編者按 ：2023年11月15日，由秒針營銷科學(xué)院發(fā)起，明略科技集團(tuán)及旗下秒針系統(tǒng)承辦，以“‘大’有可為”為主題的2023第七屆營銷科學(xué)大會(huì)，于上海安莎國際會(huì)議中心圓滿落幕。大會(huì)匯集了40多位營銷科學(xué)的實(shí)踐者，共同為超過1000+位現(xiàn)場參與者和過百萬在線觀看人次，帶來了一場對未來營銷科技的深度探討。
在本次大會(huì)中，營銷科學(xué)實(shí)踐者的精彩分享讓我們洞察到了未來營銷的無限可能：中國“大”市場有可為、出海、破圈… 新品類、新品牌層出不窮；“大”需求有可為，消費(fèi)升級(jí)與消費(fèi)分級(jí)并重，高性價(jià)比品牌、高附加值品牌并駕齊驅(qū)；“大”模型，有可為，我們正處于一場深刻技術(shù)變革浪潮的開端，AI將有望在各個(gè)領(lǐng)域提升生產(chǎn)力效率。這不僅為品牌帶來營銷效率，也將為整個(gè)生態(tài)帶來新生；營銷“大”生態(tài)有可為，雖然當(dāng)前行業(yè)挑戰(zhàn)很大，在更深刻的層面思考，在產(chǎn)品、生意模式的源頭去創(chuàng)新破局，聯(lián)動(dòng)更廣泛的伙伴，巨大生態(tài)繁榮發(fā)展，共建美好品牌；最后，數(shù)據(jù)安全、隱私保護(hù)，一切以消費(fèi)者為中心，“大”責(zé)任，更有可為。
明略科技創(chuàng)始人、董事長兼首席執(zhí)行官吳明輝，在2023“大”有可為第七屆營銷科學(xué)大會(huì)上發(fā)表了主題為《大模型時(shí)代的營銷智能：數(shù)據(jù)、知識(shí)、與人的全新組合》的演講，深入淺出地探討了大模型時(shí)代營銷數(shù)據(jù)的價(jià)值，及企業(yè)實(shí)現(xiàn)差異化的關(guān)鍵要素。
以下為明略科技企業(yè)級(jí)一站式大模型Co-pilot“小明助理”，輔助編輯整理的演講全文，希望為您帶來更多啟示和靈感。
其他精彩內(nèi)容，將在后續(xù)文章中呈現(xiàn)，盡請期待。
生成式人工智能是一個(gè)更廣闊的課題 Generative AI > AIGC 我相信，2023年將成為科技史上的一個(gè)重要里程碑。我們每個(gè)人都深刻地感受到，今年是人類歷史上的一個(gè)重要年份。ChatGPT引領(lǐng)了大模型技術(shù)的發(fā)展，讓我們重新審視未來的工作和生活規(guī)劃。同樣對營銷科學(xué)產(chǎn)生了深遠(yuǎn)的影響，為我們開啟了一種全新的、以數(shù)據(jù)和生成式AI為驅(qū)動(dòng)的營銷模式變革。
我于2000年在北大讀數(shù)學(xué)，2004年研究生轉(zhuǎn)向計(jì)算機(jī)系，專門研究人工智能。在北大期間，我的碩士論文寫的就是語言模型，當(dāng)時(shí)還沒有使用”大模型”這個(gè)詞，只有語言模型的概念。然后在2019年，我返回北大，繼續(xù)攻讀我的博士學(xué)位，發(fā)現(xiàn)我之前學(xué)習(xí)的一些內(nèi)容已經(jīng)不再適用，被視為上一個(gè)時(shí)代的技術(shù)。
在過去的半年里，人工智能的發(fā)展主要集中在內(nèi)容生成的領(lǐng)域。各大商業(yè)公司都在不斷地迭代并發(fā)布他們的模型，特別是在多模態(tài)領(lǐng)域，迭代的速度更是快速。全球最杰出的一群人每天都在努力推動(dòng)這項(xiàng)技術(shù)的發(fā)展。然而，這也引起了許多營銷科學(xué)工作者的憂慮，他們擔(dān)心強(qiáng)大的人工智能可能會(huì)威脅到他們的工作機(jī)會(huì)，廣告公司也因此感到不安。
作為一個(gè)學(xué)習(xí)人工智能的人，我仍然堅(jiān)定地相信自己的價(jià)值。舍我其誰呢？當(dāng)然，我也清醒地意識(shí)到，在大模型的基礎(chǔ)技術(shù)上，中國實(shí)際上稍微落后于美國，這項(xiàng)技術(shù)依然是硅谷的原創(chuàng)。
今年8月，我去了趟美國，停留了超過兩周的時(shí)間。在這期間，我首先拜訪了皮克斯公司，這是迪士尼的全資子公司，也是全球第一個(gè)全面使用計(jì)算機(jī)生成動(dòng)畫片的公司，堪稱內(nèi)容生成領(lǐng)域的領(lǐng)導(dǎo)者。
我懷著滿心的期待來到他們公司，然而在我約見他們的導(dǎo)演組負(fù)責(zé)人時(shí)，他告訴我他們公司實(shí)行了一項(xiàng)明確的AI保護(hù)措施：人工智能不能用于編寫或者修改文學(xué)材料，而且AI生成的材料也不會(huì)被視作MBA（基礎(chǔ)協(xié)議）下的原創(chuàng)作品。我聽后感到非常意外。
他解釋說，現(xiàn)在好萊塢正在經(jīng)歷罷工，演員和制片人都認(rèn)為大模型將會(huì)顛覆我們的行業(yè)，因此編劇們拒絕“為AI打工”。他們希望只將ChatGPT等生成型人工智能作為一個(gè)輔助研究或者促進(jìn)腳本創(chuàng)意的工具，而不是用來替代他們的工具。
更大的問題在于，像皮克斯這樣以IP知識(shí)產(chǎn)權(quán)為核心盈利模式的公司，如今面臨著一個(gè)困境：在美國，人工智能生成的內(nèi)容并未受到版權(quán)保護(hù)。即使版權(quán)得到保護(hù)，也存在很大的挑戰(zhàn)。例如，我編寫一段代碼，可以一次性生成上萬個(gè)內(nèi)容，如果這些內(nèi)容都受到版權(quán)保護(hù)，那么后續(xù)的創(chuàng)作還有何意義？對于像皮克斯這樣的公司來說，這是無法接受的。因此，他們對使用人工智能生成內(nèi)容的態(tài)度極為謹(jǐn)慎，其中最核心的考慮因素就是版權(quán)問題。
雖然像皮克斯這樣的公司并未在內(nèi)容生成方面領(lǐng)先如我所想，但在美國，依然有許多公司在大模型技術(shù)的應(yīng)用上做得非常出色。我參觀了一家金融公司，標(biāo)準(zhǔn)普爾公司，在和一位同學(xué)的交談中，他告訴我他現(xiàn)在對大模型非?？春谩?/p>
自從畢業(yè)以來，他已經(jīng)積累了至少十年以上的金融行業(yè)分析模型的編程經(jīng)驗(yàn)。然而，在過去的半年中，他已經(jīng)全面放棄了這些傳統(tǒng)的代碼，轉(zhuǎn)而使用大模型，結(jié)合計(jì)算機(jī)語言對它們進(jìn)行了重構(gòu)。經(jīng)過重構(gòu)后，他現(xiàn)在每天只需要花費(fèi)半小時(shí)的時(shí)間，就能完成原本一整天的工作任務(wù)。
過去，他編寫的所有代碼都是靜態(tài)的，而市場的變化卻是動(dòng)態(tài)的，金融行業(yè)也同樣充滿了各種變動(dòng)。他每天的工作就是根據(jù)金融市場的動(dòng)態(tài)變化，不斷調(diào)整他的代碼，并每天運(yùn)行一次。然而現(xiàn)在，他直接使用GPT進(jìn)行調(diào)整，讓人工智能自動(dòng)適應(yīng)外部環(huán)境的變化，這樣他每天只需要半小時(shí)就能完成所有的工作任務(wù)。
如今，使用人工智能技術(shù)最出色的公司，并不僅僅是那些專注于內(nèi)容生成的企業(yè)。在我與許多朋友的交流中，我們經(jīng)常會(huì)提到一個(gè)詞——AIGC，也就是人工智能生成內(nèi)容。然而，對于營銷行業(yè)的從業(yè)者，特別是營銷科學(xué)的從業(yè)者來說，僅僅了解這個(gè)詞是遠(yuǎn)遠(yuǎn)不夠的。我們應(yīng)該去深入理解生成式人工智能，Generative AI。
事實(shí)上，人工智能可以生成幾乎所有類型的智力活動(dòng)，包括編寫代碼、數(shù)據(jù)分析，甚至協(xié)助企業(yè)的高級(jí)管理者進(jìn)行各種智慧決策和戰(zhàn)略規(guī)劃。作為明略科技的首席執(zhí)行官，我雖然不需要親自撰寫廣告文案或進(jìn)行繪圖，但我每天都會(huì)使用我們公司的人工智能產(chǎn)品超過20次。
生成式人工智能是一個(gè)更廣闊的課題，AIGC不僅僅是指ChatGPT，營銷行業(yè)從業(yè)者對它的認(rèn)知必須超越生成內(nèi)容的范疇。 盡管由于版權(quán)原因，您所在的組織可能無法直接使用它來生成廣告，但仍然有許多其他事情可以做。
人工智能本質(zhì)上就是在構(gòu)建函數(shù) ，大模型的推理能力才是企業(yè)落地AI的關(guān)鍵 在過去的半年中，大模型的迭代發(fā)展持續(xù)進(jìn)行。那么，它的核心迭代是什么呢？一個(gè)多月前，我有幸與智譜AI的創(chuàng)始人唐杰教授進(jìn)行了一次交流，他向我解釋說，核心在于推理能力，而不僅僅是多模態(tài)或生成圖像的能力。
那么，什么是推理能力呢？讓我舉一個(gè)例子來具體解釋，每當(dāng)新版本的大模型發(fā)布后，我總是會(huì)提一個(gè)問題進(jìn)行測試：“美國有哪些州與其他州不接壤？”標(biāo)準(zhǔn)答案應(yīng)該是阿拉斯加和夏威夷。然而，在測試后，我發(fā)現(xiàn)雖然許多人聲稱他們的模型已經(jīng)非常接近GPT-4，但能回答正確這個(gè)問題的模型卻寥寥無幾。
這就是一個(gè)涉及邏輯推理的復(fù)雜問題，它不僅需要理解美國的地理知識(shí)，還需要明白“接壤”這個(gè)概念，以及什么樣的情況下可以被定義為“與其他州不接壤”。
在過去的幾年中，大模型在人工智能領(lǐng)域曾經(jīng)有些像“人工智障”，但現(xiàn)在卻突然變得聰明起來，這主要得益于大模型已經(jīng)學(xué)習(xí)了人類在互聯(lián)網(wǎng)上公開的大量基礎(chǔ)知識(shí)。然而，就像人類一樣，即使掌握了所有的知識(shí)，使用這些知識(shí)時(shí)仍然會(huì)遇到許多問題，其中最核心的就是推理問題。 大模型的推理能力是一階還是二階，將直接影響到它在數(shù)學(xué)等領(lǐng)域的表現(xiàn)。
即使是今年最先進(jìn)的大模型GPT-4，在數(shù)學(xué)水平上也只相當(dāng)于中國普通初中生的水平。很多人都聽說過大模型有幾十億或上百億個(gè)參數(shù)，但很多人并不清楚參數(shù)的作用。今天我想用簡單易懂的方式，用初中數(shù)學(xué)的方法和大家一起探討一下這個(gè)基礎(chǔ)原理。
所有的人工智能本質(zhì)上就是在構(gòu)建函數(shù)。 舉個(gè)例子，如果我今天的演講被錄了下來，語音識(shí)別技術(shù)就能將這個(gè)語音文件轉(zhuǎn)換成文本，這就是一個(gè)函數(shù)。這個(gè)函數(shù)的輸入x是語音文件，輸出y是一段文字，這個(gè)過程就是將聲音波形轉(zhuǎn)換為文字。同樣地，圖像識(shí)別也是一個(gè)函數(shù)，比如，如果攝影師今天在這里拍了一張照片，上傳到云相冊時(shí)，系統(tǒng)會(huì)判斷這張照片里是否有吳明輝。輸入的x是一張照片，輸出的y是判斷結(jié)果——有或沒有。
如今的GPT也是一個(gè)函數(shù)，所有的人工智能最終要解決的問題，就是要找到那個(gè)函數(shù)。我們一起來看一道初中數(shù)學(xué)題，一次函數(shù)的表達(dá)式為y=ax+b，如果給定這個(gè)函數(shù)經(jīng)過兩個(gè)點(diǎn)，我們就可以確定出a和b這兩個(gè)系數(shù)，并將其代入函數(shù)中。a和b被稱為參數(shù)。一旦a和b確定了，我們再給定任何一個(gè)x，都可以計(jì)算出對應(yīng)的y值，這就是人工智能的本質(zhì)。
然而，真正的ChatGPT并不是簡單的一次函數(shù)，它的解析并不只需要兩個(gè)數(shù)據(jù)求出a、b兩個(gè)參數(shù)。例如，GPT-3.5擁有1750億個(gè)參數(shù)，并且這是一個(gè)非線性函數(shù)。它并不像一次函數(shù)那么簡單，它是分層的，每一層在深度學(xué)習(xí)中都是復(fù)合函數(shù)的一部分，形成了函數(shù)嵌套的過程。第一層是f1，第二層是f2，第一層函數(shù)的輸出結(jié)果作為第二個(gè)函數(shù)的輸入x，第二個(gè)函數(shù)的輸出y又作為第三個(gè)函數(shù)的輸入z，據(jù)說GPT-3.5有96層，GPT-4則有120層。對于這樣的非線性方程，我們需要尋找近似解，進(jìn)行曲線擬合。這時(shí)，為了求解出1750億的參數(shù)，我們可能需要借助100萬億的數(shù)據(jù)。但無論如何，這個(gè)過程的本質(zhì)仍然是在解方程。
OpenAI的偉大之處在于，它是全世界第一家敢于投入數(shù)千萬乃至上億美元來解方程的公司。這需要有足夠的資金，同時(shí)也需要有足夠的膽識(shí)。
大模型時(shí)代的營銷智能，核心之核心是數(shù)據(jù) ，一定要積累大模型所沒有的數(shù)據(jù) 今天，GPT之所以如此強(qiáng)大，是因?yàn)樗麄兪褂昧嘶ヂ?lián)網(wǎng)幾乎所有的數(shù)據(jù)。為什么以前沒有人想到這一點(diǎn)呢？因?yàn)榛ヂ?lián)網(wǎng)上的數(shù)據(jù)太雜亂了，沒有經(jīng)過標(biāo)注，以前所有的人工智能都使用的是經(jīng)過標(biāo)注的數(shù)據(jù)。而今天聰明的人們終于意識(shí)到一個(gè)事實(shí)，互聯(lián)網(wǎng)上的數(shù)據(jù)實(shí)際上已經(jīng)被標(biāo)注了。
我們畫小貓、小狗或其他動(dòng)物植物，為什么能夠畫出來呢？因?yàn)槲覀儗⒒ヂ?lián)網(wǎng)上的所有網(wǎng)頁都截取下來了。例如，周杰倫在百度百科上的頁面，周杰倫照片和照片下的描述，這不就是x和y嗎（照片與名字關(guān)聯(lián)）？
互聯(lián)網(wǎng)上有非常豐富的數(shù)據(jù)，這些數(shù)據(jù)的規(guī)模不是幾百萬或幾千萬，而是數(shù)百億級(jí)別的。今天大模型之所以如此強(qiáng)大，就是因?yàn)樗昧诉@些海量數(shù)據(jù)。作為營銷科學(xué)工作者，我們需要思考的問題是，我們的公司應(yīng)該積累什么樣的數(shù)據(jù)？如果我們沒有積累大模型所缺乏的數(shù)據(jù)，那么我們的團(tuán)隊(duì)以及公司可能都將失去價(jià)值。
談到數(shù)據(jù)，我們還需要考慮數(shù)據(jù)、知識(shí)和人的組合。在人工智能領(lǐng)域，有一個(gè)非常經(jīng)典的模型叫做DIKW模型，它闡述了從數(shù)據(jù)到信息，從信息到知識(shí)，從知識(shí)到智慧的轉(zhuǎn)化過程。
知識(shí)是什么呢？無論是ChatGPT還是國產(chǎn)的大模型，如果你直接問它明略科技的創(chuàng)始人是誰，每天的答案可能都會(huì)不同。可能有時(shí)它會(huì)回答是李開復(fù)，有時(shí)又會(huì)說是李彥宏，但它從未回答過吳明輝。這是因?yàn)榇竽Ｐ偷膶W(xué)習(xí)基于互聯(lián)網(wǎng)上的網(wǎng)頁和公開課程的PDF語料，雖然這些內(nèi)容中可能包含明略科技和吳明輝的信息，但在它的學(xué)習(xí)過程中，這些正確信息的權(quán)重都相對較低，所以它并沒有充分掌握這些知識(shí)。
并且，很多我們想了解的知識(shí)，實(shí)際上是在大模型學(xué)習(xí)訓(xùn)練之后才出現(xiàn)的互聯(lián)網(wǎng)內(nèi)容。例如，前幾天ChatGPT發(fā)布了一些最新的功能，大模型肯定是不知道的，因?yàn)樗€沒有學(xué)習(xí)過這些新的信息。
一個(gè)企業(yè)或組織想要充分利用大模型，需要解決企業(yè)知識(shí)積累的問題，專注積累那些大模型尚未掌握的知識(shí)，并且要想辦法將大模型已經(jīng)學(xué)過但沒有每天運(yùn)用的知識(shí)喚醒。否則，你會(huì)發(fā)現(xiàn)它只是一本正經(jīng)地胡說八道。
大模型可以把營銷數(shù)據(jù)的價(jià)值提升100倍 ，從結(jié)果數(shù)據(jù)到過程數(shù)據(jù) 我們常常打個(gè)比方，一個(gè)基礎(chǔ)大模型相當(dāng)于一個(gè)清華北大本科畢業(yè)生，他來到你們公司，什么都不知道，如果不給他公司現(xiàn)有的知識(shí)，他什么也做不了。我們需要幫助每個(gè)客戶重新治理他們企業(yè)的數(shù)據(jù)和知識(shí)，包括陳述性知識(shí)和程序性知識(shí)。這兩類知識(shí)可以簡單地描述為Know-what和Know-how。例如，在服裝行業(yè)中，了解最熱門的趨勢是Know-what，如果我作為一個(gè)北大本科畢業(yè)生，讓我寫一個(gè)關(guān)于美拉德妝容的文案，包括美拉德妝容的圖片樣式，這些都屬于Know-what。
每個(gè)企業(yè)都應(yīng)該投入一些資源來解決知識(shí)積累這個(gè)問題，這也是我們明略科技和秒針系統(tǒng)的商業(yè)機(jī)會(huì)，我們幫助客戶解決這些問題。明略科技和秒針系統(tǒng)的定位非常簡潔，就是幫助大家建立連接器，持續(xù)為企業(yè)提供數(shù)據(jù)治理和連接服務(wù)，幫助企業(yè)連接基礎(chǔ)大模型和和內(nèi)部數(shù)據(jù)、知識(shí)，并形成反饋閉環(huán)。 并在這個(gè)閉環(huán)中持續(xù)積累新的數(shù)據(jù)，樹立企業(yè)的獨(dú)特價(jià)值。
以往更有價(jià)值的是結(jié)果數(shù)據(jù)，而如廣告監(jiān)測搜集的數(shù)據(jù)、小程序搜集的數(shù)據(jù)等中間過程的數(shù)據(jù)，大家只是簡單地看一下這些數(shù)據(jù)，然后結(jié)束了。但有了大模型之后，我們完全有機(jī)會(huì)將我們過去積累的這些營銷的中間過程數(shù)據(jù)的價(jià)值放大100倍。面對擁有非常復(fù)雜維度的過程數(shù)據(jù)，以前的人類數(shù)據(jù)分析師可能很難深入地了解每個(gè)維度、參數(shù)與最終結(jié)果之間的關(guān)系，但今天有了大模型，只要你將數(shù)據(jù)原理告訴它，數(shù)據(jù)治理的過程它就可以幫你完成 。
模型會(huì)越來越強(qiáng)大，我們不用糾結(jié)于使用哪個(gè)模型，我們應(yīng)該關(guān)注的是，我們公司的數(shù)據(jù)資產(chǎn)是什么樣的，我們?nèi)绾芜M(jìn)一步治理數(shù)據(jù)，真正將其與大模型連接起來 。
大模型時(shí)代營銷科學(xué)工作者的獨(dú)特作用 ，與消費(fèi)者情感綁定的品牌，永遠(yuǎn)不會(huì)被AI取代 今年年初，陸奇博士曾經(jīng)分享了一個(gè)觀點(diǎn)，他說我們迎來了一個(gè)新的范式。過去，互聯(lián)網(wǎng)和移動(dòng)互聯(lián)網(wǎng)引入了信息系統(tǒng)，現(xiàn)在，以ChatGPT為代表的大模型則引入了決策系統(tǒng)和模型系統(tǒng)，我們的認(rèn)知能力和感知能力結(jié)合在一起，最終轉(zhuǎn)化為行動(dòng)。
在許多行業(yè)中，行動(dòng)是非常復(fù)雜的。例如，在工廠中，即使模型做出了決策，生產(chǎn)制造仍然沒有實(shí)現(xiàn)柔性制造，無法實(shí)現(xiàn)智能制造的流水線，無法形成新范式。但在廣告行業(yè)，廣告投放本身就是基于程序化的基礎(chǔ)設(shè)施，每個(gè)互聯(lián)網(wǎng)平臺(tái)都提供了程序化投放的接口，新范式的形成就相對容易。在反饋閉環(huán)、內(nèi)容生成、數(shù)據(jù)決策等方面，我們還沒有做得很好，我們雖然擁有海量的數(shù)據(jù)，但是我們還有很多工作要做。
我們需要清楚地知道，在營銷場景中，AI的應(yīng)用處于哪個(gè)階段。借助大模型的幫助，我嘗試給營銷智能的L0~L5定義。首先，我在互聯(lián)網(wǎng)上找到了一篇文章，文章的標(biāo)題是“無人駕駛的L0~L5”。接著，明略科技的一站式大模型Copilot“小明助理”閱讀并理解了這篇文章，根據(jù)自動(dòng)駕駛AI的L0～L5的邏輯標(biāo)準(zhǔn)，推導(dǎo)出了營銷場景下的L0～L5描述，我只對其中的10%的細(xì)節(jié)進(jìn)行了修改。我還詢問了小明，L2和L3有什么區(qū)別，它告訴我L2只是確定好目標(biāo)人群后就結(jié)束，而L3則可以實(shí)時(shí)優(yōu)化，在投放過程中每秒都能觀察到消費(fèi)者的反饋，并進(jìn)行自動(dòng)調(diào)優(yōu)，我覺得它的描述已經(jīng)非常到位。
人工智能的能力是真實(shí)而強(qiáng)大的。過去，我們以為人工智能只能幫助我們完成那些我們不愿意做的工作，而復(fù)雜和高級(jí)的工作仍需要我們來完成。然而，現(xiàn)在我們可以看到，人工智能幾乎能夠做任何事情，無論是邏輯推理，還是對人類情感的理解，它都能勝任。它現(xiàn)在甚至能創(chuàng)作音樂，寫詩。因此，作為營銷人員，我們應(yīng)該思考在未來我們應(yīng)該做什么。
在思考這個(gè)問題的時(shí)候，讓我們回顧一下2010年我剛開始接觸廣告領(lǐng)域時(shí)看到的一張圖，這張圖展示了北美數(shù)字廣告中各個(gè)角色的分工情況。
前幾天，我又看到了美國最新發(fā)布的一張圖，未來的情況可能是GPT將所有的角色都兼顧了，你沒有什么事情可做，甚至整個(gè)公司可能無事可做?，F(xiàn)在的方向是人工智能AGI，通用算力，未來機(jī)器人也將進(jìn)入通用的行動(dòng)類機(jī)器人，最可怕的是，它們還可以制造自己，工廠也將失去價(jià)值，所有的東西都可以由機(jī)器生成指令，工廠實(shí)現(xiàn)自動(dòng)制造，制造業(yè)也將被顛覆。
那么，人類到底能做什么？這是我最近陷入深深哲學(xué)思考的問題。我閱讀了許多書籍，比如著名的數(shù)學(xué)家、人工智能認(rèn)知科學(xué)家，控制論的創(chuàng)始人，寫的這本《人有人的用處》。
馬克思講到了商業(yè)社會(huì)產(chǎn)品價(jià)值由人類的無差別勞動(dòng)決定。這句話可能需要改變，應(yīng)該說，商業(yè)社會(huì)產(chǎn)品價(jià)值由人類加上人工智能的無差別勞動(dòng)決定，計(jì)算機(jī)可以復(fù)制的東西將失去價(jià)值。
作為營銷科學(xué)工作者，我們真正可以積累的獨(dú)特優(yōu)勢是什么？我覺得可能有兩個(gè)點(diǎn)。
首先，我們企業(yè)和品牌能夠在自己的業(yè)務(wù)場景下積累的獨(dú)特?cái)?shù)據(jù)。 我們應(yīng)該重視并妥善管理這部分?jǐn)?shù)據(jù)，而不是整天只關(guān)注模型的問題。其次，是消費(fèi)者對企業(yè)品牌的情感綁定。 如果今天消費(fèi)者與企業(yè)品牌的綁定是功能性的，你今天可能會(huì)賣得很好，但未來所有產(chǎn)品的能力都會(huì)極大豐富，只有情感的綁定才能持續(xù)地在消費(fèi)者的記憶中存在。品牌廣告還要使勁打，不能天天想著效果廣告，品牌建設(shè)很重要。
明略科技和秒針系統(tǒng)，將幫助企業(yè)持續(xù)建設(shè)自己品牌的第一方數(shù)據(jù)資產(chǎn)，連接各種各樣的數(shù)據(jù)，并將這些數(shù)據(jù)和能力與原有的IT系統(tǒng)和外部系統(tǒng)、與大模型進(jìn)行連接。
企業(yè)使用大模型時(shí)，需要關(guān)注數(shù)據(jù)的保密性和推理任務(wù)的復(fù)雜性。 處理的任務(wù)特別復(fù)雜，但處理任務(wù)所需的數(shù)據(jù)保密程度低，那么放心大膽地調(diào)用在線最牛的大模型即可，不用擔(dān)心數(shù)據(jù)安全的問題。處理的任務(wù)沒那么復(fù)雜，但數(shù)據(jù)是公司高度機(jī)密的數(shù)據(jù)，那么部署智譜這樣的私有化模型，簡單地調(diào)優(yōu)后在自己的云上調(diào)用更好。處理的任務(wù)較簡單，且處理任務(wù)所需的數(shù)據(jù)保密程度低，調(diào)云上的大模型還是私有化模型都可以，優(yōu)先考慮成本為問題。最難的是，數(shù)據(jù)需要非常復(fù)雜的人類智力參與，一起做數(shù)據(jù)脫敏，把數(shù)據(jù)做好脫敏后再調(diào)用大模型的能力，這也是明略科技和秒針系統(tǒng)未來持續(xù)為企業(yè)提供的服務(wù)。
最后，我引用OpenAI CEO 山姆·阿爾特曼（Sam Altman）的一句話，希望大家趕快往前跑。據(jù)我所知，瑞幸咖啡內(nèi)部已經(jīng)設(shè)立了“大模型BP”這樣的崗位，公司有各種各樣的Prompt魔法咒語群，每個(gè)崗位每天都有人研究如何用大模型改造和優(yōu)化公司內(nèi)的各個(gè)崗位。向先進(jìn)學(xué)習(xí)，鼓勵(lì)大家盡快行動(dòng)起來。
我相信每一位營銷科學(xué)工作者都能找到自己的位置，做好自己的工作，但首先我們需要會(huì)使用這些新工具。因?yàn)?，如果我們的競爭對手已?jīng)擁有原子彈，我們還停留在冷兵器時(shí)代，我們將無法打好這場仗。
以客戶為中心，集新模式與高質(zhì)量服務(wù)為一體
者已對618脫敏？CDPMA如何通過新品預(yù)測模型，激活品牌存量客戶實(shí)現(xiàn)大促ROI飆升？.jpg)
代，企業(yè)的終極競爭力是什么？.jpg)
力重構(gòu)營銷新范式》在復(fù)旦大學(xué)重磅發(fā)布.jpg)
