最近網(wǎng)上流行一句話(huà)：宇宙的盡頭是帶貨。

　　簡(jiǎn)單來(lái)說(shuō)，就是以前那套“羊毛出在豬身上”的變現(xiàn)方式即內(nèi)容向觀(guān)眾和粉絲免費(fèi)、靠品牌主廣告主付費(fèi)，已經(jīng)不好用了。企業(yè)“花錢(qián)賺吆喝”的品宣預(yù)算減少，而是更看重品效合一，希望將“有效流量”轉(zhuǎn)化成實(shí)際的業(yè)績(jī)?cè)鲩L(zhǎng)。所以越來(lái)越多的網(wǎng)紅博主、大V甚至某些新聞當(dāng)事人，最后都走向了“帶貨”。

　　精準(zhǔn)、高效、低成本的營(yíng)銷(xiāo)需求，不只卷網(wǎng)紅大V們，也在卷大模型。

　　一次交流中，一位銀行從業(yè)者直言：金融行業(yè)的數(shù)字化是建設(shè)比較久的，目前“數(shù)字營(yíng)銷(xiāo)”也遇到了關(guān)于增長(zhǎng)的困境，從一線(xiàn)業(yè)務(wù)員到CMO首席營(yíng)銷(xiāo)官，都希望能夠?qū)�營(yíng)銷(xiāo)的迭代速度加快，各個(gè)環(huán)節(jié)實(shí)現(xiàn)從效率到效果的提升，通過(guò)AI智能營(yíng)銷(xiāo)來(lái)形成一條更大的增長(zhǎng)曲線(xiàn)。

　　“但是，跨越從數(shù)字營(yíng)銷(xiāo)到智能營(yíng)銷(xiāo)之間的鴻溝，以前這一步，大家邁得非常累。借助大模型的機(jī)會(huì)，或許我們可以更快地把這一步邁過(guò)去。”

　　從數(shù)字營(yíng)銷(xiāo)進(jìn)化到AI營(yíng)銷(xiāo)，在大模型的加持下，進(jìn)一步提質(zhì)降本增效，帶來(lái)真金白銀的效果提升與業(yè)務(wù)增長(zhǎng)，讓許多行業(yè)和企業(yè)為之興奮。

　　在過(guò)去的2023年里，我們看到百度、騰訊、阿里、京東等基礎(chǔ)模型廠(chǎng)商，以及金融、教育、廣告、傳媒等多個(gè)領(lǐng)域的企業(yè)與垂類(lèi)ISV數(shù)字化服務(wù)商，都在積極推動(dòng)大模型在營(yíng)銷(xiāo)場(chǎng)景落地。

　　那么， AI營(yíng)銷(xiāo)與互聯(lián)網(wǎng)時(shí)代的數(shù)字化營(yíng)銷(xiāo)，究竟有什么本質(zhì)區(qū)別?大模型真的給營(yíng)銷(xiāo)帶來(lái)了實(shí)質(zhì)性的改變嗎?企業(yè)在使用AI營(yíng)銷(xiāo)時(shí)需要考慮哪些現(xiàn)實(shí)問(wèn)題?

　　本文將結(jié)合我們的一線(xiàn)采訪(fǎng)與思考，嘗試剖析這些問(wèn)題。

　　從數(shù)字營(yíng)銷(xiāo)到AI營(yíng)銷(xiāo)，為什么要“跨越鴻溝”？

　　從數(shù)字化營(yíng)銷(xiāo)到智能化營(yíng)銷(xiāo)，為什么是企業(yè)眼中必須跨越的一道“鴻溝”?

　　大家可能都聽(tīng)說(shuō)過(guò)一句名言：我知道我的廣告費(fèi)至少浪費(fèi)了一半，但我不知道究竟是哪一半。對(duì)企業(yè)來(lái)說(shuō)，營(yíng)銷(xiāo)的投入產(chǎn)出比ROI，始終都有優(yōu)化提升的空間。

　　降本增效，提高營(yíng)銷(xiāo)ROI，這件事情在數(shù)字化營(yíng)銷(xiāo)階段，有被解決，但沒(méi)完全解決。

　　所謂數(shù)字化營(yíng)銷(xiāo)，就是在任何營(yíng)銷(xiāo)活動(dòng)、整個(gè)流程，都跟數(shù)字緊密捆綁在一起，通過(guò)數(shù)據(jù)進(jìn)行機(jī)會(huì)觀(guān)察，對(duì)大量用戶(hù)進(jìn)行畫(huà)像、分層、測(cè)算，然后將活動(dòng)物料進(jìn)行數(shù)字化的廣告投放。

　　和傳統(tǒng)營(yíng)銷(xiāo)的問(wèn)卷調(diào)查、人工經(jīng)驗(yàn)相比，數(shù)字化技術(shù)的全流程應(yīng)用，讓營(yíng)銷(xiāo)效率得到了大幅提升。但是，數(shù)字化改造的諸多問(wèn)題，也隨著大量行業(yè)和企業(yè)的應(yīng)用而暴露出來(lái)。

　　最核心的問(wèn)題就是：數(shù)據(jù)孤島。

　　營(yíng)銷(xiāo)工作涉及多個(gè)流程，傳統(tǒng)意義上的數(shù)據(jù)中臺(tái)，企業(yè)內(nèi)部形成了各種營(yíng)銷(xiāo)數(shù)據(jù)系統(tǒng)，但不同系統(tǒng)的用戶(hù)數(shù)據(jù)及行為數(shù)據(jù)之間相互獨(dú)立，彼此不打通，數(shù)據(jù)很多但用不起來(lái)。導(dǎo)致的結(jié)果就是：

　　人更累了。

　　一個(gè)營(yíng)銷(xiāo)活動(dòng)，需要多人跨崗位跨部門(mén)協(xié)作，在企業(yè)內(nèi)部也變得越來(lái)越細(xì)分。如果做一場(chǎng)大型活動(dòng)，比如雙十一、618這類(lèi)大促，營(yíng)銷(xiāo)人員通常需要在十幾個(gè)系統(tǒng)里來(lái)回倒騰，其中有大量重復(fù)勞動(dòng)，比如一份物料在多個(gè)渠道平臺(tái)系統(tǒng)上反復(fù)粘貼，手動(dòng)進(jìn)行大量的權(quán)益選擇、頁(yè)面搭建，這些低價(jià)值的重復(fù)勞動(dòng)非常耗時(shí)，讓營(yíng)銷(xiāo)人員無(wú)法把更多精力放在高價(jià)值的思考優(yōu)化上。

　　人更多了。

　　由于營(yíng)銷(xiāo)業(yè)務(wù)的細(xì)分，企業(yè)不得不為多個(gè)環(huán)節(jié)配置更多的人員，一個(gè)人員只負(fù)責(zé)某個(gè)環(huán)節(jié)，只用關(guān)心怎么把單一模塊做精做好，投放人員關(guān)心投放ROI，活動(dòng)策劃關(guān)注匹配營(yíng)銷(xiāo)目標(biāo)的活動(dòng)設(shè)計(jì)，內(nèi)容運(yùn)營(yíng)希望設(shè)計(jì)師幫自己設(shè)計(jì)出更好的文案、素材、圖片……過(guò)于細(xì)分的營(yíng)銷(xiāo)“流水線(xiàn)”，需要大量營(yíng)銷(xiāo)人員做“螺絲釘”，只干自己的一畝三分地，無(wú)法從全流程、全局視角去優(yōu)化結(jié)果，不僅會(huì)影響營(yíng)銷(xiāo)效果，也不利于個(gè)人的職業(yè)發(fā)展。

　　人更難了。

　　數(shù)字化營(yíng)銷(xiāo)，對(duì)人員的技能要求也更高了。基于數(shù)據(jù)進(jìn)行分析和復(fù)盤(pán)，就是一個(gè)門(mén)檻非常高的復(fù)雜任務(wù)。其中消費(fèi)者怎么想的，決策過(guò)程是什么，怎么埋點(diǎn)，監(jiān)控哪些數(shù)據(jù)，用戶(hù)在不同頁(yè)面的流失率、操作時(shí)長(zhǎng)哪個(gè)步驟影響了整體流程?這些都只能依靠營(yíng)銷(xiāo)人員的經(jīng)驗(yàn)，以往只能通過(guò)前輩傳授和自己試錯(cuò)。

　　結(jié)果就是，一些企業(yè)招不到這樣專(zhuān)業(yè)的營(yíng)銷(xiāo)人才，靠拍腦袋的方式來(lái)做營(yíng)銷(xiāo)，在廣告創(chuàng)意、活動(dòng)設(shè)計(jì)、客服話(huà)術(shù)上花費(fèi)了大量的精力，最后消費(fèi)者用戶(hù)的反饋卻不如人意。

　　有沒(méi)有可能，讓一個(gè)人變成一支營(yíng)銷(xiāo)隊(duì)伍?

　　這就需要為營(yíng)銷(xiāo)人員配備一個(gè)全流程使能的“AI副駕駛”，能夠從一開(kāi)始就將數(shù)據(jù)與營(yíng)銷(xiāo)目標(biāo)相結(jié)合，讓數(shù)據(jù)貫穿整個(gè)過(guò)程和所有環(huán)節(jié)，并結(jié)合營(yíng)銷(xiāo)知識(shí)，自動(dòng)做出最佳決策，替營(yíng)銷(xiāo)人員來(lái)進(jìn)行洞察、寫(xiě)方案、做物料、篩渠道、完成個(gè)性化精準(zhǔn)投放，最后復(fù)盤(pán)調(diào)整。

　　有了“AI副駕駛”，人更輕松了，人用得少了，人的技能也被全方面提升，這是為什么企業(yè)要積極從數(shù)字化營(yíng)銷(xiāo)跨入AI營(yíng)銷(xiāo)。

　　大模型，讓AI營(yíng)銷(xiāo)天塹變通途

　　以前營(yíng)銷(xiāo)環(huán)節(jié)也有AI參與，為什么大模型出現(xiàn)后，營(yíng)銷(xiāo)人員才有了“AI副駕駛”?

　　答案是：傳統(tǒng)AI做營(yíng)銷(xiāo)，太慢太貴。

　　此前也有很多互聯(lián)網(wǎng)企業(yè)、電商平臺(tái)將AI算法引入到智能推薦、海報(bào)創(chuàng)作、智能客服問(wèn)答等場(chǎng)景之中，但效果總體來(lái)說(shuō)，不咋地。

　　智能客服被普遍認(rèn)為是“人工智障”，只能解決一些基礎(chǔ)問(wèn)題，用戶(hù)還是要找人工，降本增效的效果有限。

　　另外，傳統(tǒng)AI算法的泛化能力不高，必須針對(duì)專(zhuān)項(xiàng)任務(wù)進(jìn)行定制化訓(xùn)練，開(kāi)發(fā)起來(lái)非常耗時(shí)，比如一個(gè)銀行的智能客服，需要人工訓(xùn)練師拆解話(huà)術(shù)文檔、生成QA，之后再擴(kuò)展標(biāo)準(zhǔn)、投入到一線(xiàn)中，開(kāi)發(fā)周期基本上一個(gè)月起步，六個(gè)月都有可能。一些中小企業(yè)請(qǐng)不起專(zhuān)業(yè)的開(kāi)發(fā)團(tuán)隊(duì)，也等不起那么長(zhǎng)的開(kāi)發(fā)周期。

　　大模型出現(xiàn)之后，如同一橋飛架南北，將“AI營(yíng)銷(xiāo)”的天塹變通途。

　　洞察環(huán)節(jié)：一個(gè)基座模型，統(tǒng)籌全局，拉通數(shù)據(jù)孤島。

　　大模型強(qiáng)大的泛化能力，一個(gè)基座模型可以調(diào)度大量專(zhuān)有小模型，通過(guò)一個(gè)交互入口，與營(yíng)銷(xiāo)人員進(jìn)行交互，把各個(gè)系統(tǒng)、數(shù)據(jù)孤島都串聯(lián)起來(lái)，做到更全面的智慧洞察。在騰訊云的企點(diǎn)分析平臺(tái)上，銷(xiāo)售人員只要問(wèn)一句“哪個(gè)產(chǎn)品賣(mài)得最好”，就可以實(shí)現(xiàn)準(zhǔn)確的商業(yè)分析;在京東的一站式AI增長(zhǎng)平臺(tái)上，營(yíng)銷(xiāo)人員只需打開(kāi)領(lǐng)航者AI營(yíng)銷(xiāo)助手，就能完成全鏈路的活動(dòng)配置。

　　設(shè)計(jì)環(huán)節(jié)：一個(gè)營(yíng)銷(xiāo)大腦，集合行業(yè)知識(shí)，消除經(jīng)驗(yàn)鴻溝。

　　將營(yíng)銷(xiāo)知識(shí)與行業(yè)Knowhow，壓縮到大模型里面，可以消除中小企業(yè)、運(yùn)營(yíng)新人等在營(yíng)銷(xiāo)經(jīng)驗(yàn)知識(shí)上的差距，快速進(jìn)階為AI營(yíng)銷(xiāo)達(dá)人。

　　“這給了中小銀行一個(gè)掀桌子的機(jī)會(huì)”，一位受訪(fǎng)者告訴我們，“以前中小銀行欠缺的不僅是數(shù)字化系統(tǒng)，還有經(jīng)營(yíng)相關(guān)的一些行業(yè)Knowhow，比如怎么做產(chǎn)品設(shè)計(jì)，怎么把產(chǎn)品更好的規(guī)劃賣(mài)給用戶(hù)，有沒(méi)有更好的營(yíng)銷(xiāo)手段。過(guò)去要積累這些經(jīng)驗(yàn)，要么招聘大量的相關(guān)專(zhuān)業(yè)人才，再花一定的時(shí)間蹚出自己的路來(lái)。但是到了大模型時(shí)代，大模型賦能金融，就讓它們有機(jī)會(huì)彎道超車(chē)，彌補(bǔ)上很多經(jīng)驗(yàn)上的短板”。

　　執(zhí)行環(huán)節(jié)：一個(gè)生成與創(chuàng)造工具，生產(chǎn)力提質(zhì)增效。

　　到了具體的營(yíng)銷(xiāo)活動(dòng)落地環(huán)節(jié)，需要大量的物料、文案創(chuàng)意、投放配置等工作，創(chuàng)意素材和精準(zhǔn)觸達(dá)，是廣告的核心競(jìng)爭(zhēng)力，但是重復(fù)勞動(dòng)量極大。尤其是每到“雙十一”“元旦大促”等節(jié)點(diǎn)，需要?jiǎng)?chuàng)建和投放大規(guī)模的物料，以往只能通過(guò)“人海戰(zhàn)術(shù)”，營(yíng)銷(xiāo)人員加班來(lái)解決。

　　大模型強(qiáng)大的生成和創(chuàng)作能力，可以基于前期的全局洞察和領(lǐng)域知識(shí)，生成最佳物料和投放方案。

　　領(lǐng)航者的插件AI營(yíng)銷(xiāo)助手，將主流模型的圖片生成能力遷移至金融領(lǐng)域，專(zhuān)注于營(yíng)銷(xiāo)所需的各類(lèi)素材生成。快速生成符合業(yè)務(wù)背景的，能夠在京東金融場(chǎng)內(nèi)投放的首頁(yè)彈窗圖、啟動(dòng)圖、通用推薦圖等常用資源位的圖片，生圖率和采用率達(dá)到中階設(shè)計(jì)師水平。

　　在搜索推廣、信息流、輕舸等場(chǎng)景中，百度營(yíng)銷(xiāo)打造的AIGC營(yíng)銷(xiāo)工具擎舵輕量版，可根據(jù)所選計(jì)劃、單元、關(guān)鍵詞等信息智能推薦版權(quán)圖片和AI圖片，還可通過(guò)用戶(hù)自主表達(dá)推廣業(yè)務(wù)、畫(huà)面主體、比例等，生成創(chuàng)意圖片，用戶(hù)用相關(guān)圖片用以投放測(cè)試，“廣撒網(wǎng)”來(lái)獲取更多流量。

　　除此之外，京東、百度、騰訊云還提供數(shù)字人平臺(tái)，合成數(shù)字主播，進(jìn)行產(chǎn)品和服務(wù)的賣(mài)點(diǎn)信息的視頻講解，幫助企業(yè)拓客。

　　總結(jié)一下，大模型對(duì)營(yíng)銷(xiāo)的全流程進(jìn)行重構(gòu)，每一個(gè)環(huán)節(jié)的降本增效，加起來(lái)就是AI營(yíng)銷(xiāo)整體的加速進(jìn)化。

　　大模型營(yíng)銷(xiāo)，不能有斷點(diǎn)，也不該有斷點(diǎn)

　　一方面，企業(yè)需要改變數(shù)字孤島的營(yíng)銷(xiāo)問(wèn)題，實(shí)現(xiàn)全鏈路、全流程的數(shù)據(jù)洞察和優(yōu)化，對(duì)整個(gè)流程進(jìn)行提質(zhì)增效;另一方面，大模型在認(rèn)知智能、泛化能力、生成和創(chuàng)造等方面的強(qiáng)大潛力，確實(shí)可以從前期洞察、交互溝通、物料生成、分析決策等方面，全流程落地應(yīng)用。

　　所以，內(nèi)外壓力之下，全流程重構(gòu)，大模型廠(chǎng)商沒(méi)有討價(jià)還價(jià)的可能。

　　比如百度世界2023上，百度商業(yè)生態(tài)體系化發(fā)布“AI Native商業(yè)全景應(yīng)用”，從品牌到內(nèi)容，再到效果與經(jīng)營(yíng)，重構(gòu)營(yíng)銷(xiāo)全鏈路。

　　京東推出的新一代營(yíng)銷(xiāo)增長(zhǎng)平臺(tái)領(lǐng)航者，以全局視角為中心、覆蓋營(yíng)銷(xiāo)全生命周期，提供全鏈路的工具/插件。

　　騰訊云則為營(yíng)銷(xiāo)場(chǎng)景提供了從算力、模型、開(kāi)發(fā)平臺(tái)/工具到應(yīng)用的全程支持，讓客戶(hù)自動(dòng)調(diào)用相應(yīng)的API。

　　在營(yíng)銷(xiāo)和智能客服領(lǐng)域有十多年積累的容聯(lián)云，推出基于數(shù)智大模型的“容犀智能”，實(shí)現(xiàn)了通用批量場(chǎng)景的AI全覆蓋，比如私域加分、營(yíng)銷(xiāo)通知等，以及用戶(hù)全生命周期的全覆蓋，從新用戶(hù)獲取，到活躍用戶(hù)、流失用戶(hù)，提供不同場(chǎng)景相應(yīng)的營(yíng)銷(xiāo)工具。

　　總結(jié)一下：全流程重構(gòu)，是各大大模型廠(chǎng)商拿下“AI營(yíng)銷(xiāo)”這一戰(zhàn)場(chǎng)的前提，做不到就上不了牌桌。

　　扎下“王旗”，還要經(jīng)過(guò)哪些考驗(yàn)？

　　營(yíng)銷(xiāo)場(chǎng)景，是一個(gè)付費(fèi)意愿高、高價(jià)值、效果明顯的落地場(chǎng)景，也是大模型廠(chǎng)商的必爭(zhēng)之地和關(guān)鍵戰(zhàn)場(chǎng)。

　　基于大模型的全流程重構(gòu)的AI營(yíng)銷(xiāo)體系框架，需要堅(jiān)實(shí)的內(nèi)核，來(lái)支撐企業(yè)客戶(hù)的信心。想要在營(yíng)銷(xiāo)戰(zhàn)場(chǎng)扎下“王旗”，有幾個(gè)方面的賽點(diǎn)：

　　第一，基座模型的技術(shù)先進(jìn)性。

　　人們常說(shuō)技術(shù)公司不能“拿著錘子找釘子”，但如果手里沒(méi)有錘子，即使發(fā)現(xiàn)了釘子也砸不下去。對(duì)于A(yíng)I營(yíng)銷(xiāo)服務(wù)商來(lái)說(shuō)，基座模型的能力是最為關(guān)鍵的。

　　基座模型的認(rèn)知智能水平不高，生成內(nèi)容質(zhì)量差，容易出現(xiàn)幻覺(jué)，寫(xiě)商品文案胡說(shuō)八道，那根本不可能為營(yíng)銷(xiāo)業(yè)務(wù)所用。

　　一位京東的技術(shù)人員告訴我們，如果AI生成的文案審核通過(guò)率只有70%-80%，AIGC對(duì)于業(yè)務(wù)的價(jià)值就會(huì)大打折扣，必須讓AIGC的審核通過(guò)率達(dá)到95%以上，業(yè)務(wù)方才可以使用。

　　再比如，智能語(yǔ)音在營(yíng)銷(xiāo)場(chǎng)景的應(yīng)用，最難的一點(diǎn)是“你這東西不行，所有人一下子就能聽(tīng)出來(lái)了”。比如智能客服詢(xún)問(wèn)用戶(hù)“你要買(mǎi)的蘋(píng)果手機(jī)沒(méi)了，要不要換一款顏色”，這時(shí)候消費(fèi)者可能都會(huì)想一想，這一想，人機(jī)交互就被打斷了，但AI智能客服要判斷你究竟是說(shuō)完了還是在考慮，是該等你說(shuō)完還是直接接話(huà)，技術(shù)上的難度就非常大，而一旦判斷錯(cuò)誤，用戶(hù)體驗(yàn)就會(huì)很不好。

　　總之，營(yíng)銷(xiāo)業(yè)務(wù)場(chǎng)景是很復(fù)雜的，涉及高級(jí)智能的一些前沿技術(shù)，因此AI營(yíng)銷(xiāo)的基座模型必須具備技術(shù)上的絕對(duì)領(lǐng)先性。

　　第二，對(duì)業(yè)務(wù)場(chǎng)景的理解和數(shù)據(jù)積累。

　　應(yīng)用于營(yíng)銷(xiāo)場(chǎng)景的大模型，需要完成比較嚴(yán)肅的業(yè)務(wù)應(yīng)用，比如幫助老年客戶(hù)在銀行開(kāi)戶(hù)，生成一張符合金融廣告規(guī)范要求的海報(bào)，對(duì)可控性的要求就非常高，是客戶(hù)選擇大模型營(yíng)銷(xiāo)解決方案的一條重要紅線(xiàn)。

　　容聯(lián)云告訴我們，就以一線(xiàn)營(yíng)銷(xiāo)人員所需要的話(huà)術(shù)為例，一線(xiàn)人員每天要打很多電話(huà)，企業(yè)不可能把所有電話(huà)都聽(tīng)一遍，很多話(huà)術(shù)沒(méi)有提煉出來(lái)，也無(wú)法從語(yǔ)音數(shù)據(jù)中解析出一些行業(yè)優(yōu)秀的話(huà)術(shù)，那么溝通的業(yè)務(wù)目標(biāo)轉(zhuǎn)化效果，比如開(kāi)戶(hù)、填單、購(gòu)買(mǎi)等，就很難去洞察和優(yōu)化。很多企業(yè)以前的話(huà)術(shù)庫(kù)，其實(shí)是只有量，沒(méi)有質(zhì)。目前，容聯(lián)云通過(guò)大模型去提取問(wèn)題，把一線(xiàn)及時(shí)反饋出來(lái)的高頻問(wèn)題，通過(guò)自動(dòng)化手段及時(shí)挖掘出來(lái)，再反饋給主管或座席，更快地洞察客戶(hù)關(guān)注的問(wèn)題，可以改善服務(wù)質(zhì)量，提高客戶(hù)滿(mǎn)意度。

　　高質(zhì)量數(shù)據(jù)和行業(yè)Knowhow的數(shù)字化積累，讓大模型真正深入理解營(yíng)銷(xiāo)業(yè)務(wù)，也是判斷AI營(yíng)銷(xiāo)方案的一個(gè)標(biāo)準(zhǔn)。

　　第三，工程能力做出好用的產(chǎn)品。

　　技術(shù)很先進(jìn)，但產(chǎn)品很難用，是阻礙AI落地的一個(gè)主要問(wèn)題。就拿AI營(yíng)銷(xiāo)一站式工具來(lái)說(shuō)，全流程貫通是很多企業(yè)都在追求的目標(biāo)，但很少有企業(yè)能夠把所有營(yíng)銷(xiāo)工具都進(jìn)行跨平臺(tái)、跨系統(tǒng)的整合。

　　要么工具不全不完整，運(yùn)營(yíng)人員還是要在多個(gè)系統(tǒng)中來(lái)回切換;要么簡(jiǎn)單地堆砌在一起，只提供一個(gè)聚合入口，運(yùn)營(yíng)人員需要在繁雜的應(yīng)用中反復(fù)查找，無(wú)法快速執(zhí)行完成。目前頭部AI營(yíng)銷(xiāo)產(chǎn)品的做法是，通過(guò)AI agent智能編排調(diào)度，把大模型變成一個(gè)大腦中樞，對(duì)不同的工具API進(jìn)行編排，自動(dòng)把營(yíng)銷(xiāo)目標(biāo)拆解到不同任務(wù)并執(zhí)行。

　　營(yíng)銷(xiāo)人員只需要抓住一個(gè)營(yíng)銷(xiāo)目標(biāo)，把預(yù)算、目標(biāo)人群、投放形式等關(guān)鍵要素，跟大模型說(shuō)明白，大模型就會(huì)結(jié)合領(lǐng)域知識(shí)，對(duì)目標(biāo)任務(wù)進(jìn)行拆解，并對(duì)其中的重復(fù)勞動(dòng)進(jìn)行折疊壓縮。這樣，營(yíng)銷(xiāo)小白也可以很快“抄作業(yè)”，讓大模型引導(dǎo)到對(duì)應(yīng)的系統(tǒng)、應(yīng)用和節(jié)奏，完成整個(gè)營(yíng)銷(xiāo)過(guò)程。

　　從這個(gè)角度看，AI營(yíng)銷(xiāo)的產(chǎn)品化能力，就是把大模型學(xué)到的知識(shí)經(jīng)驗(yàn)，讓營(yíng)銷(xiāo)人員抄對(duì)、抄好、抄快。

　　最后，還要考慮成本的問(wèn)題。

　　一定要用大模型嗎?以前的小模型還能不能用?如果所有的環(huán)節(jié)全用大模型，算力成本、開(kāi)發(fā)工程量誰(shuí)來(lái)出?增加的支出能否覆蓋減少的成本呢?

　　投產(chǎn)比是否合理，是企業(yè)面臨的現(xiàn)實(shí)問(wèn)題，也是是否采取大模型解決方案的底層邏輯。目前業(yè)界的普遍做法，是大小模型配合。

　　小模型來(lái)完成一些確定性高、離線(xiàn)、特定任務(wù)，大模型負(fù)責(zé)調(diào)度、指揮、認(rèn)知理解。舉個(gè)例子，在客服對(duì)話(huà)中，用大模型來(lái)挖掘金牌話(huà)術(shù)，再用小模型進(jìn)行推薦，把好的話(huà)術(shù)推給普通銷(xiāo)售，提高他們的業(yè)務(wù)能力，而客戶(hù)的智能化綜合成本也更低了。

　　再比如，金融行業(yè)的營(yíng)銷(xiāo)環(huán)節(jié)，基金的選基工具，需要非常高的確定性，不能出一點(diǎn)差錯(cuò)，大小結(jié)合，用好大模型的推理能力和語(yǔ)言理解能力，用好小模型的精準(zhǔn)化識(shí)別能力，可以更好地達(dá)成業(yè)務(wù)目標(biāo)。

　　看到這里不難發(fā)現(xiàn)，想要在A(yíng)I營(yíng)銷(xiāo)這個(gè)戰(zhàn)場(chǎng)插下“王旗”，對(duì)大模型廠(chǎng)商和解決方案服務(wù)上的挑戰(zhàn)，其實(shí)不小，競(jìng)爭(zhēng)才剛剛開(kāi)始。

　　而作為大模型商業(yè)化落地的首選站，AI營(yíng)銷(xiāo)也經(jīng)歷了一場(chǎng)心態(tài)上的“過(guò)山車(chē)”，從2023年初的極度興奮、不能錯(cuò)過(guò)，逐漸冷靜下來(lái)，開(kāi)始把做精做專(zhuān)做細(xì)。

　　“大家對(duì)通用大模型期待很高，但它不一定是滿(mǎn)足行業(yè)場(chǎng)景需求的最優(yōu)解。針對(duì)某個(gè)單一的場(chǎng)景，解決客戶(hù)的業(yè)務(wù)問(wèn)題，讓大模型的商業(yè)化變現(xiàn)能力獲得行業(yè)認(rèn)可”，一位從業(yè)多年的數(shù)字化服務(wù)商這樣說(shuō)到。

　　在企業(yè)的實(shí)際場(chǎng)景中，真正解決了某個(gè)問(wèn)題，打造出實(shí)用性高的智能服務(wù)，大模型才有未來(lái)。而AI營(yíng)銷(xiāo)，就是大模型真正抵達(dá)和改變的第一個(gè)關(guān)鍵戰(zhàn)場(chǎng)。