秒针系统-营销实效管理专家
客户登录 注册/登录秒针资源社区 English
| 大模型时代,营销领域的机遇与挑战
2023-11-30
290
趋势解读

曾经流传过这么一句话:“人往往会高估一年时间发生的变化,低估五年时间发生的变化。”

明略科技技术副总监卫海天认为,这句话可以理解为短期时间内的技术迭代并不能引起翻天覆地的变革,但ChatGPT的出现,已经证明了大家连一年的变化也没法高估了,大模型已然成为了一个重要的技术演进方向,自然语言生成技术可能会对人类产生各种影响,带来多领域的变革,其中,营销领域依托于互联网复杂多变的特点,可作为大模型应用实践的场景。

窥探大模型背后技术

LLM(Large Language Model)是一种基于深度学习的自然语言处理模型,通过在大量的文本数据上进行训练,学习到语言的规律和模式,从而能够理解和生成自然语言文本。ChatGPT所实现的通用人工智能能力,来自于机器学习、神经网络以及Transformer模型的多种技术积累。

Transformer模型是一种基于自注意力机制的神经网络架构,能够对输入序列中的每个位置进行关注,从而在不同位置之间建立联系。Transformer模型被广泛应用于自然语言处理领域,相比于传统的RNN和CNN,Transformer模型可以并行计算,大大加速了训练过程。

近年来在大规模语料库上预训练的Transformer模型(PLMs)已经展示了在解决各种自然语言处理(NLP)任务方面的强大能力。有趣的是,研究发现当参数规模超过一定水平时(百亿参数),这些语言模型不仅可以实现显著的性能提升,而且还表现出一些特殊的能力(例如上下文学习),这些能力在小规模语言模型中不存在。

我们可以预计,未来LLM会朝着模型参数量进一步扩大,训练数据模态进一步扩大的方向发展,而这也将带来新的模型能力涌现,我们以共同期待,多模态的大一统模型问世后,通用人工智能能带来何种颠覆性成果。

不过,大模型的能力增长并非没有边界,因为它本身要依赖于训练,对于外界最新的数据信息输入训练是有延迟的,而这种情况下如何进一步丰富大模型的能力呢?

突破口是大模型去配合不同的插件,类似于给大模型装上眼睛、双脚、双手等,去互动联通,这样,大模型就变成了新一代的通用平台,可以调用各种plugin来处理海量现实生活的事物,这种交互的逻辑也会带来产品交互范式的转移。以往,产品设计的一些按钮以及使用界面,是用来设计满足高频刚需的用户需求,这种交互逻辑是用户要去适应产品提供的功能,但当接入大模型之后,大模型的能力能够满足用户很多长尾需求,它可以理解你想做的事情,可以调用自己的资源去满足用户需求。这就意味着,在这种通用大模型出来之后,产品的交互范式也会发生一个非常深刻的变化。

大模型时代,

营销领域新的机会和挑战

而这样的转变,同样也颠覆了营销领域,AIGC将从重构内容生产,重塑流量格局,创新运营服务和加速商业洞察这四个方面,来改变营销环境。

重构内容生产

更高效的AI生成内容流水线带来海量内容,

争夺消费者有限注意力

首先回顾内容的生产周期,以往品牌方产出内容需要通过专业机构,时间为几周到几个月不等,发展到后来可以依靠大量意见领袖去生产大量内容,时间为几天到几周不等,而有了AIGC后,几分钟就可以生产出令人满意的文案,效率方面有了飞速提升,更高效的内容生产线带来海量内容供给,而使用AIGC也意味可以定制化,千人千面的内容意味着更好的触达和更好的转化效果。

流水线的海量内容意味着消费者的注意力变得更加稀缺,品牌方在这样的环境里面需要快速铺量,用更低成本去触达消费者。但同时,广泛的供给也会分化消费者需求,海量的内容涌入网络,消费者会更加主动去高质量内容,这对品牌方提出了新的挑战,一是要大量生产内容,同时也要在更高质量的内容上更具竞争力,生产好的内容击穿用户心智。

重塑流量格局

冲击搜索广告

新交互模式下媒介重归中心化?

以往的流量阵地,形式转化基本是社交平台向搜索引擎转化,即在社交平台被种草产品,再去搜索平台去了解更多信息,这种使用搜索引擎的习惯可能会被AIGC改写,当下ChatGPT这类工具提供了新的交互模式,会给到用户更有逻辑性和更有调理的回答,体验要优于搜索引擎,会对搜索引擎造成非常直接的冲击,同样也是对于流量格局的冲击。在未来的交互上,大语言模型可以结合不同的终端,例如智能音箱等,带来一种新的交互模式,流量会向一些新的应用转移,大模型可能会成为新的流量入口,与下游应用并存,消费者也会随时互动的新诉求。品牌主需要在这个方面去进行更多的思考。

创新运营服务

更个性化、有温度的一对一服务成为可能

与过往国内以短文本处理、单轮对话、简单多轮对话见长的智能客服不同,现阶段的AIGC在长文本处理、场景及意图理解、上下文连续对话方面能力已经很强大了,借助通用人工智能的能力,品牌方可以给用户提供个性化、更有温度的服务。在以往,配置智能对话客服是一项复杂的工程,但有了GPT这样的通用大模型后,大大降低了配置复杂等级,有着更低的冷启动成本,且效果要更优,这对企业来说,让个性化、有温度的一对一服务带来了可能。此外,有了AIGC能力,AI客服+多品牌触点为消费者创造无缝的品牌体验,借助客服触点,可以构建营销场景,将成本中心转化为价值中心。

加速商业洞察

大模型加速颠覆原有的市场研究模式

营销侧的商业洞察目前集中在文本领域,例如消费者在社交媒体端的意见和评论,基于这些本文形成洞察。而大模型会颠覆原有的商业调研模式,能够更高效更快速地形成“假设形成——信息收集——产出洞察”这样一个商业调研的闭环,向敏捷化、自动化方向升级。大模型的介入,意味着商业洞察的门槛会进一步降低,未来品牌侧应普遍具有简单的洞察能力,对商业洞察的需求将更多转向对更多元和广泛的数据进行更深入的洞察。

大模型的应用和爆发,也意味着营销生产力的爆发。当下营销领域会被大模型革新,在这样背景下,企业应该思考如何能够比竞对更加快速的适应大模型的时代。明略科技能够发挥桥梁作用,连接起企业和大模型,利用积累的行业知识和数据,借助各通用大模型以及fine-tuning技术,优化训练垂直领域的行业大模型,在产品中为客户提供可伸缩的模型即服务(Scalable MaaS),为客户打造数据飞轮,让客户的行业知识和数据与大模型互相助力,提升营销和营运智能Copilot产品的效果 。

关键词:
干货文章
大模型时代,营销领域的机遇与挑战
| 大模型时代,营销领域的机遇与挑战
2023-11-30
290
趋势解读

曾经流传过这么一句话:“人往往会高估一年时间发生的变化,低估五年时间发生的变化。”

明略科技技术副总监卫海天认为,这句话可以理解为短期时间内的技术迭代并不能引起翻天覆地的变革,但ChatGPT的出现,已经证明了大家连一年的变化也没法高估了,大模型已然成为了一个重要的技术演进方向,自然语言生成技术可能会对人类产生各种影响,带来多领域的变革,其中,营销领域依托于互联网复杂多变的特点,可作为大模型应用实践的场景。

窥探大模型背后技术

LLM(Large Language Model)是一种基于深度学习的自然语言处理模型,通过在大量的文本数据上进行训练,学习到语言的规律和模式,从而能够理解和生成自然语言文本。ChatGPT所实现的通用人工智能能力,来自于机器学习、神经网络以及Transformer模型的多种技术积累。

Transformer模型是一种基于自注意力机制的神经网络架构,能够对输入序列中的每个位置进行关注,从而在不同位置之间建立联系。Transformer模型被广泛应用于自然语言处理领域,相比于传统的RNN和CNN,Transformer模型可以并行计算,大大加速了训练过程。

近年来在大规模语料库上预训练的Transformer模型(PLMs)已经展示了在解决各种自然语言处理(NLP)任务方面的强大能力。有趣的是,研究发现当参数规模超过一定水平时(百亿参数),这些语言模型不仅可以实现显著的性能提升,而且还表现出一些特殊的能力(例如上下文学习),这些能力在小规模语言模型中不存在。

我们可以预计,未来LLM会朝着模型参数量进一步扩大,训练数据模态进一步扩大的方向发展,而这也将带来新的模型能力涌现,我们以共同期待,多模态的大一统模型问世后,通用人工智能能带来何种颠覆性成果。

不过,大模型的能力增长并非没有边界,因为它本身要依赖于训练,对于外界最新的数据信息输入训练是有延迟的,而这种情况下如何进一步丰富大模型的能力呢?

突破口是大模型去配合不同的插件,类似于给大模型装上眼睛、双脚、双手等,去互动联通,这样,大模型就变成了新一代的通用平台,可以调用各种plugin来处理海量现实生活的事物,这种交互的逻辑也会带来产品交互范式的转移。以往,产品设计的一些按钮以及使用界面,是用来设计满足高频刚需的用户需求,这种交互逻辑是用户要去适应产品提供的功能,但当接入大模型之后,大模型的能力能够满足用户很多长尾需求,它可以理解你想做的事情,可以调用自己的资源去满足用户需求。这就意味着,在这种通用大模型出来之后,产品的交互范式也会发生一个非常深刻的变化。

大模型时代,

营销领域新的机会和挑战

而这样的转变,同样也颠覆了营销领域,AIGC将从重构内容生产,重塑流量格局,创新运营服务和加速商业洞察这四个方面,来改变营销环境。

重构内容生产

更高效的AI生成内容流水线带来海量内容,

争夺消费者有限注意力

首先回顾内容的生产周期,以往品牌方产出内容需要通过专业机构,时间为几周到几个月不等,发展到后来可以依靠大量意见领袖去生产大量内容,时间为几天到几周不等,而有了AIGC后,几分钟就可以生产出令人满意的文案,效率方面有了飞速提升,更高效的内容生产线带来海量内容供给,而使用AIGC也意味可以定制化,千人千面的内容意味着更好的触达和更好的转化效果。

流水线的海量内容意味着消费者的注意力变得更加稀缺,品牌方在这样的环境里面需要快速铺量,用更低成本去触达消费者。但同时,广泛的供给也会分化消费者需求,海量的内容涌入网络,消费者会更加主动去高质量内容,这对品牌方提出了新的挑战,一是要大量生产内容,同时也要在更高质量的内容上更具竞争力,生产好的内容击穿用户心智。

重塑流量格局

冲击搜索广告

新交互模式下媒介重归中心化?

以往的流量阵地,形式转化基本是社交平台向搜索引擎转化,即在社交平台被种草产品,再去搜索平台去了解更多信息,这种使用搜索引擎的习惯可能会被AIGC改写,当下ChatGPT这类工具提供了新的交互模式,会给到用户更有逻辑性和更有调理的回答,体验要优于搜索引擎,会对搜索引擎造成非常直接的冲击,同样也是对于流量格局的冲击。在未来的交互上,大语言模型可以结合不同的终端,例如智能音箱等,带来一种新的交互模式,流量会向一些新的应用转移,大模型可能会成为新的流量入口,与下游应用并存,消费者也会随时互动的新诉求。品牌主需要在这个方面去进行更多的思考。

创新运营服务

更个性化、有温度的一对一服务成为可能

与过往国内以短文本处理、单轮对话、简单多轮对话见长的智能客服不同,现阶段的AIGC在长文本处理、场景及意图理解、上下文连续对话方面能力已经很强大了,借助通用人工智能的能力,品牌方可以给用户提供个性化、更有温度的服务。在以往,配置智能对话客服是一项复杂的工程,但有了GPT这样的通用大模型后,大大降低了配置复杂等级,有着更低的冷启动成本,且效果要更优,这对企业来说,让个性化、有温度的一对一服务带来了可能。此外,有了AIGC能力,AI客服+多品牌触点为消费者创造无缝的品牌体验,借助客服触点,可以构建营销场景,将成本中心转化为价值中心。

加速商业洞察

大模型加速颠覆原有的市场研究模式

营销侧的商业洞察目前集中在文本领域,例如消费者在社交媒体端的意见和评论,基于这些本文形成洞察。而大模型会颠覆原有的商业调研模式,能够更高效更快速地形成“假设形成——信息收集——产出洞察”这样一个商业调研的闭环,向敏捷化、自动化方向升级。大模型的介入,意味着商业洞察的门槛会进一步降低,未来品牌侧应普遍具有简单的洞察能力,对商业洞察的需求将更多转向对更多元和广泛的数据进行更深入的洞察。

大模型的应用和爆发,也意味着营销生产力的爆发。当下营销领域会被大模型革新,在这样背景下,企业应该思考如何能够比竞对更加快速的适应大模型的时代。明略科技能够发挥桥梁作用,连接起企业和大模型,利用积累的行业知识和数据,借助各通用大模型以及fine-tuning技术,优化训练垂直领域的行业大模型,在产品中为客户提供可伸缩的模型即服务(Scalable MaaS),为客户打造数据飞轮,让客户的行业知识和数据与大模型互相助力,提升营销和营运智能Copilot产品的效果 。

电话咨询
4008938989
联系我们
返回顶部