数字营销中的AI革命

仅在几年前，很少有企业相信营销特定的AI引擎将成为营销的方向。2018年，只有29%的营销人员在他们的程序中使用了AI。同年，经过多年的发展，在Selligent Marketing Cloud推出了我们自己的营销专用AI引擎Selligent Cortex。

从那时起，使用AI的营销人员数量猛增。伴随该技术近乎在一夜之间从尖端变为现状，它最近在2020年期间升至84%的新高。还有更多人加入了这场革命：77%的零售商将在2021年开始实施AI。

营销AI的基本吸引力保持不变：AI让营销人员利用实时客户数据，跨渠道和设备大规模提供超个性化、高度相关的客户体验——为每个客户提供个性化的参与和旅程。但是，由于我们在Selligent的工程团队在过去几年中构建和训练了此类算法(在每一步都进行试验、错误和学习)，我可以诚实地说，并非所有“营销AI”都生而平等。

AIVSAI机器学习

从一开始，对于AI和机器学习这两个术语仍然存在一定程度的混淆。

从技术的角度来看，AI基本上是与使机器像人脑一样执行任务的所有事情的总称。它与推理、计划、学习、决策等有关。为了实现这一目标，计算机依赖于分析数据、从中得出统计数据、研究性能指标并调整未来行为的算法——就像人类一样。

现在，有趣的部分是人类不需要“编程”或“指导”AI引擎来执行特定任务。相反，引擎可以依靠机器学习并自行解决。机器学习使用特殊的计算(算法)来处理数据，在这些数据中寻找趋势，最后利用这些趋势进行预测。

从这个意义上说，机器学习与向机器发出精确指令以使其执行特定任务完全不同。在机器学习中，“学习”部分仅意味着通过算法从数据创建数学模型以执行特定功能。在下一步中，该模型仅用于软件代码中以进行实时预测，直到从下一个“学习阶段”创建新模型。

特定于营销的AI引擎的(快速)发展

由于机器学习(ML)系统的自我优化特性，特定于营销的AI引擎的发展非常迅速，现在包括“智能”功能，例如：

自动化、个性化的内容创建，让营销人员可以根据每个消费者的情况，动态地个性化内容和优惠。为了实现这一目标，算法将每个客户的行为和上下文数据与营销人员特定的业务逻辑相结合。

基于AI的受众定义，通过预测营销人员希望推动的特定内容和计划的正确目标受众是谁，从而推动客户细分。

发送时间优化(STO)：将Email或消息定位到单个客户最容易接受消息的确切时间不是很好吗?此功能会计算特定客户参与度最高时的“最佳位置”。

就即将推出的新功能而言，有两件事即将出现。首先，使用来自客户聊天、消息和Email的文本数据来更多地了解他们的特定偏好和动机，并预测什么样的内容会引起他们的共鸣。然后，AI引擎可以使用这些见解自动为每个客户定制Email的主题行。

其次，营销人员需要越来越能够实时响应客户需求。这意味着立即捕获现实生活和电子商务中的所有交易，并根据可操作的数据定制智能、自动化的响应。

营销AI的下一章

营销AI的发展仍在继续。新冠疫情危机将数字化转型进程加速了几年，在某些情况下甚至是几十年。根据毕马威(KPMG)的一份报告，在全球大流行的破坏中，88%的小型企业和80%的大型企业表示，AI在新冠疫情爆发期间帮助了他们的企业。

展望未来，营销AI平台的自我改进特性将帮助营销人员发现趋势，并通过扩展功能响应客户的真正需求。营销团队所需要的只是频繁的软件更新。您的营销AI引擎将为您完成剩下的工作。

　　图片使用申明：原创文章图片源自‘Canva可画’平台免费版权图片素材；引用文章源自引用平台文章中所使用的原图。