首页 > IT业界 > 正文

营销生产力大爆发,大模型解锁营销创新之路

2023-06-28 15:14:36  来源:

摘要:营销生产力大爆发,大模型解锁营销创新之路
关键词: 大模型

营销生产力大爆发,大模型解锁营销创在不久前举办的2023中关村论坛上,发布了《中国人工智能大模型地图研究报告》,报告显示截止至5月底,国内参数在10亿规模以上的大模型已发布79个。这些大模型可以生成自然、流畅的语言,实现智能问答、文本摘要、自动翻译等任务,广泛应用于搜索引擎、语音识别、智能客服等场景。随着大模型的应用的发展,人们的日常工作、生活方式也将逐渐改变。而营销依托于互联网产业的大发展,具有迭代快、创新向、数据多等特点,成为大模型的最佳实践场。

大模型让品牌市场的进入更具针对性

当涉及到更为垂直和专业的领域,通用大模型能够给到使用者的专业知识明显不足了。这时就需要在专业领域沉淀足够久的企业发挥作用。以明略科技为例,明略深耕营销领域 17 年,积累了大量美妆、3c、大健康、汽车等领域的营销数据,拥有庞大的营销知识图谱,能够填补通用大模型在营销领域的数据空白,挖掘互联网营销趋势和热点,形成更有针对性、更垂直化的应用场景。

通过明略科技的知识图谱,我们发现牛油果和酸奶都是当下品类中增长热点,基于这样的数据洞察,我们可以建议品牌主去做一些牛油果酸奶的新品研发,有了概念后,我们还能够利用生成式AI去做营销短文以及品牌宣传图和包装图等等,以及输入一些简单的词,例如成分、功效等等,就能利用大模型在几秒钟内生成海量的短视频脚本,再配合语音合成技术,极大缩短了短视频创作周期,营销生产力大大提升,加速产品创新的研究。

直播和客服,交给有温度的人工智能

直播主播需要花费大量的时间和精力来准备直播内容,同时也需要具备一定的主持能力和演讲技巧。为了解决这些问题,数字人直播应运而生。数字人直播的优势不仅仅在于减少主播的准备时间和精力,还在于其可以实现更加智能的直播。数字人直播可以通过人工智能技术实现语音识别、图像识别、自然语言处理等功能,从而让直播更加智能化。比如,数字人直播可以根据观众的兴趣和喜好推荐相应的直播内容,还可以根据观众的反馈调整直播内容,从而实现更加个性化的直播。

在智能客服应用上,大模型让智能客服拥有更高效且流畅自然的对话处理能力,可以更准确地理解用户的意图和提供更恰当的回答,从而提升对话处理的效率,增强用户的参与感和满意度。而大模型更高的可扩展性和适应性,可以让智能客服更好地应对新兴问题和场景。

提供有价值的洞察和预测

在互联网公开数据中,海量的消费者声音掩盖了关键信息的提取。在舆论报告分析中,以往的传统做法是基于营销数据做出一些图表和数据,客户自主研判词云图中高频词出现的原因可能是什么。但如果借用大模型去做舆情报告,就可以自动标注图中值得关注之处,以及总结原因,相当于增加了一位助手去帮人看图表。不过,让大模型去运行网络端上亿文本量级的数据是不太现实的,那么就可以采用大小模型相结合的方式去实现。先用相对较小的模型把报告读完,提取出关键信息,再结合大模型的能力去做无监督的聚合和分析,把报告非常有逻辑地呈现出来。

挑战并存,企业要如何拥抱大模型?

可以预见,大模型融入企业级应用的发展方向已经势不可挡,在这样的情况下,企业要积极拥抱变化,逐浪前行,才不会被变革的洪流吞噬。而逐浪前行的重要条件之一,就是保持自身竞争力,因此,在大模型时代,数据的重要性更加凸显。

数据是训练大模型的基础,大模型需要海量、多样、高质量的数据进行训练,以提升其语言理解和生成能力。只有充分的数据支持,才能让大模型学习到更准确、更全面、更有代表性的知识,从而提升其性能。而漫天无差别的“饲料”让通用大模型的结果并不具备专业性,企业要想输出更具竞争力的内容则需依赖自身积累的数据,可以是知识库,也可以是标签,甚至是积累的关键词,拥有着一方数据才能对模型进行增强和优化。

但是,如果将数据喂养给通用大模型,这意味着企业将亲手拆除自身的商业护城河,导致行业知识成为公共知识,独有数据成为共享数据,企业最终可能会被模型吞噬。在这样的情况下,私有化部署能够解决这种问题,部署到本地后,企业不但能够利用好自身数据,同样也会保护企业数据隐私,在连接内部资源的同时也能享受到大模型的效果增益。

从市场准入,到品牌投放,再到报告分析,大模型将有机会深度参与进营销的全链路,这也意味着,营销全链路将有机会重做一遍。通用大模型因知识的缺失在垂直领域有壁垒,这种情况下,明略科技借助庞大的营销数据和知识库进行模型增强,用插拔大小模型的方式进一步提升产出效果。


第三十八届CIO班招生
国际CIO认证培训
首席数据官(CDO)认证培训
责编:baxuedong

免责声明:本网站(http://www.ciotimes.com/)内容主要来自原创、合作媒体供稿和第三方投稿,凡在本网站出现的信息,均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性,但不保证有关资料的准确性及可靠性,读者在使用前请进一步核实,并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏,概不负任何法律责任。
本网站刊载的所有内容(包括但不仅限文字、图片、LOGO、音频、视频、软件、程序等)版权归原作者所有。任何单位或个人认为本网站中的内容可能涉嫌侵犯其知识产权或存在不实内容时,请及时通知本站,予以删除。