自1956年達特茅斯學院舉辦的一次會議上，計算機專家約翰·麥卡錫提出了“人工智能”(Artificial Intelligence)一詞起，從人工神經網絡，到圖像分析，再到自然語言的突破，AI 經歷了從機器學習到深度學習的過度與發展。如今，隨著近年來數據處理能力的突破，AI 在各領域的應用全面爆發。在企業運營和營銷領域，AI 正在漸漸地深入到各大企業的生產銷售、市場營銷等方面，例如智能聊天客服、虛擬客戶助理、語音搜索、個性化推薦產品及服務等等。

2018金投賞國際創意節 nEqual “AI 賦能共創·共贏—— AI 科技賦能智慧商業高峰論壇”上，nEqual 首席產品官兼總裁 任佩禹 發表了“AI 驅動的消費者營銷和運營”為主題的演講。

nEqual 首席產品官兼總裁 任佩禹

他談到：“AI 技術的應用，最核心的三點是：數據、算法、硬件。2010 年以來，云計算、深度學習、GPU 運算 、傳感器等關鍵存儲、計算能力的突破性發展，算力成本不斷降低，數據采集點不斷增多，才使得我們走到了如今 AI 的黃金年代。AI 的發展分為四個階段，首先是計算智能，解決基礎的存儲算力問題;其次是感知智能，解決語音圖像文字手勢的處理，讓機器可感知;然后發展為認知智能，即機器可進行邏輯推理、知識理解、知識創造。最終達到通用智能，即機器實現類人思維，產生硅基生命。”

在任佩禹看來，AI 能為企業帶來的三大收益：

1. 降低成本。比如用智能客服代替人工客服、企業流程的自動化;減少無效的資源付出，例如虛假流量的識別和更精準的廣告定向;

2. 提升企業運營效果和效率。企業可通過大數據及機器學習技術，進行更高效、更準確的洞察預測，比如預測消費者購買傾向以進行更相關的商品推薦，并實現規模化的個性化服務;

3. 觸發企業新的增長點。AI 的最終價值，是讓企業的常規業務高度自動化，讓企業的人力大量向新場景和不確定性問題上轉移，從而使企業能夠發現新的增長點，加速創新。

在營銷和消費者運營領域，已經有超過85%的企業正在接觸或已經開始嘗試 AI 技術。任佩禹嘗試將 AI 技術分為以下幾類：

第一類，感知點的突破。即依靠語音識別、自然語言處理、計算機視覺等關鍵技術，讓機器能感知、理解更多與消費者的互動，處理之前不能處理的消費者互動。基于這些核心技術，可以實現智能聊天客服、虛擬助理、會話型互動，臉部識別，能與消費者用更自然的方式進行自動化的互動;

第二類，算法的突破。依靠機器學習中的深度學習、強化學習等關鍵算法，實現非完全信息下的高效決策。談到本質，深度學習就是一個非常高效的分類器，它能幫助我們在更小樣本的環境下，高效發現特征，得到更準確的預測效果。基于此，可以做到大規模的一對一個性化互動、更精準的廣告投放、更好的銷售線索分級、動態的價格及更有效的內容推薦，這些也是現如今 AI 在營銷和消費者運營領域最能規模化落地的場景;

第三類，新交互方式的突破。即結合上述技術，與硬件結合，用機器人、傳感器等方式與消費者進行溝通。比如一體化的服務機器人、各類智能硬件設備在新零售等場景下的應用等。

企業若想在上述場景中落地 AI，離不開幾個方面的支持：一是組織架構和人才。AI 落地與企業數字化轉型是相結合的，需要清晰、敏捷的架構，和既懂業務又懂技術的復合型人才，讓企業能綜合考慮各 AI 技術的成熟度和實際商業問題，并結合企業戰略，選擇合適的商業場景。二是需要有多方技術平臺的保障，比如數據管理、算法平臺、分析平臺等。

在實際落地中，真正發揮 AI 的價值需要三步走。

第一步，數據在線。數據是一切決策的基礎，也是 AI 技術根本的物料，如果各業務環節數據都不在線，做出來的 AI 也只能是假 AI，是人的智能;

第二步，分析洞察。基于數據并利用各項 AI 技術來準確的定義問題，進行歸因，從而實現預測，產出商業洞察;

最后，閉環優化。讓 AI 得到的洞察結果能夠真的落到實際應用場景中，獲取持續不斷的反饋，才能真正發揮 AI 的價值。

營銷方面，如果將 AI 技術落在消費者營銷的 AIPL 四個階段中，每個階段都有 AI 技術能夠優化的場景。在認知階段，我們可以利用 AI 技術進行更精準的定向，提高 Reach，可以進行內容的自動化生成以提高互動率;在興趣階段，我們可以基于消費者行為提供更個性化的落地頁，更自動化的聊天互動;在購買階段，對外我們可以為消費者提供更好的產品組合推薦、敏捷高效的咨詢問答。對內我們可以進行 Leads 分級和智能的排班以提高效率;在忠誠階段，我們可為消費者提供更個性化的忠誠度計劃、全自動化的營銷，進行流失防御和流失挽回。

如果我們細看營銷中廣告投放這個領域，其實各環節所處的環境都有所不同，對 AI 技術的落地應該有先后的順序。經實踐，我們發現，最適用 AI 應用的無疑是投放環節。隨著廣告程序化交易比例的提升，基本全量數據都在，可比較方便的實現閉環的場景;其次是分析洞察。分析洞察的目的在于預測，所以我們認為 Planning 是接下來 AI 能夠發揮更多價值的場景。我們調研了一些媒介策劃執行人員，目前的現狀是 Planner 沒時間做 Planning，大量的時間耗費在走流程、收數據和處理基礎數據上了。而 AI 能夠幫助 Planner 優化現在繁瑣、冗長的流程，并在策略調優和預測方面提供全新的能力。在中國，領先的廣告主都已經把精力向 Planning 傾斜，嘗試實現真正基于算法、基于全量數據的最優媒介投放策略的出具。

投放端，以 nEqual 為例，nEqual Serving 已全面采用 AI 算法來做廣告投放策略。某日用品品牌客戶旗下有多條產品線，且不同產品的 TA 不同，對投放頻次的要求也不同。如何在流量不可精準預測和要保證推送比的情況下，最大化各品牌的 Reach ，同時避免資源浪費是一個難題。對此，nEqual 運用了強化學習和在線學習算法，并采用 HP 濾波器處理數據激增問題，實時地將流量分群、預測、執行，并能基于投放進度自動調整優先級策略，同時結合各方 DMP 數據，幫助品牌顯著提高了 3+ Reach，降低了 CPRP。

另外，隨著流量越來越貴和供給側的改革，品牌以消費者為中心的運營策略愈加重要。據統計，截止至2020年，運營 AI 技術至少能為企業減少 30% 的客服成本。若要做到真正以消費者為中心，則需要將資源、內容、時間、觸點四要素做到規模化的一對一。AI 技術能夠幫助品牌與消費者的溝通立體化和個性化。所謂立體化，即利用感知智能的各項技術，幫助我們更深入的識別和理解消費者行為，并能夠運用語音和視頻技術在原有觸點或新的觸點與消費者全新層次互動。

舉個例子，促銷預算最優分配上有幾個問題，一個是要考慮到匹配性，即給到最能被刺激消費的用戶，并且要考慮傳播性，即現在的裂變傳播，如何花最少的錢起到最大的傳播效果。同時給予的促銷金額應恰到好處，太多了浪費，太少了沒有激勵效果。nEqual 曾幫助某女裝品牌基于 AI 算法進行促銷用戶分群，并給予適合的精準促銷激勵。最終在控制成本和不降低消費者體驗的前提條件下，實現了活動轉化率和二次購買率均有一倍以上的提升。

任佩禹認為，企業目前過多地關注 AI 上層應用，而忽視了 AI 最重要的物料 – 數據。所有的應用離不開高質量的數據，但數據孤島、數據臟，且隨著數據源的增多，這些問題會更加嚴重。企業應該更關注數據本身，從數據處理、評估、清洗和應用各環節，全面應用 AI 技術，擴大數據來源，豐富數據類型，并預測新數據源所能帶來的提升效果，通過算法進行數據有效性的校驗，并解決缺失填充和數據一致性問題，從而使數據更加堅實可靠，讓 AI 的應用場景從描述洞察真正走向前瞻預測，最終實現自動優化。

在這個方面，nEqual 已經在虛假流量識別上有了全面的應用。目前，無效流量識別已經上升到算法層面，如何用更少量的樣本訓練出更可靠的模型是當前的重點，也正是 AI 的強項。nEqual 同時運用了有監督學習和無監督學習兩種方式結合的形式，分別解決單點異常處理效率和關聯風險識別問題，提高無效流量的識別率，幫助客戶減少浪費，提高投放 ROI。

最后，任佩禹說到：“無論 AI 還是 HI，能解決商業問題的才是好技術。”2018年，全球企業用于 AI 的支出預計超過60億美元，由此可見 AI 強大的科技力量已經滲透到市場運營與競爭。科技的進步與力量賦能了企業的商業競爭力，從根源上激活著更多創新的可能性，激發企業的潛力。nEqual 也將攜手眾多企業一起，用數據連接技術，為企業搭建和消費者直接溝通的和互動的橋梁，助力企業實現數字化轉型，讓企業與消費者做朋友成為可能。