Harvard Business Review：如何设计AI营销战略？

来源：Harvard Business Review，内容有所删改

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

原标题：《How to Design an AI Marketing Strategy？》

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

全文约3300字，阅读约需6分钟，好文值得慢慢品读。

在所有公司职能之中，市场营销或许是最能从人工智能（AI）技术中获益的领域。市场营销的核心工作包括洞察客户需求、将需求与相应的产品和服务进行匹配，以及说服消费者进行购买——而这些正是人工智能能够显著强化的能力所在。2018年麦肯锡（McKinsey）对400多个高级应用案例的分析就显示：市场营销是人工智能将创造最大价值的领域。

首席营销官（CMO）们正越来越多地接纳这项技术：美国营销协会（American Marketing Association）2019年8月的一项调查显示，在过去一年半的时间里，人工智能的实施率大幅跃升了27%。德勤（Deloitte）2020年对早期人工智能采用者的一项全球调查显示，在排名前五的人工智能目标中，有三个与市场营销紧密相关：一是提升现有产品和服务，二是创造新产品和服务，三是加强与客户的关系。

在未来几年里，AI将在市场营销职能中扮演越来越重要的角色，首席营销官们有必要了解当前可用的市场营销人工智能应用类型，以及它们可能的发展趋势。基于十多年来在数据分析、人工智能和市场营销领域的研究，以及为各行业公司提供相关咨询的经验，我们构建了一个框架来帮助首席营销官们对现有人工智能项目进行分类，并规划未来项目的推出。

但在详细阐述这个框架之前，让我们先了解一下当前的市场现状。

壹

当今的人工智能应用

如今，许多公司都在利用人工智能来处理一些特定的任务，比如数字广告投放（也称为“程序化购买”）；或者协助处理更广泛的任务，比如提高预测的准确性（如销售预测）；又或者在结构化任务中增强人力，比如客户服务。

很多公司在客户旅程的每个阶段运用了人工智能。当潜在客户处于“考虑”阶段并研究产品时，人工智能会针对他们投放广告，并可以引导他们进行搜索。例如，在线家具零售商Wayfair就利用人工智能来确定哪些客户最有可能被说服，并根据他们的浏览历史选择产品展示给他们。像Vee24这样的人工智能聊天机器人公司可以帮助营销人员了解客户需求，增加他们在搜索中的参与度，引导他们朝着期望的方向前进（比如特定的网页），并在需要时通过聊天、电话、视频甚至“协同浏览”（允许客服人员帮助客户导航共享屏幕）将他们连接到人工销售客服。

人工智能还可以通过使用极其详细的个人数据（包括实时地理位置数据）来创建高度个性化的产品或服务报价，从而简化销售流程。在客户旅程的后期，人工智能可以协助追加销售和交叉销售，并减少客户放弃数字购物车的可能性。例如，在客户填满购物车后，人工智能聊天机器人可以提供激励性的推荐来帮助促成交易——比如“很棒的购买！来自佛蒙特州的詹姆斯也买了同一张床垫。”这样的举措可以使转化率提高五倍或更多。

售后阶段，来自Amelia（前身为IPsoft）和Interactions等公司的人工智能服务代理可以全天候处理客户的请求，并且比人类客服更能应对服务请求量的波动。它们可以处理简单的查询，比如关于送货时间或预约安排的问题，并将更复杂的问题升级给人类客服。在某些情况下，人工智能会通过分析客户的语气并提出差异化回应来协助人类客服，指导客服如何最好地满足客户需求，或建议主管进行干预。

贰

框架概述

市场营销相关的AI可以从两个维度进行分类：智能水平（类型）和是独立应用还是集成到更广泛的平台中。不过一些AI技术应用（如聊天机器人或推荐引擎）可以归入任何一类；企业在特定情境中如何应用它们决定了其分类。

让我们先看看两种智能类型。

1.任务自动化

这些应用执行的是重复性的、结构化的任务，需要相对较低的智能水平。它们被设计为根据给定输入遵循一组规则或执行预定的操作序列，但无法处理复杂问题，如微妙的客户需求。

一个例子是自动向每位新客户发送欢迎邮件的系统，更简单的聊天机器人(如Facebook Messenger和其他社交媒体提供商提供的聊天机器人)也属于这一类。它们可以在基本交互中为客户提供一些帮助，引导客户沿着预定义的决策树前进，但无法识别客户的意图、提供定制化的回应，或从交互中学习。

2.机器学习

这些算法使用大量数据进行训练，以做出相对复杂的预测和决策。这样的模型可以识别图像、解读文本、细分客户，并预测客户对各种举措（如促销活动）的反应。机器学习已经推动了在线广告中的程序化购买、电子商务推荐引擎以及客户关系管理（CRM）系统中的销售倾向模型。

它和其更复杂的变体——深度学习，是人工智能中最热门的技术，并迅速成为市场营销中的强大工具。需要说明的是，现有的机器学习应用仍然只能执行狭窄的任务，并且需要使用大量数据进行训练。

现在让我们从独立应用与集成应用的角度进行分析归类。

1.独立应用

这些应用最好被理解为明确划分或孤立的人工智能程序。它们与客户了解、购买或获取公司产品支持的主要渠道，或员工用于营销、销售或服务这些产品的渠道是分开的。简而言之，客户或员工需要超出这些渠道的范围，专门去使用AI应用。

以涂料公司Behr开发的色彩发现应用为例。该应用利用IBM Watson的自然语言处理和语调分析器功能（检测文本中的情绪），根据消费者期望为空间营造的氛围，提供几种个性化的Behr涂料颜色推荐。客户使用该应用为打算粉刷的房间挑选两到三种颜色。实际的涂料销售在应用之外进行，尽管它允许通过Home Depot进行订购。

2.集成应用

这些人工智能应用嵌入到现有系统中，对于使用它们的客户、营销人员和销售人员来说，通常不如独立应用那么显眼。例如，用于在瞬间决定向用户展示哪些数字广告的机器学习技术，就内置于处理整个广告购买和投放过程的平台中。Netflix的集成机器学习已经为客户提供视频推荐十多年了；其推荐内容只是出现在观众访问网站时看到的菜单中。如果推荐引擎是独立的，用户就需要去一个专门的应用请求建议。

客户关系管理（CRM）系统的制造商越来越多地将机器学习功能集成到他们的产品中。在Salesforce，Sales Cloud Einstein套件具有多项功能，包括一个基于人工智能的潜在客户评分系统，可以自动根据购买可能性对B2B客户潜在客户进行排名。像Cogito这样销售人工智能教练呼叫中心销售人员的供应商，也将他们的应用与Salesforce的CRM系统集成。

将两种智能类型和两种结构类型结合起来，就得到了我们框架的四个象限：独立机器学习应用、集成机器学习应用、独立任务自动化应用和集成任务自动化应用。

了解应用属于哪个象限，可以帮助营销人员规划和安排新用途的引入顺序。

叁

营销AI应用需循序渐进

我们认为，营销人员最终将通过追求集成机器学习应用获得最大价值，尽管简单的基于规则的任务自动化系统可以增强高度结构化的流程，并提供合理的商业回报潜力。然而，需要注意的是，如今任务自动化越来越多地与机器学习相结合——从消息中提取关键数据、做出更复杂的决策、个性化通信——这种混合体跨越了多个象限。

在集成困难或不可能的情况下，独立应用仍然有其用武之地，尽管它们的益处有限。因此，我们建议营销人员随着时间的推移，逐步将人工智能集成到现有的市场营销系统中，而不是继续使用独立应用。事实上，许多公司正在朝着这个总体方向发展；在2020年德勤的调查中，74%的全球人工智能高管同意“人工智能将在三年内集成到所有企业应用中”。

对于人工智能经验有限的公司来说，一个好的开始方法是构建或购买简单的基于规则的应用。许多公司采用“爬行-行走-奔跑”的方法，从独立的、非面向客户的任务自动化应用开始，比如指导与人类客户交互的服务客服的应用。

一旦公司获得了基本的人工智能技能并积累了大量的客户和市场数据，他们就可以开始从任务自动化转向机器学习。Stitch Fix的服装选择人工智能就是一个很好的例子，它帮助造型师为客户策划推荐，基于客户的自我报告风格偏好、他们保留和退回的物品以及他们的反馈。当公司开始要求客户在Style Shuffle照片中进行选择时，这些模型变得更加有效，从而创造了一个有价值的新数据来源。

营销人员应该不断寻找新的数据来源，如内部交易、外部供应商，甚至潜在的收购目标，因为大多数人工智能应用，特别是机器学习，需要大量的高质量数据。以包机公司XO使用的基于机器学习的定价模型为例，该模型使其息税折旧摊销前利润（EBITDA）提高了5%：关键在于利用外部来源获取私人飞机供应数据以及影响需求的因素，如重大事件、宏观经济、季节性活动和天气。XO使用的数据是公开可用的，但寻求专有来源也是一个好主意，因为使用公共数据的模型可能会被竞争对手复制。

随着公司在市场营销人工智能的使用上变得更加成熟，许多公司会完全自动化某些类型的决策，将人类完全排除在决策环之外。对于需要瞬间做出重复性高速决策的情况，如程序化广告购买（数字广告几乎即时展示给用户），这种方法是必不可少的。在其他领域，人工智能可能只向面临选择的人提出建议——例如，向消费者推荐电影或向营销高管推荐策略。人类决策通常保留给最关键的问题，比如是否继续开展活动或批准昂贵的电视广告。

公司应尽可能向更自动化的决策迈进。我们相信，这将是市场营销人工智能带来最大回报的地方。

肆

挑战与风险

即使实施最简单的人工智能应用也可能遇到困难。

独立任务自动化人工智能尽管技术复杂性较低，但仍然可能难以针对特定工作流程进行配置，并且需要公司获得合适的人工智能技能。将任何类型的人工智能引入工作流程都需要仔细整合人类和机器的任务，以便人工智能能够增强人类的能力，而不是以创造问题的方式部署。例如，虽然许多组织使用基于规则的聊天机器人来自动化客户服务，但能力较弱的聊天机器人可能会惹恼客户。让这样的聊天机器人协助人类客服或顾问，而不是直接与客户交互，可能更好。

随着公司采用更复杂和集成的应用，还会出现其他考虑因素。特别是将人工智能集成到第三方平台中可能会很棘手。宝洁公司的Olay皮肤顾问就是一个例子，它使用深度学习分析客户拍摄的自拍照，评估他们的年龄和皮肤类型，并推荐合适的产品。它集成到电子商务和忠诚度平台Olay.com中，并在一些地区提高了转化率、降低了跳出率并增加了平均购物车规模。然而，将其与占Olay销售额很大比例的零售商店和亚马逊集成却更加困难。皮肤顾问在Olay在亚马逊上的广泛商店站点上不可用，这阻碍了该品牌在这些地方提供无缝、人工智能辅助的客户体验的能力。

最后，公司必须始终将客户的利益放在首位。人工智能应用越智能、越集成，客户对隐私、安全和数据所有权的担忧就可能越多。客户可能对未经同意就捕捉和共享位置数据的应用，或对可能窃听他们的智能音箱感到不安。一般来说，消费者表现出愿意（甚至渴望）用一些个人数据和隐私来换取创新应用提供的价值。与对Alexa等人工智能应用的担忧相比，人们似乎更欣赏它们带来的好处。

因此，营销人员在扩展人工智能的智能和覆盖范围时，关键是要确保其隐私和安全控制是透明的，客户对数据的收集和使用方式有一定的发言权，并且他们从公司那里获得公平的价值。为了保证这些保护和维持客户的信任，首席营销官应该建立伦理和隐私审查委员会——成员包括营销和法律专家——来审查人工智能项目，特别是那些涉及客户数据或可能产生偏见的算法的项目，如信用评分。

结语：

尽管市场营销人工智能前景广阔，但我们敦促首席营销官对其当前能力保持现实态度。尽管炒作不断，但人工智能仍然只能完成狭窄的任务，无法运行整个市场营销职能或流程。尽管如此，它已经在为营销人员提供实质性的好处——事实上，在某些市场营销活动中是必不可少的——而且其能力正在迅速增长。

我们相信，人工智能最终将改变市场营销，但这是一个需要几十年的旅程。市场营销职能和支持它的组织，特别是信息技术部门，将需要长期关注人工智能能力的建设并应对任何潜在风险。我们在此也敦促营销人员从现在开始制定战略，以利用人工智能的当前功能及其未来可能的发展。

THE END.

来源： Harvard Business Review，内容有所删改，如涉侵权请联系删除。

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

原标题：《How to Design an AI Marketing Strategy？》

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

其他精彩文章，值得你认真一看

赞赏不必了，和♥️就是极好的