如果我们认清 “数据应用的进步”是营销演化的核心力量，那么，我们就很容易理解：AI智能已经渗透到每一个营销的细节，获取优质客户的能力不能仅仅靠点、线维度的优化。营销的优化、或者叫进化，一定伴随着更广泛的数据探索和智能技术，个性化一定伴随着营销的整个生命闭环，企业只有具备：

1.把握行业趋势

2. 掌握营销技术

3.洞悉客户动态心理

这三个基本能力，才能找到适合自己的阶段性广告策略。而我们普遍希望的四两拨千斤的功夫，本质也是对智能营销技术的投入产出比的高水平把控而已。

1. 吸睛广告可以创造出一些新需求。

显然不行，因为只有真正的需求才能被营销。广告所处的商业环节，是唤醒和加深，却很难创造需求。

2.营销就是想办法销售。

营销依靠服务方对消费者行为的理解能力，通过任何不违规的方式，去影响消费者行为的学科。用户看到什么东西，他注意力在哪里，他的兴趣在哪里，他想什么东西，最后他做了一个什么样的行为。可以看到这个理论不断深化，但其基本的框架还是一百年前的框架，不管发展几千年，人还是人，消费者的行为还是有极大的类似之处。

3.消费者的行为主要受外界刺激影响。

消费者行为主要受到两块影响，一是外因，一是内因。内因是关于这个人本身，他对自己的认知是什么样的，他的生活方式是怎么样，他会有一个什么样的需求，最后影响了一个他的决策过程。外因是，我们能够去通过广告施加影响力。比如在信息流里、在各类APP的应用场景中，我们以什么样的方式触达他，这是一个外因。最终，内因和外因加在同一个用户身上，如果能够让他在行为上产生改变，并朝着和你的产品进行交互、购买的方向进一步，那么持续地多点触达才有意义。

4. 人的洞察在程序化面前，派不上用场。

程序化广告的优化空间看起来很有限、且为了起量，人群定向现实中会更加模糊或笼统，从而带来人群受众的类似黑盒状态。即使是这种情况下，也不代表好的营销人员就没有用武之地了，如果我们可以在转化环节中，积累偏转化后端的智能算法，同时积极、科学地为用户打上标签，就可以弥补这一实际缺陷，成本不低，效果可观。

5.效率比效果重要。

从营销的角度，永远都是效果更重要，这是从广告作为商业活动关键一环的角度去衡量的。效果决定是否做，效率决定怎么做。

1. 放弃【依靠人解决某类问题】的能力

现在的商业性思维包括提出问题、构思解决问题的各种途径，评估所有行动选项，最后得出解决方案。但是，如果你可以不加思考直接让 AI 执行计算出的既得方案，这就改变了已有商业决策过程中所需的智慧模式。

比如，我们可以放弃调价的能力，交给机器；放弃投放策略的经验调优，交给智能投放平台；放弃转化优惠的版本测试，交给机器自动匹配受众…我们放弃已有的能力，不代表退化，只是选择去发展其他方面的能力——能力不分好坏、在滚滚商业洪潮中，只有适用与不适用。

2.【自动化智能营销】帮助实现个性化营销的最大效率

自动化智能营销是分为几个阶段的，不可能一蹴而就。

第一阶段是自动化阶段，机器完成了工作流里面的一部分工作，节省掉人工，哪怕没有智能化，自动化本身就是在帮助人们做重复性、机械的劳动，且犯错率更低。

第二阶段是智能化——智能和人工相结合，即机器和人的结合，把人的部分决策智慧赋予机器。智能化是指自动做出最优的沟通决策。我们给用户看到的，最终是一个产品；那么，具体怎么触达用户，就有很多决策需要解决。

比如，我们想触达什么样的受众，用一个什么样的渠道去触达。哪怕同一个用户搜索一个关键词，也可以在不同的时间给他看到不同的结果。这就给了AI用户之地，我们可以将每个营销的闭环都拆分到极细，给中间的这个营销大脑AI足够多的机会去做决策。不断进行决策，持续做用户触达；触达之后，AI还可以根据实时反馈、实时更新，不断调整策略、不断改进，让AI大脑不断演进。

最终阶段是把自动化和智能化结合，产生一个更好的营销工具。所谓自动化智能营销工具，未来肯定是一种内置了很多人工智能的能力、但使用者却并不能感觉到自己在用AI的一种存在。

AI营销的价值和好处前文已述，还需要提及AI的一个最大优势，积累数据资产。即，AI在得到了营销结果后，随时会做出更深度的分析，自动地将反馈回流，从而给营销者为什么要这样做、做得好不好、怎么做更好等一系列洞察。

那营销人做什么？未来成功的营销人是做策略的：个性化的投放要想做到最大化效率，一定是多次触达，即跟多个用户、在不同地方进行各式交互；营销策略需要深谙业务和行业的人来做，因为不同的情况下、有不同的营销目标，且需要做出灵活的调整——这个机器目前是无法理解的，必须由人来告诉机器。比如，对于这部分受众，我的目标是什么，是最大化点击率还是最大化转化率？

3.人依然是利器：赋能于人需要可解释性

刚提到，人是用来做营销策略的，所以，任何一个营销活动中很难脱离人的存在。这也就需要我们的营销工具可以在智能执行的同时，给到洞察，能够帮助营销人去理解：为什么做和怎么做。

哪怕营销工具先训练一个黑盒模型，之后也要基于此，尝试产生一个白盒。有了这个人群洞察以后，营销人才能分析和理解它；有了理解和洞察，营销人才能更好地做出营销决策。这就是人和机器的结合，这也是近些年AI领域很热门的一个点——可解释性。

什么是可解释性？本来我们构建一个机器学习模型，人是不能去理解它的，这个模型可能有上亿的参数，模型说A不喜欢红色，但是你无法知道为什么（比如神经网络深度学习模型）。这是有风险的。为什么呢？

举个不恰当的例子：机器学习模型α在很多方面都特别牛，它可能数学特别厉害，是一个天才级别的存在；但其他方面很弱，比如交流沟通能力特别差。你不知道他为什么做这个决定，他也无法告诉你他为什么这么做，这时候你放心把一个生死攸关的事情交给这位天才做呢？至少，统计结果显示，很多人是不放心的。所以，一个可能的方式是，智能营销产品可以提升天才对业务、产品的理解力，从而给出一些可能的解释——也可能是洞察。

到2020年，每人每天平均产生的数据量是1.5GB，这个数据量非常大，这些信息必须依赖AI去处理，但是人还是需要做出决定成功方向的大决策，这也正是未来营销的新必争之地——人机结合的能力。

未来的营销世界，每个企业都需要有一套适合自己的智能营销应用框架，这个框架里有工具、有人才，有规则，且能非常容易地应用到各个业务场景中。同时，这套智能框架还需要具备快速复制的能力，以适应我们不断产生的新业务、新场景，这就需要我们把智能营销框架工具化。

畅想一下，这个智能框架的底层是数据基础、中层是智能决策引擎，顶层是执行的办法和路径——最终每一个营销人都不得不去拥抱，这个充满智慧的大机器。