|
白癜风诊疗康复 http://www.xuexily.com/npxxc/npxyl/1003.html??深响原创·作者｜吕玥营销人很慌。自动化、模型预测、机器学习、算法、深度学习、生成式定向、AI……这些专属于科技领域的陌生名词，早已充斥在营销行业中。习惯于以艺术家思维想创意、写文案的营销人们，根本还没理解“是什么”，就得跟着热潮把新技术“用起来”，营销复杂度似乎在直线飙升。不仅如此，当OpenAI的CEOSamAltman讲出“AI将能完成营销人员、策略规划人员和创意专业人员95%的工作”时，营销人的生存也变得岌岌可危。你反复修改才能做出一张海报，现在只要输入一句话AI就能生成一大批素材，这种“恐怖”速度面前，任谁都难逃危机感。营销已成为不折不扣的“技术活儿”。空前狂热的技术浪潮，和认知行动都还没完全跟上的人们，形成了鲜明对比。兴奋、未知、犹豫、挑战，我们想要跳出这多重情绪，聚焦于最为核心的议题——人人都在讲技术变革，技术究竟是改变了什么？技术越来越无所不能，还需要人来做什么？当我们持续为技术狂热，会不会又走向了另一个极端？技术到底进步在哪儿？营销行业爱“卷”技术，其实是与生俱来的特点——自从广告从纸媒来到互联网，从早期人工投放广告位，到搜索竞价、信息流广告出现，大家用一套程序化的流程去投放，再到现在尝试融入新的AI技术，每次广告行业的创新升级其实都是技术在推动。而这一次的特殊之处在于，AI带来的技术进步不是对某个环节、某个角色的改变，而是融入到了营销的各个环节、方方面面：做内容：创意要灵活、实时生成其实提到做内容，广告主普遍面临着一个“矛盾”局面：一方面，谁都清楚做创意很难，它依赖个体灵感闪现，很难高频次产出；同时营销创意也和市场洞察、消费趋势理解相关，需要灵感和专业结合，这就更难批量化生产。而另一方面，现实环境也很残酷。广告系统要求我们必须批量并且快速更新素材，这是一个得根据实时数据反馈而持续行动的过程，远比你我想象的“确定好创意-做内容-再投出广告”这种线性工作流程，要复杂得多。既要有难得一见的创意，又要能在线实时批量生成，这正是技术在发挥作用的两个核心点。其实在很长一段时间里，用技术生成创意内容是很难实现的，因为你运用的技术，只是在帮你去做搜罗资料、案例的工作，给你参考，但无法直接输出内容。幸运的是，AIGC正好提供了直接有效的解决方案。以ChatGPT为代表的生成式AI，其核心就是用已有数据学习后，再生成新的原创内容或产品。所以你能看到在广告营销领域，最早落地的产品都是在辅助创意生成、量产内容素材。特赞x雀巢AIGC生成海报特赞联合创始人王喆告诉「深响」，AIGC可以灵活分层运用于不同等级的创意，或者说是不同的「成本段」上——广告主需要大量短平快素材时，就可以批量生成；需要相对轻量的视频，技术就能够去做脚本优化、后期剪辑等等；而在制作投资在百万级别的TVC时，AIGC也能辅助去做更好的艺术效果呈现。也就是说，AIGC不仅能帮助人去想创意，还能根据你的需求去灵活调整它具体要做些什么。在灵活辅助及生成创意内容的基础上，“在线实时”这一要求，基于AIGC也有了实现的可能。百度商业策略产品负责人余昌远告诉「深响」：生成式AI将广告主落地页中的信息作为基础，就可以在线实时做个性化生成；并且在后续广告定向过程中，随时调整和优化，让素材源源不断生成而且越来越符合目标人群所需。相比离线做创意内容再调试、投放，在线实时生成的实现尽可能减少了内容供需之间的时间差，自然也就更能提升广告效果。定向：“精准”，既捕捉即时兴趣，也要深度理解有了内容，紧接着就是要“找对人”——也就是做“精准”定向。通常广告主会通过很多定向产品去找目标人群，比如做搜索广告时选择购买关键词，做信息流广告要做人群定向，根据年龄、性别、地域等标签圈定目标受众做投放。但是你会发现，这些方式存在一定局限性：关键词无法完全对应用户的兴趣和需求，只盯着有限的词条，营销反而越做越窄；人群标签固定且静态，但人的兴趣、态度难以标准量化且随时变化。虽然“精准”这个词大家都在讲，但始终是个很难拉平标准去衡量的相对概念。而新技术的应用，也正是在突破这一局限。其中一个突破点，就是去捕捉更实时的用户兴趣。Mobvista汇量科技CAIO（首席人工智能官）朱小强告诉「深响」，现在程序化广告平台已经可以通过机器学习、算法应用，将侧重点放在用户“即时兴趣”的建模和预估上。具体来讲，平台可基于DMP系统，将长周期、短周期的用户行为数据，统统转化为用户特征，如此一来，就能更全面看清不同时效性的用户偏好，而不是只看宽泛固定的标签。同时，平台还可以应用上下文信息，也就是考虑与目标受众、营销环境、产品或服务相关的各种具体背景因素和情境细节，以此去更精准刻画用户在不同场景、时间的行为。汇量科技广告推荐技术另一种突破方式，是将其完全交给生成式AI。生成式AI特别“智能”的地方，就是可以像人类一样，去深度理解广告主的业务，以及用户的需求，并将其做匹配。百度商业策略产品负责人余昌远给我们举了一个简单案例。比如当用户搜索“情人节送女朋友什么礼物”时，传统的广告系统就是基于提前设定好的、有限的关键词来召回与之匹配的广告。但有了生成式AI，它能够去更完整地理解需求，召回各种适合作为礼物的商品广告，从汽车到护肤品，广告主有了更多投放空间，定向也更加智能。百度“扬楫”生成式定向投放：技术智能调控的“平衡术”到了要投放广告的时候，少不了要平台和广告主双方打配合——广告平台内部，自有一整套运行流程去做投放；而广告主自己也要设定好预算，确定一个合适的出价策略。此时技术的投入主要有两个重点：一是“优化”流程，既让平台内系统自身能整体提效，也让广告主的操作难度降低。二是在让系统变得更“智能”，广告主只要设好预算，出价就交由系统去智能化调控，尽可能把钱花在刀刃上，实现广告效果的最大化。这是一个既要考虑到怎么去更新固有投放规则，又要考虑怎样让广告主更满意的“平衡术”。Mobvista汇量科技CAIO（首席人工智能官）朱小强告诉「深响」，在广告平台内部，现有模型已经可以通过综合考虑多个因素去自动调控来实现平衡。首先，模型会考虑到两个因素：一是广告流量给广告主带来的潜在收益，二是当前广告市场上的竞争情况。通常流量价值越高，出价就会越高；但如果市场上竞争不激烈，模型就会建议降低出价，帮助广告主节省成本。这个过程是实时的，只要广告主的预算还没用完，就可以不断调整。其次，预期回报和目标回报率（ROAS）也是会同时考虑的因素。一般预期回报越高，出价也会越高；但模型并不会让出价无限高，而是会找到平衡点，以确保广告主的ROAS目标能够实现。汇量科技出价优化模型当然，投放环节的问题也可以交由生成式AI来解决。比如即便你完全不懂创编计划、设置预算、优化目标和出价的那套传统系统，通过百度的AInative营销平台“轻舸”，直接用自然语言与产品对话，表达我的产品是什么、想要找到哪些人，就能够做好投放。而这一应用的底层技术支持来源于产品“扬楫”。基于巨量的样本数据，扬楫学习了过去成熟的规则，就能自行理解并找到更优解，实现“既要也要还要”：既拿到有价值的广告流量，又能尽可能控制好成本，还要实现最佳的回报效果。归因：破数据孤岛，大汇总后深加工投放之后的效果评估考核，也是一个相当细致和复杂的环节。特别是现在广告主更追求降本增效，对于数据的要求也就更高，比如过去可能只 |
