北京2024年7月1日 /美通社/ -- 盛夏伊始，萬(wàn)物競(jìng)秀。華為開(kāi)發(fā)者大會(huì)2024于6月21日在東莞松山湖盛大開(kāi)幕?；顒?dòng)期間，以AI為主題的《AI注入品牌營(yíng)銷(xiāo)新動(dòng)力》閉門(mén)會(huì)圓滿舉辦。
賽諾貝斯集團(tuán)副總裁，科技制造事業(yè)部總經(jīng)理李喆，應(yīng)邀參與本次閉門(mén)會(huì)圓桌討論，與諸多業(yè)界重量級(jí)伙伴共同探討了AI在品牌營(yíng)銷(xiāo)當(dāng)中的應(yīng)用現(xiàn)狀與挑戰(zhàn)，前景與趨勢(shì)。并向與會(huì)者分享了賽諾貝斯對(duì)于AI在B2B營(yíng)銷(xiāo)中的價(jià)值與作用的思考與實(shí)踐心得。
以下將為您呈現(xiàn)此次演講的精華內(nèi)容，讓我們一起走進(jìn)這場(chǎng)思想的盛宴！
B2B與B2C營(yíng)銷(xiāo)中AI應(yīng)用的差異
這個(gè)話題可以有很多種解讀和答案。但如果從AI三要素——華為云混合云總裁在《大模型混合云十大創(chuàng)新技術(shù)》發(fā)布會(huì)上提及的數(shù)據(jù)、算力、算法——的角度來(lái)看，數(shù)據(jù)是二者最大的差異所在。具體體現(xiàn)在兩個(gè)方面：
一是數(shù)據(jù)體量，受限于客戶數(shù)量、成單頻率、數(shù)字化程度（例如電商業(yè)務(wù)的比重）等諸多因素，B2B營(yíng)銷(xiāo)中積累的數(shù)據(jù)相比B2C營(yíng)銷(xiāo)中的海量數(shù)據(jù)有著相當(dāng)大的差距。尤其是對(duì)單個(gè)企業(yè)來(lái)說(shuō)，這種差距表現(xiàn)得更為明顯。
二是數(shù)據(jù)開(kāi)放性，B2C營(yíng)銷(xiāo)層面，社會(huì)化的因素占據(jù)了相當(dāng)大的比重，有大量開(kāi)放的數(shù)據(jù)和內(nèi)容可以供模型訓(xùn)練之用。而在B2B營(yíng)銷(xiāo)領(lǐng)域，相應(yīng)的沉淀都存在于企業(yè)的私域中，很大業(yè)務(wù)認(rèn)知甚至沒(méi)有數(shù)字化的存在。
三是數(shù)據(jù)治理的挑戰(zhàn)，在《大模型混合云十大創(chuàng)新技術(shù)》發(fā)布會(huì)上，華為混合云的三位負(fù)責(zé)人以及兩位客戶代表，在演講中都不約而同地提到了數(shù)據(jù)治理的重要性。如果說(shuō)算法與算力是發(fā)動(dòng)機(jī)，那么數(shù)據(jù)就是供給發(fā)動(dòng)機(jī)的燃料，燃料品質(zhì)如果得不到保證，發(fā)動(dòng)機(jī)的效率自然會(huì)差強(qiáng)人意。就目前而言，B2B營(yíng)銷(xiāo)領(lǐng)域的數(shù)據(jù)在標(biāo)準(zhǔn)化程度，業(yè)務(wù)鏈路的覆蓋程度，以及反映業(yè)務(wù)的準(zhǔn)確程度方面，相比B2C營(yíng)銷(xiāo)所面臨的挑戰(zhàn)更大。
AIGC之外的B2B營(yíng)銷(xiāo)AI切入點(diǎn)
除了AIGC，我們看到的當(dāng)下諸多B2B企業(yè)在考察和考慮AI在營(yíng)銷(xiāo)的應(yīng)用時(shí)，都首選了獲客環(huán)節(jié)。坦率地說(shuō)，我們認(rèn)為這一選擇并不是從AI的現(xiàn)狀實(shí)力和價(jià)值出發(fā)，而是從企業(yè)最急迫的訴求出發(fā)做出的選擇。
在經(jīng)濟(jì)下行的大環(huán)境下，企業(yè)普遍生存艱難，獲客難成為絕大多數(shù)B2B企業(yè)最迫切的難題。新技術(shù)、新應(yīng)用的出現(xiàn)，往往都會(huì)被賦予解決當(dāng)前最迫切的難題的重任——寄望其能夠點(diǎn)石成金，而不是錦上添花。所以，這兩年風(fēng)頭無(wú)限的AI自然被給予了打破獲客僵局的厚望。
令人遺憾地是，雖然在客戶畫(huà)像的形成，目標(biāo)客戶的圈選層面，AI起到了不錯(cuò)的積極作用，但從獲客整體效果而言，AI的表現(xiàn)并不理想。
B2B營(yíng)銷(xiāo)AI應(yīng)用的本質(zhì)
對(duì)于這一現(xiàn)象，賽諾貝斯與AI技術(shù)戰(zhàn)略合作伙伴時(shí)和云途的魏鑫老師進(jìn)行過(guò)深入的分析和探討。形成了一些明確的共同認(rèn)知：
大家都知道GPT包含了三個(gè)因素，T是Transformer算法，P是Pre-Trained，G是Generative，前兩者可以說(shuō)是對(duì)應(yīng)了前面AI三要素提及的算法與算力，G則是AI的應(yīng)用目的——內(nèi)容生成。
對(duì)于B2B營(yíng)銷(xiāo)而言，T與P這兩個(gè)技術(shù)理念與AI應(yīng)用的底座并不需要改變，但應(yīng)用的目的肯定是不同了，內(nèi)容生成只是表象，獲客提升只是冰山一角，她們的核心應(yīng)該是業(yè)務(wù)驅(qū)動(dòng)，也就是B——Business。
所以，AI在B2B營(yíng)銷(xiāo)中所依賴的，是基于算法的業(yè)務(wù)預(yù)訓(xùn)練模型，其目標(biāo)是使用預(yù)訓(xùn)練模型，通過(guò)目標(biāo)特征的調(diào)試、優(yōu)化、迭代，打造成針對(duì)特定行業(yè)、企業(yè)及業(yè)務(wù)場(chǎng)景的定制化模型，為前者的業(yè)務(wù)推進(jìn)提供驅(qū)動(dòng)力。
基于這一認(rèn)知，對(duì)于AI的應(yīng)用，就不應(yīng)該拘泥于獲客環(huán)節(jié)，而應(yīng)該從企業(yè)整體的業(yè)務(wù)流程入手，既要覆蓋M2L的增量業(yè)務(wù)，也要包含L2G的存量業(yè)務(wù)，二者融合為一個(gè)整體去尋找AI的發(fā)力點(diǎn)。
AI應(yīng)用的關(guān)鍵：找到場(chǎng)景抓手
本地圓桌會(huì)議另一位嘉賓，中國(guó)品牌建設(shè)促進(jìn)會(huì)常務(wù)理事姚承綱老師在分享時(shí)提到，AI的未來(lái)在于AI基建和想象力。其中的想象力，我們可以姑且將其狹義地理解為AI應(yīng)用的場(chǎng)景。在當(dāng)下的環(huán)境中，我們不應(yīng)該奢望AI對(duì)整體業(yè)務(wù)體系的賦能與改造，而應(yīng)該腳踏實(shí)地地去尋找當(dāng)前的業(yè)務(wù)環(huán)節(jié)加以改造，或者創(chuàng)造場(chǎng)景對(duì)當(dāng)前的業(yè)務(wù)流程做出調(diào)整。
在這一過(guò)程中，我們要意識(shí)到，BPT方向的努力是可能觸及當(dāng)前業(yè)務(wù)流程、業(yè)務(wù)規(guī)則的改變，對(duì)于可能出現(xiàn)的阻力要有充分的心理準(zhǔn)備。舉例來(lái)講，通過(guò)AI模型進(jìn)行線索再分配，就需要改變企業(yè)現(xiàn)有的線索流轉(zhuǎn)規(guī)則和政策，相應(yīng)的激勵(lì)、考核也需要隨之調(diào)整；而AI應(yīng)用的另一個(gè)典型場(chǎng)景——老客激活——老客戶的定義本身就是一個(gè)頗具爭(zhēng)議的話題，而從基于規(guī)則的靜態(tài)定義，演變成基于算法的動(dòng)態(tài)定義，面臨的阻力和挑戰(zhàn)可想而知。
總而言之，對(duì)于AI在B2B業(yè)務(wù)中的應(yīng)用，戰(zhàn)略層面需要從宏觀入手，以全局視角、整體地梳理業(yè)務(wù)體系。戰(zhàn)術(shù)層面則需要聚焦微觀，尋找合適的環(huán)節(jié)，鎖定價(jià)值場(chǎng)景，既不小視效率提升類(lèi)的小改變，也不懼怕流程變革的大變化的艱苦，聚沙成塔，匯流成河，成為推進(jìn)業(yè)務(wù)的持續(xù)驅(qū)動(dòng)力。
