自2016年，DeepMind开发的AlphaGo围棋程序战胜人类顶尖职业棋手后，“人工智能”、“AI”成为各行各业都关注的热词，广告营销行业也不例外。然而，之前“大数据营销”的概念尚未退潮，“人工智能＋广告营销”又来袭，它们究竟是新瓶装旧酒、纯属概念炒作？还是职业广告人的潜在威胁？
本文将厘清关于广告营销和人工智能的若干个重要概念，并分析AI如何在营销场景中落地。
一、 广告营销产业链现状
1. 认识“广告营销业”的两种视角
（1）“广告营销”的第一种定义，是指企业通过广告对产品展开宣传推广，促成消费者购买，扩大产品销售，提高企业的知名度、美誉度和影响力的活动。
在该视角下，广告营销产业链包括上游：广告主／品牌主（即企业），中游：从事媒介代理业务和客户代理业务的代理服务商，和下游：创意策划、拍摄、印刷、投放媒体等执行机构。
（2）“广告营销”的第二种定义，如《广告法》第二条所规定的，是“商品经营者或者服务提供者通过一定媒介和形式直接或者间接地介绍自己所推销的商品或者服务的商业广告活动”。
在该视角下，媒介渠道及媒体内容成为广告营销业的关注重点。
2. 两种视角带来不同的行业认知
第1种视角，可以简化为“营销”，其所有活动的全部落脚点，都要落在实现上游广告主／品牌主的营销目的和营销需求，本质上是一种商业管理视角，因此尤其重视甲方的战略目标和决策部署。
第2种视角，可以简化为“广告”。由于在传统媒体时代，广告是 “广而告之”，广告的效果很大程度上取决于内容创意的质量，且广告是媒体业最主要的变现途径，所以本质上它是一种媒体视角或流量思维，重点关注制作与分发。这样的认知也带进了互联网时代，以精准投放、AdTech等为代表、与大数据相关的计算广告领域在短短几年里就变成了一片红海。
3. 不同认知带来的不同商业范式
从媒体视角来看，BATJ等互联网平台的业务体量已经绝对领跑市场，成为“数字化重构广告行业”无法缺位的玩家。而传统代理商则开始频繁与数据公司、电商平台示好，加快自身的数字化转型。近两年，阿里、腾讯与WPP、阳狮均开启了全域营销解决方案，将分散渠道上的数据整合到统一平台。
从营销视角来看，品牌主不仅关心广告内容的投放效果，同时更关心消费者是否对内容感兴趣，投放数据是否真实透明、如何提升营销执行团队协同工作效率等等。这些需求使得战略咨询公司比传统广告代理更有机会赢取上游客户的预算。
如果继续延伸，考虑到消费者的实际购买行为－即销售场景，就会发现企业传统组织架构在适应新消费场景时的滞后性。在大多数企业内部，品牌、公关、市场、销售是分开运作的。但在技术赋能企业的过程中，各业务单元正在逐步实现一体化和高效协同。在西方，大量企业正在诸如Martech等解决方案的帮助下，自上而下地实现企业的数字化转型。
4. 对广告营销的两种典型偏见
认为好产品好企业不需要营销。——Peter Thiel就驳斥过该观点，认为顾客不会自动上门，销售的作用远远超过工程师和技术人员的想象。可口可乐、宝洁、雀巢等海外知名品牌，每年都会花费数十亿以上营销预算，这些营销预算不仅有助于产品销售，同时有利于塑造品牌形象，增进与全球消费者的沟通。相比之下，国内品牌的营销观念和操作手法距离国际顶尖品牌仍有一定差距。
认为数字营销都是虚假的。——联合利华CMO就炮轰过社交媒体买粉、数据造假行为。国内威客平台猪八戒网更是主动下架微信营销、微博营销等服务品类。但技术本身是中立的，像区块链技术应用已经可以用于数据的防篡改伪造。在这个问题上，从业者既不能因为利益驱使而扭曲价值观，也不能因噎废食拒接技术进步。
二、 人工智能与广告营销
1. 关于人工智能
人工智能是当今最新兴的科学与工程领域之一，从1956年被创造“人工智能”(Artificial
Intelligence, AI)这个名称起，人工智能就一直在试图理解和构建学习、视觉／语音感知、数学求解、诊断疾病、下棋等各种人类智力行为。
虽然人工智能在历史上经常被分作计算机科学的一个分支，但事实上它更经常地站在自然科学与社会科学的交叉路口，与哲学、数学、经济学、神经科学、心理学、控制论、语言学等众多学科都有交汇。
人工智能的爆发有三个前提：算法、数据和算力。凭借明星效应，AlphaGo让外行人也了解到了神经网络和强化学习算法，这些算法其实都已经被研究了几十年，但唯有在强大算力（云计算集群）的条件下，配合大量棋局数据，AlphaGo才能成功。
2. 从人工智能的价值链看“AI＋营销”
大数据、半导体芯片及智能算法被誉为人工智能的三大基石。
其中大数据与AI算法相辅相成，算法可以通过数据训练提升预测和洞察能力。而因为大数据本身具有海量、非结构化的特点，市场上还诞生了许多专业的数据采集、处理、存储等上游公司。在营销行业，AI所依赖的数据广泛分布于社交媒体、内部销售数据、电商平台、搜索引擎等各处，因此仅收集、处理数据这一项需求，就能催生规模不小的DMP市场。
算力与芯片处理速度（尤其是视觉信息识别）、计算集群相关，因此云服务和云平台也是支撑AI的重要基础。
人工智能的下游应用更加广泛。继“互联网＋”后，国务院在2017年正式发布《新一代人工智能发展规划》，重点描述了AI＋传统行业的展望和规划，包括制造、农业、物流、金融、商务、家居等重点行业和领域开展人工智能应用试点示范。
其中在“加快智能商务”小节中，文件提到“鼓励跨媒体分析与推理、知识计算引擎与知识服务等新技术在商务领域应用，推广基于人工智能的新型商务服务与决策系统。建设涵盖地理位置、网络媒体和城市基础数据等跨媒体大数据平台，支撑企业开展智能商务。鼓励围绕个人需求、企业管理提供定制化商务智能决策服务。”
如何理解这段话？事实上，“商务智能”（BI）早已有之，由著名咨询公司Gartner公司在1996年提出，主要指利用现代数据仓库、处理分析、数据挖掘、数据可视化技术，对数据进行分析以实现商业价值的活动。“智能商务”与“商务智能”仅有顺序之差，但增加了媒体、地理、知识引擎等应用，落点落在“提供定制化商务智能决策服务”，与上文第一种视角的营销定义不谋而合。
《规划》没有描述“AI＋媒体”产业，原因是多方面的，同时也证明，前文所述第一种视角下的营销行为——帮助企业制定科学营销决策的“AI＋营销”，是有现实的产业升级需求及官方背书的。
今年以来，科大讯飞、百度都各自发布了自己的AI营销产品，不过细看之下，一大半应用场景都聚集在媒体投放端。虽然提升媒体投放ROI也很有价值，但它们还远不是“AI＋营销”应用的全部。
3. 质疑：人工智能没有用？
很多人调侃，在一些情况下人工智能会变成“人工智障”。比如重复地推荐同类广告，反而打扰用户。许多股权投资机构在经历市场追捧“人工智能”概念后，也开始对“人工智能”项目报以更加审慎的态度。
但人工智能仍有非常巨大的应用潜力，而且在日常生活与商业应用场景中十分常见：
●搜索引擎
Google允许在关键字中添加标签，有利于精准搜索。
●智能推荐
今日头条在国内率先推出按用户兴趣智能推荐文章的功能。在智能推荐系统后台，这些用户兴趣被量化成一条条数据，有利于实现“千人千面”的个性化推荐。
●库存预测
欧美国家在2B端部署了大量自动化应用，帮助商家在促销、库存管理上提供更准确更实时的预测，提升供应商管理。像是德国电商Otto、英国线上超市奥凯多等都用上了AI模型来学习库存和消费者数据。
●智能客服
人工智能能大幅提升简单重复性的劳动效率，对于标准化的客服常见问题，能够实现按既定规则给予实时回应，大幅减少企业的用人成本。
可见，AI在匹配用户需求、计算库存、提升供给效率上都有实际应用场景，在辅助商业决策上更是有很大的发展前景和想象空间。在当前国内经济增长面临新旧动能转换之际，消费升级和高技术服务相结合的新动能正普遍受到产业界、政府和消费者的多方关注。
4. 人工智能会是广告营销人的威胁吗？
近两年，“人工智能将让设计下岗”、“人工智能威胁文案”、“人工智能会视频剪辑了”的新闻不绝于耳。但是人工智能的运作原理与人脑创意的原理很不相同，作为支撑技术的自然语言处理、视觉识别与处理，在速度和准确度上与成年人相比还有很大差距。人工智能在这些领域的应用，在目前只能作为辅助手段，取代部分同质化、初阶的创意工作，在更多时候会以“人机协同”的方式出现在工作场景中。
创意和好奇心，作为人类上百万年进化过程中保留下来的特质，仍然无法被机械化地简单理解和模仿。文案、设计、剪辑师等靠创意吃饭的广告营销人，短时间内不必担心“失业”问题，更需要担心的是灵感的枯竭和创意的退步。另一方面，我们大可不必将人工智能、机器学习和大数据看作是僵死的程式化工作或创作的敌人，而应当视其为激发灵感和创意的友好伙伴。
三、AI＋广告营销”的若干应用落地场景
1. 在营销策略端，实现科学洞察，高效匹配营销资源
●消费者洞察：基于实时和历史数据，采用机器学习算法及数据挖掘技术，得到用户基础画像、行为习惯分析、热点话题抽取和情感语义分析，洞察消费者需求。
●投放策略：整合并清理多平台、分散的媒介数据，基于消费者洞察推荐投放渠道、优化投放策略，同时预测投放后的转化效果。
●智能匹配营销资源：基于品牌营销需求和下游执行商的特点，建立特征匹配，去中介化地实现智能匹配。
2. 内容制作端：实现对结构化、标准化内容的快速输出
●初级创意的标准化生产：对标准化的文案、设计元素、图文海报等，实现AI的自动化输出，并快速进入投放流程。
3. 在广告投放端，提供精准传播、提升投放ROI
●提供全链路全场景营销赋能：接入更多元的数据和分析模块，为AI提供更丰富的用户画像，从而提升投放精准程度，降低预算浪费。
●反作弊技术：通过监测流量变化趋势，识别虚假流量，提高投放的透明度和真实性。
4. 在零售业务场景下，提供人脸识别、3D扫描结算、自动包装等互动新体验
●定制化商品导购：通过对顾客的识别及历史信息的读取，自动调取顾客偏好数据，定制化推送导购及推广信息。
●电子价签：电子系统追踪并实时显示商品价格、上架时间、来源地等多种信息。
●自动购物车：根据消费者行走路径, 自动跟随消费者完成购物。
●顾客人脸识别：通过面部轮廓等信息对人脸进行识别，快速完成结算、积分、消费记录等多项服务。
●3D扫描结算：通过3D成像等技术自动识别货物品类, 不再依赖特定条形码，提高结算效率。
●自动包装：根据顾客要求以及配送模式自动完成包装任务, 并将相关信息回传，并更新客户数据库。
●自动配送：无人机将会完成最后的配送，根据消费者制定的配送地点完成快速高效的配送任务。
四、 不同类型企业的“AI＋广告营销”采购方案推荐
●中小企业
通常，中小企业采取产品生产＋销售的模式，对营销的需求比较简单并且灵活多样，比如电商运营、SEO、社交媒体推广、H5制作、线下活动策划等。还有许多初创公司热衷于创造新的消费体验，会用到AR、VR、人脸识别等新技术。相比功能大而全的“AI营销云”，能快速匹配到合适的营销服务供应商是其最现实的需求，其次再是提供相关的数据服务，解决可信度问题。
推荐方案：热巢、天蓬等互联网营销服务平台，直接找到所需服务商
●大型B2B企业
由于大型B2B企业一般比中小企业拥有更多广告营销预算，且需求集中在宣传片、宣传册、线下会议和线下广告投放上，因此采购时最看重的通常是供应商能否提供稳定、高质量的宣传物料，并容易形长期合作。
推荐方案：传统代理商、制作公司
●大型B2C企业
过去，大型B2C企业是广告代理商和传统媒体竞相争夺的优质客户，广告预算充足，对广告的创意、制作、投放渠道都偏向高端。随着互联网媒体崛起，这类企业的相当一部分预算转移到了线上，同时增加了对用户画像、数据、策略和实时监测的需求。
推荐方案：国际4A、本土互动营销公司、各大科技公司和广告技术公司开发的媒体投放工具、基于大数据的AI策略提供商等
小结：
1、广告营销，有商业管理和广告传播两种视角。在与技术融合的过程中，前者重视营销策略的科学制定及执行，后者关注投放的精准程度及效果。
2、人工智能需要数据、算法和算力支撑，在下游应用场景中，主要是提升简单重复性劳动的效率，同时基于算法和数据来“思考”问题，提供辅助决策。
3、在广告营销场景中，人工智能可以解决的主要行业需求有：①洞察消费者需求；②辅助营销策略制定，③分析投放渠道数据并预测投放ROI；④将品牌主和下游服务商做高效的双向匹配。
4、不同类型的企业，在采购选型具体方案时，应该结合自己的实际情况，有针对性地选择“营销外脑”。