35 views

從麥克盧漢的理論出發,筆者探討了營銷智能時代數據監測方的運用和扮演角色相比信息時代的不同。

在互聯網誕生的四分之一個世紀以前,麥克盧漢就在《理解媒介》中寫道:

「下一個媒體,不管它是什麼——它可以是意識的延伸。……它以一台計算機作為研究和溝通工具,檢索能力大為增強,它將使大眾圖書館變得過時,挖掘出個人的百科全書式的能力,進入自己的專線,快速將數據裁剪為適於銷售的形式。……未來某一天,我們可能都有攜帶型計算機,像聽診器那麼大,它讓我們的個人體驗網路化,大腦與外部世界直接互聯。」

起初,大多數人對這些天書似的言論不知所云。直到20世紀90年代,全球化、信息化、網路化、數字化的加速使人赫然醒悟:原來麥克盧漢是對的!他那60年代讀不懂的天書,看上去胡說八道的東西,到了90年代末,都明白如話了。

如今,21世紀已然快過去廿載,對於營銷人而言,我們是麥克盧漢預測的信息時代的親歷者。互聯網和移動互聯網的大潮給營銷帶來了兩個深遠的影響:

  1. 越來越多的「聯網屏幕」(電腦/手機/平板/手錶……)出現在人們的生活中;
  2. 這些「聯網屏幕」後面的媒體(自媒體/社交軟體/短視頻/門戶……)越來越碎片化。

也就是說,目標受眾(TA)將越來越多的時間消耗在了越來越分散的媒體上。但是,為了達到營銷目標,需要在單位時間對目標受眾進行足夠次數的觸達。所以,廣告主必須投放更多的媒體才能滿足對TA單位時間內觸達次數的要求。而且,為了達到理想的廣告效果,不同類型的媒體需要更加定製化的內容。

監測為王:重構營銷智能時代基礎設施

所有這些都需要廣告主投入更多的預算在數字營銷上。

隨著媒介越來越深入生活、媒體碎片化不斷加速,數字營銷的費用會越來越高。所以,廣告主有強烈的動機降低數字營銷成本。他們寄希望於營銷技術(Martech)取得突破性的進步,而當下推動Martech發展的最大引擎是人工智慧(AI)。

麥克盧漢的媒介理論駐足於信息時代,已經不能讓我們更好地理解AI賦能下正在發生的數字營銷變革。沿著麥氏的思路,我們亟需重構營銷智能時代的基礎設施,避免媒介的營銷失控。

下文正是對這一問題的探討。

一、從「媒介即信息」到「監測即數據」

「媒介即信息」是麥克盧漢提出的最令人振聾發聵的一句名言。在他看來,真正有意義的信息並不是媒介所傳達給人們的內容,而是不斷發展和變革的媒介本身。

也就是說,人在理解信息時會受到傳播媒介的影響,媒介會嵌入到信息之中,產生共生關係。媒介通過改變我們傳播和接收信息的方式,從而改變我們的生活方式。

營銷人必須通過媒介才能觸達TA。但信息時代的媒介越來越碎片化,TA消耗在媒介上的時間越來越長,這導致每一塊「碎片」對TA的觸達,不管是在次數上還是時間上都被極大地稀釋了。

為了達到有效的「濃度」,營銷人必須投放更多的「碎片」,或者在重要的「碎片」上進行更多的投放,才能令TA被觸達的頻次與其在全部媒介上被各種「噪音」觸達的頻次之比值,落在有效的閾值內。這不僅意味著媒介投放費用的上升,也意味著更多的花費以用來創作匹配各類媒介的創意內容。

我們無法阻止媒介在時空和數量上的「泛濫」,卻可以通過人工智慧技術提高對TA的預判。如果發現媒介背後的人不是我們的TA,就不會進行廣告投放,以此為廣告主節省大量的預算。

營銷智能時代,這一任務主要通過AI賦能下的營銷雲(Marketing Cloud)來完成。

下圖是當今主流營銷雲的系統架構,主要分為3個核心階段:

監測為王:重構營銷智能時代基礎設施

1. 數據管理與分析

對企業的營銷和運營活動進行數據化管理:

一方面沉澱數據資產,包括營銷和運營活動中TA與品牌的各類具體交互數據,如經過脫敏處理的用戶行為、用戶關係鏈和潛在KOC關鍵傳播用戶等;

另一方面打破企業內部數據運營孤島,通過對接全渠道全觸點的數據,經數據治理為企業提供統一視角的TA數據管理。

2. 廣告營銷

基於全局的數據管理與分析,讓觸達階段的投放和營銷策略有「數」可依,同時通過與各渠道各觸點的對接管理,實時收集和打通營銷活動數據,反哺系統實現實時分析優化,提升流量的利用效率和營銷效果。

3. 用戶運營

基於統一視角的消費者數據管理,對處於交互、轉化和留存階段的用戶提供個性化的、並在多個觸點保持統一的體驗,對已經獲得的流量進行不斷深化的用戶運營以促進更多轉化。

在廣告營銷和用戶運營的整個過程中,所有觸點和活動的數據都會再次迴流到企業私域數據池中,數據反哺系統,實現數據收集、打通、應⽤的以終為始的閉環,並通過反饋實現閉環的螺旋上升持續迭代。

在營銷雲架構里,「數據資產」是「血液」。其重要性首先來自於海量的數據來源。人工智慧技術不是一蹴而就的,首先要有數據。如果沒有海量的用戶在媒介上留下的海量數據作為輸入,人工智慧技術就是無源之水,毫無用處。

與海量的數據來源同樣重要的是數據的「流動性」。用戶在媒介上的所有痕迹以數據的形式需要被實時地收集、打通、應用,然後反哺整個系統,通過人工智慧技術的不斷分析優化,最終提升流量的利用效率和營銷效果。

這整個過程是數據不斷流動的過程,只有讓數據流動起來,讓人工智慧不斷地接收到反饋,才能推動其不斷進化,變得越來越「聰明」,輸出讓人更滿意的結果。

如上所述,AI需要海量的數據來源與數據的實時流動,而這兩者都離不開廣告數據監測的參與。廣告數據監測的本質就是幫助大型組織和企業採集數據,通過監管的方式採集數據。

因為並沒有一個非常簡單的方法拿到數據,通常監管是最容易拿回來數據的一種模式。比如,國內的秒針和AdMaster就是通過幫助廣告主監測媒體網路投放,監測電子商務、微博、微信、官方網站等等,在這些監測過程中進行數據採集。

而數據的流動就更加依賴監測了。所謂數據流動,其本質是一種行動——反饋機制,而這種反饋必須通過監測才能被人工智慧感知。

雖然監測的是數據,但對人工智慧而言,更重要的是監測本身,或者我們可以說——「監測即數據」。其實,「媒介即信息」與「監測即數據」在營銷語境里是對同一事件不同角度的描述。

站在受眾的角度,「媒介即信息」,因為受眾無法不通過媒介而直接被信息觸達,所以觸達受眾的不是信息本身而是媒介和信息的「交織體」;站在被AI賦能的企業的角度,「監測即數據」,企業無法不通過監測而直接獲得TA的數據與行動的反饋數據,監測端的能力、經驗與技術積累變得尤為重要。

所以與其說監測數據,不如將監測行為本身理解為一種被AI賦能的「智慧數據」。

如果「媒介即信息」是信息時代的一語成讖,「監測即數據」就是營銷智能時代的化解之道,讓有限的預算下提高觸達TA的效率成為可能。

二、從「媒介是人的延伸」到「監測是企業的延伸」

以上關於媒介和監測的論述或許還是過於抽象、晦澀。當站在兩個時代的交接點,只能通過言說過去的話語來表達未來的意義時,往往會讓人覺得是痴人囈語。當下一個時代真正來臨之後,人們才會恍然大悟,明白那些話語想要傳達的含義。麥克盧漢另一個大名鼎鼎的論述——「媒介是人的延伸」,就是這樣一種囈語。

這個觀點認為,電子媒介是人中樞神經的延伸,其他媒介則是人體器官的延伸。

比如,電視是眼睛和耳朵的延伸,廣播是耳朵的延伸,輪子是腳的延伸,房子和衣服是皮膚的延伸,計算機則是人中樞神經的延伸——互聯網使人有了千里眼和順風耳,頃刻之間,我們可以到達千里之外的地方,而世界各地發生的事情,瞬息就可以被遠在地球另一端的人知曉。所以,媒介不再是冰冷的外化於人的存在,而是身體、精神的延伸。

媒介改變了人的存在方式,重建了人的感覺方式和對待世界的態度。

那麼,就像媒介之於個人,企業也不能沒有依憑地生存,也需要一種「基礎設施」以延伸其「身體」和「精神」。

下圖是營銷智能時代主流的企業AI落地路徑:

監測為王:重構營銷智能時代基礎設施

在這個路徑中,要實現一個問題求解,首先要感知問題的當前環境,接著基於感知的結果做認知。感知和行動的中間,需有一個有效的功能強大的認知系統,這個認知系統里會涉及到知識圖譜技術、推理技術,也會涉及到人類的經驗,更需結合行業里具體應用環境和具體知識,從感知到認知到最終的行動的執行,從而形成一個感知—認知—行動的智能閉環。

在這個系統中,有以下三個不可或缺的基礎設施:

1. 通過感知系統進行數據挖掘治理,數據中台必不可少

數據中台能提供一個強有力的數據支持。

在感知系統中,需從海量的多源異構信息源里收集信息進行數據治理,為認知系統和行動系統提供信息的梳理和共享。而涉及海量數據的匯聚、存儲、治理、分析和共享的數據中台可以圓滿完成這些工作,所以數據中台是這個智能閉環必不可少的步驟。

而且,任何人工智慧系統,都要從數據開始,才能形成知識,再應用知識解決當前的問題形成智能閉環。也就是說,要想實現有效的問題求解,都要從數據開始。

而數據中台提供了有質量保證的經過精心融合的數據環境,為問題求解提供了很多數據支持,同時也給問題求解質量的提高做了技術保證。

2. 通過認知系統進行知識推理分析,人機協同能力必不可少

有一個埃森哲的報告曾經分析,人機協作的這種新興共生關係,正在掀動我們所謂的企業轉型的第三次浪潮:

從最早的福特的時代,他曾經把整個汽車的生產變成流水線作業,使得汽車生產的成本大大降低;再後來出現了流程自動化;到今天我們通過融合計算機語音及圖像識別、自然語言處理、深度學習、知識圖譜及智能搜索、決策建模等核心技術,實現了人類智能、人工智慧與組織智能的「三位一體」,從而構建了人機協同的智能系統。

人機協同中很重要的一點是AI大腦,即AI的知識服務和智能推理的能力。它可以幫助一次廣告投放對所有的廣告進行排序,也可以幫助一個商品推薦進行排序,也可以幫助一個餐廳對前線的每一個工作人員進行指令的排序和推送。

為了給營銷智能提供場景受眾定位、推薦與行為決策的技術與理論支持,人機協同能力的背後需要海量多維數據的支持、人機交互優化、消費者認知與決策過程研究、意圖預判與趨勢預測;還需要研究基於數據驅動的營銷策略優化、基於數據挖掘的營銷圖片視頻識別、基於生理與腦科學數據的情感識別、以及智能自動化創意生成等問題。

3. 通過打造企業的行動系統,形成人工智慧反饋閉環必不可少

廣告投放的過程,監測是在感知,後台做分析規劃其實是認知,最後投出去就是行動。而行動本身又要被監測感知,行動也要做決策,不管投放的曝光還是點擊,投放出去的這個行為還要被收回來,形成一個閉環,可以自我迭代、自我優化。

在這個閉環中,企業變成了一個被內外部員工(人類智能)與人工智慧共同賦能的組織,擁有了屬於自己的組織智能。不妨讓我們動用些許想象力,將這個擁有組織智能的企業想象成像人類一樣的智慧生命體。

這個智慧生命體通過監測端與外界交互:

  • 感知系統中,企業通過監測來的數據感知用戶;
  • 認知系統中,人類智能與AI大腦進行推理與分析的素材來自監測得來的數據;
  • 行動系統中,企業決策後作出的行動需要通過監測來獲得反饋。

監測不再僅僅是一個簡單的功能,更成為了一種集成了企業人工智慧技術能力的智慧基礎設施。企業與TA的交互,變成了作為人的延伸的海量媒介與作為企業之延伸的「智能監測體」之間的交互。

三、從「熱監測」到「冷監測」

本文最後我們探討一個有趣的話題。

麥克盧漢有一個關於媒介之「冷熱」的有趣觀點。在他看來,媒介有冷熱之分:

「……有一條基本的原理,熱媒介只延伸一種感覺,具有『高清晰度』。高清晰度是充滿數據的狀態。從視覺上看,照片具有高清晰度,卡通畫卻只有『低清晰度』,因為它提供的信息非常之少。冷媒介提供的信息少,大量信息需要由聽話人自己填補。熱媒介則並不留下空白讓接受者去填補和完成,因此,熱媒介要求的參與度低,冷媒介要求的參與度高。」

也就是說,熱媒介具有高清晰度,由於數據清晰度高,對數據的理解就很難產生偏差,人的參與度就變得低了。比如看一張高清的照片,很難讓人調動更多的感官和主觀思維參與到對這張照片的理解中去。

而冷媒介則是低清晰度、高參與度。比如讓人看一張抽象畫,由於畫作的詮釋空間非常大——數據清晰度是非常低的,人必須要調動其他感官或主觀思維參與到對畫的理解之中。

借用這個比喻,我們不難發現,從信息時代到營銷智能時代,監測正在從一種「熱監測」進化為一種「冷監測」。

早期,監測作為測量廣告主所投放廣告的觸達數量的第三方服務出現,其核心功能是計數,核心目的是防止廣告代理商和媒介作弊。這時的監測方就像一個裁判員,主要任務是判斷是否有真實用戶被觸達了。

由於監測對象所傳遞的信息非常簡單,也就是說監測結果的清晰度很高、詮釋空間很小,不需要廣告主其他形式的任何參與就可以被理解,所以我們可以稱之為「熱監測」。

而本文所描述的作為營銷智能時代基礎設施的監測,則更像是一種「冷監測」。

冷監測的數據清晰度是極低的,因為監測對象變成了始於異構(Heterogeneous)、自治(Autonomous)的多源海量數據,人們無法直接理解這些大數據背後有待挖掘的隱藏含義。

因此,冷監測的目的就變成了尋求探索複雜的(Complex)和演化的(Evolving)數據關聯的方法和途徑(HACE定理),而這就需要通過各類服務於監測端的人工智慧技術的高度參與——比如上文提及的數據中台、知識圖譜、智能推理等。

監測為王:重構營銷智能時代基礎設施

所以,營銷智能時代的監測方更像一個教練員,作為企業的延伸而參與感知、認知與行動,並不斷從中獲取反饋與反哺,進而指導整個系統進行自我調整與優化。這位教練員的「帶隊能力」就決定了企業面對多源海量數據時的核心競爭力。

監測由「熱」到「冷」、從「裁判員」到「教練員」的轉變,或許是營銷智能時代最容易被忽視、卻影響極為深遠的一個變化。希望這個行業內的頭部玩家都能抓住這一時代機遇,加速企業數字化轉型、賦能構建認知型企業。

正如當年的麥克盧漢站在工業時代與信息時代的交接處,當下的我們也站在時代的交接處。如何在營銷智能時代獲取競爭優勢,很大程度上取決於我們是否能夠比別人更快、更敏銳、更準確地理解人工智慧技術進步帶來的哲學層面抽象而深刻的變化。

很多技術進步帶來的巨大變化往往起於微瀾之間,起初甚至連我們的語言都沒有做好描述的準備——比如前幾年的霧計算與更早前的雲計算。監測是一個過去的詞,而如今我們暫時仍不得不用它來描述正在來臨的新的時代,哪怕這樣會產生不少誤會與理解上的困難。

當下,我們沿用過去的詞詮釋未來,同時盡著最大的努力、用最新的技術重構著新時代的基礎設施。未來,時代會成為我們當初「囈語」的最偉大的註腳。

 

作者:Chaos,公眾號:超愛說AI(ID:SuperAITalks),說說人工智慧的那些真真假假

來源:https://mp.weixin.qq.com/s/gHs-5aO9OJ5g-KUijCdbtA

本文系作者@超愛說AI 授權發布,未經本站許可,不得轉載

題圖來自 Unsplash,基於 CC0 協議

Go Top