什么是智能营销？智能营销有哪些？

智能营销传播是随着智能技术的不断发展而不断完善的新型营销传播方式。智能营销传播本质上是不断智能化的技术在营销与传播场景中的使用，它是以消费者的真实需求为中心，以大数据、人工智能、区块链等智能技术为基础，通过内容和创意与消费者建立情感化连接的个性化精准化营销传播。智能营销传播吸收已有的营销传播理论的精华，借助不断出现的智能技术建立起更为先进的营销传播手段和策略。在传统的营销传播中，广告主时常会说：“我知道我的广告费浪费了一半以上，但我不知道究竟浪费在哪里。”而基于智能技术的营销传播使得万物数据化，皆可被量化，无论是广告投放还是企业营销策略制定都将基于真实的消费者数据，实现投资的价值最大化。

一、智能洞察

中国网民9亿多，每天在互联网上的各种行为产生海量的数据，这些数据不是静态的，是实时增加的。怎么从这么多的大数据中找到企业的目标客户？靠的是人工智能，一个人在微信上可能叫小明，在微博上叫小刚，大数据技术可以知道两个名字是同一个人，系统中会给这个人起另外一个名字，一串唯一的数字来识别他。这样这个人在网上的各种行为就被记录和整合起来了。系统画像可能比你还懂你。

当所有人都被画像、被贴上标签了，对于营销人来说，找人就容易了。知道你在网上搜索过什么信息，浏览过什么资讯，去过哪里，买过什么东西。不仅如此，还能推测出你的意图，比如你可能最近要买车，可能要买房等等。不仅是找到你，还能找到能影响你的人，比如你喜欢刘德华，你最近想买路虎车，那可能在你看刘德华演唱会视频的时候会跳出来路虎车的广告。还能找到你的亲人、朋友、同事，通过影响他们来间接影响你，这叫圈层营销。此外还能洞察行业趋势、热点、竞争，还能分析品牌竞争、品牌发展、消费决策。

二、智能策略

过去营销做策略，通常是一堆人根据洞察结果憋大招，然后写成策略文案，再去想这些策略文案在媒体上怎么实现。这样，就需要一个把策略翻译成媒体投放系统能懂的语言这样一个过程，有可能没翻译好导致策略执行得不准。而在智能策略下，整个过程会很平滑，类似一键生成的意思，整个过程都是在线上的系统中自动完成的，因为刚才说的智能洞察是在线上系统完成的，当有了洞察结果后，系统的人工智能自动就能给出在哪些媒体投、投多少钱、怎么投这样的策略，并且这个策略直接就分发到投放系统中，不用翻译，因为给出的策略就是媒体投放系统能听懂的。这些都是我们每天在用的功能。

三、智能内容

就是人工智能自动生成内容，你可以理解为机器写稿。不仅能自动写文字，还能自动图片组合，自动生成视频。因为每个消费者都不同，因此商家希望能给每个消费者不同的个性化的广告内容，比如三个人同时搜索同样的词“宝马320”，看到的会是三个结果，一个人看到的是弯道超车的海报，因为他关注 *** 控感，第二个人看到的是一家三口在车里，因为他关注舒适，第三个人看到的是红色绚丽的车身，因为他注重外观。消费者千人千面，如果靠人力为每个人制作不同的广告内容是不现实的，而人工智能可以做到，大大解放了人力。这个技术，术语叫程序化创意。

四、智能投放

正是有了千人千面的创意内容，在投放时才能智能地识别面前的是什么人，然后给他符合他的内容，也就是找对人之后说对话。并且在这个过程中还能智能地调整说话的内容。比如，我本来以为你是关注 *** 控性的，跟你说了宝马320 *** 控性强的话，发现你不太感冒，因为我给你的海报你不认真看，那下次你再来的时候，我就跟你说舒适性的话，以此类推，术语叫AB测试。还有预算的智能调整，当我发现关注 *** 控性的人看得多、最终购买的少，而关注舒适性的人容易成交，那系统就可以自动把预算多分配给关注舒适性的人。有数据显示，很多汽车发烧友喜欢特斯拉，但是只看不买。

五、智能评估与优化

这个很好理解，就是在广告投放过程中，人工智能自动分析投放的效果是不是达到了之前的策略，实时分析，发现哪儿不好了，自动完善、优化。例如，人找的对不对、是不是目标用户、对的人有没有看到我的广告、看到了广告之后点击没点击、点击了之后有没有跟我互动跟我咨询、互动咨询了之后有没有下单购买或者到我的店里来。如果一切都顺利，哪类人的转化效率更高，对我的价值更大。总之，越优化，广告的效果会越好。

六、智能运营

这里说下CRM，客户关系管理系统。过去的CRM通常是销售人员自己录入销售线索到系统中，然后把每次与客户的沟通进展记录下来，定期再去给这些客户分分类，按成交优先级分为ABCD类这样的功能。现在的CRM更智能，成为SCRM，Social CRM。它可以与广告投放平台打通，在广告投放平台中的线索自动进入CRM，因此可以知道线索是怎么来的，例如一条线索是搜索 *** 控性好不好，另一条线索是搜索舒适性怎么样，也知道在这个线索上之前花了多少广告费。这样，智能客服的功能就发挥威力了，销售人员在系统中能看到系统自动给的针对性的沟通话术。

智能营销已经来临，现在的企业做营销时要使用智能营销，找到专业的智能营销服务机构会事半功倍。

快：智能匹配关键词，快速提升排名

全网通AI营销系统，在融合了人工智能技术的基础上，更加懂得外贸营销的需求。海量的关键词词库，系统智能匹配、推荐，帮助企业在关键词选择的问题上做出科学的判断，让关键词更加符合搜索引擎的算法，从而快速提升关键词首页排名的数量。从上期法迪奥人工智能经典案例分享会中，我们可以看到，法迪奥的排名首页的关键词从今年1月份到现在已经激增到一千多个，真正做到了让网络营销更简单有效。

狠：打破传统营销瓶颈，多渠道引流

有关数据显示，在传统的出海B2B企业中，有超过70%的营销投入被浪费，甚至超过60%的销售成本被浪费。被人工智能赋能的网络营销狠狠打破了传统营销的瓶颈，实现全网营销，多渠道引流。对外贸企业来说，想要实现多渠道引流，社交媒体平台不得不重视。社交媒体是官网最大的流量入口，有着60%的占比。通过全网通AI营销系统做社媒营销是外贸企业的最佳选择，因为多平台同步发布信息，实现粉丝管理和监控，能有效的挖掘潜在客户，同时节省人力物力。

准：智能数据分析与监控，询盘更精准

聚焦网络自主研发的人工智能营销系统，汇集了海量数据，这些数据通过对用户基本属性、浏览行为、互动行为、情感诉求、消费行为的全方位挖掘，能够更精准的判识官网访客兴趣。通过对这些数据持续的分析与监控，企业能够更好的追踪访客的信息，从而获取更加精准的询盘，提高转化率。

人工智能网络营销三大亮点的展现，让会场高潮迭起的同时也让外贸人对外贸营销充满了信心。全网通AI营销系统的未来不可估值，而聚焦网络会在助力中小型企业突破传统营销瓶颈,让营销变得更加智能简单有效的这条道路上，一直努力下去。

9月27日，由证券时报主办的“2019中国AI金融探路者峰会暨第三届中国金融科技先锋榜”在深圳举行。蚂蚁金服集团数字金融智能运营部总经理彭业飞分享了主题演讲《数字金融AI智能运营实例》。

对于AI金融的从业人员来说，一个金融科技产品，如何从用户中来到用户中去，做到个性化投放的最大效率，是最关心的问题之一。在这次主题演讲中，在人工智能、神经网络、信息检索等方面有着资深履历的技术大咖彭业飞详细做了解答，同时分享了其对数字金融AI营销的理解，以及边缘计算、可解释性等最新技术应用。

在多个场合，蚂蚁金服都曾强调持续创新、聚焦科技和开放平台是其三大立身之本，通过自主创新的BASIC(区块链、人工智能、安全、物联网和云计算)技术能力，解决社会解决问题之际，实现技术全方位开放输出。在这次演讲分享的最后，彭业飞详细分享了技术创新开放的愿景：“希望这个平台更敏捷、更智能、更开放，能够快速复制，同时开放给我们的合作伙伴。”

以下为演讲原文，券商中国作刊发以飨读者：

营销应回归用户全生命周期

我们先看一下历史上营销行业的趋势，从70年代开始，大家的关注焦点在货品上的营销，慢慢转向了以交易为营销目标，到2000年，再到怎么样全面管理消费者的关系，慢慢到了最近这些年我们更加在乎如何深刻理解个人、如何理解消费者的情感、如何构建一个忠诚度的维系，越来越以人为本。

什么叫营销呢？本质上营销就是怎么理解消费者的行为，进而试图影响消费者行为的学科。最早在1899年西方就有过这种研究，就是用户看到什么东西，他注意力在哪里，他的兴趣在哪里，他想什么东西，最后他做了一个什么样的行为。可以看到这个理论不断深化，其实基本的框架还是一百年前的框架，不管发展几千年，人还是人，消费者的行为还是类似的。

人的行为是受两块影响，一是外因，一是内因。中间就关于这个人本身，他对自己的认知是什么样的，他的生活方式是怎么样，他会有一个需求，最后影响了一个他的决策过程。从技术角度来讲其实就是一个用户画像，这个人是什么样的人，我怎么理解这个人。他的内因就是他的决策过程，这是我们尝试去理解的。外因其实就是我们能够去施加一些影响力的。比如用户在我们的产品里面或者APP里面，我们怎么触达他，其实是能够影响他的一个外因。最终我们希望这些内因和外因加在这个人身上能够让他真正在行为上产生一些改变。

这是反映在用户跟行为关系上，他是怎么用你的产品，他是不是买你的产品。这在数据上都能得到，他最终的结果，他跟你的交互是什么样的，最终我们要把这些东西归因到你的内因和外因上，这样才能完成循环，才能进一步再去改进我们如何跟用户交互，怎么做多点地触达。

话说回来，最根本的还是用户的全生命周期，从这一个维度来切入。任何的一个新东西，我们如何让用户知道这个产品也好、这个服务也好，怎么做拉新，怎么做增长，怎么促进他的活跃，怎么防止他的流失，永远可以有一个维度做参考。

AI营销如何做到个性化投放的最大效率？

我们自动化的智能营销还是有这几个阶段，第一个是自动化，自动化是什么呢？机器，我们希望帮助人自动化这个过程，省掉人工的劳动，哪怕你没有智能化，第一步你要做到自动化，自动化负责更好的决策；然后是智能化，其实是智能和人工的一个结合，这是机器和人的结合；最终是把自动化和智能化结合起来，产生一个更好的工具。这工具里面就自带了人工智能所有的东西，让你用起来的时候感觉不到，实际它已经内置了很多智能应用在里头。

说到自动化，我们有一个运营工作台，能够让大家很容易用。我们会有一个决策引擎，这里面涉及到算法规模化，毕竟我们的产品已经是数亿用户在里头。得到了结果以后，我们需要有一个深度分析，自动地回流，这样才能知道我们为什么这样做、做得好不好，才能不断去改进。

再来讲讲智能化，智能化是说什么呢？怎么样决策跟用户的沟通。因为最终我们给用户看到的不管怎么样的，是APP也好，是一个网站也好，它总是一个产品；用户在产品上看到了什么最终是你产品的一切，一切都体现在他看到什么东西。你怎么去触达用户？我们会有很多的决策在里头：

比如我们想触达什么样的人，用一个什么样的渠道触达。这个渠道还可以有很多方面，比如在APP里面可以显示不同的东西、推荐不同的东西，哪怕用户搜索一个东西，也可以给他看到不同的结果；你还可以主动触达用户，给他发一个短信，也完全可以用人工智能生成这句话，每个人看到的这句话是不一样的，是针对用户最感兴趣的东西、怎么帮助用户理解这个产品、理解这个服务来生成这句话。在每个方面，其实都可以由中间的大脑来进行决策；进行决策以后，再把这些东西加到用户身上，给用户触达；触达了之后，我们需要实时反馈、实时更新，不断调整我们策略、不断改进，让大脑不断演进，基本是这么一个过程。

再说到营销。成功的营销策略至少要做到这些方面：个性化的投放最大化效率，同时它一定是多次触达，跟多个用户、不同地方的交互；任何的营销，很多情况下都涉及到成本问题，你怎么控制你的成本同时你还需要可灵活调整目标，这什么意思呢？毕竟营销策略是由人来做出的，不同的情况下我们有不同的目标，这个机器其实是无法理解的，必须由人来告诉这个机器，对于这部分用户群体，我的目标是什么——是需要最大化他的点击率还是最大化的转化率，这不是机器能够考虑的。

举一个强化学习的例子。强化学习就是类似于一个儿童或者一个小孩是怎么来学习演进的，比如我拿了这块糖，大人是鼓励你吃这块糖还是惩罚你，但你通过这些得到了反馈，就会从反馈中学习。不是任何事都预先告诉你应该这样做、那样做，这是远远不够的，你需要不断探索这个世界，通过反馈学习我这个策略对不对，我如何改进，人都是这样的过程。我们的营销系统也可以这样学习，我们也会采取行动，去触达这些用户。用户会给我们反馈，包括是一个正向的反馈还是一个负向的反馈，再不断调整我们的系统。

我们系统会自我调整，这只是我们一个例子。我们用强化学习形成了一体化的解决方案，就会做到哪些呢？实时预测在线应该怎么投放、怎么触达用户，跟踪用户的生命周期，还要做多目标融合，这需要我们跟用户交互来学习、建模，最后完成这个循环，不断改进我们的算法。

智能营销走向实时化：可解释性和边缘计算

刚才这只是我们其中一个算法，原来的算法都是离线，比如每天更新一次，但现在随着计算能力越来越强，我们技术越来越发展，我们是要走向实时化。深度学习当然是这些年已经最流行的一个算法了，下面我稍微解释一下可解释性和边缘计算。

为什么我们需要可解释性？什么叫可解释性？本来我们构建一个机器学习模型，人是不能理解的，因为一个模型可能有上亿的参数在里头，模型做出了一个决定说这个人喜不喜欢这个东西，它是没法跟你解释的，因为它可能有上亿甚至十亿参数在里头，它不能说为什么做这个决定，比如神经网络深度学习模型，它不能告诉你这个事情的。

这有什么效果呢？打一个不太恰当的比方，机器学习在很多方面是很强的，它可能数学特别厉害，这好比一个天才算算数特别厉害，但是它在其他方面很弱，比如他可能生活不太能自理，他交流能力、沟通能力特别差，他能力非常强，但是你没法跟他交流，你不知道他为什么做了这个决定，很多时候他也没法主动跟你交流说理解这个业务、理解这个产品，他其实也不理解，这时候你是不是很放心，比如把一个很大的事情，生死攸关的一个事情交给这样一个天才来做呢？可能很多时候你不一定很放心，因为你无法知道他如何做这个决策的。

毕竟做任何一个营销活动也好，我们还是希望能够理解说为什么我们做了这件事情，我们需要从中产生一些洞察，哪怕先训练一个黑盒模型，我们也会基于此尝试去产生一个白盒的人群的洞察。有了这个人群洞察以后，我们会尝试分析和理解它，有了这个理解加上洞察能帮助我们更好作出这个营销的决策。这就是人和机器的结合，这也是在近些年机器领域很热门的一个点，就是可解释性。

再说边缘计算，这也是这几年一个热点之一。云计算，大家都很理解，就是说我的数据都要把它发到一个数据中心去做很复杂的处理，训练很复杂的模型，然后再把这个决策从云端发到你的手机上去执行了，叫云计算。边缘计算是什么？很多计算很多是在你手机上完成的，它不需要上到云，为什么呢？

这里有一个说法，到2020年每人每天平均将产生1.5GB的数据量，这个数据量非常大，不是说所有数据都值得或者都应该把它上载到云端的，因为在云端的存储也需要很多开销，这些数据不一定非要上载云端，但这些数据有没有用呢？其实很有用，因为每一个跟手机上APP的交互都蕴含了里面的信息量，都是可以帮助你对用户的理解。

还有很多很细微的数据，这些数据是不是都会上载到云端？其实不会。它会不会影响决策？其实是会的。我们现在的终端、我们的手机计算能力非常强，它远远大于十年前一台PC机，它已经可以执行一些模型的推理甚至是模型的构建，它完全是有这个能力的，所以就会有边缘计算这个概念。我们很多决策，大的决策是在云端做出的，这个决策到了你的手机端，根据你手机上实时产生的数据再做调整，这个调整是在你的手机上完成的，当然手机只是一个概念、一个意思，其实还有很多其他终端设备都可以做这个边缘计算，这也是这些年的热点之一。

智能敏捷模型快速复制，即为己用更对外开放

再讲到工具化，因为最终我们是希望能够有一套智能应用的框架，使之非常容易地应用到各个不同的场景。比如说蚂蚁金服的服务，我们有花呗、借呗、余额宝、理财等，各种各样的。我们能不能把(一套智能应用框架)快速复制到这些业务里，哪怕我们不断产生新业务，我们需要有一套框架能被快速复制到所有新场景，这就需要我们把这些东西非常好的工具化。

所以我们会有一套智能应用的体系，这里面底层是以数据为基础的，上面就有智能决策的引擎，里面包括各种各样的办法，最终做成一个数据产品。

这个数据产品会支撑内部应用、外部应用，比如外部应用是跟很多第三方合作的一些机构、平台，他们最终会触达用户，(这部分用户)不管是内部还是外部用户。当我把这套东西做好以后，能在满足自己使用之外 ，很容易既把我们自己的能力复给别人、快速复制到不同场景里。

我们希望这个平台更敏捷、更智能、更开放，能够快速复制、非常好的智能化，同时开放给我们的合作伙伴。

我们每个人都是一个高度智慧的生物，每个人脑子里其实有千亿级别的神经元。换一个角度来看，我们做的机器学习很多用的是什么？神经网络，其实它(机器)里面也是神经元，只不过它是机器来做的神经元，它有多少神经元呢？你可以做非常大的网络，可以做上亿的神经元的网络，但我们更希望把人脑里面的神经元和机器做出来的神经元结合在一起，就像刚才讲的，我们所做出的决策当前机器在某些方面还达不到人的状态，哪怕它(机器)做出多少亿神经元在里头，它还是达不到人脑的状态。

如何把人的神经元和机器神经元结合起来，一起做出一个决策，这是需要不断被探讨和深入研究的。有了这个(两者相结合的)神经元以后，我们还要快速执行，因为天下武功唯快不破，能够把它快速执行下去，这样才能把智能营销做出来。

另一个角度，金融行业也有金融行业的一些特性、金融产品的特性，不像在淘宝买件东西，它有前中后各个不同的阶段，比如我在淘宝上买了一个冰箱就结束了，淘宝跟你的交互基本就结束了，我是不知道你在家里用这个冰箱是怎么样的，你是每天用还是每天不用，用得好不好。但如果你买了一个理财产品，这个理财产品一直在你的账户里，理财产品的变化，比如基金的价格涨了还是跌了对你还是很有影响的，它是持续不断的过程，这也需要我们深入理解这个产品形态，把前中后结合起来才能更好做出决策。

（文章来源：券商中国）

郑重声明：发布此信息的目的在于传播更多信息，与本站立场无关。

---