攤牌了！AI+全渠道數字化經營將如何影響零售？

歡迎來到數云營銷學院。這里是2023年全渠道消費者運營直播公開課第二期。

本期關鍵詞：AI和數字化經營。

近期，GhatGPT很火，火到信息過載，但對個人而言，信息是否有效還要看相關性，比如我們更傾向思考：

·ChatGPT火爆出圈可能給數字化消費者運營系統帶來哪些影響？

·為什么說數字化經營適合AI技術落地？

·AI技術在數字化經營中的典型應用場景？

……

話題越熱，心就越要冷。冷眼看清眼前的這股熱潮和行業的關聯：影響幾何、適配性怎樣，然后才知道自己該干什么、能干什么。能想得踏實，做得才能踏實。

本周三晚7點半，直播間來了位新朋友李鵬，從數字化經營產品設計師的角度，由行業和產品出發，聊了聊他對這股AI 熱的理解。

首先，ChatGPT出現的意義之一，就是以眼見為實的方式讓大家達成一種共識，即AI會是未來的趨勢。

這種共識很難得，能降低AI技術落地應用進程中的市場教育成本，提高推進效率。

其實，AI在MarTech領域的應用早已有之，如門店人臉識別、商城的個性推薦系統、CDP中的用戶畫像、CRM中的NBA等，但都屬于判別式AI，和ChatGPT所屬的生成式AI是兩種技術。

生成式和判別式不存在孰優孰劣，兩者在數字化消費者運營系統中各有各的應用場景和價值，將共生、共存發展。這是我們認為的第二點影響。

第三點是ChatGPT的出現拓寬了產品設計思路。“基于規則”是當前產品設計人員在設計解決方案時的常用思路，而ChatGPT則提供了一條新路徑，即“基于模型”。路徑同樣無分優劣，抉擇需結合ROI綜合考量。

第四點影響主要針對數云等已具備PaaS層服務提供能力的廠商，ChatGPT等通用大模型將和垂直領域專業小模型將協同工作。因此，該類廠商需要考慮多來源模型服務的集成和編排能力。

第五點是在消費者數字化運營的路徑上將出現更豐富的智能應用增值場景。這些場景將沿著消費者成長路徑、在品牌和消費者的交互中不斷展開，也就是說，幾乎每一家廠商的數字化運營產品都值得AI Plus一遍。如前面提到的，生成式、判別式將各有各的應用場景和價值，百花齊放。

2016年，AlphaGo（阿爾法圍棋）也掀起過AI浪潮，后來沒了波瀾，但ChatGPT不同，它帶來了全人類的共識：AI會是未來的趨勢，一種確定性的趨勢。

以數字化經營領域為例，就已經適合AI技術落地，為什么這么說？我們從3個方面展開講。

首先，品牌企業數字化經營已具備了步入數據智能階段的資質。從發展路徑看，品牌及零售企業出于市場營銷或用戶精細化運營目的布局數字化經營，一般會經歷四個階段，分別是應用系統、數據集成、數據應用和數據智能。

這是一個從數字化運營到全渠道智能數字化運營、步步加碼的過程，即從最初采買或建設數字營銷應用產品（CRM、MA、BI），到跨渠道數據的集成和集中管理（CDP），再到用數據資產賦能應用層系統，如生成用戶標簽、客戶群圈選、用戶360畫像等。

而數據智能技術就是以品牌及零售企業的精細化用戶運營為基礎展開的。通過算法學習，將在前三個階段實際業務中積累起的大量數據提煉為“經驗”（模型），從而對各用戶運營場景進行智能預測，有時會達到甚至超過專業運營人員的決策水平。

其次，數字營銷行業已經具備適合智能技術落地的條件：經驗、數據化和價值空間。
AI的本質就是復制并優化人類經驗。而市場營銷和用戶運營領域存在大量的應用場景，積累有豐富的專業經驗。

又由于數字營銷本身是一個信息化程度較高的領域，這些基于過往操作所產生“人工預測”的“經驗和結果”，都以數據的形式沉淀于品牌企業的數據營銷系統中。每一次營銷活動的結果、用戶行為反饋、交易訂單達成又都是一次數據標注的動作。這些可量化的數據就是訓練AI的天然樣本。

在數字化經營領域落地AI技術，不僅已有的底子佳、適配性好，相關意愿也強烈。

對市場營銷而言，個性化意味著更好的用戶體驗，能產生可觀的價值收益，但規模化卻意味著更低的服務成本，能帶來更強的競爭力。

“規模化的低成本”和“個性化的好體驗”，這兩者本質上是沖突的，想要魚和熊掌兼得？答案一定不是靠人力，而是通過智能技術輔助實現“規模化的個性化”，這也是AI在數字化經營領域創造自身價值的潛在空間。

第三點，從基礎設施條件看，類比行業已有的經驗：從機房部署到企業上云，只有相關產業鏈逐漸成熟，企業應用成本不斷降低了，新技術的普及才有可能，AI技術落地也是同理。

眼下，數字化經營領域的產業鏈分層已基本形成：

首先基礎層，包括阿里云PAI、騰訊TI-ONE、百度BML、亞馬遜SageMaker、谷歌GCP等在內的數據科學工程化云設施，讓下游企業可以拿來主義，無需從0開始基于算力構建機器學習的硬件基礎，此外，還有Kubeflow、MLflow等開源MLOps工程框架可以借用。

基于基礎層之上的是模型層，既是指類似GPT、Llama這樣的通用大模型，也包括了不同領域的行業化、場景化的預訓練基礎模型，如人臉識別、個性化推薦等。下游的企業對此可以直接利用或二次調優，進一步降低企業落地AI技術的成本。

下一層智能產品層，該層包括數云在內的產品企業。在上述基礎設施的加持和數據深度運用的幫助下，利用垂直行業的經驗，提升自身的產品智能程度，為客戶提供開箱即用的服務。

最頂層就是場景應用層，該層與終端用戶最近，指各行各業的從業者，如數字化經營領域的品牌及零售企業等，使用智能產品來解決自身領域的場景問題，促進人工智能技術與具體場景的結合。

這就是在數字化經營領域已有的、自下而上的產業鏈分層：下游打基礎，上游借力并不斷落地更貼近終端用戶的應用和實踐，加之MLOps工程的不斷標準化，AI技術在數字化經營領域落地的各項成本正不斷降低，普及是可見的未來。

數云是中國消費者數字化運營科技公司，如前所述，處在AI 技術產業鏈的智能產品層，拳頭產品之一是數云麒麟CRM，致力于為品牌企業全渠道消費者運營過程賦能。

我們認為，AI技術是產品設計的新范式、解決問題的新思路，它像一把新錘子，鑿開未來更多可能性。借助AI技術，讓數云麒麟CRM產品更智慧地為品牌客戶全渠道消費者運營過程賦能，是我們持續關注并注力落地的事兒。

以下是近期數云麒麟做的一次小范圍的客戶調研，整理出6大需求點，分別是：

·我的客戶是怎樣的一個人，我如何能夠更了解？

·如何才能實現千人千面的個性化營銷旅程活動？

·如何能夠提前洞察到客戶接下來的行為？

·能否在開展營銷活動前就先拿到效果評估？

·我有一些新的策略玩法需快速落地驗證，能否在不依賴專業數據科學家和專業AI技術的前提下完成？

·如何讓品牌可以直接開箱即用智能技術？

我們認為，這些都是AI技術在數字化經營中大有可為的應用場景。包括：

1、客戶洞察

對于有一定運營時間且有一定用戶體量的品牌及零售企業而言，在自家CRM系統數據庫中，幾乎每位消費者都會沉淀下大量的信息，包含基礎信息、行為信息和消費信息等。

但有數據不等于了解消費者，而“了解”是個性化運營的基本前提。這個問題在當前各大互聯網平臺圍墻花園的背景和趨勢下尤顯嚴重。

難，但重要。我們認為，AI技術可以做的是，通過品牌及零售企業已有的部分用戶數據學習訓練出預測模型，對用戶行為進行預測，進而實現對用戶畫像的進一步洞察和信息補全，使營銷活動的開展有的放矢。

我們認為，AI技術能在企業中落地的一個重要前提是，實現AI與應用層產品的無縫集成，即AI以結果賦能應用層產品，應用層產品用實時數據反哺AI。

需要注意的是，用戶洞察模型不是一勞永逸的，而是要伴隨著品牌的經營，通過與經營過程中不斷產生的跨渠道交易新數據、行為采集新數據等形成數據閉環，來實現模型的自我迭代，這也是保障AI和實際業務的貼合性的重要因素。

2、個性化內容生成與推薦

“了解”是個性化運營的基本前提，這個“預測”既要具體到“一個人”的顆粒度，也要細化到“這個人”方方面面的偏好，既包括對商品的喜好，也包括觸達的時機、場景的選擇、展現的內容、提供的權益等。只有細化到每一個人、每一個場景的個性化，才能做到千人千面的個性化內容生成和推薦，這也是好體驗的題中之義。

這個靠人力難以企及的工作量，卻是AI的專長，即借助大語言模型的生成能力，針對具體的用戶運營場景生成個性化的運營內容，從而做到“規模化的個性化”。

這種針對具體場景、具體消費者、具體時機、具體場景的個性化營銷，集合了CDP、AI、MA三方功能，將是落地千人千面營銷的重要形式。

3、智能互動

目前通用語言模型的自然語言理解、對話過程管理、自然語言組織生成能力都已經非常強悍。語言模型作為一種“膠水”能力，與產品原有功能的結合，更好地服務一些應用場景。

如無需專業數據分析師介入的商業智能分析，銷售、咨詢、客服、社群運營等過程中的智能客服接待等。

4、智能副駕，生成策略運營方案

運營人員描述背景和目的，AI借由歷史方案和業務數據形成雛形方案，并在持續的人機交互過程中，不斷優化AI建議方案，最終輸出合適的策略方案。在這個過程中，AI相當于運營人員的智能副駕。

適用范圍有廣？大到大權益體系搭建、會員成長等級模型制定中，中到一個周期內的運營計劃組合，小到具體的一個營銷自動化旅程設計、一次優惠券發放方案，都能做。

5、經驗提煉，行業預訓練基礎模型

人才，包括大數據人才和運營人才。人才缺失的本質是解決問題相關方法論和經驗的缺失，而AI的核心邏輯就是從歷史數據中學習提煉出場景經驗并服務于場景。

所以，將垂直領域的方法論和數據“經驗”訓練為一個個領域場景模型，通過“經驗”模型為更多企業的數字營銷進行賦能，幫助其解決數字營銷過程中場景預測的現實問題。

6、智能平臺，零代碼智能工廠

人工智能本身是這幾年在國內新興的領域之一，國內的大部分傳統企業并沒有自己的專業數據科學團隊的。品牌企業要建立一個自己的機器學習團隊專業和成本的門檻非常高。

通過智能平臺，企業可以實現數據科學過程標準化、貼合企業業務個性化的多樣化模型服務集成管理，實現真正的“開箱即用”。

可以看見，調研中的6個需求都可以通過AI實現落地：將業務數據通過標準化算法提煉出成經驗，把經驗訓練成模型，讓模型輔助做決策，再用決策來提升運營效果，一氣呵成。

為什么數云麒麟要做AI技術相關落地的研究與設計？不僅因為我們相信AI是大勢所趨，也因為我們看見客戶有需求。

作為面向大中型企業的全渠道消費者運營系統，數云麒麟的客戶基本具備了步入智能營銷階段的條件，它們需要通過AI產品為其提供數據智能化應用層面的賦能。

但自建團隊貴，外包給第三方項目服務商風險又大。不僅需要有相關行業經驗支持，且由于開發周期長，后期需要隨業務不斷迭代，因此對服務商的行業理解度以及穩定性都有高要求。

數云麒麟能做些什么？

數云麒麟擁有數云在消費者運營領域深耕超過10年、服務品牌及零售企業超過7000家的行業經驗。

作為一個全渠道消費者運營系統，數云麒麟目前已涵蓋近乎整個全渠道消費者運營過程中的全鏈路場景，建立了消費者數據平臺CDP、全渠道會員管理平臺CRM、營銷自動化MA、觸達與客戶體驗平臺CEM，數據層、PaaS層、應用層完善的產品矩陣。

所以我們相信，數云麒麟遇見AI技術，能夠更智慧地為品牌及零售企業的全渠道消費者運營過程賦能。

數云麒麟可以怎么做？

1、提供零代碼開箱即用的智能平臺

基于大量行業know how的經驗沉淀，將全渠道消費者運營的不同場景標準化成一個個預置的場景算法方案。

當這些場景結合品牌及零售企業個性化的數據，就可以用于訓練最適合其自身業務情況的AI模型。麒麟支持數據在線，已訓練出來的模型可通過周期性的調度計劃，不斷更新訓練、評估和迭代，隨時保持與業務的緊密貼合。

整個過程中，包括數據集生成、模型訓練、訓練效果評估、模型服務發布、周期訓練迭代、模型服務監測等，將被封裝起來。對于品牌及零售企業而言，這將是個零代碼、開箱即用的產品，點點鼠標，根據產品向導一步步走，就能讓AI落地。

2、最大化AI技術的應用價值

數云麒麟自身的產品矩陣已然包含數據層、PaaS層，天然具備將AI和應用場景無縫集成的能力。

當AI與數云麒麟CRM和CDP中的各個應用，包括忠誠度、卡券、MA、營銷自動化、用戶畫像、BI等應用集成， AI技術也就能真正落地到品牌及零售企業業務的實際應用過程中。

同時，企業訓練好的智能模型除了開放給數云麒麟產品的集成使用外，還可以支持以服務AP形式透出，開放給企業其他系統使用。

最后的話

因為看見，所以相信。

我們看見，數字營銷行業有著適合AI技術落地的條件：大量“行業經驗數據化沉淀”的現實土壤，以及隨著產業鏈分層和MLOps工程標準化所帶來的漸趨完善的基礎設施。對用戶運營實現“規模化的個性化”服務這一價值訴求，將是行業推動AI技術落地的強動力。

我們也看見，AI技術在數字營銷領域的應用空間：用戶洞察、個性化內容生成和推薦、智能副駕……

所以我們相信，這股由ChatGPT掀起的AI熱潮將落地為熱浪，滾滾向前，前方有數字化經營的未來。

也相信借助AI技術，能讓數云麒麟產品更智慧地為品牌及零售企業的全渠道消費者運營過程賦能。

因為相信，所以看見。

有一天，我們會看見：在AI創造的零售未來中，營銷會更有價值。