摊牌了！AI+全渠道数字化经营将如何影响零售？

欢迎来到数云营销学院。这里是2023年全渠道消费者运营直播公开课第二期。

本期关键词：AI和数字化经营。

近期，GhatGPT很火，火到信息过载，但对个人而言，信息是否有效还要看相关性，比如我们更倾向思考：

·ChatGPT火爆出圈可能给数字化消费者运营系统带来哪些影响？

·为什么说数字化经营适合AI技术落地？

·AI技术在数字化经营中的典型应用场景？

……

话题越热，心就越要冷。冷眼看清眼前的这股热潮和行业的关联：影响几何、适配性怎样，然后才知道自己该干什么、能干什么。能想得踏实，做得才能踏实。

本周三晚7点半，直播间来了位新朋友李鹏，从数字化经营产品设计师的角度，由行业和产品出发，聊了聊他对这股AI 热的理解。

首先，ChatGPT出现的意义之一，就是以眼见为实的方式让大家达成一种共识，即AI会是未来的趋势。

这种共识很难得，能降低AI技术落地应用进程中的市场教育成本，提高推进效率。

其实，AI在MarTech领域的应用早已有之，如门店人脸识别、商城的个性推荐系统、CDP中的用户画像、CRM中的NBA等，但都属于判别式AI，和ChatGPT所属的生成式AI是两种技术。

生成式和判别式不存在孰优孰劣，两者在数字化消费者运营系统中各有各的应用场景和价值，将共生、共存发展。这是我们认为的第二点影响。

第三点是ChatGPT的出现拓宽了产品设计思路。“基于规则”是当前产品设计人员在设计解决方案时的常用思路，而ChatGPT则提供了一条新路径，即“基于模型”。路径同样无分优劣，抉择需结合ROI综合考量。

第四点影响主要针对数云等已具备PaaS层服务提供能力的厂商，ChatGPT等通用大模型将和垂直领域专业小模型将协同工作。因此，该类厂商需要考虑多来源模型服务的集成和编排能力。

第五点是在消费者数字化运营的路径上将出现更丰富的智能应用增值场景。这些场景将沿着消费者成长路径、在品牌和消费者的交互中不断展开，也就是说，几乎每一家厂商的数字化运营产品都值得AI Plus一遍。如前面提到的，生成式、判别式将各有各的应用场景和价值，百花齐放。

2016年，AlphaGo（阿尔法围棋）也掀起过AI浪潮，后来没了波澜，但ChatGPT不同，它带来了全人类的共识：AI会是未来的趋势，一种确定性的趋势。

以数字化经营领域为例，就已经适合AI技术落地，为什么这么说？我们从3个方面展开讲。

首先，品牌企业数字化经营已具备了步入数据智能阶段的资质。从发展路径看，品牌及零售企业出于市场营销或用户精细化运营目的布局数字化经营，一般会经历四个阶段，分别是应用系统、数据集成、数据应用和数据智能。

这是一个从数字化运营到全渠道智能数字化运营、步步加码的过程，即从最初采买或建设数字营销应用产品（CRM、MA、BI），到跨渠道数据的集成和集中管理（CDP），再到用数据资产赋能应用层系统，如生成用户标签、客户群圈选、用户360画像等。

而数据智能技术就是以品牌及零售企业的精细化用户运营为基础展开的。通过算法学习，将在前三个阶段实际业务中积累起的大量数据提炼为“经验”（模型），从而对各用户运营场景进行智能预测，有时会达到甚至超过专业运营人员的决策水平。

其次，数字营销行业已经具备适合智能技术落地的条件：经验、数据化和价值空间。
AI的本质就是复制并优化人类经验。而市场营销和用户运营领域存在大量的应用场景，积累有丰富的专业经验。

又由于数字营销本身是一个信息化程度较高的领域，这些基于过往操作所产生“人工预测”的“经验和结果”，都以数据的形式沉淀于品牌企业的数据营销系统中。每一次营销活动的结果、用户行为反馈、交易订单达成又都是一次数据标注的动作。这些可量化的数据就是训练AI的天然样本。

在数字化经营领域落地AI技术，不仅已有的底子佳、适配性好，相关意愿也强烈。

对市场营销而言，个性化意味着更好的用户体验，能产生可观的价值收益，但规模化却意味着更低的服务成本，能带来更强的竞争力。

“规模化的低成本”和“个性化的好体验”，这两者本质上是冲突的，想要鱼和熊掌兼得？答案一定不是靠人力，而是通过智能技术辅助实现“规模化的个性化”，这也是AI在数字化经营领域创造自身价值的潜在空间。

第三点，从基础设施条件看，类比行业已有的经验：从机房部署到企业上云，只有相关产业链逐渐成熟，企业应用成本不断降低了，新技术的普及才有可能，AI技术落地也是同理。

眼下，数字化经营领域的产业链分层已基本形成：

首先基础层，包括阿里云PAI、腾讯TI-ONE、百度BML、亚马逊SageMaker、谷歌GCP等在内的数据科学工程化云设施，让下游企业可以拿来主义，无需从0开始基于算力构建机器学习的硬件基础，此外，还有Kubeflow、MLflow等开源MLOps工程框架可以借用。

基于基础层之上的是模型层，既是指类似GPT、Llama这样的通用大模型，也包括了不同领域的行业化、场景化的预训练基础模型，如人脸识别、个性化推荐等。下游的企业对此可以直接利用或二次调优，进一步降低企业落地AI技术的成本。

下一层智能产品层，该层包括数云在内的产品企业。在上述基础设施的加持和数据深度运用的帮助下，利用垂直行业的经验，提升自身的产品智能程度，为客户提供开箱即用的服务。

最顶层就是场景应用层，该层与终端用户最近，指各行各业的从业者，如数字化经营领域的品牌及零售企业等，使用智能产品来解决自身领域的场景问题，促进人工智能技术与具体场景的结合。

这就是在数字化经营领域已有的、自下而上的产业链分层：下游打基础，上游借力并不断落地更贴近终端用户的应用和实践，加之MLOps工程的不断标准化，AI技术在数字化经营领域落地的各项成本正不断降低，普及是可见的未来。

数云是中国消费者数字化运营科技公司，如前所述，处在AI 技术产业链的智能产品层，拳头产品之一是数云麒麟CRM，致力于为品牌企业全渠道消费者运营过程赋能。

我们认为，AI技术是产品设计的新范式、解决问题的新思路，它像一把新锤子，凿开未来更多可能性。借助AI技术，让数云麒麟CRM产品更智慧地为品牌客户全渠道消费者运营过程赋能，是我们持续关注并注力落地的事儿。

以下是近期数云麒麟做的一次小范围的客户调研，整理出6大需求点，分别是：

·我的客户是怎样的一个人，我如何能够更了解？

·如何才能实现千人千面的个性化营销旅程活动？

·如何能够提前洞察到客户接下来的行为？

·能否在开展营销活动前就先拿到效果评估？

·我有一些新的策略玩法需快速落地验证，能否在不依赖专业数据科学家和专业AI技术的前提下完成？

·如何让品牌可以直接开箱即用智能技术？

我们认为，这些都是AI技术在数字化经营中大有可为的应用场景。包括：

1、客户洞察

对于有一定运营时间且有一定用户体量的品牌及零售企业而言，在自家CRM系统数据库中，几乎每位消费者都会沉淀下大量的信息，包含基础信息、行为信息和消费信息等。

但有数据不等于了解消费者，而“了解”是个性化运营的基本前提。这个问题在当前各大互联网平台围墙花园的背景和趋势下尤显严重。

难，但重要。我们认为，AI技术可以做的是，通过品牌及零售企业已有的部分用户数据学习训练出预测模型，对用户行为进行预测，进而实现对用户画像的进一步洞察和信息补全，使营销活动的开展有的放矢。

我们认为，AI技术能在企业中落地的一个重要前提是，实现AI与应用层产品的无缝集成，即AI以结果赋能应用层产品，应用层产品用实时数据反哺AI。

需要注意的是，用户洞察模型不是一劳永逸的，而是要伴随着品牌的经营，通过与经营过程中不断产生的跨渠道交易新数据、行为采集新数据等形成数据闭环，来实现模型的自我迭代，这也是保障AI和实际业务的贴合性的重要因素。

2、个性化内容生成与推荐

“了解”是个性化运营的基本前提，这个“预测”既要具体到“一个人”的颗粒度，也要细化到“这个人”方方面面的偏好，既包括对商品的喜好，也包括触达的时机、场景的选择、展现的内容、提供的权益等。只有细化到每一个人、每一个场景的个性化，才能做到千人千面的个性化内容生成和推荐，这也是好体验的题中之义。

这个靠人力难以企及的工作量，却是AI的专长，即借助大语言模型的生成能力，针对具体的用户运营场景生成个性化的运营内容，从而做到“规模化的个性化”。

这种针对具体场景、具体消费者、具体时机、具体场景的个性化营销，集合了CDP、AI、MA三方功能，将是落地千人千面营销的重要形式。

3、智能互动

目前通用语言模型的自然语言理解、对话过程管理、自然语言组织生成能力都已经非常强悍。语言模型作为一种“胶水”能力，与产品原有功能的结合，更好地服务一些应用场景。

如无需专业数据分析师介入的商业智能分析，销售、咨询、客服、社群运营等过程中的智能客服接待等。

4、智能副驾，生成策略运营方案

运营人员描述背景和目的，AI借由历史方案和业务数据形成雏形方案，并在持续的人机交互过程中，不断优化AI建议方案，最终输出合适的策略方案。在这个过程中，AI相当于运营人员的智能副驾。

适用范围有广？大到大权益体系搭建、会员成长等级模型制定中，中到一个周期内的运营计划组合，小到具体的一个营销自动化旅程设计、一次优惠券发放方案，都能做。

5、经验提炼，行业预训练基础模型

人才，包括大数据人才和运营人才。人才缺失的本质是解决问题相关方法论和经验的缺失，而AI的核心逻辑就是从历史数据中学习提炼出场景经验并服务于场景。

所以，将垂直领域的方法论和数据“经验”训练为一个个领域场景模型，通过“经验”模型为更多企业的数字营销进行赋能，帮助其解决数字营销过程中场景预测的现实问题。

6、智能平台，零代码智能工厂

人工智能本身是这几年在国内新兴的领域之一，国内的大部分传统企业并没有自己的专业数据科学团队的。品牌企业要建立一个自己的机器学习团队专业和成本的门槛非常高。

通过智能平台，企业可以实现数据科学过程标准化、贴合企业业务个性化的多样化模型服务集成管理，实现真正的“开箱即用”。

可以看见，调研中的6个需求都可以通过AI实现落地：将业务数据通过标准化算法提炼出成经验，把经验训练成模型，让模型辅助做决策，再用决策来提升运营效果，一气呵成。

为什么数云麒麟要做AI技术相关落地的研究与设计？不仅因为我们相信AI是大势所趋，也因为我们看见客户有需求。

作为面向大中型企业的全渠道消费者运营系统，数云麒麟的客户基本具备了步入智能营销阶段的条件，它们需要通过AI产品为其提供数据智能化应用层面的赋能。

但自建团队贵，外包给第三方项目服务商风险又大。不仅需要有相关行业经验支持，且由于开发周期长，后期需要随业务不断迭代，因此对服务商的行业理解度以及稳定性都有高要求。

数云麒麟能做些什么？

数云麒麟拥有数云在消费者运营领域深耕超过10年、服务品牌及零售企业超过7000家的行业经验。

作为一个全渠道消费者运营系统，数云麒麟目前已涵盖近乎整个全渠道消费者运营过程中的全链路场景，建立了消费者数据平台CDP、全渠道会员管理平台CRM、营销自动化MA、触达与客户体验平台CEM，数据层、PaaS层、应用层完善的产品矩阵。

所以我们相信，数云麒麟遇见AI技术，能够更智慧地为品牌及零售企业的全渠道消费者运营过程赋能。

数云麒麟可以怎么做？

1、提供零代码开箱即用的智能平台

基于大量行业know how的经验沉淀，将全渠道消费者运营的不同场景标准化成一个个预置的场景算法方案。

当这些场景结合品牌及零售企业个性化的数据，就可以用于训练最适合其自身业务情况的AI模型。麒麟支持数据在线，已训练出来的模型可通过周期性的调度计划，不断更新训练、评估和迭代，随时保持与业务的紧密贴合。

整个过程中，包括数据集生成、模型训练、训练效果评估、模型服务发布、周期训练迭代、模型服务监测等，将被封装起来。对于品牌及零售企业而言，这将是个零代码、开箱即用的产品，点点鼠标，根据产品向导一步步走，就能让AI落地。

2、最大化AI技术的应用价值

数云麒麟自身的产品矩阵已然包含数据层、PaaS层，天然具备将AI和应用场景无缝集成的能力。

当AI与数云麒麟CRM和CDP中的各个应用，包括忠诚度、卡券、MA、营销自动化、用户画像、BI等应用集成， AI技术也就能真正落地到品牌及零售企业业务的实际应用过程中。

同时，企业训练好的智能模型除了开放给数云麒麟产品的集成使用外，还可以支持以服务AP形式透出，开放给企业其他系统使用。

最后的话

因为看见，所以相信。

我们看见，数字营销行业有着适合AI技术落地的条件：大量“行业经验数据化沉淀”的现实土壤，以及随着产业链分层和MLOps工程标准化所带来的渐趋完善的基础设施。对用户运营实现“规模化的个性化”服务这一价值诉求，将是行业推动AI技术落地的强动力。

我们也看见，AI技术在数字营销领域的应用空间：用户洞察、个性化内容生成和推荐、智能副驾……

所以我们相信，这股由ChatGPT掀起的AI热潮将落地为热浪，滚滚向前，前方有数字化经营的未来。

也相信借助AI技术，能让数云麒麟产品更智慧地为品牌及零售企业的全渠道消费者运营过程赋能。

因为相信，所以看见。

有一天，我们会看见：在AI创造的零售未来中，营销会更有价值。