内容营销人员应了解的 AI 知识

和世界各地的许多人一样，我为新的一年制定了一些专业的决议。 我想尽可能多地了解人工智能 (AI) 和区块链技术。 这一年已经过去了四分之一，我对 AI 的学习已经完成。 如此完整，事实上，它最终成为我最新的免费电子书，“你需要知道的关于营销分析和人工智能的一切”。

（编者注：Chad 将于 5 月 8 日与 Social Media Today 共同主持关于此主题的 Twitter 聊天。请在此处回复以参加聊天：“您需要了解的关于 AI 和营销的知识” ）

在本文中，我将介绍我所了解的有关 AI 及其对营销的影响的所有知识。 我们刚刚开始走上一条全新的、颠覆性的营销之路，这非常令人兴奋。

生活中只有三件事是可以保证的——死亡、税收和一个行业的中断。 破坏每天都在我们周围发生。 看看亚马逊对零售业、优步对出租车、LinkedIn 对求职网站、互联网对媒体、加密货币对金融等做了什么。

据预测，仅人工智能一项就会颠覆预测、客户服务、教育、金融、食品服务、个性化医疗、医疗、物流、忠诚度计划、营销、采购、公共关系、搜索和安全。

根据 Salesforce Solutions 首席技术官 Brett Colbert 的说法，区块链将颠覆土地使用、身份、全球物流和航运、汽车、航空、制造、处方药、金融、政府、银行等。

过去，整个行业的重大颠覆可能每十年或更短时间发生一次。 然而，在今天的环境中，我们开始看到整个行业同时受到干扰。

今天，我们开始看到数字营销和广告出现颠覆的最初迹象。 我们中的许多人甚至都不知道那会是什么样子。

ADYOULIKE 已与 IBM Watson 集成。 Salesforce 推出了爱因斯坦技术。 HubSpot 收购了机器学习公司 Kemi。 adChain、Bitteaser、Native Video Box 和 AdHive 等区块链公司都进入了广告技术领域。

这项新技术不仅将使品牌更容易管理他们的大数据并获得可操作的见解，而且还将营销关键绩效指标 (KPI) 推向新的高度。 他们还将迎来广告技术前所未有的透明度新高度。

作为营销人员，我们都需要问自己：“我们是否准备好从根本上颠覆营销？”

无论答案如何，我们中的绝大多数人可能都不知道技术如何准备好永远改变我们的行业。

上述科技公司通常是在描述人工智能和其他颠覆性营销技术的使用时给出的例子。 然而，电子邮件、线索评分和在线广告优化只是触及了未来为我们的营销提供动力的技术的表面。

这些技术的未来使用将影响自有媒体、免费媒体和付费媒体的各个方面。 这也不仅仅是他们未来的用途。 今天存在的技术可以从根本上破坏所有营销和媒体渠道。

营销中的人工智能

在我之前的许多人都写过关于 AI 的著作。 许多人仍然撰写了有关营销 AI 的文章。 事实上，我的朋友 Paul Roetzer 创办了 Marketing AI Institute。 该网站充满了关于营销 AI 的好文章和思考。 需要注意这一点很重要，因为它表明营销 AI 不会很快消失。 如此之多，事实上，在线营销 AI 思想领导力中心。

Roetzer 就当今的现代营销人员需要了解的有关营销 AI 的一些有价值的话要说。 例如，他说：

“能够利用人工智能力量的营销人员将能够事半功倍，开展前所未有复杂的个性化营销活动，并通过机器智能营销的新方法照常转变业务。 对于拥有改变行业的意愿和远见的营销人员和企业家来说，机会是无穷无尽的。”

根据 Forrester 的一项调查，在美国、欧洲和澳大利亚公司担任决策职务的 700 多名营销人员中，有 86% 的人认为人工智能将使他们的营销团队更加有效和高效。

营销 AI 解决方案的主要问题之一是营销与现实之间的矛盾。 尽管许多解决方案都吹嘘他们使用人工智能，但实际上只有一部分解决方案使用它提供了价值。 其他人仅使用该短语来推销产品和推动销售。 人工智能在解决方案中的实际应用方式决定了它的价值。

用于处理图像和性格类型的人工智能早已面世。 它们在这个阶段被认为是基本的并且提供最小的价值。 专注于解释许多不同的结构化和非结构化数据流以帮助扩展、报告、预测结果和提高准确性的解决方案是通过 AI 提供价值的解决方案。

当今许多当前的营销 AI 解决方案都严格迎合营销 7 P 中的人（稍后会详细介绍）。 没关系。 我们营销人员也需要这些解决方案。 它们中的大多数本质上只是预测性的，而不是规定性的），并且仍然需要营销人员消化信息并决定采取哪些行动。

例如，使用 AI 在最佳时间向各个收件人发送个性化电子邮件、自动化线索评分和情报，以及对页面内容进行评分。 这些都是营销人工智能被用来迎合人（谁）的例子，并且在本质上是使用过去的数据进行预测的。

我们还看到营销 AI 也进入了有影响力的广告领域，或者在 7 P 中进行推广。 这些解决方案正在使用 AI 来高效和最佳地匹配影响者和品牌，同时促进他们之间的金融交易。 它也存在于非付费影响者营销领域，以更好地识别影响者等。

在许多方面，规范性 AI 可以显着提高营销人员获得成功、超额完成和完成更多工作的能力。 在过去，这需要整个团队的分析专家或数据科学家来完成今天指令性 AI 可以执行的相同任务。

营销人工智能研究所所长 Mike Kaput 认为，营销人员将通过 AI 在三种功能中的一种或多种方面得到增强。 很少有营销 AI 解决方案能够同时增强这三者。 这意味着大多数营销人员不会很快面临失业的危险。 这些函数的特点如下：

评估：营销人员分析数据、过去的表现和最佳实践以了解有效方法。 他们将此传达给利益相关者和同事。

建议：他们利用人类的创造力来推荐可能成功的新行动。 这些建议依赖于评估阶段的数据。 但它们也包括健康剂量的直觉、猜测和偏见。

实施：营销人员创建资产并执行活动。 他们可以借助或不借助自动化软件等机器系统来完成这项工作。

Forrester 还发现，46% 的公司表示他们的营销和销售团队正在领导人工智能技术的投资——在所有部门中最高。 可以肯定地说，人工智能精灵已经从瓶子里放了出来，营销人员需要准备好接受它。

人工智能与分析

营销的某些部分从根本上说是永远不会改变的。 以营销的七个 P 为例——产品、价格、促销、地点、包装、定位和人员。 对于在线营销，这七个 P 仍然存在。 然而，自从第一个分析程序被集成到网站中以来，一个一直被遗忘的地方——地方（where）。

是什么让这个地方在离线世界中如此强大很容易理解。 如果实体企业与其他企业、家庭、政府和基础设施存在关联，则可以深刻影响公司的知名度和生存能力。

这个 P，因为它与网络世界相关，在很大程度上被当今的数字营销人员所忽视。 网站相对于其他网站的存在位置很重要。 通过这些网站的链接建立的连接基础设施极大地促进了网站的可见性和可行性，在许多情况下最终促进了业务本身。

一级分离度

我们依靠我们的分析来报告我们网站的健康状况和我们的活动的影响，只提供与我们相差一级链接的网站的信息。 在大多数情况下，只为最后一次接触提供归因。 这意味着营销人员不知道是什么连续的网站最终将访问者带到了该网站，而这反过来又将他们带到了营销人员的网站。 这是我们的分析报告信息的方式：

现在让我们把它带回到七个 P 之一——Place。 这相当于离线实体店只知道隔壁和街对面的企业和地点。 实际上，该企业可能位于繁华的市区，那里遍布着数十家商店、餐馆、公园、法院和公寓。 这家企业的客户在访问之前可能会路过其他一些地方。

对于当今的大多数分析，营销人员只能看到离开隔壁或街对面的顾客。 如果企业知道每位顾客在购买之前访问地点的确切节奏怎么办？ 这将是非常详细的属性。 如果他们知道有关该地区每个企业的信息怎么办？

也许该企业发现其竞争对手的许多顾客住在两个街区外的公寓里，他们只在公园跑步后才购买。 那将是重要的信息。 现在，企业可以询问是否用优惠券赞助公寓的时事通讯，或者派一名员工穿着滑稽的服装到公园推销。

过度依赖个人（谁）报告

当今的大多数分析程序都不会报告上述重要数据。 为什么？ 很简单，因为他们无法收集它。 对于为当今最广泛采用的分析平台提供支持的技术而言，要解析的大数据太多了。 它们建立在已有 15 年历史的技术框架之上。

坦率地说，他们也没有太多改变的动力。 为什么？ 很简单——当今大多数常用的分析程序都属于四大在线广告网络之一。 如果营销人员具有上面讨论的可见度，他们可以花费更少并获得更好的结果。

相反，这些平台说服了大多数营销人员忽略我们在线营销中的位置。 他们能够通过非常擅长报告营销 7 P 中的人（谁）来做到这一点。

虽然一个人当然很重要，其他 P 也很重要，但我们从未在网上获得完整的图片。 作为营销人员，我们对互联网的看法是目光短浅的。 这意味着我们所做的决定仅基于现有信息的一小部分。 这样，今天的分析平台只是一维的。

三度分离

如果 AI 可以将我们当前对互联网的一维视图转换为真正的三维视图会怎样？ 我们将能够看到我们潜在的主题影响范围内的所有联系，最多可达三个网站。 我们会知道哪些广告和影响者最成功地推动了与我们行业相关的所有网站的点击和参与。 此外，我们还知道哪些附属公司在我们的行业中最成功。

我所描述的是一个新的分析系统，由 AI 提供支持，可以报告和跟踪距网站三度范围内的数据。 换句话说，我们会看到关于所有链接到我们的网站的数据，关于链接到它们的网站的数据，以及关于链接到它们的网站的数据。

要使用当今最广泛采用的分析程序来做到这一点，需要不受限制地访问数以千计，在某些情况下数以百万计的网站分析。 生成的数据量将是巨大的，并且对于营销人员来说可能无法在任何规模上使用。

这种分析和报告模型为营销人员描绘了一幅更全面的图景，包括完整的归因和潜在客户的在线旅程。 与我们通常描述客户旅程的方式不同——自有渠道、赚取渠道和付费渠道只有一个程度的分离——而是一幅三维图。

通过告知营销人员要远离哪些网站以及要加倍关注哪些网站，访问此类数据可以对付费媒体的性能和成本产生巨大影响。 它也可以成为赢得媒体、影响者营销和媒体推广的福音。

从自有媒体的角度来看，这样的数据可以帮助营销人员了解他们行业中哪些内容最受欢迎或服务不足——真正的内容情报。 在这种模式下，付费和自然社交媒体的洞察力也会更加丰富和透彻。

这个新分析系统的可视化表示如下所示：

数据丰富。 洞察力差

我们生活在一个完全被数据消耗的世界中。 但数据到底是什么？ 归根结底，它只不过是一种商品。 一种资源。 现在对营销人员来说重要的是他们可以用它做什么。 关于数据，每个营销人员都应该问自己的问题是，“正在浮出水面的哪些见解可以推动我的营销活动更上一层楼？”

人们越来越多地关注客户数据平台 (CDP) 的概念。 这个想法被定义为所有客户数据的统一、集成存储，于 2013 年首次提出。CDP 对于全面了解潜在客户和客户至关重要。 这包括收购前和收购后。

不幸的是，很少有营销人员拥有真正的 CDP。 相反，大多数人拥有一系列不同的系统和工具，这些系统和工具不能很好地共享数据或见解。 那些能够使用 CDP 技术的营销人员比那些不能使用的营销人员具有巨大的优势。

最好的营销分析和归因技术都内置了 CDP。 营销人员的真正价值在于技术可以对数据和他们提供的建议做什么。 人工智能在此功能中起着至关重要的作用。

营销归因

与当今的大多数分析一样，营销归因本质上是一维的。 这只是许多当前分析技术提供的数据的反映。 以下来自 Bizible 的信息图很好地解释了不同类型的建模、营销渠道和活动、渠道映射以及与营销归因相关的指标。

例如，推荐流量被列为营销渠道。 我们可以很容易地进入我们的分析，找到由推荐来源提供的流量。 其中一些流量也可能成为客户。

根据我们的归因模型（例如最后接触），我们可以将转化推荐流量归功于带来收入。 网站是我们的，转化（销售）是在我们的网站上，看起来像这样：

这在一维分析世界中很好。 然而，实际上，更有可能是某些因素将流量推向了引荐来源，而其他因素也将流量推向了它。 这是当今绝大多数营销人员无法访问的数据。 这是该模型的样子：

这是三度外归因建模的示例。 列出的其他网站可以是其他推荐来源、社交媒体、电子邮件、搜索引擎等。作为营销人员，这是非常有价值的信息。

如果我们知道第二个网站是什么，我们可以直接找到他们并合作赞助。 也许它是一个流行的博客或在线出版物。 走赚来的媒体路线并向他们推销一个要写的故事也是一种可能性。 也许网站一是业内受欢迎的影响者。 这是一种可能的营销合作伙伴关系。

以上是一个非常简化的三维归因建模的例子，比较容易理解。 现在想象一个模型，它显示链接到所有流量源的所有内容以及与之相关的所有内容。 很难想象，对吧？ 它看起来像下图。

上述模型可以告知营销人员停止在哪些网站上投放广告或加倍投放广告，同时确定营销人员应该投资的新的和性能更好的网站。 它对免费媒体也有同样的作用，但在这种情况下，它是花时间的地方，而不是预算。 它还使营销人员能够获得真正的内容情报，了解哪些主题在他们当代的在线影响范围内引起共鸣或服务不足。

上面提到的每个网站本身可能都不是很重要。 但是，它们与其他网站的关系和联系是。 发现和识别相关集群也是如此。

互联网条带的三维地图可以做的另一件事是三角测量。 这意味着，在许多情况下可以揭示以前未知的流量来源（直接流量）。 这非常重要，因为某些网站可能会将很大一部分流量标记为直接流量。

想象一下，根据一维归因建模做出营销决策，并丢失大量数据，因为它被隐藏为直接流量。 营销人员无需想象它，因为我们已经这样做了十多年，而且它已被接受。 我们大多数人只能看到相关数字生态系统中 20% 的数据。 这是我们没有利用的另外 80% 来为我们的营销决策提供信息。

上面的黄色代表营销人员可以看到的行业影响力数字领域的 20%。 自 2000 年代初以来，这已被接受。 如今，人工智能驱动的分析首次使我们有可能看到剩下的 80%。

我知道很多读者在想什么，我们怎样才能得到这些数据，一旦我们得到它，我们又如何理解它？ 上面概述的是真正的大数据。 这篇文章开始谈论营销 AI 和分析是有原因的。 当两人结婚时，这使这成为可能。

目前存在的技术可以做到这一点，它不仅仅是预测性的——它是规范性人工智能。 这意味着，它会查看大量结构化和非结构化数据，以明确告诉营销人员下一步该做什么。 这样，我们所知道的分析就永远改变了。

未来是现在

电子书中描述的与免费、自有和付费媒体相关的每一种策略都提供了独立的解决方案，而不是集成的 AI 驱动分析平台的一部分。 这有助于推动 Martech 软件营销人员每年都面临的贪婪。 这并不理想。

仅在 2017 年，martech 软件生态系统就有超过 5,000 家供应商。 当这些类别在一个人工智能驱动的分析平台下组合时，它使营销范围内与销售和服务软件的集成变得更加简单，学习曲线也更容易驾驭。 更不用说，一个包罗万象的解决方案的采购过程比替代方案更容易接受。

否则，营销人员正在考虑采用 12 种独特的人工智能驱动的软件解决方案来推动他们的营销。 这就是营销人员在这十年中采用营销自动化软件的原因。 当然，可以招募八个不同的软件供应商来完成一个营销自动化供应商可以完成的工作，但由于显而易见的原因，这并不理想。

采用多种营销技术，通常会产生分散存储的不统一数据流。 这些系统彼此断开连接，因此提供的数据不完整。 想象一下，必须查看 12 个独特的仪表板才能破译营销战略和策略。 这就是许多人正在做的事情。

也就是说，现在就是未来，因为存在包罗万象的 AI 驱动分析解决方案，可以统一客户视图，使大数据可操作，解析结构化和非结构化数据，预测结果，规定行动，提供完整的营销归因，并开放 80 % 更多的网络进入营销人员的视线。

十多年来，营销人员一直依赖于少数也销售在线广告的分析供应商。 他们真的没有动力帮助营销人员减少支出并获得更好的结果。 数据独立性是避免这种内在利益冲突的唯一途径。

另一种选择是完全停止在线广告或削减预算。 宝洁公司去年宣布，由于品牌安全问题、机器人程序和令人反感的内容，它将削减高达 1.4 亿美元的在线媒体支出。

通过对人工智能驱动的分析进行相对保守的投资，这个问题本可以轻松解决。 这项技术将使 Proctor & Gamble 能够专注于营销七个 P 中的地点（哪里）——这是他们问题的核心。

受益的不仅仅是付费媒体； 付费、免费和自有媒体可以受到这项新技术的积极影响——从影响者营销和搜索引擎优化到展示广告和社交媒体。

如果您想更深入地了解 AI 和这些策略，请查看我免费提供的完整电子书。 我开始尽我所能学习有关 AI 和市场营销的一切知识，我真诚地希望您也能从这次旅程中学到一些新东西。

（注意：您必须在 5 月 15 日之前注册罗格斯商学院的“完整的内容营销：让内容变得重要的艺术和科学”。这是一门在线课程，由我的朋友 Ian Cleary 和 Mark Schaefer 教授。您的讲座也是真实的。使用我们的折扣代码“grow”可享受 10% 的折扣。）

本文的一个版本首先发表在《今日社交媒体》上。