ChatGPT 人工智能 GPT4 伦理 生成式 医疗 监管 安全 机器学习 深度学习 神经网络 计算机视觉 强化学习 模型 算法 应用 开发 研究 工具 平台 框架 数据集 训练 部署 安全 合规 培训 投资 LLM,llm AI,ai,Ai 大模型 大语言模型 制图 生图 绘图 文生图 文生视频 生成式AI AGI 世界模型 sora chatGPT,chatgpt,ChatGpt claude openai Llama deepseek midjourney 红熊猫模型 Red panda,panda Stable Diffusion,StableDiffusion,stable DALL- E 3 DALL E DALL Flux,flux 扩散模型 混元大模型 文心一言 通义千问 可灵 Pika PixelDance 豆包 月之暗面 零一万物 阶跃星辰 搜索增强 MiniMax Talkie Agent prompt fastai LangChain TTS 微调 提示词 知识库 智能体
# 热门搜索 #
搜索
非凡产研|万字长文讲透生成式AI对Martech行业的影响
2117点击    2024-11-05 19:44

AI不断地为营销行业的各个领域带来创新。它能够有效地应对行业面临的许多挑战。但想要用 AI 改进产品的公司,需要在项目投入之前,验证其价值主张,并确保技术成熟度。


如果说2024年营销行业的主课题是什么,那么无疑是探索大模型和生成式人工智能(Gen AI)在营销场景中的应用。特别是Gen AI的出现,预计将显著提升企业营销技术(MarTech)的效能,其优势显而易见:更精准的营销效率、更深入的数据分析、更个性化体验、更高效的内容生成等等。



领先的品牌和企业早已纷纷行动,且使得这股趋势迅速蔓延至各个角落。甚至连一向以推崇创意而闻名的“戛纳国际创意节”,今年也感受到了AI MarTech浪潮的巨大冲击。


国际知名快消品牌利洁时在创意节期间,展示了公司IT与Digital团队携手波士顿咨询集团,在为期四个月的时间内,对旗下Gaviscon、Finish品牌以及公司整体的营销功能进行的一系列创新试点的成果。这些试点项目不仅凸显了Gen AI在深化洞察、激发创意和提升效率方面的显著优势,而且证明了AI能够以更短的时间周期,持续产出更高质量的营销成果。


知名咨询公司埃森哲也宣布将把 Adobe Firefly Custom Models 集成到 Accenture Song 提供的营销服务中,根据不同行业的专有数据和品牌指南来训练定制模型。


然而,企业要想充分发挥GenAI的潜力,不是在营销技术堆栈中添加另一个工具这么简单。需要面临多重挑战和具体的实施战略方针。


生成式人工智能正在重塑 MarTech 格局


根据“Martech之父”Scott Brinker 和Martech专家Frans Riemersma共同发布的《 The State of Martech 2024》调查报告显示,营销技术(Martech)依然持续以惊人的速度扩张。预计在2024年,其年复合增长率将达到41.8%,也意味着Martech在13年的时间里实现了惊人的9,295%增长。


The State of Martech 2024: Scott Brinker and Frans Riemersma


且更令人震惊的是,2024 年的 3,068 个新工具中,有 77% 是基于 GenAI 的。其中超过一半,即53%,是与内容相关的工具,包括文案、图像和视频等应用。当然,除了内容营销之外,还有许多也很有趣的GenAI应用场景。


下图展示了AI开发者们在销售自动化、赋能和智能、商业/客户智能、数据科学以及实时聊天和聊天机器人等场景下构建的基于GenAI的有趣解决方案。


Source: MartechMap, 2024-04


Martech专家Frans Riemersma认为,GenAI 正在以三种独特的方式改变营销技术领域:


独立型 GenAI 解决方案(独立工具):这些工具针对特定的营销挑战,如内容创作或聊天机器人,使营销人员能够在不全面改造现有技术架构的情况下尝试 GenAI。


内置型 GenAI 功能(在现有解决方案中):Salesforce 和 Adobe 等成熟平台将人工智能功能整合到他们的现有工具中,使得用户可以在熟悉的营销系统中使用 GenAI 功能。


颠覆者:ChatFactory 或 ChatSpot 等颠覆性平台利用 GenAI 重塑整个营销技术类别,重新定义内容管理系统(CMS)和营销自动化平台(MAP)等核心工具。仅在本年度,就有 2,324 个人工智能驱动的工具进入营销技术领域,为营销人员提供了从小众独立工具到颠覆性平台的广泛选择。



在一共2,324个工具中,共有64个独特的应用场景,其中前14个场景占所有场景的73%。这些应用场景的焦点不仅限于内容创作,还包括对数据分析、任务自动化以及改善客户关系和销售流程的日益重视。Frans Riemersma强调,特别值得注意的是,广告技术(Adtech)领域中GenAI应用案例的缺乏,这很可能是因为该行业的高度垄断结构所导致的。



根据他们的调查,内容草拟、文案创作和内容研究是Gen AI最受欢迎的应用场景,这表明Gen AI在提升运营效率和降低成本方面发挥了重要作用。但同时,显示出尽管许多人尝试使用Gen AI来生成可发布的内容,但最终选择放弃的比例也相当高。


此外,尽管与内容营销相关的GenAI应用蓬勃发展,但在销售和数据相关领域仍有许多未被挖掘的潜力。


CMO为什么需要具备AI能力的MarTech工具?


1、CMO当前面临的MarTech挑战


(1)信息过载,却又洞察不足


当前市场上充斥着成百上千种MarTech解决方案。企业通常需要处理大约90种不同的云服务和营销软件产品,但这些产品的能力却更多局限在单一场景或者业务流程。因为,为了有效地管理客户,营销人员必须熟悉CRM、CMS、DAM、CDP等多种专业工具,以便将客户生命旅程划分为多个可管理的部分。


以及尽管每个工具都提供了丰富的数据和一些洞察,但这些洞察往往无法在整个企业的技术栈中发挥作用,而是被限制在它们所属的系统内。


这造成了尽管营销部门拥有大量的数据,但却仍然渴望有价值的洞察的矛盾,因为企业的数据都是分散和无序的。


(2)耗费过多资源管理臃肿的MarTech工具


由于营销人员面临着巨大的业绩压力,因此他们在面临营销技术选型时,往往会选择依赖一些方便快捷的解决方案。所以,为了保持市场领先地位,CMO们需要在多个供应商的解决方案中寻求平衡,避免技术资源的过度扩张。在追求快速响应市场的同时,他们还必须谨慎管理采购风险,并与多个合作伙伴和生态系统进行有效合作。


(3)市场上技术人才缺口显著


超过三分之一的首席营销官(CMO)承认,他们的营销团队在有效利用技术方面缺乏必要的技能和经验。


随着技术的快速发展,营销专家发现越来越难以跟上最新的趋势和工具。这要求CMO们必须投资于培训项目,或者招聘那些已经掌握了这些关键技能的新员工。


同时,为了跟上技术的发展,需要不断地学习和开发,以确保营销团队能够及时了解市场上新出现的工具和技术。如果企业不持续投资于员工的教育和发展,就可能落后于那些在利用最新技术方面更加灵活和适应性强的竞争对手。


2、AI如何解决 CMO三大挑战


全球知名精品咨询公司Credera的管理顾问Varun Sarin认为,Gen AI技术能够为CMO解决前述三大挑战,并带来显著价值。


他指出,以下三项AI能力是解决这些问题的关键所在:



(1)自然语言界面的引入能够释放出前所未有的洞察力


生成式人工智能(Gen AI)技术通过简化市场分析报告的生成过程,打破了洞察力的瓶颈。现在,这些报告能够基于自然语言提出的问题自动生成,而不再需要复杂的数据查询。这样一来,无论营销人员的技术能力如何,都能轻松地发现和解决问题。


随着人工智能的不断发展,营销专家不仅能够继续专注于他们的专业领域,还能通过自然语言这一共通的沟通方式,与技术实现更紧密的融合。


例如,CRM专家只需简单地说出,“请展示给我针对目标客户群体效果最佳的电子邮件标题”,就能迅速获取跨平台的信息,无需等待他人协助或进行繁琐的手动操作。


这些工具使得即使是非技术背景的营销人员也能自动化地完成报告任务,从不同来源聚合数据,并生成绩效指标报告。这不仅推动了数据的普及化,还能挖掘出传统方法难以获得的深刻洞察。


(2)人工智能可以“隐藏”底层混乱的技术堆栈


全球领先的科技公司正大力投资于人工智能领域,原因在于他们深刻认识到一个核心事实:若不积极追随这一技术趋势,他们的平台可能会被边缘化,逐渐被更深层次的人工智能技术所取代。这种技术转型的趋势,正是科技行业对银行业等其他领域所进行的变革。


随着营销技术(MarTech)的持续演进,其底层技术架构变得日益复杂,管理难度也随之增加。这对于负责MarTech实施的首席营销官(CMO)而言,无疑是一项重大挑战,因为他们需要在软件解决方案、数据源和分析工具的碎片化环境中寻找有效的解决方案。


然而,随着能够自动化执行众多任务和流程的生成式人工智能技术的出现,CMO们不再需要为MarTech的技术复杂性而忧虑。人工智能层如同一层外衣,覆盖并简化了整个系统,代替人类处理那些繁琐的工作。


这使得CMO们可以将更多的精力投入更高层次的战略规划中,而不必深陷于技术细节。他们无需再花费大量时间管理多个供应商或解决软件集成的问题——这些工作可以交给人工智能驱动的系统来自动完成。


(3)Prompt Engineering能力将比深厚的技术技能更重要


在生成式人工智能的世界里,提出正确的问题比掌握深厚的技术技能更为关键。过去,拥有正确答案是一种宝贵的能力,但现在,更重要的是如何向AI提出恰当的问题。


这就是所谓的“提示工程”(Prompt Engineering)。它指的是在与生成式人工智能交互时,通过精心构造的提示来显著提升AI响应的质量和相关性。这个过程需要深入理解语言和创造性思维,确保AI能够准确把握用户的需求,并给出恰当的反馈。


生成式人工智能对MarTech的影响


任何事物都是一体两面。MarTech也一样,符合企业利益的技术可能会给用户带来极其糟糕的体验——比如双11等大促节点的电话短信轰炸。能为双方都带来高效率的体验才是真正有价值的技术。


1、MarTech中的人工智能对卖家的影响


人工智能在营销技术(MarTech)领域引发的变革,不仅推动了营销内容的个性化,还让营销流程变得更加智能和自动化。以下是AI对MarTech的一些主要影响:


  • 超级个性化:


人工智能通过分析海量数据——包括客户的购买历史、浏览行为和社交媒体活动——来定制个性化的营销内容。搭载人工智能的CRM系统和电子邮件营销平台能够根据实时用户数据,发送定制化的优惠和建议。


  • 客户旅程映射:


人工智能帮助营销人员更深入地理解和预测客户的购买旅程。利用预测分析,人工智能可以追踪用户在各个接触点的行为,并根据用户所处的购买阶段实时调整内容推送,确保沟通的及时性和相关性,从而提升转化率。


  • 营销自动化:


人工智能自动化了日常营销任务,如电子邮件营销、线索评分和社交媒体发帖,让营销人员能够将精力集中在策略规划和创意发想上。人工智能驱动的营销自动化平台能够安排个性化的营销活动,并在最佳时机与用户互动,增强用户体验和品牌忠诚度。


  • 实时效果监控:


人工智能持续追踪广告性能指标,如曝光量、点击率和转化率。基于这些数据,它能够自动实时调整广告的目标定位和竞价策略,确保预算的有效分配,以实现最大的投资回报。


  • 自适应学习:


人工智能运用机器学习技术,根据以往广告活动的数据进行自我调整。例如,如果某则广告在特定人群中表现突出,人工智能系统会自动向该群体倾斜更多预算和资源,同时淘汰那些表现不佳的策略。


  • 大规模A/B测试:


人工智能平台能够同时运行数百个A/B测试,评估不同内容、创意和策略在不同受众群体中的效果。这些洞察会反馈到系统中,使得目标定位和信息传达能够不断得到精细化调整。


  • 提升客户体验:


人工智能的作用不仅限于提升运营效率和预测分析,它还是增强客户体验的关键。通过人工智能驱动的聊天机器人、个性化内容和快速响应的客户服务,品牌能够提供无缝且引人入胜的体验。


2、Martech 中的人工智能对买家体验的影响


未来了解生成式AI赋能的MarTech工具对终端用户的使用体验有何影响,Scott Brinker 进行了一项调查。



调查结果显示,在利用人工智能提升聊天机器人性能和创造更多优质内容方面,更多受访者认为这将改善而非恶化体验。尽管支持和反对的比例相当接近:



然而,当谈到使用人工智能提高卖家通过自动化销售参与的效率时——从发送更多个性化的电子邮件(因为收件箱被高度个性化的电子邮件淹没总比被劣质个性化的电子邮件淹没要好)到让人工智能代理充当inbound SDR和outbound BDR——受访者表现出的热情要低得多:



从消费者的角度来看,频繁接到推销电话、电子邮件和短信真的是一种好的体验吗?当卖家明显觉得不值得投入人力去了解你——却大胆地认为占用你作为接收者的时间是合理的——那么,我们只能说,这种做法可能会对卖家的品牌声誉造成一定的负面影响。


有意思的是,消费者认为,最有可能提升他们体验的AI能力是“能够帮助销售代表更有效地回答我的问题的AI”——有72.1%的受访者表示,这将是一个积极的改变。



并不是说消费者不愿意与销售人员沟通,他们只是希望在合适的时间和条件下进行交流。当消费者提出问题时,他们期待得到迅速、精确且详尽的答复。他们理解销售人员不可能什么都懂,但如果销售人员能够得到人工智能的帮助,更快速、更准确地回答更多问题……那无疑会提升他们的购物体验。


同样值得注意的是,“能够为供应商提供更多‘情报’的AI”被认为是第二大可能改善消费者体验的技术。或者消费者可能将其视为在销售和营销互动中,追求质量而非数量的途径。


对于消费者来说,并不需要卖家给自己发更多的邮件、打更多的电话或发更多的短信。真正需要的是,在少数真正与自己相关的情况下,那些真正有用的信息。


企业的AI MarTech标杆实践案例


文章伊始,我们便提到了众多企业已经开始在内外部探索生成式人工智能与营销技术的融合应用。接下来,我们将向大家展示一些品牌和营销服务提供商在这一领域中颇具创意和特色的实践案例。


品牌主:


1、沃尔玛


今年以来,沃尔玛在大模型和生成式人工智能领域动作频频,投入显著。10月9日,沃尔玛在官网宣布已开发出一套专有的GenAI平台系统,以支持GenAI技术的发展。其中最新的成果是Wallaby——一系列专为零售业设计的LLMs(大型语言模型),它们主要用于创造和提升面向客户的体验。Wallaby经过数十年沃尔玛数据的训练,能够与其他LLMs协同工作,生成与沃尔玛环境高度契合的响应,并以符合沃尔玛核心价值观的自然语言风格与用户互动。



此外,沃尔玛还利用GenAI平台,打造了更加个性化的人工智能客户支持助理。现在,这些助理能够在一开始就识别客户身份,不仅理解客户的意图,还能主动采取行动,如查询订单状态和管理退货事宜。


在测试阶段,客户普遍反映整体体验更加流畅,有助于他们快速自助解决问题。沃尔玛正在积极开发数十种额外的GenAI工具,旨在服务客户、会员、员工和合作伙伴,包括为山姆会员店和沃尔玛国际提供的增强型护理助手。


2、亿滋国际


今年9月,亿滋国际(Mondelez International)宣布与阳狮集团和埃森哲携手,共同推出一个创新平台。该平台的目标是通过扩大人工智能(AI)和生成式人工智能(GenAI)的应用,增强全球营销能力并优化消费者体验。这一新平台将极大加速个性化文本、图像和视频内容的创作流程,帮助公司品牌在不断演变的消费者偏好中保持领先地位。



亿滋首席执行官Dirk Van de Put在领英上表示,这一平台的推出是公司在AI和GenAI领域迈出的重要一步。借助多年积累的营销数据和洞察,创意团队能够更迅速地制作个性化内容,将原本需要数周完成的任务缩短至数小时。这不仅意味着消费者将获得更贴合当前需求的产品和服务,无论是规划学校午餐的家长,还是准备节日购物的家庭,都能在最适宜的时刻收到个性化的推荐。


3、联合利华


2024年9月5日,埃森哲宣布与消费品行业巨头联合利华加强战略合作,共同启动一项为期多年的计划。该计划将通过采用生成式人工智能(AIGC)技术,简化联合利华的数字架构,提升其运营效率和业务灵活性。


在这一合作框架下,联合利华与埃森哲将共同推动生产力的创新,致力于将生成式人工智能打造成为新的行业标准。双方将扩展已验证有效的应用案例,通过AIGC技术进一步降低成本、提高运营效率,实现业务流程的优化和创新。



合作的核心是埃森哲的GenWizard平台,该平台拥有超过350项专利技术,提供了一系列现成的工具和框架,以满足多样化的技术业务需求。这一平台将为联合利华提供强大的技术支持,助力其在业务全范围内开发和部署针对性的AI解决方案。


此外,此次合作也是建立在联合利华“Horizon3 Labs”实验室的基础上,该实验室专注于探索生成式AI在业务运营中的应用,推动企业的全球转型。通过此次合作,联合利华和埃森哲不仅将在技术层面实现重大突破,更将共同制定新的行业标准,推动全球企业通过生成式人工智能提升生产力,实现长期的竞争优势。


服务商:


1、宏盟集团


宏盟集团于7月10日宣布推出ArtBotAI,这是一个集成了先进Gen AI大型语言模型技术的新一代智能内容平台。ArtBotAI旨在帮助首席营销官(CMO)们解决在保证内容质量的同时,如何高效进行大规模创意数字内容优化的难题。该平台利用宏盟集团的Gen AI模型,整合客户的数字资产,创造个性化体验。


宏盟集团首席技术官Paolo Yuvienco表示:“ArtBotAI的设计初衷是实现规模与优雅的结合。”他指出,品牌方在追求大规模个性化内容生产时,常面临效率低下和成本上升的问题,而ArtBotAI以其简洁、优雅而强大的功能,将取代原本复杂混乱的生态系统,全面满足客户的多元化内容需求。



ArtBotAI的Gen AI功能得益于宏盟集团与Adobe、Amazon、Getty、Google及Microsoft(OpenAI)等领先企业合作研发的大型语言模型。这一平台的开发是宏盟集团将Gen AI技术融入业务各环节的战略步骤,旨在提高工作效率,优化运营流程,并为客户创造变革性成果。


2、HubSpot


营销技术领域的先驱HubSpot在8月份宣布推出了一款免费的AI搜索评分器,旨在助力营销人员在AI时代提升品牌表现。HubSpot表示,这款新工具将帮助品牌了解其在大型语言模型(LLM)和AI搜索中的表现,是业界首款免费工具。



HubSpot产品副总裁Nicholas Holland强调,AI搜索评分器旨在帮助营销人员在AI搜索的新时代中脱颖而出,被目标客户发现。这款工具为营销人员提供了一个全新的免费途径,以便在AI驱动的时代与客户建立联系。


AI搜索评分器的主要特点包括:


- 总体评分:快速掌握品牌在所有监控的AI搜索引擎中的表现。


- 品牌知名度洞察:通过品牌情感评分,分析AI响应中的语言,了解品牌如何被讨论和认知。


- 品牌声量(SOV)分数:衡量品牌与竞争对手相比的知名度。


- 个性化分析:识别品牌的优势和改进领域,提升品牌知名度和品牌情感。



AI搜索评分器通过提供详尽的分析,揭示品牌表现的亮点与潜在的提升方向,为市场策略注入宝贵的洞察力。深入了解哪些策略成效显著、哪些尚待优化,可以帮助品牌把握投资与发展的机遇,提升品牌知名度,精准调整策略以增强品牌情感和市场话语权。


3、Salesforce


2024年7月17日,Salesforce宣布推出其首个全自主人工智能代理——Einstein服务代理,这标志着传统聊天机器人时代的结束,并为提升客户服务效率开辟了新天地。Einstein服务代理通过对话式AI界面,为用户提供了一种全新的AI驱动的生成式自助服务体验,能够执行实际行动,如处理产品退货或退款等事务。



Einstein服务代理的独特之处在于其与Salesforce现有客户数据和工作流程的无缝集成。它建立在Einstein平台上,通过分析客户消息的全部上下文,自主决定采取的下一步行动,并与大型语言模型(LLMs)进行交互,创建会话响应。




与传统聊天机器人不同,Einstein服务代理智能且动态,能够根据公司的品牌形象、语调和指南定制响应。企业客户服务部门可以利用Einstein服务代理处理繁琐的咨询任务,释放人力资源,专注于需要人类触感的任务。对客户而言,这意味着他们能得到更快的答案,提升了服务体验的响应速度和便捷性。


Einstein服务代理随时待命,以自然语言与客户沟通,并在遇到复杂问题时快速转交给人工处理。目前处于试点阶段的Einstein服务代理预计将于今年晚些时候全面推出,其用户友好的界面和低代码操作简化了部署过程,使得设置变得轻松快捷。


企业在MarTech中部署生成式AI要考虑的三个因素


Gartner 高级分析师总监Audrey Brosnan认为,企业要想在Martech技术栈中有效部署生成式AI,需要重点考虑以下两个因素:


1、重新分配技术资源和采购预算


多年来,企业对营销技术的大规模投资导致了构建了功能繁多的技术栈,但营销人员往往未能充分发挥这些工具的潜力,有时甚至完全闲置。Gartner的最新研究显示,复杂性抑制了使用率,这让人质疑首席营销官们为何投入巨资却收获甚微。越来越多的迹象表明,营销领导者们正在将预算重新分配到能够推动增长的付费媒体上。


因此,营销领导者现在面临的选择是:是通过媒体重新分配预算以促进增长和提高投资回报率,还是购买更多技术来充分利用他们已经拥有的工具。


为了应对营销环境的快速变化,营销人员开始采用多渠道运营策略,以更好地管理跨触点的客户旅程,并实现更精准的个性化营销。然而,数据整合、分析和内容创造的复杂性提高了使用营销技术工具的门槛,导致只有少数营销人员能够完全发挥其营销中心的潜力。同时,自动化客户旅程的编排因需要额外的协调和开发工作而变得缓慢。


多渠道中心的例子揭示了一个常见的循环:面对创新或新渠道的出现,营销人员通常会购买新技术来应对,但最终效果往往不如预期的那样激动人心。这种情况频繁发生,Gartner甚至将其称为“幻灭之谷”。


因此,面对新技术的出现,营销人员需要做出选择:是忽视还是接受?他们应该谨慎地优化现有资源,还是大胆地迈出新步伐?哪种选择能为他们带来竞争优势?


2、通过整合营销技术和多渠道策略来提升价值


企业可以通过整合营销技术与多渠道策略,并制定新策略来决定是进行逐步优化还是彻底转型,以此摆脱当前的困境。


首先,评估当前主要业务挑战的两个关键维度:是否需要在客户参与方面进行新的变革,比如在更多渠道上加强互动?是否需要对营销技术进行重大调整?如果企业已在现代技术方面打下坚实基础,并准备采用人工智能,那么可能只需执行和迭代现有策略,以适应市场发展。

人工智能的出现,迫使所有营销人员面对一个选择:是优化现有产品,还是勇敢探索未知领域。是谨慎观望,还是赶在竞争对手之前采取行动。


要确定采取哪种策略,可以自问:“生成式人工智能将在多大程度上改变您的行业,这种变化速度会有多快?”“您目前的营销技术利用率如何?”“您的营销技术栈与多渠道需求的匹配程度如何?”


在考虑渠道多样化和客户旅程编排的挑战时,对多渠道策略采取同样的方法。要么优化并继续投资于经过验证的渠道,要么彻底调整渠道策略,以实现有价值的客户成果。


3、建立全新的数据治理机制


Scott Brinker从数据治理的角度强调了企业在Martech部署生成式AI时必须考虑的一个关键因素:统一数据层的重要性。他指出,API让代理能够执行任务,而数据则确保了这些代理背后的AI模型能够获取正确的信息,以决定采取哪些行动。如果没有清晰、完整的数据流向这些模型,它们实际上就会缺乏做出明智决策和提供合理结果的智能。


好消息是,营销技术(Martech)已经在快速向云数据仓库(CDW)这一核心统一数据层靠拢,以及数据湖/湖屋的变体,例如Snowflake、Databricks、Google BigQuery、Amazon Redshift等。


在过去三年中,营销技术应用的采纳速度不断加快,它们不仅将数据推送到这个层级,还从中提取数据以“激活”数据。同时,新一代的仓库原生营销技术,如GrowthLoop,也应运而生,它们跳过了传统的数据推送和拉取过程,直接在CDW上进行操作。


这种架构使企业摆脱了过去十年中,由于技术栈的异构性而导致的一百个孤立应用数据库的痛苦。所有营销数据——以及其他相关部门,如产品、销售和客户服务——都被集中存储在仓库/湖屋中,技术上可以被栈中的任何应用访问。



Scott在《State of Martech 2024》报告中的发现证实了这种趋势的真实性。71%的受访者——领先的营销技术和营销运营专业人士——表示他们已经将数据仓库/数据湖与他们的营销技术栈进行了集成。其中绝大多数(69%)的人表示,他们的集成是双向的,即在仓库/湖和他们的营销技术应用之间双向传输数据。


同样令人印象深刻的是,61%将数据仓库/数据湖集成到他们的营销技术栈的企业表示,他们的大部分营销技术栈已经与这个数据层集成。这显示了统一数据层在Martech部署中的核心地位,以及其在推动新一轮人工智能创新中的关键作用。



推进AI MarTech战略的两大基础


1、确保数据达到AI-ready状态


麦肯锡的调查显示,近年来跨行业人工智能的采用率增长了两倍多,而IBM的2023年CEO调查中,75%的受访者认为企业未来的竞争优势将取决于最先进的生成式人工智能。成功的AI应用离不开AI-ready数据——那些被良好管理、安全、无偏见、丰富、准确且高质量的数据。

AI-ready数据不存储在孤立的数据库中,而是在一个统一的数据平台上,这个平台能够提供数据的可视化血缘,即数据的流动路径、来源和转换过程。平台通过活跃的元数据提供上下文能力,保持数据生态系统的活跃、智能和行动导向,从而让AI系统能够提供商业价值。同时,需要建立稳固的AI数据治理程序,以确保数据的道德、安全和负责任使用。


《哈佛商业评论》强调,数据成熟度是人工智能成熟度的前提。在准备人工智能数据之前,应评估数据生态系统的成熟度。如果当前数据体系混乱,缺乏决策信任,那么组织尚未准备好迎接人工智能。


企业领导者需认识到数据对业务成果的影响,并确保数据的清洁、一致性和良好结构。应在人工智能委员会的指导下,统筹规划企业层面的数据治理和元数据管理。


营销人员应聚焦于生成式人工智能在营销中的关键应用场景,并确保数据质量与营销目标一致。指定一位营销数据负责人,负责建立最佳实践、促进数据共享和监控数据质量,并与各利益相关方合作,设定数据质量标准,规划如何达到理想状态。领导层应将数据治理与业务价值紧密联系,强调对客户数据和品牌知识产权的责任感。


成功的AI应用需要依赖于元数据,这些数据描述了数据本身,包含了各种描述和属性。营销数据负责人应与数据、分析和技术领导者合作,识别并链接能够提升营销效率和效果的元数据,特别是那些可以通过生成式人工智能技术得到增强的应用场景。


2、进行人才和组织结构适应性转型


在人工智能时代,企业推进AI MarTech战略时,构建一个具备相关能力的组织是至关重要的。随着AI技术的发展,营销领域的工作性质和组织结构正在发生深刻变化。共享服务、内容营销、数字营销等领域可能会因AI工具的普及而减少对专业人员的依赖,而营销技术专业人员和数据管理专家的需求可能会增加,因为他们在评估、采购、部署和维护AI技术方面发挥着关键作用。



AI将改变数据分析的角色,接管决策过程或向营销通才提出建议,减少对传统数据分析的依赖。品牌和公关领域也将经历转型,需要更少但技能更高的人才来管理品牌发声和体验,以及应对复杂的公关挑战。


产品营销人员最有可能成为营销通才,他们将引导AI完成营销内容的制作,而不再依赖传统的设计师、数字营销专家或文案撰写者。这种转变可能导致营销通才的数量增加。


随着职位头衔和职责的变化,营销组织的结构可能也将发生重大变革。营销通才被整合进新型业务单元中,在人工智能的辅助下,他们将整体性负责之前由专业部门负责的数字营销、产品营销、内容营销等工作。


此外,跨部门的整合也非常重要。Salesforce高级副总裁Michael Maoz 强调,这些项目颇具挑战性,我们有望看到IT部门与业务部门(包括市场营销、销售、客户服务、计费和物流)之间开展新的合作。那些希望采用生成式AI解决方案来处理客户服务请求的业务单元必须与生成式AI的领导者建立紧密的合作关系,以提升客户体验。


最优秀的企业都明白,核心业务流程需要从客户的角度出发,即从外向内进行设计。然而,这种以客户为中心的方法常常受到现有组织结构的制约,因为核心IT职能并未与客户流程紧密结合。


IT团队擅长系统集成、自动化构建、数据迁移和数据可视化,但这些技能与市场营销、数字商务以及销售和服务等面向客户的职能相距甚远。IT团队掌握着生成式AI的技术,而市场营销、销售、商务和客户服务部门则对如何优化面向客户的流程有着深刻的理解。


建立跨部门团队,共同承担责任和成功标准,有助于将生成式AI的工作重点放在对客户最有利的方面,并确定生成式AI解决方案的优先顺序。


参考资料:


  1. Frans Riemersma:《Unlock the real value of genAI in martech》
  2. Audrey Brosnan:《How to transform martech and multichannel marketing for the AI era》
  3. Scott Brinker:《Will AI in martech make buyer experiences better or worse? It depends》
  4. Scott Brinker:《The new data layer in martech has taken hold as the foundation upon which marketing AI will be built》
  5. Chris Ehrlich:《5 AI Trends Shaping Martech》
  6. Varun Sarin《CMOs, generative AI just disrupted your MarTech stack》


文章来自于微信公众号“DigitalFrontier首席数字官”,作者“Qiuping”


关键词: AI , AI营销 , 人工智能 , AI转型
AITNT资源拓展
根据文章内容,系统为您匹配了更有价值的资源信息。内容由AI生成,仅供参考
1
AI工作流

【开源免费】n8n是一个可以自定义工作流的AI项目,它提供了200个工作节点来帮助用户实现工作流的编排。

项目地址:https://github.com/n8n-io/n8n

在线使用:https://n8n.io/(付费)


【开源免费】DB-GPT是一个AI原生数据应用开发框架,它提供开发多模型管理(SMMF)、Text2SQL效果优化、RAG框架以及优化、Multi-Agents框架协作、AWEL(智能体工作流编排)等多种技术能力,让围绕数据库构建大模型应用更简单、更方便。

项目地址:https://github.com/eosphoros-ai/DB-GPT?tab=readme-ov-file



【开源免费】VectorVein是一个不需要任何编程基础,任何人都能用的AI工作流编辑工具。你可以将复杂的工作分解成多个步骤,并通过VectorVein固定并让AI依次完成。VectorVein是字节coze的平替产品。

项目地址:https://github.com/AndersonBY/vector-vein?tab=readme-ov-file

在线使用:https://vectorvein.ai/(付费)

2
AI数据分析

【开源免费】DeepBI是一款AI原生的数据分析平台。DeepBI充分利用大语言模型的能力来探索、查询、可视化和共享来自任何数据源的数据。用户可以使用DeepBI洞察数据并做出数据驱动的决策。

项目地址:https://github.com/DeepInsight-AI/DeepBI?tab=readme-ov-file

本地安装:https://www.deepbi.com/

【开源免费airda(Air Data Agent)是面向数据分析的AI智能体,能够理解数据开发和数据分析需求、根据用户需要让数据可视化。

项目地址:https://github.com/hitsz-ids/airda

3
AI搜索

【开源免费】MindSearch是一个模仿人类思考方式的AI搜索引擎框架,其性能可与 Perplexity和ChatGPT-Web相媲美。

项目地址:https://github.com/InternLM/MindSearch

在线使用:https://mindsearch.openxlab.org.cn/


【开源免费】Morphic是一个由AI驱动的搜索引擎。该项目开源免费,搜索结果包含文本,图片,视频等各种AI搜索所需要的必备功能。相对于其他开源AI搜索项目,测试搜索结果最好。

项目地址:https://github.com/miurla/morphic/tree/main

在线使用:https://www.morphic.sh/

4
prompt

【开源免费】LangGPT 是一个通过结构化和模板化的方法,编写高质量的AI提示词的开源项目。它可以让任何非专业的用户轻松创建高水平的提示词,进而高质量的帮助用户通过AI解决问题。

项目地址:https://github.com/langgptai/LangGPT/blob/main/README_zh.md

在线使用:https://kimi.moonshot.cn/kimiplus/conpg00t7lagbbsfqkq0