nEqual 首席产品官兼总裁 任佩禹
    

     他谈到：“AI 技术的应用，最核心的三点是：数据、算法、硬件。2010 年以来，云计算、深度学习、GPU 运算 、传感器等关键存储、计算能力的突破性发展，算力成本不断降低，数据采集点不断增多，才使得我们走到了如今 AI 的黄金年代。AI 的发展分为四个阶段，首先是计算智能，解决基础的存储算力问题；其次是感知智能，解决语音图像文字手势的处理，让机器可感知；然后发展为认知智能，即机器可进行逻辑推理、知识理解、知识创造。最终达到通用智能，即机器实现类人思维，产生硅基生命。”
     在任佩禹看来，AI 能为企业带来的三大收益：
     1. 降低成本。比如用智能客服代替人工客服、企业流程的自动化；减少无效的资源付出，例如虚假流量的识别和更精准的广告定向；
     2. 提升企业运营效果和效率。企业可通过大数据及机器学习技术，进行更高效、更准确的洞察预测，比如预测消费者购买倾向以进行更相关的商品推荐，并实现规模化的个性化服务；
     3. 触发企业新的增长点。AI 的最终价值，是让企业的常规业务高度自动化，让企业的人力大量向新场景和不确定性问题上转移，从而使企业能够发现新的增长点，加速创新。
    

     在营销和消费者运营领域，已经有超过85%的企业正在接触或已经开始尝试 AI 技术。任佩禹尝试将 AI 技术分为以下几类：
     第一类，感知点的突破。即依靠语音识别、自然语言处理、计算机视觉等关键技术，让机器能感知、理解更多与消费者的互动，处理之前不能处理的消费者互动。基于这些核心技术，可以实现智能聊天客服、虚拟助理、会话型互动，脸部识别，能与消费者用更自然的方式进行自动化的互动；
     第二类，算法的突破。依靠机器学习中的深度学习、强化学习等关键算法，实现非完全信息下的高效决策。谈到本质，深度学习就是一个非常高效的分类器，它能帮助我们在更小样本的环境下，高效发现特征，得到更准确的预测效果。基于此，可以做到大规模的一对一个性化互动、更精准的广告投放、更好的销售线索分级、动态的价格及更有效的内容推荐，这些也是现如今 AI 在营销和消费者运营领域最能规模化落地的场景；
     第三类，新交互方式的突破。即结合上述技术，与硬件结合，用机器人、传感器等方式与消费者进行沟通。比如一体化的服务机器人、各类智能硬件设备在新零售等场景下的应用等。
    

     企业若想在上述场景中落地 AI，离不开几个方面的支持：一是组织架构和人才。AI 落地与企业数字化转型是相结合的，需要清晰、敏捷的架构，和既懂业务又懂技术的复合型人才，让企业能综合考虑各 AI 技术的成熟度和实际商业问题，并结合企业战略，选择合适的商业场景。二是需要有多方技术平台的保障，比如数据管理、算法平台、分析平台等。
     在实际落地中，真正发挥 AI 的价值需要三步走。
     第一步，数据在线。数据是一切决策的基础，也是 AI 技术根本的物料，如果各业务环节数据都不在线，做出来的 AI 也只能是假 AI，是人的智能；
     第二步，分析洞察。基于数据并利用各项 AI 技术来准确的定义问题，进行归因，从而实现预测，产出商业洞察；
     最后，闭环优化。让 AI 得到的洞察结果能够真的落到实际应用场景中，获取持续不断的反馈，才能真正发挥 AI 的价值。
    

    营销方面，如果将 AI 技术落在消费者营销的 AIPL 四个阶段中，每个阶段都有 AI 技术能够优化的场景。在认知阶段，我们可以利用 AI 技术进行更精准的定向，提高 Reach，可以进行内容的自动化生成以提高互动率；在兴趣阶段，我们可以基于消费者行为提供更个性化的落地页，更自动化的聊天互动；在购买阶段，对外我们可以为消费者提供更好的产品组合推荐、敏捷高效的咨询问答。对内我们可以进行 Leads 分级和智能的排班以提高效率；在忠诚阶段，我们可为消费者提供更个性化的忠诚度计划、全自动化的营销，进行流失防御和流失挽回。
    

     如果我们细看营销中广告投放这个领域，其实各环节所处的环境都有所不同，对 AI 技术的落地应该有先后的顺序。经实践，我们发现，最适用 AI 应用的无疑是投放环节。随着广告程序化交易比例的提升，基本全量数据都在，可比较方便的实现闭环的场景；其次是分析洞察。分析洞察的目的在于预测，所以我们认为 Planning 是接下来 AI 能够发挥更多价值的场景。我们调研了一些媒介策划执行人员，目前的现状是 Planner 没时间做 Planning，大量的时间耗费在走流程、收数据和处理基础数据上了。而 AI 能够帮助 Planner 优化现在繁琐、冗长的流程，并在策略调优和预测方面提供全新的能力。在中国，领先的广告主都已经把精力向 Planning 倾斜，尝试实现真正基于算法、基于全量数据的最优媒介投放策略的出具。
     投放端，以 nEqual 为例，nEqual Serving 已全面采用 AI 算法来做广告投放策略。某日用品品牌客户旗下有多条产品线，且不同产品的 TA 不同，对投放频次的要求也不同。如何在流量不可精准预测和要保证推送比的情况下，最大化各品牌的 Reach ，同时避免资源浪费是一个难题。对此，nEqual 运用了强化学习和在线学习算法，并采用 HP 滤波器处理数据激增问题，实时地将流量分群、预测、执行，并能基于投放进度自动调整优先级策略，同时结合各方 DMP 数据，帮助品牌显著提高了 3+ Reach，降低了 CPRP。
    

     另外，随着流量越来越贵和供给侧的改革，品牌以消费者为中心的运营策略愈加重要。据统计，截止至2020年，运营 AI 技术至少能为企业减少 30% 的客服成本。若要做到真正以消费者为中心，则需要将资源、内容、时间、触点四要素做到规模化的一对一。AI 技术能够帮助品牌与消费者的沟通立体化和个性化。所谓立体化，即利用感知智能的各项技术，帮助我们更深入的识别和理解消费者行为，并能够运用语音和视频技术在原有触点或新的触点与消费者全新层次互动。
     举个例子，促销预算最优分配上有几个问题，一个是要考虑到匹配性，即给到最能被刺激消费的用户，并且要考虑传播性，即现在的裂变传播，如何花最少的钱起到最大的传播效果。同时给予的促销金额应恰到好处，太多了浪费，太少了没有激励效果。nEqual 曾帮助某女装品牌基于 AI 算法进行促销用户分群，并给予适合的精准促销激励。最终在控制成本和不降低消费者体验的前提条件下，实现了活动转化率和二次购买率均有一倍以上的提升。
    

     任佩禹认为，企业目前过多地关注 AI 上层应用，而忽视了 AI 最重要的物料 – 数据。所有的应用离不开高质量的数据，但数据孤岛、数据脏，且随着数据源的增多，这些问题会更加严重。企业应该更关注数据本身，从数据处理、评估、清洗和应用各环节，全面应用 AI 技术，扩大数据来源，丰富数据类型，并预测新数据源所能带来的提升效果，通过算法进行数据有效性的校验，并解决缺失填充和数据一致性问题，从而使数据更加坚实可靠，让 AI 的应用场景从描述洞察真正走向前瞻预测，最终实现自动优化。
     在这个方面，nEqual 已经在虚假流量识别上有了全面的应用。目前，无效流量识别已经上升到算法层面，如何用更少量的样本训练出更可靠的模型是当前的重点，也正是 AI 的强项。nEqual 同时运用了有监督学习和无监督学习两种方式结合的形式，分别解决单点异常处理效率和关联风险识别问题，提高无效流量的识别率，帮助客户减少浪费，提高投放 ROI。
     最后，任佩禹说到：“无论 AI 还是 HI，能解决商业问题的才是好技术。”2018年，全球企业用于 AI 的支出预计超过60亿美元，由此可见 AI 强大的科技力量已经渗透到市场运营与竞争。科技的进步与力量赋能了企业的商业竞争力，从根源上激活着更多创新的可能性，激发企业的潜力。nEqual 也将携手众多企业一起，用数据连接技术，为企业搭建和消费者直接沟通的和互动的桥梁，助力企业实现数字化转型，让企业与消费者做朋友成为可能。