12月18日，2018（第十六屆）中國互聯網經濟論壇在京舉行，創略科技解決方案副總裁何喬恩在現場發表主題演講。她認為互聯網是一個數字生態圈，在這個時代，從不缺數據，缺的是“智慧的數據”。“智慧的數據”指的是將大數據和人工智能進行結合，人工智能的預測能使海量的數據變換成有用的預測性信息，未來這種預測性信息將會被越來越多的企業，應用在不同的營銷場景中。
以下為演講實錄：
大家好，我是何喬恩。感謝主辦方和大會的邀請，讓我來講述大數據+AI如何幫助現代企業走向現代化的營銷之路。
互聯網是一個數字的生態圈，在這個時代，從來都不缺少數據，相反時時刻刻我們都再創造數據。比如當我們看見一個廣告點進去，進入官網成為注冊會員，在手機收到優惠券隨之去購買在這一切的過程，都將被數據化記錄下來。隨之產生的問題是面對那么多數據，為什么企業會覺得數據沒有用，其實不是數據沒有用，而是傳統的數據分析方法沒有辦法面對這樣的海量數據源，因此企業面對多融合的數據源時，就需要學會區別，做一個數據分析讓數據變的有智慧起來。
怎么樣才可以把數據變的有智慧？有價值？那就是將大數據和人工智能進行結合。人工智能在預測方向中起著非常重要的作用，它能夠使海量的數據變化成為一個有用的信息，能夠進一步提升數據的可讀性和信息有效性。通過預測性分析，從整個數據描述過程中，我們可以掌握整個事情發展的規律，從而進行一個預判。我們相信這種預測性的作用將會被越來越多的企業應用在不同的營銷場景中。
營銷的目的是什么？其本質是贏得人的心，贏得消費者的信任，在這里意味著以人為本是一個關鍵。這里提到的以人為本其實有兩個方面的含義。第一以人為本的數據，它意味著企業需要去打破內部的數據孤島，建立一個以消費者為核心的數據，也就是這兩年大家聽的特別多的CDP。在這個平臺中，它集合了顧客的所有信息、線上線下的網上行為以及各個觸點的營銷數據，因為在整個商業運營中會面臨不同的數據源，集合了不同的數據源之后，我們發現這些數據都是不可讀的。但CDP就是這樣，可以聰明地把這些數據進行歸檔和驗證，在這平臺上面CDP會進行整個用戶IP唯一識別和做標簽化的數據化管理，這樣企業就可以用真正的根據數據來做決策，而不單純依靠感性的認知和過往經驗。
第二以人為本的營銷就是個性化營銷。現在和未來的營銷的主要人群已經從原來的80后、85后，逐漸演變成中年人的90后，以及正在青春期的00后，而這代人正是在經濟快速發展、物質非常豐富，還有移動互聯網時代下生長的一群人。他們的訴求其實是追求個性化，希望通過產品和服務表達自我，這給企業的啟示就是，如果想贏得他們的喜愛，就需要將營銷隨之做出變化，誰能夠把個性化的營銷做的更細化、更精準，誰就會更快的贏得這一場的勝利。
總之，以人為本是基地。其實人工智能這些花哨的科技術語最終還是要落地到營銷的場景，幫助企業實現各個緯度的增長和實現營銷的目標。因此今天，我才會通過不同的案例讓大家感受這些聽起來很枯燥的模型理論，讓大家知道大數據和人工智能如何在整個營銷過程中起作用。
我們現在做品牌推廣的時候，其實推的都是白色這一塊用戶群，因為這塊用戶群是T用戶，橙色的部分表示的是哪些用戶對品牌最感興趣，現在的方法是你沒有辦法精準的去猜想出橙色的部分是哪一些，但是現在通過預測性的模型，我們可以把這精準的一群人找出來。比如找出T濃度最高的人做出一個影像。
這里是我們幫春秋航空進行品牌推廣的一個案例。每一個旅客對航線偏好不一樣，比如商旅北上廣深多，對于普通用戶休閑旅游則需要國內的旅游景點或者出境游，這時春秋航空會給長旅客發送短信信息，然而從用戶點擊短信跳轉到官網最后購買，實際情況是1%，因而該航空公司希望把短信的轉化率能提升起來。
為此，我們和客戶挑選兩條其中的路線進行了落地的試驗，接入了春秋航空3千萬的會員數據，6千多萬的沉積信息，其中包含不同的訂單數據、信息數據和基礎數據。我們對整個高購買意向的用戶進行了一個分群和打標簽，提取了以上客群的特征。例如他乘坐的頻次、周期、購買時間段的長短，提前購買的信息，最終得出來航線的整個的購買預測模型。
整個購買的預測模型當中，我們可以篩選出濃度最高的客群。針對這一群人做營銷推送的結果是，在整個實踐結果下來，模型的準確率能夠達到97.5%，其實更讓我們和春秋航空震驚和感到滿意的是，它整個的轉化率提升了14倍，從1%的轉化率提升到14%。因此我們現在將這個模型更多的運用在不同的航線當中，并不斷去調整個模型。在這個案例中我們可以知道只要企業找到對的人，找到濃度高的人去做營銷推、和轉化，整個轉化率提升將是非常明顯的。
另外一個想分享的案例是關于用戶的分層。我們可以通過整個數據模型的應用進行精細化的分層，幫助品牌識別出高意向的用戶，以此大大提升整個資源效率的配置，讓購買轉化率也有提升。這個案例是一個汽車品牌，它不是沒有數據它是數據太多，它有60多萬的潛客車主的數據，但是它很難了解這60多萬的用戶，銷售團隊人數有限，不可能每一個人都去跟銷售線索，這就會耽誤到一些優質線索的轉化。因此我們根據這個營銷場景，幫助品牌建立AI模型，該模型叫營銷積分模型，在這模型當中我們首先是整合和打通該品牌的第一方數據，同時接入第三方媒體數據，去做一個用戶洞察的破綻。接著我們將這些數據打通和關聯起來，然后根據不同的緯度來設置用戶的標簽，建立起客戶營銷積分模型。我們按照0到100分為每一個用戶進行打分，為品牌打分到800分以上是屬于高分值的人群，銷售就可以將營銷的重點放在這類人群中，邀約他們線下到店。而200分以下的用戶表明，是整個品牌的認識剛接觸的階段，消費者的決策周期是14個月，一開始和用戶保持溝通聯系關系，就不一定通過外呼。該案例系統模型的準確率最終時間也是有97.42，根據客戶的反饋最終的模型結束之后到店是提升了1倍多。
關于這個過程，首先我們會做成數據分析，然后隨之建立營銷場景模型，產出不同的人群之后，企業會根據我們的結構去做對應的營銷。這里值得一提的是，我們每一個模型會根據實時的數據進行一個反饋，這樣子在不同的階段、不同的場景里面，都可以不斷的去調優使得結果越來越精準。
第三個我想分享的案例是關于家裝銷售和關聯銷售。最近我們幫助星巴克做了一個非常有趣的用戶洞察的研究，研究食品和飲品之間的關聯關系。我們研究了過去一年當中星巴克的會員在購買飲料和食品當中的數據，這里的數據量已有3億多個，數據涵蓋了會員的商品信息和門店的信息。經歷過數據處理之后，我們會考慮這個用戶在其購買時候的時間段的不同狀態。例如在早餐時段購買午餐、晚飯還是宵夜，購買的地點是商圈，還是機場或獨立的門店，購買百元以內還是百元以上，通過不同的因素去建立一個模型。同時我們把飲品的屬性進行了一個歸類，比如這個飲料是否是含奶，它的甜度是不甜、輕微、濃郁，是冰的還是常溫的。食品我們也會對應劃分出7個不同的屬性去做交叉關聯。
整個關聯結果得出來就是，當用戶現在每一次去光顧星巴克飲料的時候，就會發現個性化推薦是不一樣的。該案例整個轉化率的提升是46%的。通過和星巴克做關聯分析之后我們可以發現用戶的偏好，此結論除了可以做個性化營銷外，對于食品整個的開發，我們是提供了一定的定制。這個模型也在和星巴克做不斷的深究，進行二期和三期的開發當中。
如同一開始我提到以人為本的營銷，企業在做數字化轉型的時候兩手抓最好，星巴克就是這樣走在前沿的一個企業。星巴克的CDP是我們公司去幫忙建立，我們已經幫其打通了星巴克的整個會員體系的數據源，如APP、短信、EDI等等。我們已經可以識別出唯一的客戶群，并針對不同的客戶打上不一樣的緯度的標簽，以方便星巴克做后續的處理以及模型的開發應用。
整個的數據源結構和架構，是把數據源提出來之后，在CDP平臺做整個的關聯，打通清洗做整個數據應用和模型的建立，最終為CM的平臺提供做營銷決策的依據，這里就不一一展開。
以上的案例令我們對消費者越來越理解，我們發現接觸前沿的科技之后，其實是可以跟消費者去做一個關系和聯動，以達到整個的營銷目的和轉化。對的時間、對的人對的內容，這一句話是很老生常談，但是真正把這樣子一個東西落到營銷場景的時候，我們發現現在不是做的特別好，因此才有大數據和人工智能這樣一個預測模型的出現。同時我們也相信數據和智能驅動化的個性化營銷是未來營銷的一種趨勢，可以AI驅動實現對整個客戶生命周期的管理。例如，我剛剛提到當你要去做一個新客獲取的時候，可以購買春秋模型這類的預測模型，在提高整個轉化的時候，可以有營銷積分模型。還有流失的模型和沉睡客戶識別模型，不同的模型可以提高用戶整體的價值，最終整個營銷能力的提升也可以幫助企業更好地運轉下去。
最后簡單的介紹一下我們公司，創略科技是一家數據技術和AI驅動的公司，通過數據的采集和打通，去進行一個數據的洞察和挖掘。主要面對的客群是B2C的企業，目前已經服務了多個不同垂直行業包括汽車、零售、時尚等等，為其提供一個營銷解決方案。
這就是我今天的分享，謝謝大家。
