特定的行为，但通过照片识别和计算机视觉技术，营销人员可以获得宝贵的用户行为洞察。
比如，Facebook的图像识别功能可以追踪用户上传的照片中出现品牌标志的频率。📸 通过这种方式，营销人员可以了解消费者在日常生活中如何使用品牌产品，从而制定更精准的营销策略。
4.2.7 分群与定位 🎯🕵️♀️
企业可以利用图像识别和计算机视觉更好地细分和理解客户。一个人分享或发布的照片，可能透露出他们的个性。这些数据可以用来针对特定客户群进行市场营销。👀
很多公司已经在使用这项技术。例如，Coca-Cola的Gold Peak冰茶品牌使用图像识别技术扫描Facebook和Instagram上的用户，寻找那些喝冰茶并表现出愉快情绪的人群。然后，他们向这些自我标识的客户群投放广告，点击率超过2%，是之前活动的3-4倍！📊
另一个例子是Ripple，这是一家生产豌豆奶饮品的公司。他们与一家AI解决方案供应商合作，通过识别有机生活方式的照片，对客户进行细分，并投放相关广告。结果显示，广告参与率达到了6%，是行业平均水平的两倍。🌿
利用计算机视觉和图像识别，营销人员现在有更多方法可以分割并征服庞大的客户群。这种基于图像的细分技术，将为未来的营销提供更多可能性和实用性。📸
4.2.8 面部识别技术 🤳
面部识别技术已经融入了我们日常生活的方方面面。比如，Snapchat 的脸部滤镜、智能手机的面部解锁、以及 Facebook 的照片标签等，都离不开面部识别技术。尽管面部识别技术已经存在多年，但其市场价值预计将在 2022 年达到 77.6 亿美元，年均复合增长率为 13.9%。面部识别技术带来的巨大价值，使其备受期待。特别是对于市场营销人员而言，这项技术提供了新的机会，可以实现无缝的全渠道客户互动和智能营销计划。📈
4.2.9 通过生物识别进行互动营销 🧑🔬
如今，互动营销活动展示了面部识别在营销中的应用。通过分析参与者的生物特征，使用面部识别的互动营销可以收集参与者的情感和心情信息，同时提供愉快的体验。例如，Expedia 的“发现你的阿罗哈”活动就是一个很好的例子。用户在激活摄像头后，可以欣赏夏威夷的美丽风光，进入热带天堂。面部识别技术通过研究访客体验中引起最强烈反应的方面，向他们提供个性化的夏威夷折扣优惠。这不仅让游客们感到惊喜和愉悦，也让 Expedia 的营销活动变得更加生动有趣。🌺
另一个例子是可口可乐的“幸福表情符号实验”。这个活动非常简单，只需要在斯德哥尔摩地铁安装一个互动数字广告牌即可。当乘客靠近时，广告牌会模仿他们的面部表情，创建一个实时的“表情符号”。尽管这个活动没有特定的行动呼吁，但它展示了企业如何通过 AI 以更个性化和直接的方式与客户沟通。🤗
4.2.10 营销分析向 AI 的演变 🧠
关于 AI 的讨论有时带有时尚元素，尤其在营销领域，AI 与高级分析之间的界限往往模糊不清。分析技术已经进步到可以处理高度非结构化的问题，并以曾被视为“专家”的方式提供建议。AI 的一个基本组成部分是反馈循环和改进的自动化，即“机器学习（ML）”，这意味着结果会根据特定标准进行评估和分析。AI 在管理精确、有限且迅速完成的操作时，通常非常高效，其效果也能立即测量和评估。然而，当决策更加复杂、需要更多时间来实施并显示效果时，AI 的采用可能会更加困难。在这种情况下，可以采用人机协作的方式，在不同的周期点交替进行决策。📊
AI 在营销中的崛起并不是孤立于营销技术的快速、广泛发展之外的。这些发展不仅发生在前线营销活动如联系中心和营销资源管理中，还推动了 AI 在营销中的应用。AI 的使用需要结合这些应用，通过自动化的数据输入和推荐，来支持其他领域的营销活动。🤖
在金融等行业中，计算机常常被用于评估哪些客户涉嫌欺诈或应获得某些服务。然而，这种方法已经引发了关于公平和信任的问题。越来越严格的数据保护法规和道德原则，使得 AI 处理客户数据时必须遵守法律义务。📜
消费者支出模式和市场分散化也是值得注意的变化。数字化尤其是内容的数字化，推动了购物从实体转向虚拟。随着人口迅速老龄化，从有形商品到服务的转变也在加速。这些变化需要营销人员重新思考和规划他们的策略，以适应新的市场环境。👵👴
4.2.11 AI和营销策略 🧠
AI的预测能力可以显著提高企业的预测能力，帮助企业更好地预见客户的购买行为。根据预测的准确性，企业可能会完全重新思考如何服务客户，为他们提供持续的、量身定制的产品和服务。🎯
AI驱动的预测系统在预测全新产品（RNP）的需求方面特别有趣。虽然AI算法可以预测增量新产品，但RNP仍未经过验证。AI系统需要RNP数据，而这些数据难以获取。研究RNP预测可以帮助我们确定将AI知识与专家意见结合的最有效方法。🤔
AI将决定产品价格、折扣和消费者需求。营销学者必须研究价格和促销，因为它们影响销售。因此，需要更多的研究来确定AI是否以及如何用于预测价格，以及是否应该提供价格折扣。广告资源分配也需要研究。如果企业能够更好地预测客户的口味，是否还需要这么多广告？📊
AI可能影响销售过程的每个部分，从生成潜在客户到准备演示文稿，再到跟进潜在客户。这引发了许多新问题，例如：AI能否分析消费者的沟通和其他数据（如社交媒体帖子），生成更有说服力或增加参与度的未来消息？AI能否根据客户提供的语言和面部表情即时建议销售人员如何改进演示？如何将AI与文本和其他沟通输入（如语音数据、真实消费者行为和其他数据）结合，以预测重复购买？企业应如何有效利用AI销售机器人？这些问题的解决可以帮助企业创建最大化AI潜力的销售策略。💡
在AI时代，销售程序需要组织销售报告；成功所需的技能是什么？首先是包括人类和机器人在内的销售团队的最佳结构。其次，企业如何处理使用AI专注于客户明确需求和雇用销售人员之间的矛盾目标？最后，销售人员能否准备好解决客户对AI的隐私和道德担忧？使用AI只是重塑销售过程所需创新的一部分。🧩
企业必须确定其AI创新程序的最佳策略。比如，Stitch Fix的管理层鼓励数据科学家进行独立研究和实验。一个数据科学家开发了一个Style Shuffle应用程序，用户可以表达他们对不同服装风格的偏好。这帮助了造型师与特定消费者匹配，并提供了客户偏好的信息。允许数据科学家短期内进行未经批准的“宠物项目”可能会带来更大的结果。📱
企业应对AI的发展模拟保持合理预期。Gartner的炒作周期模型表明，AI可能在短期内被高估，但在长期内被低估。Amara定律也反映了这一点。根据与多位高层管理人员的讨论，许多专业人士也持这种态度。研究预测AI未来增长的最准确创新模型将非常有帮助。📈
4.2.12 AI与政策问题 📜
政府官员开始关注AI。数据隐私、偏见和伦理是立法者在平衡企业利益和消费者需求时需要关注的三个关键领域。企业使用AI和大量数据表明他们对客户有深入了解。因此，两个问题值得学术研究。首先是客户对其私人信息安全的担忧。保护隐私的三个因素是：信息存储时间的延长、信息在新环境中的使用，以及一人的数据可能包含其他人的详细信息。任何旨在保护个人信息的政策成功都需要仔细权衡利益。客户如果感到不安全，可能不愿使用AI相关产品，而过于严格的法规可能会抑制创新。🔒
应由法律规则还是自我监管驱动数据隐私管理？在确保消费者公平结果方面，仍不清楚市场驱动的激励是否足以说服企业采用对客户有利的政策，还是需要监管监督。另一个重要考虑是文化对数据隐私的态度多样性。例如，有人认为政府需要指导如何处理数据隐私失败以及如何在收集数据时识别和缓解隐私问题。亚马逊可能会将面部识别AI集成到Ring设备中，客户可能担心亚马逊会滥用或出售他们的个人信息。研究自愿者可能会在这种情况下找到。最后，我们讨论隐私与个性化的困境。客户需要决定他们在匿名性与有用推荐和折扣之间的权衡。🤔
AI应用中的算法偏见是另一个关注点。例如，亚马逊因其基于AI的求职者排名程序对女性的偏见而取消了该程序。算法训练数据集使用了之前被接受的申请者信息，这些申请者主要是男性。这使得偏见显而易见。确定如何测试AI应用中的偏见是一个重要问题。AI可能无法区分可能导致潜在偏见的特征。研究应关注不同文化对AI的看法差异。📊
最后，企业需要决定AI是否能解决他们的问题。斯坦福大学的研究人员使用深度神经网络从人的面部预测性取向。与人类评估者相比，深度神经网络工具更擅长识别同性恋男性。这引发了伦理问题，例如配偶可能用这项技术监视伴侣，或政府用来“曝光”并起诉特定人群。预先研究AI应该（或不应该）用于哪些应用是一个关键领域。👩⚖️
总结
AI与营销新天地 🤖✨
人工智能（AI）开辟了创新、营销和管理的新途径。它就像一场促销游戏，分析消费者的心理和情绪，获取受情感影响的信息。AI创造了一个买卖双方可以直接对话的空间。到2020年底，85%的客户互动将在没有人工干预的情况下进行。AI不断调整其算法，以支持内容创建、品牌推广和提升用户体验。像Netflix和亚马逊Prime这样的公司，通过分析客户偏好，推荐基于他们过往兴趣的内容。预测最佳产品，通过行为分析、广告优化和按点击付费（PPC）等技术，能为企业带来可观收入。AI不仅节省了客户的努力，还为制造商、分销商、供应商和推广者节省了时间和金钱。
AI营销的未来影响 🚀🌟
随着AI变得越来越复杂并广泛应用于营销，营销人员需要建立和管理AI解决方案。一个由AI驱动的工作场所，要求员工了解他们在创造和分发价值中的角色。尽管广泛采用AI面临重大挑战，营销人员在合适的时间以合适的方式，向合适的人群传递价值的能力，将惠及消费者、社会和营销人员。共情、创造力和高质量的数据驱动组织文化，可以帮助人们实现这一目标。AI自动化了日常操作，使营销人员能够更多地专注于创造价值的活动，提升消费者体验、工作满意度以及社会的创新思维。AI时代影响着营销人员的客户沟通、策略、工具、工作场所价值观和日常工作。可以说，投资AI是一笔稳赚不赔的赌注。