來源：Harvard Business Review，內容有所刪改

原作者：Thomas H. Davenport, Abhijit Guha and Dhruv Grewal

原標題：《How to Design an AI Marketing Strategy？》

原文鏈接：https://hbr.org/2021/07/how-to-design-an-ai-marketing-strategy

全文約3300字，閱讀約需6分鐘，好文值得慢慢品讀。

在所有公司職能之中，市場營銷或許是最能從人工智能（AI）技術中獲益的領域。市場營銷的核心工作包括洞察客戶需求、將需求與相應的產品和服務進行匹配，以及說服消費者進行購買——而這些正是人工智能能夠顯著強化的能力所在。2018年麥肯錫（McKinsey）對400多個高級應用案例的分析就顯示：市場營銷是人工智能將創造最大價值的領域。

首席營銷官（CMO）們正越來越多地接納這項技術：美國營銷協會（American Marketing Association）2019年8月的一項調查顯示，在過去一年半的時間里，人工智能的實施率大幅躍升了27%。德勤（Deloitte）2020年對早期人工智能采用者的一項全球調查顯示，在排名前五的人工智能目標中，有三個與市場營銷緊密相關：一是提升現有產品和服務，二是創造新產品和服務，三是加強與客戶的關系。

在未來幾年里，AI將在市場營銷職能中扮演越來越重要的角色，首席營銷官們有必要了解當前可用的市場營銷人工智能應用類型，以及它們可能的發展趨勢。基于十多年來在數據分析、人工智能和市場營銷領域的研究，以及為各行業公司提供相關咨詢的經驗，我們構建了一個框架來幫助首席營銷官們對現有人工智能項目進行分類，并規劃未來項目的推出。

但在詳細闡述這個框架之前，讓我們先了解一下當前的市場現狀。

壹

當今的人工智能應用

如今，許多公司都在利用人工智能來處理一些特定的任務，比如數字廣告投放（也稱為“程序化購買”）；或者協助處理更廣泛的任務，比如提高預測的準確性（如銷售預測）；又或者在結構化任務中增強人力，比如客戶服務。

很多公司在客戶旅程的每個階段運用了人工智能。當潛在客戶處于“考慮”階段并研究產品時，人工智能會針對他們投放廣告，并可以引導他們進行搜索。例如，在線家具零售商Wayfair就利用人工智能來確定哪些客戶最有可能被說服，并根據他們的瀏覽歷史選擇產品展示給他們。像Vee24這樣的人工智能聊天機器人公司可以幫助營銷人員了解客戶需求，增加他們在搜索中的參與度，引導他們朝著期望的方向前進（比如特定的網頁），并在需要時通過聊天、電話、視頻甚至“協同瀏覽”（允許客服人員幫助客戶導航共享屏幕）將他們連接到人工銷售客服。

人工智能還可以通過使用極其詳細的個人數據（包括實時地理位置數據）來創建高度個性化的產品或服務報價，從而簡化銷售流程。在客戶旅程的后期，人工智能可以協助追加銷售和交叉銷售，并減少客戶放棄數字購物車的可能性。例如，在客戶填滿購物車后，人工智能聊天機器人可以提供激勵性的推薦來幫助促成交易——比如“很棒的購買！來自佛蒙特州的詹姆斯也買了同一張床墊。”這樣的舉措可以使轉化率提高五倍或更多。

售后階段，來自Amelia（前身為IPsoft）和Interactions等公司的人工智能服務代理可以全天候處理客戶的請求，并且比人類客服更能應對服務請求量的波動。它們可以處理簡單的查詢，比如關于送貨時間或預約安排的問題，并將更復雜的問題升級給人類客服。在某些情況下，人工智能會通過分析客戶的語氣并提出差異化回應來協助人類客服，指導客服如何最好地滿足客戶需求，或建議主管進行干預。

貳

框架概述

市場營銷相關的AI可以從兩個維度進行分類：智能水平（類型）和是獨立應用還是集成到更廣泛的平臺中。不過一些AI技術應用（如聊天機器人或推薦引擎）可以歸入任何一類；企業在特定情境中如何應用它們決定了其分類。

讓我們先看看兩種智能類型。

1.任務自動化

這些應用執行的是重復性的、結構化的任務，需要相對較低的智能水平。它們被設計為根據給定輸入遵循一組規則或執行預定的操作序列，但無法處理復雜問題，如微妙的客戶需求。

一個例子是自動向每位新客戶發送歡迎郵件的系統，更簡單的聊天機器人(如Facebook Messenger和其他社交媒體提供商提供的聊天機器人)也屬于這一類。它們可以在基本交互中為客戶提供一些幫助，引導客戶沿著預定義的決策樹前進，但無法識別客戶的意圖、提供定制化的回應，或從交互中學習。

2.機器學習

這些算法使用大量數據進行訓練，以做出相對復雜的預測和決策。這樣的模型可以識別圖像、解讀文本、細分客戶，并預測客戶對各種舉措（如促銷活動）的反應。機器學習已經推動了在線廣告中的程序化購買、電子商務推薦引擎以及客戶關系管理（CRM）系統中的銷售傾向模型。

它和其更復雜的變體——深度學習，是人工智能中最熱門的技術，并迅速成為市場營銷中的強大工具。需要說明的是，現有的機器學習應用仍然只能執行狹窄的任務，并且需要使用大量數據進行訓練。

現在讓我們從獨立應用與集成應用的角度進行分析歸類。

1.獨立應用

這些應用最好被理解為明確劃分或孤立的人工智能程序。它們與客戶了解、購買或獲取公司產品支持的主要渠道，或員工用于營銷、銷售或服務這些產品的渠道是分開的。簡而言之，客戶或員工需要超出這些渠道的范圍，專門去使用AI應用。

以涂料公司Behr開發的色彩發現應用為例。該應用利用IBM Watson的自然語言處理和語調分析器功能（檢測文本中的情緒），根據消費者期望為空間營造的氛圍，提供幾種個性化的Behr涂料顏色推薦。客戶使用該應用為打算粉刷的房間挑選兩到三種顏色。實際的涂料銷售在應用之外進行，盡管它允許通過Home Depot進行訂購。

2.集成應用

這些人工智能應用嵌入到現有系統中，對于使用它們的客戶、營銷人員和銷售人員來說，通常不如獨立應用那么顯眼。例如，用于在瞬間決定向用戶展示哪些數字廣告的機器學習技術，就內置于處理整個廣告購買和投放過程的平臺中。Netflix的集成機器學習已經為客戶提供視頻推薦十多年了；其推薦內容只是出現在觀眾訪問網站時看到的菜單中。如果推薦引擎是獨立的，用戶就需要去一個專門的應用請求建議。

客戶關系管理（CRM）系統的制造商越來越多地將機器學習功能集成到他們的產品中。在Salesforce，Sales Cloud Einstein套件具有多項功能，包括一個基于人工智能的潛在客戶評分系統，可以自動根據購買可能性對B2B客戶潛在客戶進行排名。像Cogito這樣銷售人工智能教練呼叫中心銷售人員的供應商，也將他們的應用與Salesforce的CRM系統集成。

將兩種智能類型和兩種結構類型結合起來，就得到了我們框架的四個象限：獨立機器學習應用、集成機器學習應用、獨立任務自動化應用和集成任務自動化應用。

了解應用屬于哪個象限，可以幫助營銷人員規劃和安排新用途的引入順序。

叁

營銷AI應用需循序漸進

我們認為，營銷人員最終將通過追求集成機器學習應用獲得最大價值，盡管簡單的基于規則的任務自動化系統可以增強高度結構化的流程，并提供合理的商業回報潛力。然而，需要注意的是，如今任務自動化越來越多地與機器學習相結合——從消息中提取關鍵數據、做出更復雜的決策、個性化通信——這種混合體跨越了多個象限。

在集成困難或不可能的情況下，獨立應用仍然有其用武之地，盡管它們的益處有限。因此，我們建議營銷人員隨著時間的推移，逐步將人工智能集成到現有的市場營銷系統中，而不是繼續使用獨立應用。事實上，許多公司正在朝著這個總體方向發展；在2020年德勤的調查中，74%的全球人工智能高管同意“人工智能將在三年內集成到所有企業應用中”。

對于人工智能經驗有限的公司來說，一個好的開始方法是構建或購買簡單的基于規則的應用。許多公司采用“爬行-行走-奔跑”的方法，從獨立的、非面向客戶的任務自動化應用開始，比如指導與人類客戶交互的服務客服的應用。

一旦公司獲得了基本的人工智能技能并積累了大量的客戶和市場數據，他們就可以開始從任務自動化轉向機器學習。Stitch Fix的服裝選擇人工智能就是一個很好的例子，它幫助造型師為客戶策劃推薦，基于客戶的自我報告風格偏好、他們保留和退回的物品以及他們的反饋。當公司開始要求客戶在Style Shuffle照片中進行選擇時，這些模型變得更加有效，從而創造了一個有價值的新數據來源。

營銷人員應該不斷尋找新的數據來源，如內部交易、外部供應商，甚至潛在的收購目標，因為大多數人工智能應用，特別是機器學習，需要大量的高質量數據。以包機公司XO使用的基于機器學習的定價模型為例，該模型使其息稅折舊攤銷前利潤（EBITDA）提高了5%：關鍵在于利用外部來源獲取私人飛機供應數據以及影響需求的因素，如重大事件、宏觀經濟、季節性活動和天氣。XO使用的數據是公開可用的，但尋求專有來源也是一個好主意，因為使用公共數據的模型可能會被競爭對手復制。

隨著公司在市場營銷人工智能的使用上變得更加成熟，許多公司會完全自動化某些類型的決策，將人類完全排除在決策環之外。對于需要瞬間做出重復性高速決策的情況，如程序化廣告購買（數字廣告幾乎即時展示給用戶），這種方法是必不可少的。在其他領域，人工智能可能只向面臨選擇的人提出建議——例如，向消費者推薦電影或向營銷高管推薦策略。人類決策通常保留給最關鍵的問題，比如是否繼續開展活動或批準昂貴的電視廣告。

公司應盡可能向更自動化的決策邁進。我們相信，這將是市場營銷人工智能帶來最大回報的地方。

肆

挑戰與風險

即使實施最簡單的人工智能應用也可能遇到困難。

獨立任務自動化人工智能盡管技術復雜性較低，但仍然可能難以針對特定工作流程進行配置，并且需要公司獲得合適的人工智能技能。將任何類型的人工智能引入工作流程都需要仔細整合人類和機器的任務，以便人工智能能夠增強人類的能力，而不是以創造問題的方式部署。例如，雖然許多組織使用基于規則的聊天機器人來自動化客戶服務，但能力較弱的聊天機器人可能會惹惱客戶。讓這樣的聊天機器人協助人類客服或顧問，而不是直接與客戶交互，可能更好。

隨著公司采用更復雜和集成的應用，還會出現其他考慮因素。特別是將人工智能集成到第三方平臺中可能會很棘手。寶潔公司的Olay皮膚顧問就是一個例子，它使用深度學習分析客戶拍攝的自拍照，評估他們的年齡和皮膚類型，并推薦合適的產品。它集成到電子商務和忠誠度平臺Olay.com中，并在一些地區提高了轉化率、降低了跳出率并增加了平均購物車規模。然而，將其與占Olay銷售額很大比例的零售商店和亞馬遜集成卻更加困難。皮膚顧問在Olay在亞馬遜上的廣泛商店站點上不可用，這阻礙了該品牌在這些地方提供無縫、人工智能輔助的客戶體驗的能力。

最后，公司必須始終將客戶的利益放在首位。人工智能應用越智能、越集成，客戶對隱私、安全和數據所有權的擔憂就可能越多。客戶可能對未經同意就捕捉和共享位置數據的應用，或對可能竊聽他們的智能音箱感到不安。一般來說，消費者表現出愿意（甚至渴望）用一些個人數據和隱私來換取創新應用提供的價值。與對Alexa等人工智能應用的擔憂相比，人們似乎更欣賞它們帶來的好處。

因此，營銷人員在擴展人工智能的智能和覆蓋范圍時，關鍵是要確保其隱私和安全控制是透明的，客戶對數據的收集和使用方式有一定的發言權，并且他們從公司那里獲得公平的價值。為了保證這些保護和維持客戶的信任，首席營銷官應該建立倫理和隱私審查委員會——成員包括營銷和法律專家——來審查人工智能項目，特別是那些涉及客戶數據或可能產生偏見的算法的項目，如信用評分。

結語：

盡管市場營銷人工智能前景廣闊，但我們敦促首席營銷官對其當前能力保持現實態度。盡管炒作不斷，但人工智能仍然只能完成狹窄的任務，無法運行整個市場營銷職能或流程。盡管如此，它已經在為營銷人員提供實質性的好處——事實上，在某些市場營銷活動中是必不可少的——而且其能力正在迅速增長。

我們相信，人工智能最終將改變市場營銷，但這是一個需要幾十年的旅程。市場營銷職能和支持它的組織，特別是信息技術部門，將需要長期關注人工智能能力的建設并應對任何潛在風險。我們在此也敦促營銷人員從現在開始制定戰略，以利用人工智能的當前功能及其未來可能的發展。

THE END.

來源： Harvard Business Review，內容有所刪改，如涉侵權請聯系刪除。

原作者：Thomas H. Davenport, Abhijit Guha and Dhruv Grewal

原標題：《How to Design an AI Marketing Strategy？》

原文鏈接：https://hbr.org/2021/07/how-to-design-an-ai-marketing-strategy

其他精彩文章，值得你認真一看

贊賞不必了，和??就是極好的