随着AI随着技术的发展，营销正朝着智能化的方向发展。智能系统可以自动分析用户数据，实时跟踪交付效果，全面洞察消费者需求，实时掌握不同决策阶段和场景下的消费者信息。

近日，各大咨询机构陆续发布了2020年移动广告数据报告，不禁惊叹于广告规模和产品的快速发展。同样，人们的注意力越来越贵，同样的价格再也买不到同样的好注意力了。

今天，当我们做广告营销时，明线是广告营销产品运营和优化逻辑的变化，而暗线是数据应用技术的进步。今天想分析一下这条暗线是如何牵引广告营销行业的大动脉的。

假如我们认清了 “数据应用的进步”它是营销演变的核心力量，所以很容易理解：AI智能已经渗透到每一个营销的细节，获取优质客户的能力不能仅仅靠点、线维度的优化。

营销的优化或进化必须伴随着更广泛的数据探索和智能技术，个性化必须伴随着营销的整个生命闭环。企业只有：

只有这三种基本能力，我们才能找到自己的阶段性广告策略。而我们普遍希望的四两拨千斤的功夫，本质上只是对智能营销技术投入产出比的高水平控制。

01 五个容易掉进的误区

1. 吸引眼球的广告可以创造一些新的需求

显然不是，因为只有真正的需求才能被营销。广告所处的商业环节，是唤醒和加深，却很难创造需求。

2. 营销就是想办法卖

营销依赖于服务提供商对消费者行为的理解，以任何非法的方式影响消费者行为。

用户看到了什么，他的注意力在哪里，他的兴趣在哪里，他想什么，他最终做了什么行为。

可以看出，这一理论不断深化，但其基本框架仍然是100年前的框架。无论发展了几千年，消费者的行为都非常相似。

3. 消费者的行为主要受到外界刺激的影响

消费者行为主要受外因和内因两部分影响。

内因是关于这个人本身，他对自己的认知，他的生活方式，他会有什么样的需求，最终影响他的决策过程。外因是我们可以通过广告施加影响力。

例如，在信息流中，在各种信息流中APP在应用场景中，我们如何接触他是一个外因。最后，内部和外部原因添加到同一用户身上。如果他能改变自己的行为，进一步朝着与你的产品互动和购买的方向发展，那么持续更多的接触是有意义的。

4. 面对程序化，人的洞察力是无用的

程序化广告的优化空间似乎非常有限，为了开始，人群定位在现实中会更加模糊或笼统，从而带来类似的黑盒状态。

即使是这种情况下，也不代表好的营销人员就没有用武之地了，如果我们可以在转化环节中，积累偏转化后端的智能算法，同时积极、科学地为用户打上标签，就可以弥补这一实际缺陷，成本不低，效果可观。

5. 效率比效果更重要

从营销的角度来看，效果总是更重要的，这是从广告作为商业活动的关键环节来衡量的。效果决定是否做，效率决定如何做。

02 智能营销技术 VS 营销效果

1. 放弃“依靠人来解决某些问题”的能力

目前的商业思维包括提出问题、构思解决问题、评估所有行动选项、最终获得解决方案得解决方案。但是，如果你能直接让它不加思考， AI 既得计划的实施改变了现有商业决策所需的智能模式。

比如，我们可以放弃调价的能力，交给机器;放弃投放策略的经验调优，交给智能投放平台;放弃转化优惠的版本测试，交给机器自动匹配受众…放弃现有能力并不意味着退化，而是选择发展其他能力——能力不分好坏，只适用于滚滚商业大潮中的不适用。

2. “智能营销自动化”帮助实现个性化营销的最大效率

智能营销自动化是分为几个阶段的，不可能一蹴而就。

第一阶段是自动化阶段。机器完成了工作流的一部分，节省了劳动力。即使没有智能，自动化本身也在帮助人们进行重复和机械劳动，错误率较低。

第二阶段是智能——智能与人工结合，即机器与人的结合，赋予机器一些人的决策智慧。智能化是指自动做出最佳沟通决策。我们向用户展示的最终是一种产品；那么，如何接触用户有很多决定需要解决。

比如我们想接触什么样的受众，用什么样的渠道。即使同一个用户搜索一个关键字，他也可以在不同的时间看到不同的结果。这就给了AI在用户的位置，我们可以将每个营销闭环拆分到极细，给中间的营销大脑AI有足够的机会做决定。不断进行决策，持续做用户触达;触达之后，AI还可以根据实时反馈和实时更新，不断调整策略，不断改进AI大脑不断进化。

最后阶段是将自动化与智能化相结合，产生更好的营销工具。所谓的自动智能营销工具，未来一定是很多人工智能内置的能力，但用户感觉不到自己在用AI一种存在。

AI上述营销的价值和好处也需要提及AI积累数据资产的最大优势之一。即，AI获得营销结果后，会随时进行更深入的分析，自动回报反馈，从而给营销人员一系列的洞察力，比如为什么这样做，做得好，如何做得更好。

那营销人做什么?未来成功的营销人员制定策略：个性化交付要最大化效率，必须多次接触，即与多个用户、不同地方互动；营销策略需要熟悉业务和行业的人，因为在不同的情况下，有不同的营销目标，需要灵活的调整——这台机器目前无法理解，必须有人告诉机器。例如，的目标是什么，是最大化点击率还是最大化转化率？

3. 人还是利器:赋能人需要可解释性

刚才提到人是用来做营销策略的，所以任何营销活动都很难脱离人的存在。这也就需要我们的营销工具可以在智能执行的同时，给到洞察，能够帮助营销人去理解：为什么做和怎么做。

即使营销工具先训练黑盒模型，也要在此基础上尝试生产白盒。有了这个群体的洞察力，营销人员可以分析和理解它；有了理解和洞察力，营销人员可以做出更好的营销决策。这就是人与机器的结合，这也是近年来AI该领域的一个热点——可解释性。

什么是可解释性？最初，当我们构建一个机器学习模型时，人们无法理解它。这个模型可能有数亿的参数。模型说A不喜欢红色，但你不知道为什么（比如神经网络深度学习模型）。这是有风险的。为什么呢?

例如：机器学习模型α它在很多方面都很优秀，数学可能特别强大，是一种天才水平；但其他方面很弱，比如沟通能力特别差。你不知道他为什么做这个决定，他也不能告诉你他为什么这么做。在这个时候，你可以放心地把一件生死攸关的事情交给？

至少，统计结果显示，很多人并不放心。因此，智能营销产品可以提高人才对业务和产品的理解，从而给出一些可能的解释——也可能是洞察。

到2020年，每人每天平均产生的数据量为1.5GB，数据量很大，必须依赖这些信息AI要处理，但人们仍然需要做出决定成功方向的大决定，这是未来营销的新场所——人机结合的能力。

未来的营销世界，每个企业都需要有一套适合自己的智能营销应用框架，这个框架里有工具、有人才，有规则，且能非常容易地应用到各个业务场景中。同时，这种智能框架还需要具备快速复制的能力，以适应我们不断产生的新业务和新场景，这就要求我们将智能营销框架工具化。

想象一下，智能框架的底层是数据基础，中层是智能决策引擎，顶层是执行方法和路径——最后，每个营销人员都要拥抱这台充满智慧的大机器。