Transcription
我对…非常热情，而且该领域的许多人也都非常热情。嗯，我们谈论机器学习，我们谈论机器学习进行预测、分类以及复杂的、嗯，数据分析和探索性数据分析的能力，利用机器学习进行上述所有工作，而这一切都源于统计学领域，比如，嗯，处理数据并进行探索性数据分析和预测。统计学和机器学习是实现这一目标的一种更复杂的方式，并且在这方面取得了许多进展。嘿，我是盖伊·鲍威尔，欢迎来到“营销背后的故事”AI 系列的下一集。如果您还没有这样做，请访问 prorelevant.com 并注册收听所有这些剧集和播客。我是即将出版的《AI 营销机器》一书的作者，您可以在 marketing machine.prorelevant.com 上找到更多信息。今天我采访的是来自 atain 的多米尼克·贝内特，他是 atain 的联合创始人兼首席执行官，负责领导以结果为导向的营销技术和产品创新。他是一位专注于 AI 的技术专家，曾构建处理每秒数百万次查询的大规模实时平台。他拥有 10 项专利，为首席执行官提供咨询，并担任多个董事会成员，并在耶鲁大学获得了统计学硕士学位。欢迎，多米尼克。很高兴您能来。在我们继续之前，快速暂停一下，这很重要。您的销售团队是您公司最昂贵的投资之一。真正的问题不是谁可能在未来购买，而是谁现在应该被联系以创造最大的价值。传统的倾向性模型告诉您谁可能转化，而我们的规范性建模 Copa 告诉您谁会转化，因为您联系了他们。如果您管理一个大型销售组织，并希望提高转化率、达成更大交易并更好地利用每一位销售代表的时间，让我们谈谈吧。如果您希望您的销售团队专注于最重要的电话，请访问 prescriptive modeling.prorelevant.com 并安排一次简短的战略会议。非常感谢，盖伊。很高兴能来到您的节目，这对我来说也是一种荣幸。谢谢。哦，绝对，很高兴您能来。那么，您在 AI 和营销方面的故事是什么？您是如何涉足其中的呢？嗯，我算是误打误撞进入了营销领域。在我研究生毕业后，如果您问我是否会从事营销和营销科学，我可能会说不会。但我最终找到了我的第一份工作，就像您观众中的许多人以及世界上许多人一样，有时您只能接受您能得到的工作。我就是这么做的。结果证明这是一次最美好的经历之一。有数据，数据很重要，从数据中可以获得多少见解，以及我共事的人们如何理解如何将数据用于营销目的。我在这个过程中学到了很多，我认识到了将数据用于营销目的的奖励，也认识到了挑战。我一直认为营销科学、数据和营销看似简单，您知道，听起来像是，嘿，广告能有多难？然而，我发现我花了一生的时间来学习营销的艺术和科学，以及广告的艺术和科学。您知道，您可以再花一辈子，仍然无法完全掌握。对我来说，这归结为人类的根本问题。有一种观念，如果您了解一个人的一切，您能否预测他们下一步会做什么？现在，有些人会争辩说，您知道，没有自由意志之类的事情。我们作为营销人员收集大量数据，并利用这些数据来了解这个人并预测接下来会发生什么。这本身就是一项终生工作，即使在预测之后，考虑到我们是人类，我们身上也存在随机性。我们可能不会完全按照您期望的或预期的那样去做。所以这是您需要付出的另一生的努力。这是一个不断发展的领域，技术接触点、接触点的仪器化，存在许多空白，甚至更多空白在新接触点暴露时被暴露出来。我无法告诉您，这段旅程是多么令人欣慰，能够参与其中，当然，现在我们正处于一个截然不同的时代，人工智能被引入其中，特别是随着 Transformer 技术和生成式人工智能技术的出现。所以，是的，现在是黄金时期。确实如此，而且肯定有一些令人难以置信的事情正在发生，尤其是在营销领域。嗯，我不知道，似乎我们正处于如何使用人工智能的最前沿，因为它非常擅长支持创意和写作等等。但是，请告诉我们一些关于 attain 的事情，atain 是关于什么的？嗯，这是一个很好的问题。我的联合创始人布莱恩和我大约在 7 年前共同创立了 atain。主要使命一直没有改变。我们想做的是，我们发现的是，人们拥有他们最好的资产，那就是他们自己的数据。许多公司将这些数据货币化，但他们没有将货币化的好处回馈给最终用户。他们基本上保留了利润。基于用户数据货币化的公司，价值数万亿美元，甚至数万亿美元。所以我们的使命是，首先，能够以非常道德、完全披露的方式收集和利用这些用户数据，以便用户确切地了解我们在做什么。代表他们对数据进行货币化，然后将货币化的好处回馈给最终用户，让他们认识到他们拥有的惊人资产。所以，这就是我们开始的使命，我们今天仍在继续这段旅程。我们有一套应用程序供最终用户使用，它们为最终用户带来了多种不同的好处。最终用户然后，嗯，提供他们数据的用途，完全理解他们的数据将如何被使用，我们严格用于营销目的，严格用于营销科学目的。所以，您通常会想到这三种或四种数据应用。一种是深入了解用户的行为。我们数据的一个有趣之处在于，我们可能是少数几家了解人们在哪里购物以及如何购物的公司之一，如果不是唯一一家的话。例如，我们知道一个用户要去沃尔玛购买他们的杂货，然后从亚马逊购买他们的尿布，然后从塔吉特购买他们的电视机。所以，这是对他们行为的确切观察。我们也是一家可以提供用户为何如此行为的见解的公司，基于意见研究和调查等。我们可以将这些信息提炼成给首席营销官或他们的营销人员的见解，即发生了什么，以及发生的原因。还可以为这些用户提供行为改变的访问权限。因此，如果营销人员想与最终用户沟通，他们可以做到。然后，我们提供一套衡量工具，衡量这种沟通对最终用户的有效性。所以，我们提供一套完整的营销产品，基于数据，因为我们对数据有惊人的理解。今天，我们拥有一个庞大的用户群体，涵盖了各种各样的人，一个大型的调查小组，准确地说明了人们在线上和线下所做的事情，这非常重要，不仅仅是他们访问商店，而是他们从商店购买了哪些确切的产品，或者他们只是从客流量的角度访问商店但没有购买任何东西。我们还提供一套完整的全漏斗测量产品，因为我们拥有调查能力。所以，我们知道一个品牌，人们是否知道某个特定品牌，以及知道该品牌的人的百分比。我们知道有多少人正在考虑但尚未购买该品牌，对该品牌的购买偏好，然后是实际购买该品牌或访问该商店。所有这些都可以在 attain 面板中获得，用于衡量、见解和可操作性，如果您愿意的话。是的，很有趣。嗯，您知道，这正是 AI 真正提供的价值，如果您拥有真正好的数据来挖掘和增加价值，它真的可以产生影响。那么，您看到的一些客户在使用您的产品时取得的实际成就是什么？他们能够实现什么？嗯，我会直接回答这个问题，但盖伊，您提出了一个非常非常好的观点，那就是人工智能是一套令人惊叹的技术，本身也是一项技术，但它只与它所输入的数据一样好。您知道，垃圾进，垃圾出的老说法在人工智能层面得到了极大的放大。我们许多人都拥有使用人工智能工具的极其美好的经历，我们也记得人工智能彻底失败的时候。这是我们在 atain 非常谨慎的一个领域。我们在所做的一切中都广泛使用人工智能，但我们的数据是驱动人工智能的核心。而这些数据，以及能够拥有这些数据，非常干净、准确、有意义，我们花费了大量资源来确保数据非常好。所以，这是一个重要的观点。我们用数据做的一些事情，我们清楚地展示了一些有时与我们的营销客户非常反直觉的事情。我们可以给您讲很多轶事，但归根结底是，我们能够长期向大型客户展示他们的沟通计划对最终用户的有效性。我们努力以准确、大规模的方式衡量这一点，并真正区分那一次印象的影响。所以，我总是喜欢举的例子是，我是一名咖啡饮用者，早上会去皮特咖啡店喝一杯咖啡。假设您给我看一张皮特咖啡的广告，然后我去买一杯咖啡，这个广告并没有促使我去，我反正要去。您如何区分这个广告的影响？我们花了大量的时间、资源和精力来试图完全理解那一次印象的增量提升，如果您愿意的话。所以，营销人员现在依靠我们来实际改变他们的方向，关于他们如何重新安排预算，将预算投入到哪里，以及在某些领域减少支出，基于我们提供给他们的报告中的数据。看到人们信任我们，将我们作为他们营销沟通策略中值得信赖的合作伙伴，这是非常令人欣慰的。是的，绝对。您知道，增量性如此关键，以确保您的营销和每一次印象都在起作用。而且，您知道，这很有趣，因为营销人员经常会向客户发送大量优惠券，而客户的问题是，他们发送给那些本来就会来的客户。所以，如果人工智能能够区分这一点，那么就可以说，等等，他们本来就会来，我想把优惠券发给那些本来不会来的人，或者那些非客户，我想把他们变成客户。您知道，您所谈论的其中一件事就是确保您定义了您试图实现的业务问题，并确保您确实提供了一个真正有价值的答案。您知道，营销中的一个挑战是，数据到处都是零散的。以及如何以某种方式统一所有这些。您能谈谈我们如何才能真正做到这一点，以便它真正协同工作并为公司增加价值吗？嗯，我认为这是长期以来一直困扰营销人员和从业人员的领域，数据碎片化。您知道，我们经常谈论詹姆斯·沃纳梅克的那句话：我知道我的广告有一半是有效的，另一半我不知道在哪里。每个人都知道碎片化是根本原因。应该有另一句话关于碎片化，但我们没有。我们只获得一半的数据或 30% 的数据。我认为这种碎片化有时是故意的，有时是因为我们没有正确的仪器。随着法规的推出，隐私措施和工具的推出，我们在了解最终用户确切行为方面将出现空白。有一些封闭的花园，我们无法获得人们在封闭花园内所做的事情的信息。封闭的花园拥有信息，封闭的花园后面的信息，但它们没有封闭花园之外的信息。所以，这是故意的。另一个原因是，我们目前无法对一切进行仪器化。所以，也有这种情况。所以，我认为这就是最新和最令人惊叹的人工智能进步，包括机器学习和生成式人工智能，它们都属于一个更大的包罗万象的集合，我们可以称之为人工智能。这就是它的用武之地。我们现在作为营销人员，可以利用关于用户的这些部分数据，并开始处理它，从中获得更多意义，从中获得更多见解，从中获得更多，嗯，可操作的行动项目，如果您愿意的话。所以，您可以将其视为炼钢过程，您知道，将铁矿石变成实际的金属。由于我们目前在人工智能技术方面达到的复杂程度，这些过程比以往任何时候都更有效。所以，这使得营销人员现在可以处理部分数据，包括像 atain 这样的公司。我们处理部分数据，我们非常清楚，我们不可能获得关于最终用户的 100% 数据点，我们现在能够提供比我们为最终客户提供的任何信息都更好的见解。然后，我们还可以提出一套建议。我们现在还可以考虑方程的另一边，我们考虑该用户的完整历史，确切发生了什么，我们与他们所有的接触点，发生的所有沟通。所以，我们提出了一个更全面的建议，关于此时可能发生什么。当然，它并不完美。但我会说，我们现在比以往任何时候都做得更好。快速暂停，这对于任何营销领导者来说都很重要。营销必须不断证明其价值，否则预算就会枯竭。营销组合模型以财务和领导层可以相信的方式提供这种证明。我们 Pro relevant 帮助团队回答关键问题：哪些活动实际上有效？哪些渠道真正推动了进展？下一笔钱应该花在哪里？我们在复杂的营销环境中拥有超过 20 年的经验，我们知道如何提供清晰度，而不是猜测。要了解更多信息，请访问 mmm.prorelevant.com 并安排一次简短的战略会议。现在回到播客。是的，您说得对。您确实提到了一个始终存在的挑战，那就是隐私和，您知道，PII，个人身份信息和 HIPAA 数据。然后，正如您在理想世界中所提到的，我们能够拥有，我不知道，我大脑里有一个小东西或者别的什么，我可以追踪并试图弄清楚盖伊昨天去了哪里，他前天买了什么。以及他今天的想法是什么，关于他需要买什么或者别的什么。我不知道，也许我们会达到那个程度，作为营销人员，我想那将是理想的。但我认为消费者不一定会欣赏这一点。但无论如何，这带来了隐私问题，以及它的重要性。然后，能够在不丢失其中信号的情况下弥合这一差距。谈谈这一点，以及您如何看待它随着时间的推移而发展。嗯，这是一个非常非常重要的概念。在我谈论隐私以及它如何随着时间推移而发展之前，让我告诉您一件事，我们一开始就谈过，即使我们的大脑里有芯片，我们确切地知道您在做什么，100% 的时间，我们确切地知道您在想什么，我们仍然没有关于您的所有信息来做出最终决定。因为我们不知道您是如何长大的，我们不知道您的祖父母是谁，我们不知道他们确切的想法。您需要拥有关于您代际纵向的更多信息，才能得出您将要做什么的结论。所以，这种理解一切都在眼前的概念是一种神话。它永远不会发生。所以，重要的是我们构建工具和流程来考虑这种缺乏完整数据集的情况，这是故意的。这就是我们将如何做。即使大脑里有芯片，它也永远不会是完整的。所以，这一点很重要。隐私是我们作为公司、作为社会最重要的事物之一。隐私有非常好的理由，并且有一群非常深思熟虑、非常小心的人，确切地知道什么构成最终用户的隐私，什么不构成隐私。我们可能并不都同意最终的观点，但最终，当我们都批准时，这很重要。从隐私的角度来看，您提到了 HIPAA。我当然不想向您透露我确切的病情。我也不想向任何人透露我的病史。所以，我们都同意这一点很容易。但还有其他事情。如果家里有一个年轻人，我们如何保护他？所以，这是一个非常非常重要的概念。所以，从一开始就极其注意控制隐私，这是很重要的一点。这就是我们构建 atain 隐私政策和约束的方式，从第一天起就考虑到这一点。还有就是更具前瞻性。当我们推出 atain 时，当然，CCPA、GDPR 是我们非常关注的。现在我们有了 ATT，所有这些事情都在发生，我们必须更具前瞻性，因为这可能成为一个隐私问题。所以，即使法律没有告诉我们不要这样做，我们作为一家公司，可能仍然会做出更保守的决定。我们必须非常尊重这一点。然后现在的挑战是，即使在隐私限制内，即使在这个，嗯，我称之为部分数据集的范围内，我们如何构建非常非常复杂的工具，我们如何构建复杂的 AI，然后提出，这是我们可以拥有的最佳行动项目集。是的，这绝对是至关重要的。我认为您说得完全正确，在隐私方面，保守比不保守更重要。因为您不能，而且不仅要牢记这一点，并确保您所有的算法都支持这一点并考虑这一点，还有您在保护这些数据方面面临的挑战。即使您可能拥有一些 PII 数据，您知道，由一家大公司的供应商引起的数据泄露，对那家公司和对您来说，在声誉等方面造成的成本是巨大的。是的，盖伊，你说得完全正确。我告诉你，我买过一个产品，它对我很有启发。在我职业生涯的早期，我开始从事营销科学工作时，我买了一个索尼耳机，一个随身听耳机。他们说把音量调低，我们不想让您失去耳朵，因为如果您失去了耳朵，我们就不能再卖给您耳机了。我发现索尼这样表达这一点很有趣。这正是我们作为一个团队、一个公司以及所有其他公司的情况。让我们保护用户的隐私，非常小心用户的数据，因为我们不想因为数据泄露而失去我们应该拥有的数据访问权限，因为我们失去了最终用户的信任。归根结底，我们希望与最终用户和公司实现双赢。所以，我们希望创造一个非常值得信赖的环境，从第一天起就以安全为设计。我们拥有的所有协议，据我们所知，是为了保护用户数据免受任何形式的泄露，任何形式的信任侵犯。如果我们作为一家公司建立这种信任，就像我们在 atain 所做的那样，我们绝对能够与最终用户建立长期的关系，以便我们能够实现我们双方的双赢。是的，正是如此。建立信任非常困难，但摧毁信任却非常容易。只需要一件事。所以，听到您所说的，我感到非常高兴。在结束之前，您有什么想法吗？关于生成式人工智能，您认为它将如何与您正在处理的分析人工智能结合起来？嗯，这是一个我非常热衷的领域，该领域的许多人都非常热衷。我们谈论机器学习，我们谈论机器学习进行预测、分类以及复杂的、嗯，数据分析和探索性数据分析的能力，利用机器学习进行上述所有工作，而这一切都源于统计学领域，比如，嗯，处理数据并进行探索性数据分析和预测。统计学和机器学习是实现这一目标的一种更复杂的方式，并且在这方面取得了许多进展。现在，当您开始看到机器学习与生成式人工智能的融合时，生成式人工智能现在正在处理大量数据。总的来说，生成式人工智能是关于语言模型，关于我如何使用英语，因为我主要说英语。但当然，也有针对地区语言和方言的版本。关键是，它们在语言层面运行，但事实证明，如果您在语言层面运行，您实际上可以利用这项技术来预测人们的行为，这更像是一个分析领域。这两者的融合，我们如何将它们结合起来，是我们作为营销人员非常兴奋的一个领域。所以，一个简单的解释，一个简单的想法是，利用机器学习的输出，预测将会发生什么，然后为营销人员提出可行的项目。如果我们知道 50% 的人将转向竞争对手的品牌，那就是预测。那么生成式人工智能可以提出，营销人员可以采取的措施清单。这就是一种方法。但生成式人工智能实际上正在提供生成合成数据的能力，合成数据可以用来训练机器学习。但除此之外，合成数据本身可以用于，嗯，弥合我们不知道用户某些信息方面的差距，因为我们没有对某些事情进行仪器化。所以，这是一个例子。如果您知道，获取有关谁在观看线性电视广告的信息对营销人员来说有点挑战。但如果我们知道关于用户的所有其他信息，我们能否推断出这个人实际上观看了这台电视，因此他们看到了广告？过去，在那个领域，如果您愿意，这是一种机器学习过程，用于做这类事情。但现在生成式人工智能在推断用户及其行为方面发挥着作用。所以，这是一个令人兴奋的领域，那些利用生成式人工智能和机器学习之间联系的人将能够开发出具有深远影响的工具，当然，对他们作为公司来说也将更有利可图。是的，绝对。这种增值，可以说是将非结构化或文本数据与特定个体结合起来，以预测这个人很可能在看电视，或者看到了您的广告，或者观看了超级碗之类的，这对于像您这样的分析师来说绝对是一个非常有趣的领域。总之，最后一个问题，然后我们就结束了。您会给一个刚从大学毕业、试图进入营销领域的新晋营销人员什么建议？我的建议很简单，而且一直都是营销人员的建议。拥抱数据，拥抱最终用户，全心全意地为您的客户、您的最终用户服务，并拥抱您捕获的数据。现在，在此基础上，拥抱如此广泛可用的人工智能工具。看到数据与人工智能的结合，真的让我比以往任何时候都更深入地思考问题。有些事情不是每天发生，不是每分钟发生，但时不时地，因为我是人工智能的忠实用户，并且拥有数据，我就会想，天哪，我以前从未想过这一点，我以前从未想过。它并不明显。这里有什么，让我们去追求它。所以，这真的会让我作为一个人变得更有效率，在我的工作中更具创造力，我的职业生涯也将因此而成长。所以，拥抱数据，拥抱人工智能。是的，绝对。我认为这很有道理。而且，您知道，让人们习惯这一点，虽然大多数营销人员并不真正习惯，但如今，即使在人工智能出现之前，如果您想在数字营销、搜索营销或社交媒体方面取得成功，数据对于实现这些成功至关重要。而现在，再加上人工智能，希望能够改善这一点。嗯，多米尼克，非常感谢您。谢谢，谢谢，谢谢您今天来到这里。绝对是我的荣幸。期待将来能再次交谈。您可以在 www.attainoutcomes.com 上找到我们。您可以在网上搜索 atain。我们也在领英上有业务。来找我们吧。我们一直在寻找最优秀的人才、最聪明的人。我们想和每个人交谈。但我们是一家非常支持员工、支持人、支持工作的公司。在这里工作是一种乐趣。所以，找到我们吧。非常好的建议。绝对。而且，您知道，这很迷人，很高兴听到您正在成长并寻找优秀的人才，这绝对是关键。所以，对于观众来说，请继续关注本系列“营销背后的故事”中的更多视频。请访问 marketing machine.prorelevant.com。在接下来的几周内，我们将有一些关于我即将出版的书的好消息。您将能够看到这本书本身，下载它，并获得一些有价值的节选。非常感谢，多米尼克，感谢您的到来。非常感谢您。谢谢。