北京2024年7月1日 /美(mei)通(tong)社(she)/ -- 盛夏(xia)伊始，萬物競秀。華為開(kai)發(fa)者大會2024于6月21日在東莞松山湖盛大開(kai)幕。活動(dong)期間，以AI為主題的《AI注(zhu)入(ru)品牌(pai)營銷新動(dong)力》閉門會圓滿舉(ju)辦。
賽諾貝(bei)斯集團(tuan)副總裁，科技制(zhi)造事(shi)業(ye)部總經理李喆(zhe)，應(ying)(ying)邀(yao)參與(yu)(yu)本次閉(bi)門會(hui)圓桌討(tao)論，與(yu)(yu)諸多業(ye)界(jie)重量級伙伴共同探(tan)討(tao)了AI在(zai)品(pin)牌營銷當中的(de)應(ying)(ying)用現狀與(yu)(yu)挑戰，前景(jing)與(yu)(yu)趨(qu)勢。并向(xiang)與(yu)(yu)會(hui)者(zhe)分(fen)享了賽諾貝(bei)斯對于AI在(zai)B2B營銷中的(de)價值與(yu)(yu)作用的(de)思(si)考與(yu)(yu)實踐(jian)心(xin)得(de)。
以下將為您呈現此次演講的精華(hua)內容(rong)，讓我們一起走進(jin)這場思想的盛宴！
B2B與B2C營銷中AI應用的差異
這(zhe)個話題可以有(you)很多(duo)種解讀和答案(an)。但如果從AI三要素——華為云(yun)混(hun)合(he)云(yun)總裁(cai)在(zai)《大(da)(da)模型混(hun)合(he)云(yun)十大(da)(da)創(chuang)新技術》發布會上提及(ji)的數據、算力、算法——的角度來(lai)看，數據是二者(zhe)最(zui)大(da)(da)的差(cha)異(yi)所在(zai)。具體體現(xian)在(zai)兩個方(fang)面：
一是數(shu)據(ju)體(ti)量(liang)，受限于客戶數(shu)量(liang)、成(cheng)單頻率、數(shu)字(zi)化程度（例如電商業(ye)務的(de)比重）等諸多(duo)因素(su)，B2B營(ying)銷中(zhong)積累的(de)數(shu)據(ju)相比B2C營(ying)銷中(zhong)的(de)海(hai)量(liang)數(shu)據(ju)有著相當大的(de)差(cha)距。尤其是對單個企業(ye)來說(shuo)，這種差(cha)距表現得(de)更為明顯。
二是數據(ju)(ju)開放(fang)(fang)性，B2C營(ying)銷層面，社會(hui)化(hua)的(de)(de)因素(su)占據(ju)(ju)了相當大的(de)(de)比重(zhong)，有(you)大量開放(fang)(fang)的(de)(de)數據(ju)(ju)和內容可以供模型訓練之用。而在(zai)(zai)B2B營(ying)銷領域(yu)，相應(ying)的(de)(de)沉淀(dian)都(dou)存在(zai)(zai)于企業的(de)(de)私域(yu)中(zhong)，很(hen)大業務認知甚(shen)至沒有(you)數字化(hua)的(de)(de)存在(zai)(zai)。
三是數據治理的(de)(de)挑(tiao)戰(zhan)，在(zai)《大(da)模型(xing)混合云十大(da)創新技(ji)術》發(fa)(fa)布會上，華為混合云的(de)(de)三位(wei)負責人(ren)以(yi)及兩位(wei)客戶代表(biao)，在(zai)演講中都不約而(er)同地提到了數據治理的(de)(de)重要性。如果(guo)說算法與算力(li)是發(fa)(fa)動機(ji)，那(nei)么數據就(jiu)是供給(gei)發(fa)(fa)動機(ji)的(de)(de)燃料，燃料品質(zhi)如果(guo)得不到保證(zheng)，發(fa)(fa)動機(ji)的(de)(de)效(xiao)率自然會差(cha)強人(ren)意。就(jiu)目前而(er)言，B2B營銷(xiao)(xiao)領域的(de)(de)數據在(zai)標準化程度，業務鏈路的(de)(de)覆蓋程度，以(yi)及反映業務的(de)(de)準確程度方面，相比B2C營銷(xiao)(xiao)所面臨的(de)(de)挑(tiao)戰(zhan)更(geng)大(da)。
AIGC之外的B2B營銷AI切入點
除了AIGC，我們看到的(de)(de)當下諸多B2B企業(ye)在考察和考慮AI在營銷(xiao)的(de)(de)應用時，都(dou)首選(xuan)了獲客環節。坦率地說，我們認(ren)為(wei)這一選(xuan)擇(ze)并不是(shi)從AI的(de)(de)現狀(zhuang)實力和價值出(chu)發，而是(shi)從企業(ye)最(zui)急迫(po)的(de)(de)訴求(qiu)出(chu)發做(zuo)出(chu)的(de)(de)選(xuan)擇(ze)。
在經濟下(xia)行的(de)大環(huan)境下(xia)，企業(ye)普遍生存艱難，獲客難成為(wei)絕大多數(shu)B2B企業(ye)最迫切(qie)的(de)難題。新技術、新應用的(de)出現(xian)，往往都(dou)會被賦予解決(jue)當(dang)前最迫切(qie)的(de)難題的(de)重任——寄望(wang)其(qi)能(neng)夠(gou)點(dian)石成金，而不是錦上添花。所以，這兩年(nian)風(feng)頭無限(xian)的(de)AI自(zi)然被給(gei)予了打破(po)獲客僵局(ju)的(de)厚望(wang)。
令人遺憾地是，雖然在客戶畫像的(de)(de)形成，目標客戶的(de)(de)圈選(xuan)層面，AI起到了不錯的(de)(de)積極(ji)作(zuo)用，但從獲客整體效果而言，AI的(de)(de)表現(xian)并不理想(xiang)。
B2B營銷AI應用的本質
對(dui)于(yu)這一現象，賽(sai)諾貝(bei)斯與AI技術戰略合作伙(huo)伴時和云途(tu)的魏鑫老師進行過(guo)深入(ru)的分析和探討(tao)。形(xing)成了一些(xie)明(ming)確的共同認(ren)知(zhi)：
大(da)家都知道(dao)GPT包含了(le)三個因素，T是(shi)Transformer算法，P是(shi)Pre-Trained，G是(shi)Generative，前(qian)兩者可(ke)以說(shuo)是(shi)對應(ying)了(le)前(qian)面(mian)AI三要(yao)素提及的(de)(de)算法與算力，G則是(shi)AI的(de)(de)應(ying)用目的(de)(de)——內容(rong)生成。
對于B2B營銷(xiao)而言，T與P這兩(liang)個(ge)技(ji)術(shu)理念與AI應(ying)用的底座(zuo)并(bing)不需要改變，但應(ying)用的目的肯定是(shi)(shi)不同了，內(nei)容(rong)生(sheng)成只是(shi)(shi)表象，獲客(ke)提(ti)升只是(shi)(shi)冰(bing)山(shan)一角，她們的核心應(ying)該是(shi)(shi)業務驅動(dong)，也就是(shi)(shi)B——Business。
所以，AI在B2B營銷中所依賴的(de)，是基于算(suan)法(fa)的(de)業(ye)(ye)務預訓(xun)練(lian)模(mo)型，其目(mu)標是使用預訓(xun)練(lian)模(mo)型，通(tong)過目(mu)標特(te)征的(de)調試、優化(hua)、迭代，打造成針對特(te)定(ding)行業(ye)(ye)、企業(ye)(ye)及業(ye)(ye)務場景的(de)定(ding)制化(hua)模(mo)型，為前者的(de)業(ye)(ye)務推進提供(gong)驅動力。
基于這(zhe)一(yi)認(ren)知(zhi)，對于AI的(de)(de)應(ying)用，就不應(ying)該拘泥于獲客環節，而應(ying)該從(cong)企(qi)業(ye)整體的(de)(de)業(ye)務(wu)流(liu)程入手，既要覆蓋M2L的(de)(de)增量業(ye)務(wu)，也(ye)要包含L2G的(de)(de)存量業(ye)務(wu)，二(er)者融合為一(yi)個整體去尋找AI的(de)(de)發力點。
AI應用的關鍵：找到場景抓手
本地(di)圓(yuan)桌會(hui)議另一位嘉賓(bin)，中國品牌建(jian)設促進會(hui)常務理(li)事姚承綱老師在分享時(shi)提(ti)到，AI的(de)(de)(de)未(wei)來在于AI基建(jian)和想(xiang)象力(li)。其(qi)中的(de)(de)(de)想(xiang)象力(li)，我(wo)們(men)可以姑且將其(qi)狹義地(di)理(li)解(jie)為AI應用的(de)(de)(de)場景。在當(dang)下的(de)(de)(de)環境中，我(wo)們(men)不應該奢望(wang)AI對(dui)整體(ti)業(ye)(ye)務體(ti)系(xi)的(de)(de)(de)賦能(neng)與改造，而應該腳(jiao)踏實地(di)地(di)去(qu)尋找(zhao)當(dang)前的(de)(de)(de)業(ye)(ye)務環節加以改造，或者創造場景對(dui)當(dang)前的(de)(de)(de)業(ye)(ye)務流程做出(chu)調(diao)整。
在這一過(guo)程中，我們(men)要(yao)意(yi)識到(dao)，BPT方向的(de)(de)(de)努力是(shi)可能觸及當前業務(wu)流程、業務(wu)規(gui)則的(de)(de)(de)改(gai)變(bian)，對于(yu)可能出現(xian)的(de)(de)(de)阻力要(yao)有充分的(de)(de)(de)心理準備。舉例來講，通(tong)過(guo)AI模型(xing)進(jin)行線索再(zai)分配，就需(xu)要(yao)改(gai)變(bian)企(qi)業現(xian)有的(de)(de)(de)線索流轉規(gui)則和政策，相應的(de)(de)(de)激勵、考核也需(xu)要(yao)隨之調整；而AI應用的(de)(de)(de)另(ling)一個典型(xing)場景——老客激活——老客戶的(de)(de)(de)定義本身就是(shi)一個頗(po)具爭議的(de)(de)(de)話題，而從基(ji)于(yu)規(gui)則的(de)(de)(de)靜態(tai)定義，演變(bian)成基(ji)于(yu)算法的(de)(de)(de)動(dong)態(tai)定義，面臨的(de)(de)(de)阻力和挑戰(zhan)可想而知。
總而(er)言(yan)之，對于AI在(zai)B2B業(ye)務中(zhong)的(de)(de)應用，戰略層面需要從宏觀(guan)入手，以全局視角、整(zheng)體地(di)梳理業(ye)務體系。戰術層面則需要聚(ju)焦(jiao)微觀(guan)，尋找合適的(de)(de)環(huan)節(jie)，鎖定價值場景，既(ji)不(bu)小視效率(lv)提升類(lei)的(de)(de)小改變(bian)(bian)(bian)，也不(bu)懼怕流程(cheng)變(bian)(bian)(bian)革的(de)(de)大變(bian)(bian)(bian)化的(de)(de)艱苦，聚(ju)沙(sha)成塔(ta)，匯(hui)流成河(he)，成為推進(jin)業(ye)務的(de)(de)持續(xu)驅(qu)動(dong)力。
