春晓资本和平：人工智能在数字营销方面的应用丨品途分享

关于Big Data在数据方面的纬度，这个矩阵可以充分的展现，纵向是实时的数据和滞后数据，横向的是运维的数据，大数据；底下是数据的量级的数据。做营销需要知道处理和面对的是什么样的数据级和数据维度，每个层次的数据级都具备什么样的特点，数据是设计一套算法和一套 AI的前提。

原先的漏斗的形态，是进行一次一次的转化，但现在不是了，现在进入不同渠道后，是一个比例关系，而不是一个渠道漏洞关系，最后到消费者进行决策的这样一个过程。

盲人摸象中间这个“大象”里边到底有多少个数据的通道？如线上购物，Facebook、推特之类的社交网络，中国的微商、内容营销，还有TV Ad、Direct Mail是另一种形态的邮件营销，还有In-Store就属于线下的门店里面的支付形态。无外乎这8种左右，那我们利用这里面的数据进行相互的整合，就是多渠道跨平台的一个管理。如何把所有这些数据捏合到一起？你进行数据挖掘的时候，像在谷歌、百度、360都存在数据安全和隐私暴露的问题，所以你还要考虑多方面的因素。

在做数据挖掘和AI算法的时候，哪些数据是你一定能够获取的，哪些东西你可以利用的？其实很简单，在淘宝上有推荐功能，方便了用户的使用，但是用户总希望有一些搜索的东西不被别人看到。如果说一个机器或者AI特别了解你，这个东西是双生的，就是双刃剑，所以在做AI和算法的时候，这些东西是要平衡的。

再往下的话，其实是关于用户、消费者认知的过程。刚才讲了盲人摸象涉及到的数据，就是以通道为中心化的一个形态。中间那个大象到底是什么？如果拥有全部的数据集，还有一些外延的数据维度，再加上AI的算法，基本上可以看到 大象的全貌 ，否则的话，双方一直都在盲人摸象。

只有进行双向的数据打通和数据智能匹配，才能解决盲人摸象的问题。因此营销者一定要掌握一个大象的全貌，这些一定是通过完整、丰富的数据和智能的算法来解决的。

从DISPLAY，SEARCH，VIDEO，MOBILE，SOCIAL，COMMERCE，到GAMING，整个链条下来，不同的点和环节有各种各样的公司，这些公司处理的数据级是不一样的，把所有数据放在一起，就是那头“大象”，这里面有很多机制在运转，也有非常多的创业机会和投资机会。

一个非常典型的公司是英国老牌的关于数字媒体和传播的一家公司，他们把广告做到了极致，其实每个领域又会有很多细分，在海外这一块发展得非常充分了。关于Markeing在美国可能有个将近五千家左右的创业公司，但是在中国这样的创业公司应该是不超过20家。我在今年的一个时间段把这领域20家公司基本上都看过了，然后 投了一家公司叫数字营销实验室Convertlab，应该是这个领域现在做的最好的，上半年我们大概投了四千万人民币，下半年融资现在是融资1亿左右，估值应该是6个亿人民币，应该是属于这个领域的领跑者了。

再往下，我们把中间的这些工具、数据、算法全部屏蔽掉的时候，你能看品牌商和消费者，中间所有做的这些事情，公司，从不同的纬度去切入的，你做的一件事情就是成为品牌商和消费者之间的桥梁，这个关系是怎么做到的？

你在围绕消费者去做销售，让他体验更好；还是通过广告和其他东西影响消费者的体验，这是不一样的。主动营销和被动营销，包括有人工智能和没有人工智能也是不一样的。

Convertlab有一些典型的客户，今年我投的那家公司，它今年做了几件在行业里有革命性的事情：它的产品形态是SAAS，一些典型客户包括星巴克、百威、蒙牛、TCL、英孚等这些典型客户的单价基本是200-250万元之间。百威的客单价做到的一个行业的单价付费变革和突破性，突破了千万的订单。明年这种类似的客户会越来越多。所以Big Data和AI能够做到的事情对于客户的问题、痛点和市场之间匹配的作用，其实是非常突出的，你发现一个SAAS公司在行业里的单价达到千万级，如果十个客户就是一个亿了，它有什么成本吗？可能有一部分运营成本，但这还是属于超级高价值的。

我投它的时候，它的客户大概是60家，因为公司产品的功能在不断迭代和丰富，一开始只有一些很少数据级的时候，你能做到的点可能客单价200万，甚至50万。当数据做得越来越丰富，内容能够解决的问题越来越多，越来越智能的时候，协同效应就会显现，所以到了最后，它其实会成为大的品牌商最重要的一个商品。因为对于这些品牌商，你的技术部、生产部，这是很多传统的，所有能够产生颠覆的东西一定在营销。一家公司，原来一个客户经理可能能维护50个客户，一年已经是很牛逼的客户经理了，但是你用数据的场景，一年维护的客户可能是100个，是呈指数级上升的。

Data会有不同的数据集，数据集就是你做这方面的基础，你能得到什么样的数据和数据维度，每两种数据集之间都会有不同的关系，最后你会发现它是一个数据矩阵，这个每个数据集可能会有协同，或者一些算法关联。