一是人工采集,二是智能采集(作者简介黄升民：大数据技术颠覆传统营销传播的智能化力)

　　一是人工采集,二是智能采集(作者简介黄升民：大数据技术颠覆传统营销传播的智能化力)

　　关于作者

　　

　　

　　黄圣民：中国传媒大学高级教授、博士生导师

　　刘山：中国传媒大学广告学院讲师

　　

　　微

　　杂志

　　指导

　　读

　　以大数据、算法和计算能力为支撑的人工智能已经席卷人类社会，给各个领域带来了巨大的影响和变化。在营销传播领域，人工智能也发挥了积极作用，在媒体传播和广告营销两个层面给我们带来了更大的可能性和发展空间。然而，营销传播的智能还处于起步阶段。要真正体现人工智能的“数力”，还需要在技术理念、机器学习升级、数据场景平台搭建等方面进一步深化和升级。

　　

　　近年来，人工智能呈现爆发式发展。政府工作报告连续两年提到人工智能、大数据、云计算、物联网等技术的重要性，并反复强调。将人工智能提升到国家意志的决心。人工智能是否给营销传播领域带来了一定的影响和变化？我们认为，这种影响和变化实际上非常重要。本文要讨论的正是在人工智能的影响下，营销传播行业开始进入“数力化”的新时代，发生了巨大的变化。但在目前的技术支持和实践探索中，

　　1.

　　数据是人工智能与营销传播的连接点

　　二

　　冒充头条

　　我们将人工智能发展的三大支撑，即数据、算力、算法，统称为“算力”。显然，计算能力的高低与人工智能的发展程度成正比，可以直观地反映人工智能的成熟度和智能程度。

　　营销传播的核心是需求的发现和满足，而这个目标需要通过大量的数据采集和处理来实现。随着大数据和人工智能技术的发展，人类在数据类型、数据层次、数据处理方式、速度、成本等方面都发生了彻底的变化，这将给营销传播带来颠覆性和重构性的变革。大数据技术在颠覆传统营销体系的同时，也给我们带来了更多的空间和新的可能。营销传播与大数据的连接点，刚刚成为人工智能改变营销传播行业的基础。

　　

　　人工智能对营销传播的影响与变化

　　2.

　　2.1

　　人工智能对媒体运营的影响

　　媒体运营的核心之一是内容运营，这也是媒体传播信息的核心。因此，我们将重点关注人工智能对媒体内容运营的改变。根据周彦教授在《新媒体理论与实践》中对媒体内容运营的定义，我们将媒体内容运营分为四个主要环节：内容获取、内容编辑与整合、内容分发、内容交易。

　　内容获取、辅助制作、自动化制作。虽然购买是一个重要的来源，但内容制作通常用于考虑媒体机构的内容运营实力。在这方面，人工智能的应用应运而生。

　　内容分发，精准推荐。无论是新闻推荐、社交推荐、广告、娱乐内容推荐，还是智能交互，媒体机构都在思考如何让内容更快速准确地触达用户，如何从用户那里获得更多的关注资源。智能技术的应用给了我们解决这些问题的可能。

　　内容运营的管理，版权管理是重点之一。在内容运营的管理层面，人工智能和相应的数据工具也在积极使用。例如，为了提供一种可行的版权和内容管理方法，谷歌在2011年推出了ContentID，并在其视频网站 YouTube的运营中使用了它。

　　

　　

　　2.2

　　人工智能对广告和营销的影响

　　具体到广告营销领域，人工智能技术的应用主要体现在四个方面。一是营销研究，包括消费者研究和调查；二是制定营销策略，包括广告创意的制定；三是营销策略的执行。主要体现在程序化和自动化媒体投放；四是营销效果的评估和预测。

　　营销研究以更好地了解目标受众。在营销研究，尤其是消费者研究中，人工智能结合大数据技术可以极大地优化研究结果，提高研究效率。如上所述，在当前的移动互联网环境下，消费者已经在各种平台和产品上留下了自己的踪迹和信息。过去，这些有价值的信息和痕迹难以有效利用，但大数据和人工智能技术解决了这些问题。

　　广告创意，优化创意，产生创意。在营销创意方面，一方面，人工智能技术可以帮助我们更好地制定和实施创意策略；另一方面，它甚至可以代替人类完成营销创意工作。

　　例如，2012年，三星推出与iPhone5对比的广告，发布Galaxy S III智能手机。在这则广告中，描绘了消费者排队等待苹果手机发布的场景。用户在闲聊和交谈中对两款产品进行了多方面的对比，从而凸显了三星手机的优势。广告中的对话内容来自当时社交媒体上对两款手机的讨论。设置一定数量的关键词后，创意者利用爬虫工具获取社交媒体上的大量相关演讲和评论，然后利用文本分析方法对信息进行解读，

　　广告，程序化广告的发展。在广告和媒体购买方面，程序化广告的发展和成熟是大数据和人工智能技术应用的直接产物。自动化和智能化是程序化广告的两大特点，也是可以直接体现人工智能威力的方面。其中，自动化是指利用相应的数据和智能技术，将传统的手动购买媒体资源、制定针对性策略的方式，以“程序”的形式被自动化的方式所取代。智能化意味着投放程序化广告时，运营水平不再由团队成员的经验和水平决定，

　　效果监测，实时准确。在营销效果监测方面，人工智能与大数据的结合，彻底改变了传统营销活动中的“事后检验”方式。相反，它可以不时监控广告和营销的效果，并及时反馈效果数据。

　　综合来看，人工智能和大数据技术的应用，使得营销人员可以利用各种程序化工具，自动针对不同人群进行不同营销方案的推送，从而实现所谓的“千人多面”精准营销。影响。但从根本上说，人工智能是帮助营销人员不断贴近真实需求——利用数据、计算能力、算法能力，实现营销智能。

　　

　　3

　　营销传播“数力”进化的下一步，与人工智能的相互促进

　　二

　　冒充头条

　　假装是没有灵魂的副标题

　　3.1

　　营销传播与人工智能的核心目标是一致的

　　这两个行业之所以能够相互促进，根本原因在于营销传播要解决的核心问题与人工智能的最终发展目标是一致的。这就是我们所说的核心目标的一致性。

　　3.1.1 人工智能的终极目标是“模仿人类”

　　从人工智能的发展阶段来看，我们还处于弱人工智能阶段，正在经历从计算智能到感知智能的发展转变。然而，使用弱人工智能技术制造的智能机器只专注于完成特定的任务，不会有自主意识。强大的人工智能可以进行思考、计划、解决问题、抽象思维、理解复杂思想、快速学习、从经验中学习等操作。目标是处理无监督学习中的问题，同时与人类进行交互学习。在超级人工智能的理想阶段，计算机将跨越“奇点”，它的计算和思维能力远远超过人脑，具有科学创新、通识和社交能力。我们可以看到，人工智能的目标是尽可能地接近人，在精神层面上更难有自我意识。人工智能已经从“监督”进化到“弱监督”甚至“无监督”算法，以便让机器学会学习和思考。模仿人类的基础是什么？显然更了解人类。人工智能已经从“监督”进化到“弱监督”甚至“无监督”算法，以便让机器学会学习和思考。模仿人类的基础是什么？显然更了解人类。人工智能已经从“监督”进化到“弱监督”甚至“无监督”算法，以便让机器学会学习和思考。模仿人类的基础是什么？显然更了解人类。

　　3.1.2 营销传播的核心使命是“理解人”

　　在上一篇文章中，我们讨论过营销传播的核心任务是把握需求，而需求代表什么？从理解人类的角度，马斯洛认为人类的需求是心理上的，而不仅仅是生理上的。它们是人类真正的内在本质，但它们都是脆弱的，容易被扭曲，而且经常被扭曲。被正确的学习、习惯和传统所征服。

　　可见，营销传播实际上是一项非常复杂的任务，要完成对人类需求的检测。长期以来，我们能做的就是尽可能还原需求，贴近真实需求。从这个角度来说，无论是挖掘营销传播活动中客观保留的人类数据，还是主观反馈数据，其实都是为了更好地了解人类——这可以匹配人工智能的最终目标。

　　

　　3.2

　　共建按需场景平台，探索数据的可能性

　　3.2.1 数据、标签、场景，充分解读需求

　　人类在移动互联网环境中留下海量信息和痕迹，由营销传播机构记录和积累，形成庞大的数据库，完成需求分析。但是，如何对这些数据进行分析，才能准确反映人类的需求——一个常见的解决方案就是“场景化”。

　　基于场景理解的营销传播的核心是根据目标用户的时间、地点、环境、状态的差异，提供匹配的信息、产品或服务，以满足其明显或潜在的需求。以往的营销传播一直强调了解目标对象的基本属性，如年龄、性别、地区、*敏*感*词*、收入、爱好、过往行为等，而场景化则加入了“场景化”的独特考虑因素。 ”，要求我们能够更准确地开展营销传播活动。支撑我们实现所谓场景的重要基础是利用大数据和人工智能技术构建的数据库和标签系统。

　　3.2.2 构建三大场景平台的数据库和标签系统

　　基于此，我们认为应该利用大数据和人工智能技术来采集尽可能多的数据，同时打通各种数据库，构建三个交互场景平台，以实现更好的数据分析和理解。需要。

　　我们将第一个场景平台称为生活场景，即消费者和用户日常生活数据的积累和处理分析，如图1所示。根据马斯洛的需求层次理论，可以将人类生活中的各种需求进行分类。这些需求将涵盖研究对象的不同生命阶段，涵盖不同圈子的研究对象，最终与营销传播相关。高于需求和消费者行为。

　　

　　图1

　　第二个场景平台可以称为消费场景，是消费者和用户在每个生命阶段的各种消费数据的积累和处理分析，如图2所示。 根据消费者行为的相关理论，我们可以清楚地知道每个人都扮演着消费者的角色，在不同的消费行为过程中扮演着相应的角色，支配、参与、影响着不同的消费行为。这些消费需求和数据可以对应社会生活中的各种场景和行为，与不同的媒体接触和使用行为相关联，关系到广告活动的最终实现。线上线下消费的结合，给了我们更多的数据积累的可能性，

　　

　　图2

　　第三个场景平台称为精神场景平台。需要建立的是研究对象的情绪、心理、偏好、态度等数据的积累、分析和处理系统。根据心理学的相关理论知识，我们可以综合运用各种研究方法，从研究对象的言行出发，分析他们的精神状态和需求，从而辅助我们进行营销传播策略的决策。在构建这个数据库场景平台的过程中，研究对象在媒体内容产品的选择、消费和交互过程中留下的信息尤为重要。它往往能直接反映他们的精神需求，因此也会成为我们关注的焦点之一。

　　

　　图 3

　　3.2.3 从“监督学习”到“无监督学习”的数据挖掘能力

　　从概念上看，监督学习是指通过现有的训练样本训练计算机得到一个最优模型，然后用这个模型将所有新的数据样本映射到相应的输出结果上，并对输出结果进行简单的判断为了达到分类的目的，那么这个最优模型还具备对未知数据进行分类的能力；无监督学习是指我们事先没有任何训练数据样本，需要直接对两者中间的数据进行建模，状态为半监督学习或弱监督学习。

　　场景分析很重要，但如何识别目标用户的具体“场景”，如何获取足够的数据来支持我们构建初级标注系统。当前的解决方案基本上依赖于高成本的监督深度学习。，取决于人类对计算底层架构的设计。这不仅是人工智能学术界普遍关注的问题，也是业界面临的挑战。当然，实现更高级的智能化也是营销传播领域的难点和痛点。此次升级将是实现营销传播智能化，展现人工智能真正“数字力量”的必由之路。

　　

　　3.3

　　用机器算法和主观经验共同解决“黑箱”问题

　　在当前的技术范式中，输入数据和答案之间不可观察的空间，就像人脑的思维活动一样，通常被称为“黑匣子”。我们认为，解决“黑匣子”问题不能只靠数据和算法，还必须有人类的参与。

　　3.3.1 主观经验是人工智能算法的输入

　　人类的智慧可以对给定的结论进行推论和论证，但它无法解释我们得出特定结论的复杂和隐含的过程。与人类相比，人工智能的决策过程是否更加透明。众所周知，人工智能的决策依据是充足多样的数据和不断优化的算法。然而，这个计算过程和决策过程往往无法解释。例如，机器如何找到那些有价值的信号？谁能确保它是正确的？人类能在多大程度上相信深度学习？从这个角度来说，人工智能算法本身就是基于对人类感知世界的方式以及他们看待数据的方式的理解。所以，可以说，人的主观体验是所有算法的第一输入。没有主观经验，算法就没有立足之地。基础。此外，人工智能所依赖的数据本身也经过主观经验的筛选和筛选。

　　3.3.2 利用主观经验对算法的输出结果进行调整和修正

　　因为营销传播是解决需求检测的问题，而人的需求往往是隐藏的、飘忽的、随时发生的，仅仅依靠数据、算法和程序是做不好的。因此，在使用人工智能的过程中，营销传播领域的专家往往要加入人工控制。

　　大数据最早应用于广告领域，形成了程序化广告的细分产业链。其中最重要的环节之一是基于用户识别形成的DMP标签系统——告诉计算机当前浏览页面的用户究竟有哪些特征，然后才能匹配到资源库中相应的广告。这些标签系统的设计必须经过专家对其准确性的实验验证，用户画像的召回率必须通过统计规律来确定。

　　

　　3.4

　　树立健康正确的技术应用观

　　人工智能给营销传播带来的新可能固然令人欣慰，但我们也要避免智能化过程中出现的盲目迷信、依赖技术、利用技术手段进行恶性竞争等负面现象。 .

　　3.4.1 认知技术的局限性

　　以大数据为例，我们长期以来一直在讨论不盲目追求大数据技术、夸大数据有效性的问题。

　　一方面，海量数据的积累和利用是一个渐进的过程。大数据不是灵丹妙药。相反，小数据也值得深入挖掘。即使有谷歌、苹果、亚马逊等海量数据，也不是每个人都直接分析海量数据，小数据的处理占很大比例。因此，对于广大营销传播从业者来说，首先要注重对现有数据的挖掘和精耕细作。只有掌握了小数据，才能逐渐积累操作大数据的经验。

　　另一方面，在数据的应用上，必须用辩证的眼光去审视和对待。大数据和人工智能技术确实催生了RTB广告板块，可以在毫秒内响应消费者行为，实现精准广告投放。但是，如果所有的预算都投入到这样的框架中，就会导致品牌建设的长期性相对不足。要充分表征消费者，仅依靠数据是不够的。需要更多的定性研究来补充消费者。深刻的洞察力。

　　

　　3.4.2 注意数据安全和数据造假

　　对于利用技术进行不良竞争，数据安全和数据造假问题已成为业内众所周知的事实。

　　在泡沫造成的虚假繁荣破灭之前，在广告商、雇主和用户的信任崩溃之前，在整个互联网营销生态系统遭到破坏之前，我们必须开始面对互联网数据欺诈日益增多的趋势。

　　在数据安全方面，今年也有两个典型案例。由于泄露用户信息和隐私，扎克伯格被要求在美国国会作证；因为“国内用户对隐私信息不敏感”的说法，李彦宏引发了新一轮舆论。

　　“数力”的发展能否一波三折，迎来真正智能化的那一天，我们无比期待。

　　

　　来源 | 《现代传播》2019-01