今天小编分享的财经经验：2024年，AI营销走到哪一步了？，欢迎阅读。
图片来源 @视觉中国
文 | 适道
一年前，舆论的关注点在于 "AI 能否取代人力？"。在接下来的 12 个月中，我们见证了答案逐步写为 "Yes" 的过程。
根据 Coatue 报告，2023 年，AI 已在各个领網域证明了其实用性——使用 Github Copilot 编程节省了 55% 的时间；使用 Runway 编辑视频节省了 90% 的时间；使用 AI 客服节省了 95% 的人工成本，客户满意度从 55% 提高至 69%。
Theory Ventures 创始人 Tomasz 表示：2024 年将是企业通过 AI 实现生产力实质性提高的一年，每名员工的 ARR 有机会增加 10-15%。同时，根据麦肯锡最新报告预测，生成式 AI 每年将为全球生产力贡献 4.4 万亿美元，其中，营销的生产力会增加 5% — 15%，每年约 4630 亿美元。
一方面，AI 似乎是为营销生。从洞察需求——深入数据分析，到创意诞生——生成品牌内容，再到媒介投放——制定个性化策略。几乎所有的营销流程和任务，都值得用 AI 再做一遍。
但另一方面，AI 营销的价值还未被真正激发，很多营销技术更像是 " 亮闪闪的新东西 "，企业对 AI 营销新技术的投入更像是在装点门面。《哈佛商业评论》指出，超半数的营销人认为他们还不是很了解 AI，44% 的受访者认为企业还没有真正的 AI 营销战略。
与此同时，一项《2023AI 营销现状》调研显示，约 90% 的受访者认为在未来 12 个月内，AI 对于营销来说颇为重要。受访者为 900 位增长责任人，包含约 300 位 CEO、CMO。
那么，拨开一团 " 眼花缭乱 " 的东西，回归营销本质。当下的 AI 营销到底能做些什么，现在又走到了哪一步？适道将结合麦肯锡等多家机构的报告，从营销生产力的三大要素——市场洞察、创意内容、媒介效能，进行分析。
01 洞察市场需求——从提出假设到验证假设
在报告中，麦肯锡讲了一个故事。
一家亚洲饮料公司希望更快地进入欧洲市场。按以往经验来看，仅仅为一个新市场构思一个新的产品概念，就要用整整一年时间。
于是，饮料公司求助于 ChatGPT，并问了两个问题：
1、哪些新饮料可能吸引会欧洲客户并推动增长？
（What kinds of new beverages might appeal to European customers and drive growth）
2、哪些创新方法可以加速产品的整个创新过程？
（What innovative methods might speed up the product innovation process from end to end.）
就这样，饮料公司通过和 ChatGPT 的对话，开始了用户洞察。即，输入汇总的非机密客户信息，询问目标市场的口味趋势，以生成对欧洲饮料消费市场、消费者行为的大致了解。
整个过程在一天内完成。接着，在 ChatGPT 的回答基础上，营销团队通过民族志等研究方法，深化 ChatGPT 的洞察。
在产品设计环节，研究人员和设计师求助于文生图大模型，生成了 30 个自带清晰影像的高保真产品概念。
整个过程依旧是一天内完成。在以往，一个工业设计师开发一个高保真的产品概念就要花费 7-10 天。
最终，营销人员将这些概念带到现场，和客户进行快速测试，并在早期反馈中大获成功。也就是说，AI 帮助这家饮料公司在短短一个月内完成了一年的工作量。
众所周知，营销的起点是洞察。
洞察，即收集、分析消费者需求 + 市场环境 + 行业趋势 + 竞争态势的数据和信息。
正如上述故事所言。在以往，营销人员需要对平台上的海量内容进行数据分析，而后挖掘营销亮点，整个工作量巨大且枯燥。现在，企业可以运用 AI 收集、分析潜在消费者的数据，定位其大致的兴趣方向。
在假设形成环节，AI 可以摆脱人工时代的经验主义，快速总结趋势、提出观点、启发研究、策划方向。以 " 情感分析 " 为例，企业可以通过 AI 工具衡量消费者对特定品牌、产品或广告活动的态度。整个过程能够通过查看社交媒体帖子、评论和其他在线反馈完成。例如，欧莱雅集团运用 AI 收集、分析大量在线评论、图片和视频，识别潜在的产品创新机会。
在信息收集环节，AI 可以自动生成问卷、进行对话式 AI 访谈，结合更多元的数据范围。例如，个人服装服务公司 Stitch Fix 用 AI 帮助造型师解读客户反馈并提供产品推荐；生鲜配送平台 Instacart 用 AI 为客户提供食谱和膳食计划建议，并生成购物清单；在房产中介行业，以往想获取目标客户的意向购房面积，需要花费大量精力编写复杂的表达式 / 关键词，准确率上限只能达到 85%。现在使用 AI 对话的方式，只需将原始互動文本输入到大模型，利用语义理解能力，就能轻松提取出客户的意向面积。（《2023 人工智能与营销新纪元》白皮书）
在洞察产出环节，AI 可以大批次分析非结构化数据，将原本复杂的数据分析过程可视化为图表和图形，再有效率地获取资料和数据来验证假设，最终产出洞察，实现营销洞察能力的全方位更新。在这个过程中，AI 可以识别指示未来发展趋势。包括但不限于预测哪些产品或服务很快被普及，哪些客户更有可能成为忠实客户等等。例如，赶集网结合行业报告和 GPT-4，产出快递运输业、餐饮服务业、美容美发业求职用户的行为偏好、用户画像等等。
一句话总结，AI 能够更好地理解消费者和商品，通过提升洞察效率，从而提升营销效率。
02 生成创意内容——预测 AI 将主导广告创作
一个 Big Idea 的诞生需要多久？传统流程中，由 Agency 产出 Big Idea —— 70% 案头工作 +20% 头腦风暴 +10% 的创意产出，可能会耗时几周——几个月。
此外，一些由 KOL 和 KOC 众筹式生成的内容也需要耗时几天——几周。然而，实际上，例如抖音电商上的营销短视频，生命周期不超过一周，有些甚至是以天为部門。这些短平快的内容，不仅成本高，还容易出现内容枯竭的问题。
因此，用 AI 辅助 Big Idea 产出，并逐步替代 " 日抛 " 内容是品牌的实践方向。一个问题也由此浮现：AI 产出的创意内容质量到底如何？会不会 " 塑料感 " 太强？
复旦管院和秒针营销科学院团队发布的《2023 人工智能与营销新纪元》白皮书显示：
1、在文案作者身份上，专家能够识别 AI 和人类，而消费者无法区分；
2、AI 的文案创作能力等同工作经验 2.47 年的人类；
3、在文案专业能力上，人类得分显著高于 AI，特别是在创造性和洞察能力上；
4、消费者对 AI 文案的质量评价，与人类文案无明显差异；
5、AI 推荐低介入、搜寻型、体验型产品时消费者的反馈更积极；
6、用 " 人机协同 " 共创，可以有效地消除消费者对 AI 内容的 " 算法厌恶 "。
以上结论均由双盲实验得出，参与实验人员为招募的专家和消费者；研究使用的 AI 大模型为 ChatGPT3.5 和文心一言（实验人员对两个大模型产出的文案质量差别感知不显著）。
不过，该研究仅是聚焦于通用大模型。适道检索资料时发现了一个有趣的例子，供大家对照参考。有文章指出：对 ChatGPT 输入 " 品牌名、素颜霜、抗老、买一享四、双十一 " 等关键词，ChatGPT 生成的文案是 " 双十一狂欢季，xx 品牌素颜霜为你提供最好的抗老解决方案！现在买⼀享四，不仅抗老效果更佳，还可以节省资金！快来加入 XX 素颜霜的阵营，让你的肌肤永远年轻！"
而对某 AI 营销公司的 AI 产品输入同样关键词，其生成的文案是 " 想要抗老的姐妹们赶紧冲呀！这个双十一，抗老界的内卷王 xx 素颜霜，现在下单买一享四，错过等一年。它是这种冰淇淋一样的质地，也不搓泥。我用的时候都感觉自己在涂面霜，而且这个肤感真的绝了，就像是给皮肤做了一个贵妇级的按摩，真的太舒服了。这样的皮肤状态，谁看了不羡慕，快快加入购物车吧。"
相比之下，后者显然更具营销属性，且 " 迷惑性 " 更强。但总体而言，以上结论无法证明 PUGC 会被 AI 取代，后续还需要进一步论证。
而就目前的实际案例来看，AI 产生的创意内容可谓是，多模态全面开花。例如，网易严选推出 AI 主题曲《如期》，作词、作曲、编曲、演唱全部由 AI 完成；支付宝的营销短片《支付往事》，其中所有的视觉呈现都由 AI 完成；晋江文学改编动画电影《去你的岛》，互动海报由 AI 生成。而在 " 广告界奥斯卡 " 戛纳狮子国际创意节，2023 年有 8.3% 的获奖作品在概要中提到了 AI，相较 2022 年的 4% 翻了一倍不止。
根据 NP Digital 预测，2024 年，网络上新出现的内容，大部分都会由 AI 生成（包含人机协同）。
另外，虽然目前人类创作的广告比 AI 更吸引人，但如果用一个成功的广告作为基础，让 AI 进行优化调整，转化率却会得到显著提升。因此，考虑到成本问题，NP Digital 预测 2024 年，AI 将主导广告创作。
03 提升媒介效能——实现智能化分发
投放一波广告要准备多少套方案？100 套够多吧。但有些企业甚至会准备多达 4000 个投放方案，只为看看哪个效果好。
光听上去就知道成本不小。
而 AI 能做的除了提高洞察能力，生成创意内容，还可以提高投放精准度，并基于自然语言的新互動方式，进行个性化服务。
在效率提升上，预生成符合场景和客户需求的大量个性化内容。通过筛选消费者行为和市场趋势数据，帮助企业找到最佳时间和渠道投放广告，最大限度地扩大覆盖范围，做到降本增效。在场景拓展上，基于大模型，回答知识库中超出预设流程的问题，更好地分发和解决客户问题；在体验更新上，生成不同风格的对话内容，更好地模拟人工客服等等。
例如，去年 3 月，电商 SaaS 服务商 Shopify 通过集成 ChatGPT，更新智能客服（聊天机器人），帮助消费进行个性化推荐、帮助商家节省互动时间。此外 ChatGPT 还可以提供平台商品评论数据分析、标题及关键词优化、营销文案撰写、网站智能化开发编程等多项功能，有效改善卖家运营效率及消费者体验。
结语
那么，企业如何利用通用大模型发展 AI 营销战略？
麦肯锡给出了一个具体的实施时间表：
1、前 6 周：制定试点项目路线图，明确用例，评估当前的技术能力和短期内的技术支持，组建一支合适团队、合适的运营模式，并找到潜在风险。
2、前 90 天：启动一个通用人工智能 "Win Room"，以进一步明确优先级用例，制定项目路线图，给通用人工智能模型 " 喂 " 数据。制定风险应对方案，进行审计以确保通用人工智能能够使用。
3、前 6 个月：整合通用人工智能项目和当下的营销技术，来制定一个长期的人工智能变革战略，其步骤包含——评估影响力、管理变革适应性及可扩展性、微调模型等等。
但话说回来，通用开源大模型能否满足企业差异化竞争需求还有待考量。
另外，我们还可以抛出一个问题：如果每家公司都去求助 AI，基于市场数据分析得到雷同的答案，生产相似的产品。长久下去，公司还有差异性和竞争力吗？
《营销管理》的作者 Alexander Chernev 表示：" 在可预见的未来，不太可能发生 AI 替代人类。但会发生改变的是：使用 AI 科技的管理者可能会取代不使用 AI 的管理者。"
无论如何，商业增长需要的是人。一些了解用户、制定战略、提供价值的工作，仍然需要人来完成，这一点未来可能也不会变。
