10月11日，明略科技集團(tuán)副總裁、大模型基礎(chǔ)架構(gòu)負(fù)責(zé)人何敏，在2024第八屆營(yíng)銷科學(xué)大會(huì)上了發(fā)表《生成式營(yíng)銷必備的體系架構(gòu)思維和前沿方向》主題演講，深入分享了生成式營(yíng)銷落地的六個(gè)體系架構(gòu)思維與三個(gè)前沿方向。

本文目錄如下：

01 生成式營(yíng)銷落地的六個(gè)體系架構(gòu)思維：

• 架構(gòu)思維一：?知識(shí)合庫(kù)還是分庫(kù)？
• 架構(gòu)思維二：?長(zhǎng)文本還是檢索增強(qiáng)問(wèn)答？
• 架構(gòu)思維三：?思考系統(tǒng)的切換還是延續(xù)？
• 架構(gòu)思維四：?黑盒分析還是白盒分析？
• 架構(gòu)思維五：?先規(guī)劃平臺(tái)還是單點(diǎn)應(yīng)用？
• 架構(gòu)思維六：?分析重要還是生成重要？

02 生成式營(yíng)銷的三個(gè)前沿方向：

• 前沿方向一：?結(jié)果監(jiān)督維度的豐富性
• 前沿方向二：基于過(guò)程監(jiān)督獎(jiǎng)勵(lì)的驗(yàn)證器（Verifier）與最優(yōu)過(guò)程探索策略
• 前沿方向三：自學(xué)推理過(guò)程，將推理的思維內(nèi)隱化到模型中

01 生成式營(yíng)銷落地的六個(gè)體系架構(gòu)思維

過(guò)去一年，很多企業(yè)做了大量嘗試，我們和企業(yè)交流時(shí)發(fā)現(xiàn)一個(gè)問(wèn)題：做demo的時(shí)候“一馬平川”，一周就可以出效果，但真正落地的時(shí)候“舉步維艱”，半年都上不了線。為了解決這類問(wèn)題，大家的共識(shí)是：生成式營(yíng)銷的落地需要體系架構(gòu)思維。

體系架構(gòu)思維一：?知識(shí)合庫(kù)還是分庫(kù)？

在人人都可以搭建大模型智能體的時(shí)代，上傳一個(gè)產(chǎn)品文檔，寫一個(gè)prompt，大模型的回答可以做到精準(zhǔn)無(wú)比。當(dāng)產(chǎn)品從一個(gè)變成十個(gè)時(shí)，大模型就從精準(zhǔn)無(wú)比變成了胡言亂語(yǔ)。這是什么原因造成的呢？

一句話概括，信息濃度決定問(wèn)答準(zhǔn)確率。

只有一個(gè)產(chǎn)品時(shí)，單一產(chǎn)品信息濃度是100%；十個(gè)產(chǎn)品時(shí)，單一產(chǎn)品信息濃度會(huì)被稀釋為10%。當(dāng)問(wèn)到A產(chǎn)品信息時(shí)，其它產(chǎn)品還會(huì)來(lái)“搗亂”，大模型的準(zhǔn)確率自然而然就下降了。

通過(guò)上面的例子，我們可以思考，精準(zhǔn)問(wèn)答場(chǎng)景，適合采用合庫(kù)思維，還是分庫(kù)思維？

合庫(kù)思維是指把所有的產(chǎn)品放到一個(gè)知識(shí)庫(kù)；分庫(kù)思維是指把A產(chǎn)品放在A的知識(shí)庫(kù)，B產(chǎn)品放在B的知識(shí)庫(kù)，A產(chǎn)品的問(wèn)題到A知識(shí)庫(kù)找，B產(chǎn)品的問(wèn)題到B知識(shí)庫(kù)找。顯然，分庫(kù)思維更適用于精準(zhǔn)問(wèn)答場(chǎng)景。

當(dāng)品牌方進(jìn)行雙十一活動(dòng)策劃時(shí)，需要用到各種知識(shí)庫(kù)，比如秒針系統(tǒng)有Media的知識(shí)庫(kù)，Social的知識(shí)庫(kù)，電商、私域、線下廣告的知識(shí)庫(kù)。合庫(kù)思維更適用于創(chuàng)意探索場(chǎng)景，更容易找到創(chuàng)新點(diǎn)，生成的報(bào)告也會(huì)更加完整。

總的來(lái)說(shuō)，數(shù)據(jù)的組織形式，決定了業(yè)務(wù)效果。

?體系架構(gòu)思維二：長(zhǎng)文本還是檢索增強(qiáng)問(wèn)答？

與此同時(shí)，數(shù)據(jù)的提取形式，也決定了業(yè)務(wù)效果。

以知識(shí)問(wèn)答為例，一種方式是長(zhǎng)文本問(wèn)答，另一種方式是檢索增強(qiáng)問(wèn)答。

長(zhǎng)文本問(wèn)答，指把100頁(yè)的文檔丟給大模型直接回答；檢索增強(qiáng)問(wèn)答，指從100頁(yè)的文檔中提取2頁(yè)與問(wèn)題相關(guān)的信息丟給大模型。如何在這兩種方式中選擇？主要依賴于企業(yè)的業(yè)務(wù)場(chǎng)景。

長(zhǎng)文本問(wèn)答方式，更適合全文總結(jié)場(chǎng)景。比如總結(jié)100頁(yè)文檔的核心信息，或分析本周周報(bào)與上一周相比的進(jìn)展。

檢索增強(qiáng)問(wèn)答方式，則適用于精準(zhǔn)問(wèn)答。比如100頁(yè)的產(chǎn)品手冊(cè)中包含產(chǎn)品介紹、功效、使用方法、原理、注意事項(xiàng)、售后服務(wù)等。當(dāng)用戶咨詢產(chǎn)品功效時(shí)，只需找到相關(guān)的2頁(yè)丟給大模型，無(wú)需閱讀100頁(yè)。它的優(yōu)點(diǎn)是準(zhǔn)確率更高，且成本更低。因?yàn)槿绻喿x100頁(yè)信息，其它98頁(yè)對(duì)相關(guān)的2頁(yè)內(nèi)容反而會(huì)產(chǎn)生干擾。

體系架構(gòu)思維三：?思考系統(tǒng)的切換還是延續(xù)？

提到思考系統(tǒng)，我們可以聯(lián)想到最近爆火的OpenAI o1模型。OpenAI o1模型在美國(guó)數(shù)學(xué)奧林匹克 (AIME) 預(yù)選賽中躋身美國(guó)前500名學(xué)生之列，在競(jìng)爭(zhēng)性編程問(wèn)題（Codeforces）中百分位排名是89%，并在物理、生物和化學(xué)問(wèn)題 (GPQA) 基準(zhǔn)測(cè)試中超越人類博士級(jí)水平。

為什么它會(huì)獲得這樣好的成績(jī)？原因是o1采用了體系思考的模式。在訓(xùn)練與推理階段，思考計(jì)算的時(shí)間越長(zhǎng)，模型的準(zhǔn)確率就會(huì)越高。

同時(shí)，o1模型的發(fā)布將《思考：快與慢》這本書帶入大眾視野。書中提到人類有兩種思考模式，分別是系統(tǒng)1和系統(tǒng)2。系統(tǒng)1指的是快思考，類似于直覺(jué)思考；系統(tǒng)2指的是慢思考，是有意識(shí)、深思熟慮的思考。就像我們解最后一道數(shù)學(xué)大題時(shí)，要理解問(wèn)題、分析問(wèn)題、拆解步驟，進(jìn)行推理，才能得出答案。

接下來(lái)，我們就來(lái)介紹與思考系統(tǒng)相關(guān)的體系思維。

還是從最簡(jiǎn)單的選擇題開(kāi)始。讓大模型執(zhí)行分類任務(wù)，判斷帖子屬于ABCD哪一類，是做大模型應(yīng)用的常見(jiàn)問(wèn)題。

通過(guò)實(shí)驗(yàn)，我們發(fā)現(xiàn)一個(gè)非常有趣的現(xiàn)象：如果先選擇結(jié)論后分析原因，大模型的答案往往飄忽不定，結(jié)論選A，分析后的答案選C；如果先分析原因后選擇結(jié)論，分析與結(jié)論往往一致。這是什么原因造成的？

回到剛才提到的思考系統(tǒng)，人類在做一道選擇題時(shí)，系統(tǒng)1的思維模式是下意識(shí)地先給結(jié)論，告訴你這道題肯定選A；當(dāng)我們采用系統(tǒng)2的思維，一步步拆解后會(huì)發(fā)現(xiàn)答案應(yīng)該選C。

所以結(jié)論的不一致是因?yàn)槲覀兊拇竽X進(jìn)行了系統(tǒng)1與系統(tǒng)2思維模式的切換。大模型也是類似的道理。基于分析給出結(jié)論，答案的一致性、可靠性會(huì)更好，因?yàn)槭冀K處在同一個(gè)系統(tǒng)思維模式里。

?體系架構(gòu)思維四：?黑盒分析還是白盒分析？

我們經(jīng)常收到企業(yè)市場(chǎng)部的需求，洞察100篇帖子中的內(nèi)容策略。最簡(jiǎn)單的做法是黑盒分析，把這些帖子都丟給大模型。這樣做的好處是速度快，可以做定性分析；缺點(diǎn)是可解釋性較差，難以給出結(jié)論背后的原因。

另一種做法是白盒分析，同樣把100篇帖子丟給大模型，但不輸出總結(jié)，而是先輸出ABCD等所有特征，然后通過(guò)小模型采用聚類分析的方法統(tǒng)計(jì)ABCD哪些權(quán)重更高，最后再輸出內(nèi)容策略。白盒分析的好處是可解釋、可回溯。大模型給出的結(jié)果基于ABCD權(quán)重最高的元素而產(chǎn)生，并且還能找到ABCD的原帖進(jìn)行分析。因此，白盒分析更適合做定量、可解釋、可回溯的分析。

?體系架構(gòu)思維五：先規(guī)劃平臺(tái)還是單點(diǎn)應(yīng)用？

前面我們講到數(shù)據(jù)的組織形式、提取形式?jīng)Q定了業(yè)務(wù)的最終效果。同樣地，只有確定了業(yè)務(wù)目標(biāo)，才能更好地定義效果、數(shù)據(jù)與訓(xùn)練方法。所以，業(yè)務(wù)優(yōu)先、目標(biāo)優(yōu)先，是更加落地的方式。相比平臺(tái)式的規(guī)劃，在實(shí)戰(zhàn)中，我們通常建議企業(yè)優(yōu)先選擇單點(diǎn)。

在幫助企業(yè)客戶落地的過(guò)程中，我們有四層單點(diǎn)應(yīng)用的業(yè)務(wù)目標(biāo)。

• 第一層是元素解析，基于視頻、圖片、文本解析出素材中的客觀元素與主觀情感；
• 第二層是角度探索，挖掘社媒熱點(diǎn)、總結(jié)內(nèi)容核心信息等等；
• 第三層是策略生成，不僅可以應(yīng)用于營(yíng)銷內(nèi)容生成，還可以應(yīng)用于選品、產(chǎn)品研發(fā)策略制定等等；
• 第四層是內(nèi)容生成，即AIGC，包括文案、圖片、視頻等多種內(nèi)容形態(tài)。

體系架構(gòu)思維六：分析重要還是生成重要？

上午場(chǎng)明略科技集團(tuán)創(chuàng)始人、董事長(zhǎng)兼首席執(zhí)行官吳明輝提到了奧運(yùn)營(yíng)銷大學(xué)生素人發(fā)帖的例子，這些學(xué)生利用明略科技提供的SocialGrow、SocialX、小明助理等AI工具，通過(guò)挖掘奧運(yùn)熱點(diǎn)來(lái)指導(dǎo)創(chuàng)作方向，在生成海量?jī)?nèi)容后，從中挑選出優(yōu)質(zhì)帖發(fā)布，并進(jìn)行了監(jiān)測(cè)與調(diào)優(yōu)，形成了一個(gè)正向的創(chuàng)作循環(huán)。

整個(gè)過(guò)程共計(jì)發(fā)布了1237篇帖子，總互動(dòng)量23萬(wàn)+，爆帖率15%。值得注意的是，一些學(xué)生的粉絲只有幾十個(gè)，但小紅書單帖互動(dòng)最高做到了7萬(wàn)+，抖音單帖最高互動(dòng)做到了6000+。

通過(guò)上面的例子可以看出，分析和生成結(jié)合起來(lái)更重要。分析的產(chǎn)出可以作為生成的輸入，帶來(lái)更好的內(nèi)容效果。這也是InsightFlow CMS（洞察驅(qū)動(dòng)的內(nèi)容管理平臺(tái)）背后的思考邏輯。

02 生成式營(yíng)銷的三個(gè)前沿方向

生成式營(yíng)銷有很多前沿的研究主線，其中一條，我們可以沿著OpenAI o1模型的思路進(jìn)行探索。o1的發(fā)布引用了OpenAI的一篇文章《Let’s Verify Step by Step》。這篇文章提出了兩種獎(jiǎng)勵(lì)機(jī)制，結(jié)果監(jiān)督的獎(jiǎng)勵(lì)機(jī)制和過(guò)程監(jiān)督的獎(jiǎng)勵(lì)機(jī)制。

通過(guò)這兩種獎(jiǎng)勵(lì)機(jī)制，o1模型在數(shù)學(xué)領(lǐng)域有了大幅提升。我們認(rèn)為，這兩種監(jiān)督獎(jiǎng)勵(lì)方式對(duì)生成式營(yíng)銷的研究也有啟發(fā)。圍繞這個(gè)思路，我們將闡述以下三個(gè)生成式營(yíng)銷的前沿研究方向。

生成式營(yíng)銷前沿方向一：?結(jié)果監(jiān)督維度的豐富性

這一研究方向主要借鑒明略科技在ACMMM，以及Adobe在ICLR人工智能頂會(huì)發(fā)布的論文，闡述未來(lái)大模型輸出結(jié)果的豐富性。

目前，大模型輸入的內(nèi)容形態(tài)有視頻、語(yǔ)音、文本，輸出的主要是文本，未來(lái)在營(yíng)銷領(lǐng)域會(huì)有怎樣的變化？

1. 輸入層引入圈層人群，例：提問(wèn)不同圈層的群體對(duì)同一廣告視頻、短劇是否感興趣？
2. 輸出層引入感觀指標(biāo)，例：包括腦電、眼動(dòng)等指標(biāo)，比如25歲的年輕人觀看短劇后是否感興趣，腦電波是否有波動(dòng)，眼睛主要關(guān)注哪幾幀畫面？
3. 輸出層引入效果指標(biāo)，例：不同類型受眾對(duì)廣告視頻的點(diǎn)擊率與完播率如何？

通過(guò)引入感觀指標(biāo)、效果指標(biāo)，我們?cè)谪S富大模型輸出維度的同時(shí)，還可以輔助企業(yè)優(yōu)化內(nèi)容策略。

生成式營(yíng)銷前沿方向二：?基于過(guò)程監(jiān)督獎(jiǎng)勵(lì)的驗(yàn)證器（Verifier）與最優(yōu)過(guò)程探索策略

這一方向主要借鑒Google DeepMind 8月發(fā)表的兩篇文章。

基于過(guò)程監(jiān)督獎(jiǎng)勵(lì)的驗(yàn)證器，類似媽媽陪我寫作業(yè)場(chǎng)景。相當(dāng)于在生成大模型Generator的基礎(chǔ)上（想象成“孩子寫作業(yè)大模型”），引入一個(gè)新的大模型Verifier（想象成“媽媽陪讀大模型”）。這個(gè)Verifier盯著Generator輸出時(shí)，不僅看結(jié)果，還能指出每一步的對(duì)錯(cuò)。因此，基于Verifier的過(guò)程監(jiān)督，生成大模型Generator的成績(jī)就很容易得到提高。

什么叫作最優(yōu)過(guò)程探索策略？

舉個(gè)例子，生成大模型Generator這個(gè)“孩子”解不出題，困在迷宮里了，怎么辦？可以一下子變成七個(gè)葫蘆娃兄弟分身，用不同的思路去解。最厲害的是它還結(jié)合了“媽媽陪讀大模型”Verifier，可以監(jiān)督每一步，幫助孩子在迷宮里找到最優(yōu)策略。打個(gè)比方，大娃走了這條路走不通，媽媽就可以告訴二娃，這條路走不通了，繼續(xù)找新的路，直到七娃最后走出迷宮，這就是最優(yōu)解。

應(yīng)用到營(yíng)銷領(lǐng)域，這個(gè)Verifier相當(dāng)于營(yíng)銷策劃的智囊團(tuán)，當(dāng)營(yíng)銷的Generator提供各種營(yíng)銷策劃方案時(shí)，Verifier可以幫助我們驗(yàn)證營(yíng)銷的策略、數(shù)據(jù)、邏輯關(guān)系等，同時(shí)找到最佳的營(yíng)銷策略或方法。比如一筆預(yù)算到底選哪些渠道，哪類圈層人群，采用何種內(nèi)容策略，有成千上萬(wàn)種組合，可以在ROI里找到最優(yōu)的路徑。

生成式營(yíng)銷前沿方向三：自學(xué)推理過(guò)程，將推理的思維內(nèi)隱化到模型中

這一方向主要借鑒斯坦福大學(xué)的STaR和Quiet-STaR兩篇文章。STaR是Self-Taught Reasoner的縮寫，是自學(xué)推理過(guò)程。

我們繼續(xù)前面的比喻，媽媽陪我寫作業(yè)寫了1億次，我變成葫蘆娃兄弟走迷宮走了1億次，我們便積累了1億次的自我反思以及1億次多角度探索的過(guò)程經(jīng)驗(yàn)數(shù)據(jù)。我們可以使用這些過(guò)程數(shù)據(jù)，用來(lái)訓(xùn)練大模型Generator，提升“孩子”的體系思考能力。當(dāng)生成大模型自己學(xué)會(huì)獨(dú)立思考之后，就不需要媽媽指導(dǎo)，不需要其他六個(gè)兄弟同時(shí)做好多遍題找最終的答案，而是在每次解題過(guò)程中進(jìn)行自我反思和多角度思考，再輸出最終答案。這個(gè)過(guò)程我們稱作思維的內(nèi)隱化，它形成的思維鏈叫作隱式思維鏈。再通俗一點(diǎn)，這就是內(nèi)功心法的修煉過(guò)程。

應(yīng)用到營(yíng)銷領(lǐng)域，營(yíng)銷大模型可以學(xué)習(xí)行業(yè)和企業(yè)的各種決策經(jīng)驗(yàn)，包括各種A/B Test經(jīng)驗(yàn)數(shù)據(jù)，從而給出更加落地的答案。此時(shí)的大模型就像沉淀了行業(yè)最佳實(shí)踐、企業(yè)多年實(shí)戰(zhàn)經(jīng)驗(yàn)和體系架構(gòu)思維的掃地僧，即使簡(jiǎn)單輸出幾十token，實(shí)際上威力無(wú)窮、效果炸裂。因?yàn)槊恳粋€(gè)token輸出的背后都進(jìn)行了大量思考和計(jì)算，其他大模型難以與之相比。類似奧運(yùn)營(yíng)銷發(fā)帖的例子，素人大學(xué)生在體系思考的大模型內(nèi)功心法加持下，也能一招打出成千上萬(wàn)的互動(dòng)效果。

內(nèi)力凝精髓，普招也暴擊！