曾經(jīng)流傳過(guò)這么一句話：“人往往會(huì)高估一年時(shí)間發(fā)生的變化，低估五年時(shí)間發(fā)生的變化。”
明略科技技術(shù)副總監(jiān)衛(wèi)海天認(rèn)為，這句話可以理解為短期時(shí)間內(nèi)的技術(shù)迭代并不能引起翻天覆地的變革，但ChatGPT的出現(xiàn)，已經(jīng)證明了大家連一年的變化也沒(méi)法高估了，大模型已然成為了一個(gè)重要的技術(shù)演進(jìn)方向，自然語(yǔ)言生成技術(shù)可能會(huì)對(duì)人類產(chǎn)生各種影響，帶來(lái)多領(lǐng)域的變革，其中，營(yíng)銷領(lǐng)域依托于互聯(lián)網(wǎng)復(fù)雜多變的特點(diǎn)，可作為大模型應(yīng)用實(shí)踐的場(chǎng)景。
窺探大模型背后技術(shù)
LLM(Large Language Model)是一種基于深度學(xué)習(xí)的自然語(yǔ)言處理模型，通過(guò)在大量的文本數(shù)據(jù)上進(jìn)行訓(xùn)練，學(xué)習(xí)到語(yǔ)言的規(guī)律和模式，從而能夠理解和生成自然語(yǔ)言文本。ChatGPT所實(shí)現(xiàn)的通用人工智能能力，來(lái)自于機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)以及Transformer模型的多種技術(shù)積累。
Transformer模型是一種基于自注意力機(jī)制的神經(jīng)網(wǎng)絡(luò)架構(gòu)，能夠?qū)斎胄蛄兄械拿總€(gè)位置進(jìn)行關(guān)注，從而在不同位置之間建立聯(lián)系。Transformer模型被廣泛應(yīng)用于自然語(yǔ)言處理領(lǐng)域，相比于傳統(tǒng)的RNN和CNN，Transformer模型可以并行計(jì)算，大大加速了訓(xùn)練過(guò)程。
近年來(lái)在大規(guī)模語(yǔ)料庫(kù)上預(yù)訓(xùn)練的Transformer模型(PLMs)已經(jīng)展示了在解決各種自然語(yǔ)言處理(NLP)任務(wù)方面的強(qiáng)大能力。有趣的是，研究發(fā)現(xiàn)當(dāng)參數(shù)規(guī)模超過(guò)一定水平時(shí)(百億參數(shù))，這些語(yǔ)言模型不僅可以實(shí)現(xiàn)顯著的性能提升，而且還表現(xiàn)出一些特殊的能力(例如上下文學(xué)習(xí))，這些能力在小規(guī)模語(yǔ)言模型中不存在。
我們可以預(yù)計(jì)，未來(lái)LLM會(huì)朝著模型參數(shù)量進(jìn)一步擴(kuò)大，訓(xùn)練數(shù)據(jù)模態(tài)進(jìn)一步擴(kuò)大的方向發(fā)展，而這也將帶來(lái)新的模型能力涌現(xiàn)，我們以共同期待，多模態(tài)的大一統(tǒng)模型問(wèn)世后，通用人工智能能帶來(lái)何種顛覆性成果。
不過(guò)，大模型的能力增長(zhǎng)并非沒(méi)有邊界，因?yàn)樗旧硪蕾囉谟?xùn)練，對(duì)于外界最新的數(shù)據(jù)信息輸入訓(xùn)練是有延遲的，而這種情況下如何進(jìn)一步豐富大模型的能力呢?
突破口是大模型去配合不同的插件，類似于給大模型裝上眼睛、雙腳、雙手等，去互動(dòng)聯(lián)通，這樣，大模型就變成了新一代的通用平臺(tái)，可以調(diào)用各種plugin來(lái)處理海量現(xiàn)實(shí)生活的事物，這種交互的邏輯也會(huì)帶來(lái)產(chǎn)品交互范式的轉(zhuǎn)移。以往，產(chǎn)品設(shè)計(jì)的一些按鈕以及使用界面，是用來(lái)設(shè)計(jì)滿足高頻剛需的用戶需求，這種交互邏輯是用戶要去適應(yīng)產(chǎn)品提供的功能，但當(dāng)接入大模型之后，大模型的能力能夠滿足用戶很多長(zhǎng)尾需求，它可以理解你想做的事情，可以調(diào)用自己的資源去滿足用戶需求。這就意味著，在這種通用大模型出來(lái)之后，產(chǎn)品的交互范式也會(huì)發(fā)生一個(gè)非常深刻的變化。
大模型時(shí)代，營(yíng)銷領(lǐng)域新的機(jī)會(huì)和挑戰(zhàn)
而這樣的轉(zhuǎn)變，同樣也顛覆了營(yíng)銷領(lǐng)域，AIGC將從重構(gòu)內(nèi)容生產(chǎn)，重塑流量格局，創(chuàng)新運(yùn)營(yíng)服務(wù)和加速商業(yè)洞察這四個(gè)方面，來(lái)改變營(yíng)銷環(huán)境。
重構(gòu)內(nèi)容生產(chǎn)，更高效的AI生成內(nèi)容流水線帶來(lái)海量?jī)?nèi)容，爭(zhēng)奪消費(fèi)者有限注意力
首先回顧內(nèi)容的生產(chǎn)周期，以往品牌方產(chǎn)出內(nèi)容需要通過(guò)專業(yè)機(jī)構(gòu)，時(shí)間為幾周到幾個(gè)月不等，發(fā)展到后來(lái)可以依靠大量意見(jiàn)領(lǐng)袖去生產(chǎn)大量?jī)?nèi)容，時(shí)間為幾天到幾周不等，而有了AIGC后，幾分鐘就可以生產(chǎn)出令人滿意的文案，效率方面有了飛速提升，更高效的內(nèi)容生產(chǎn)線帶來(lái)海量?jī)?nèi)容供給，而使用AIGC也意味可以定制化，千人千面的內(nèi)容意味著更好的觸達(dá)和更好的轉(zhuǎn)化效果。
流水線的海量?jī)?nèi)容意味著消費(fèi)者的注意力變得更加稀缺，品牌方在這樣的環(huán)境里面需要快速鋪量，用更低成本去觸達(dá)消費(fèi)者。但同時(shí)，廣泛的供給也會(huì)分化消費(fèi)者需求，海量的內(nèi)容涌入網(wǎng)絡(luò)，消費(fèi)者會(huì)更加主動(dòng)去高質(zhì)量?jī)?nèi)容，這對(duì)品牌方提出了新的挑戰(zhàn)，一是要大量生產(chǎn)內(nèi)容，同時(shí)也要在更高質(zhì)量的內(nèi)容上更具競(jìng)爭(zhēng)力，生產(chǎn)好的內(nèi)容擊穿用戶心智。
重塑流量格局，沖擊搜索廣告，新交互模式下媒介重歸中心化?
以往的流量陣地，形式轉(zhuǎn)化基本是社交平臺(tái)向搜索引擎轉(zhuǎn)化，即在社交平臺(tái)被種草產(chǎn)品，再去搜索平臺(tái)去了解更多信息，這種使用搜索引擎的習(xí)慣可能會(huì)被AIGC改寫(xiě)，當(dāng)下ChatGPT這類工具提供了新的交互模式，會(huì)給到用戶更有邏輯性和更有調(diào)理的回答，體驗(yàn)要優(yōu)于搜索引擎，會(huì)對(duì)搜索引擎造成非常直接的沖擊，同樣也是對(duì)于流量格局的沖擊。在未來(lái)的交互上，大語(yǔ)言模型可以結(jié)合不同的終端，例如智能音箱等，帶來(lái)一種新的交互模式，流量會(huì)向一些新的應(yīng)用轉(zhuǎn)移，大模型可能會(huì)成為新的流量入口，與下游應(yīng)用并存，消費(fèi)者也會(huì)隨時(shí)互動(dòng)的新訴求。品牌主需要在這個(gè)方面去進(jìn)行更多的思考。
創(chuàng)新運(yùn)營(yíng)服務(wù)，更個(gè)性化、有溫度的一對(duì)一服務(wù)成為可能
與過(guò)往國(guó)內(nèi)以短文本處理、單輪對(duì)話、簡(jiǎn)單多輪對(duì)話見(jiàn)長(zhǎng)的智能客服不同，現(xiàn)階段的AIGC在長(zhǎng)文本處理、場(chǎng)景及意圖理解、上下文連續(xù)對(duì)話方面能力已經(jīng)很強(qiáng)大了，借助通用人工智能的能力，品牌方可以給用戶提供個(gè)性化、更有溫度的服務(wù)。在以往，配置智能對(duì)話客服是一項(xiàng)復(fù)雜的工程，但有了GPT這樣的通用大模型后，大大降低了配置復(fù)雜等級(jí)，有著更低的冷啟動(dòng)成本，且效果要更優(yōu)，這對(duì)企業(yè)來(lái)說(shuō)，讓個(gè)性化、有溫度的一對(duì)一服務(wù)帶來(lái)了可能。此外，有了AIGC能力，AI客服+多品牌觸點(diǎn)為消費(fèi)者創(chuàng)造無(wú)縫的品牌體驗(yàn)，借助客服觸點(diǎn)，可以構(gòu)建營(yíng)銷場(chǎng)景，將成本中心轉(zhuǎn)化為價(jià)值中心。
加速商業(yè)洞察，大模型加速顛覆原有的市場(chǎng)研究模式
營(yíng)銷側(cè)的商業(yè)洞察目前集中在文本領(lǐng)域，例如消費(fèi)者在社交媒體端的意見(jiàn)和評(píng)論，基于這些本文形成洞察。而大模型會(huì)顛覆原有的商業(yè)調(diào)研模式，能夠更高效更快速地形成“假設(shè)形成——信息收集——產(chǎn)出洞察”這樣一個(gè)商業(yè)調(diào)研的閉環(huán)，向敏捷化、自動(dòng)化方向升級(jí)。大模型的介入，意味著商業(yè)洞察的門(mén)檻會(huì)進(jìn)一步降低，未來(lái)品牌側(cè)應(yīng)普遍具有簡(jiǎn)單的洞察能力，對(duì)商業(yè)洞察的需求將更多轉(zhuǎn)向?qū)Ω嘣蛷V泛的數(shù)據(jù)進(jìn)行更深入的洞察。
大模型的應(yīng)用和爆發(fā)，也意味著營(yíng)銷生產(chǎn)力的爆發(fā)。當(dāng)下?tīng)I(yíng)銷領(lǐng)域會(huì)被大模型革新，在這樣背景下，企業(yè)應(yīng)該思考如何能夠比競(jìng)對(duì)更加快速的適應(yīng)大模型的時(shí)代。明略科技能夠發(fā)揮橋梁作用，連接起企業(yè)和大模型，利用積累的行業(yè)知識(shí)和數(shù)據(jù)，借助各通用大模型以及fine-tuning技術(shù)，優(yōu)化訓(xùn)練垂直領(lǐng)域的行業(yè)大模型，在產(chǎn)品中為客戶提供可伸縮的模型即服務(wù)(Scalable MaaS)，為客戶打造數(shù)據(jù)飛輪，讓客戶的行業(yè)知識(shí)和數(shù)據(jù)與大模型互相助力，提升營(yíng)銷和營(yíng)運(yùn)智能Copilot產(chǎn)品的效果 。
（免責(zé)聲明：本網(wǎng)站內(nèi)容主要來(lái)自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請(qǐng)進(jìn)一步核實(shí)，并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。
任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁(yè)或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書(shū)面權(quán)利通知或不實(shí)情況說(shuō)明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開(kāi)相關(guān)鏈接。 ）
