設計AI專屬行銷策略| 哈佛商業評論・與世界一流管理接軌

我們根據十多年來研究數據分析、AI和行銷的成果，以及為各產業的公司提供有關這些 ... Vee24等公司供應具有AI功能的機器人，可協助行銷人員了解顧客的需求，提高顧客在 ... 訂閱雜誌我要訂閱 搜尋 推薦關鍵字：內容分類熱門主題所有主題訂戶限定我的帳戶登入首頁行銷設計AI專屬行銷策略 首頁雜誌2021年8月號-AI，我的行銷神器！ 設計AI專屬行銷策略 趨勢面》善用當今技術，並瞄準未來發展設計AI專屬行銷策略HowtoDesignanAIMarketingStrategy行銷湯瑪斯．戴文波特ThomasH.Davenport阿布希吉．古哈AbhijitGuha杜魯．葛瓦爾DhruvGrewal 2021年8月號-AI，我的行銷神器！ 放大縮小分享PostTweetShareShare GiulioBonasera 放大縮小精選專題AI，我的行銷神器設計AI專屬行銷策略1AI行銷為何不給力？你沒問對問題，就會錯失機會2這種行銷科技別買！「3D法」助你正確行銷變革3AI的發展日新月異，而能從中獲益最多的，就是行銷。

全球有高達七成的AI高階主管認為，三年之內，AI會整合到所有的企業應用程式中。

各家企業領導人與行銷長，該如何充分運用AI的潛力，以獲得豐富報酬？本文告訴你箇中訣竅。

在企業的所有職能部門當中，可從人工智慧（AI）中獲得最大效益的，可能是行銷部門。

行銷的核心活動，是了解顧客需求、配合那些需求開發產品和服務，然後說服人們購買，這些能力都能透過AI大幅強化。

難怪2018年，麥肯錫顧問公司（McKinsey）對四百多個進階使用案例的分析顯示，行銷是AI可貢獻最大價值的領域。

行銷長對這項科技的接受度愈來愈高：2019年8月，美國行銷協會（AmericanMarketingAssociation）的一項調查指出，在前一年半，AI的實施躍升27％。

2020年，德勤顧問公司（Deloitte）對AI早期採用者進行的全球調查顯示，AI的前五項目標中，有三項是行銷導向：增強現有的產品和服務、創造新的產品和服務、強化與顧客的關係。

儘管AI已進入行銷領域，但我們期望，未來幾年，AI在整個行銷部門會扮演日益重要的角色。

這項科技擁有龐大潛力，因此對於行銷長很重要的是，應了解目前可用的行銷AI應用程式類型，以及它們可能如何演變發展。

我們根據十多年來研究數據分析、AI和行銷的成果，以及為各產業的公司提供有關這些主題顧問服務的經驗，發展出一套架構，可協助行銷長對現有AI專案進行分類，並規畫如何推出未來的專案。

但我們在說明這個架構之前，先來檢視這個領域當前的情況。

本文觀念精粹 挑戰許多企業的行銷職能正迅速接納AI。

但為充分發揮這項科技的龐大潛力，行銷長必須了解不同類型的應用程式，以及它們可能會如何演變發展。

架構依據AI的智慧程度（究竟是簡單的任務自動化，還是使用先進的機器學習）和結構（是獨立的應用程式，還是整合進較大平台內），對AI進行分類，可協助企業規畫應採用哪種科技，以及何時採用。

執行企業應採取循序漸進的方法，首先採用以規則為基礎的獨立應用程式，以協助員工做出更好的決策，然後假以時日，逐步在接觸顧客的情境中，部署更複雜和整合度更高的AI系統。

AI現在有多神現在，許多公司使用AI來處理範圍狹小的任務，例如，數位廣告的展示位置〔也稱為「程式化購買」（programmaticbuying）〕；協助執行範圍廣泛的任務，例如，增強預測的準確性（比方銷售預測）；在顧客服務之類的結構化任務中，擴增人類執行的活動（有關AI能支援的一些常見活動，見下圖：「完備建立的AI行銷應用程式」）。

企業也在顧客歷程的每個階段都運用AI。

當潛在顧客在「考慮」階段研究產品時，AI會精準地提供廣告給他們，有助於引導他們進行搜尋。

我們在線上家具零售商Wayfair看到這種情況，這家公司使用AI，來判定哪些顧客最有可能被說服，然後根據這些顧客過去的瀏覽紀錄，挑選要展示給他們的產品。

Vee24等公司供應具有AI功能的機器人，可協助行銷人員了解顧客的需求，提高顧客在搜尋時的投入程度，把他們往公司希望的方向輕推（nudge）一下（例如導向特定的網頁），而且在必要時，透過聊天、電話、視訊，或甚至「共同瀏覽」（cobrowsing）功能，讓他們連結到真人銷售代表，而其中的共同瀏覽，可讓銷售代表協助顧客一起瀏覽螢幕。

AI可使用極為詳細的個人數據，包括即時地理位置數據，來簡化銷售流程，以創造高度個人化的產品或服務。

在顧客歷程的後期，AI能協助追加銷售（upselling）和交叉銷售（cross-selling），同時可以降低顧客放棄數位購物車的可能性。

舉例來說，在顧客裝滿購物車之後，AI機器人可以提供激勵性的舉證說詞來協助完成銷售，例如：「你真會買！佛蒙特州的詹姆斯也買了同一款床墊。

」這類做法，可以讓轉換率提高五倍以上。

銷售之後，來自Amelia（之前稱為IPsoft）和Interactions等公司、AI賦能的服務代表，可以全年無休地將顧客提出的要求加以分類，而且比真人代表更能妥善處理波動的服務需求量。

他們可以處理簡單的查詢，例如交貨時間，或是安排預約日期等，也可以將更複雜的問題上報給真人代表處理。

在某些情況下，AI可以分析顧客的語氣，依據不同情況提出回應的建議，以協助真人代表，指導他們如何以最佳方法來滿足顧客需求，或是建議由主管介入協助真人代表。

如何展開架構行銷用AI可根據兩個面向來分類：智慧程度；以及是獨立的AI，還是更廣泛平台的一部分。

某些科技，例如聊天機器人（chatbot）或推薦引擎（recommendationengine），可屬於任何一種類別，這取決於它們在特定的應用程式中如何執行。

首先，讓我們來檢視這兩種類型的AI。

任務自動化（taskautomation）。

這些應用程式執行重複、結構化的任務，需要的智慧程度較低。

它們被設計為遵循一組規則，或是根據既定的輸入資料，來執行預先設定順序的各項作業，但這些AI無法處理複雜的問題，像是很詳細的顧客要求。

這類AI的一個例子是，會自動向每位新顧客發送歡迎電郵的系統。

較簡單的聊天機器人，像是透過FacebookMessenger，和其他社群媒體供應商提供的聊天機器人，也屬於這個類別。

在基本互動中，這些AI可為顧客提供某些幫助，引導顧客按照預先定義好的決策樹進行各個步驟，但他們無法辨別顧客的意圖、提供客製化的回覆，也無法經過一段時間之後，從多次的互動中學習。

機器學習（machinelearning）。

這些演算法使用大量數據來接受訓練，以做出相當複雜的預測和決定。

這類模型可以辨識圖像、解密文本、區隔顧客，並預測顧客對不同的計畫（例如促銷），會如何回應。

機器學習已推動線上廣告的程式化購買、電子商務推薦引擎，以及顧客關係管理（CRM）系統中的銷售傾向模型。

機器學習與它更複雜的變異版本「深度學習」（deeplearning），是AI中最熱門的技術，目前正迅速成為行銷的強大工具。

雖然如此，我們仍有必要清楚說明，現有的機器學習應用程式，仍只執行範圍狹窄的任務，而且必須使用大量的數據來訓練。

機器學習模型可以辨識圖像、解密文本、區隔顧客，並預測顧客對不同的計畫（例如促銷），會如何回應。

現在，讓我們來比較獨立的AI和整合的AI。

獨立的應用程式（stand-aloneapplication）。

最好將它們理解為清楚界定或獨立運作的AI程式。

它們和顧客了解、購買，或是獲得支援以使用公司產品的主要管道，是分開的，而且與員工用來行銷、銷售或服務這些產品的主要管道，也是分開的。

簡單來說，顧客或員工必須透過這些管道之外的特別歷程，才能使用這種AI。

讓我們來檢視下列這個例子：塗料公司貝爾（Behr）創造的「發現色彩」應用程式。

這項應用程式使用IBMWatson系統的自然語言處理，以及語調分析器（ToneAnalyzer）功能（可檢測文本中的情緒），根據消費者對空間期望達成的心情狀態，提供幾種個人化的貝爾塗料色彩建議。

顧客使用這項應用程式，為自己想要塗裝的房間挑選二或三種顏色。

接下來，儘管這個應用程式可以連結到家得寶（HomeDepot）下訂單，但實際的塗料銷售，是在這個應用程式之外執行。

整合的應用程式（integratedapplication）。

這些AI應用程式嵌入到現有系統中，因此對於使用它們的顧客、行銷人員和銷售人員來說，它們的可見程度，通常低於獨立的應用程式。

例如，能在瞬間決定要向用戶提供哪些數位廣告的機器學習，是內建於處理整個購買和安排廣告流程的平台內。

網飛（Netflix）的整合式機器學習，已為顧客提供十多年的影片推薦服務；它的選擇，會單純顯示在觀看者上平台時看到的產品選單上。

如果那個推薦引擎是獨立的，他們就必須使用專用的應用程式，然後請求提供建議。

顧客關係管理系統的廠商，愈來愈常把機器學習功能內建在自家的產品中。

在Salesforce，SalesCloudEinstein套件具有好幾項功能，包括以AI為基礎的潛在顧客評分系統，這套系統會根據顧客購買的可能性，自動為企業對企業（B2B）的潛在顧客排名。

Cogito之類的供應商，銷售可指導電話客服中心銷售人員的AI，也將他們的應用程式，和Salesforce的顧客關係管理系統整合在一起。

把這兩種類型的智慧，與兩種類型的結構結合在一起，就能產生我們架構的四個象限：獨立的機器學習應用程式、整合的機器學習應用程式、獨立的任務自動化應用程式，以及整合的任務自動化應用程式（更多資訊，見下方「四種行銷用AI」）。

了解應用程式屬於哪個象限，有助於行銷人員規畫引進新的用途，以及安排引進的順序。

四種行銷用AI根據潛在應用程式的智慧程度和結構加以分類，有助於公司規畫實施行銷用AI。

簡單的獨立應用程式是一個好起點，因為較容易設置，但優點也有限制。

一旦企業取得AI技能，並累積龐大數據，就可以增加更先進的應用程式，以及內建在其他平台裡的應用程式，並逐步發展為整合式機器學習，有可能創造最高的價值。

循序漸進的方法我們認為，以規則為基礎和任務自動化的簡單系統，雖然可以增強高度結構化的流程，為獲得商業報酬提供合理的可能性，但透過追求整合的機器學習應用，行銷人員最終會看到最大的價值。

但請注意，目前任務自動化和機器學習結合在一起的情況日益增加，以便從訊息中提取關鍵數據、做出更複雜的決策，以及讓溝通個人化，成為跨越不同象限的混合形態。

獨立應用程式的優點雖然有限制，但在難以整合或不可能整合的地方，它們仍持續有可發揮之處。

因此，我們建議行銷人員應透過一段時間，逐步把AI整合到現有的行銷系統中，而不是繼續使用獨立的應用程式。

的確，許多公司正朝著這個整體方向移動；在2020年德勤顧問公司的調查中，全球74％的AI高階主管同意：「在三年之內，AI將會整合到所有的企業應用程式當中。

」著手開始對AI經驗有限的公司來說，開始推動的一個好方法，是建立或購買以規則為基礎的簡單應用程式。

許多公司採用「爬、走、跑」的循序漸進方法，一開始先採用獨立、不是直接面對顧客、任務自動化的應用程式，例如指導真人服務代表與顧客互動的應用程式。

公司一旦掌握了基本的AI技能，以及大量的顧客和市場數據之後，就可以開始從任務自動化，轉移到機器學習。

後者的一個好例子，是服飾電商StitchFix的挑選服裝AI，它能協助自家公司的造型師為顧客策畫產品組合，而且是根據顧客自己提出的款式偏好、保留和退還的物件，以及回饋意見來策畫。

後來公司開始請顧客在名為StyleShuffle的功能中挑選自己喜歡的照片，創造了有價值的新數據來源，於是這些模型就變得更為有效。

行銷人員應持續尋找新的數據來源，例如，內部交易、外部供應商，甚至潛在的購買來源，因為大多數的AI應用程式，尤其是機器學習，都需要大量的高品質數據。

以包機公司XO的定價模型為例。

這個以機器學習為基礎的模型，使得XO的息稅折舊攤銷前利潤（EBITDA）提高5％：關鍵是利用外部來源獲得私人飛機的供應數據，以及影響需求的因素，例如，重大事件、總體經濟情勢、季節性活動和天氣預報。

XO公司使用可公開取得的數據，但只要情況許可，尋求專有來源也是個好主意，因為競爭對手也可以複製使用公開數據的模型。

隨著企業在使用行銷用AI方面，變得益發先進與複雜，許多公司將某些類型的決策完全自動化，把真人完全抽離決策迴圈。

這種方法對重複性的快速決策很重要，例如程式化廣告購買所需的決策（在這種情況下，數位廣告幾乎是即時投放給用戶）。

在其他領域，AI可能只是向面臨選擇的人提供建議，例如向消費者推薦電影，或是向行銷主管推薦策略。

而影響最重大的問題，通常會保留給人來做決策，例如，是否要繼續一項廣告宣傳活動，或是否要核准所費不貲的電視廣告。

企業應盡可能轉向自動化程度更高的決策。

我們相信，這會是從行銷用AI中獲得最大報酬的地方。

企業應該盡可能轉向自動化程度更高的決策。

這會是行銷用AI出現最大報酬的地方。

挑戰與風險即使是執行最簡單的AI應用程式，也可能會遭遇困難。

獨立的任務自動化AI，儘管技術的複雜度較低，但仍可能難以針對特定的工作流程來設定，而且公司必須取得合適的AI技能。

要把任何種類的AI引進工作流程當中，都需要審慎地整合真人任務與機器任務，讓AI能擴增人們的技能，而且實施方式不會產生問題。

例如，儘管許多組織使用以規則為基礎的聊天機器人，以便自動化進行顧客服務，但功能較差的機器人可能會激怒顧客。

更好的做法，是讓這類機器人協助真人服務人員或顧問，而不是讓機器人直接與顧客互動。

隨著企業採用更複雜、整合度更高的應用程式，其他考量也出現了。

把AI整合到第三方平台，可能會特別棘手。

這方面的一個例子，是寶僑家品（P&G）的歐蕾皮膚顧問（OlaySkinAdvisor）服務。

這項服務使用深度學習，來分析顧客的自拍相片，評估他們的年齡和皮膚類型，然後推薦適合他們的產品。

它跟電子商務和忠誠度平台Olay.com整合在一起，改善了某些地區的轉換率、跳出率、平均購物量。

不過，這項服務一直都較難以跟實體零售店和電商亞馬遜整合起來。

亞馬遜是占歐蕾銷額很高比率的第三方，而歐蕾在亞馬遜上的大型網路商店，無法使用「皮膚顧問」這項服務，讓這個品牌無法順利在亞馬遜平台上提供由AI輔助、流暢無阻礙的顧客體驗。

最後，企業必須優先重視顧客的利益。

AI應用程式愈聰明、整合度愈高，顧客對隱私、安全和數據所有權的擔憂就會愈多。

顧客可能會感到不安，擔心在自己不知情的情況下，應用程式會掌握與分享有關他們所在地點的數據，或是擔心智慧型音箱可能正在竊聽他們。

一般來說，消費者願意（甚至渴望）讓出某些個人數據和隱私，以換取創新應用程式可提供的價值。

對Alexa之類AI應用程式的擔憂，似乎大於對它們所帶來好處的欣賞。

因此，行銷人員在擴展本身的AI智慧程度和運作範圍時，關鍵就是要確保AI系統對隱私和安全的控制是透明的，顧客對如何蒐集和使用他們的數據有發言權，而且，他們的數據可從企業那裡換取合理應得的價值。

為保證設置這些保護措施，並維持顧客的信任，行銷長應建立道德和隱私審查委員會，成員應包括行銷和法律的專家，以審查AI計畫，尤其是牽涉到顧客數據，或是可能會受偏見影響的演算法，例如信用評分的演算法。

發揮AI的潛力行銷用AI雖然具備龐大的潛力，但我們敦促行銷長務實看待它當前的能力。

AI雖然受到大規模的宣揚，但仍然只能完成範圍狹小的任務，無法運作整個行銷部門或流程。

不過，AI已為行銷人員帶來可觀的好處，而其實在某些行銷活動中，AI已不可或缺，功能也正在迅速成長。

我們認為，AI最終將會改變行銷，但可能需要數十年的歷程。

行銷職能和支援行銷的組織，尤其是資訊科技部門，必須長期關注於建立AI能力，並處理任何潛在風險。

我們敦促行銷人員今天就開始擬定策略，以善用AI當前的功能，以及它未來可能具備的能力。

（蘇偉信譯自“HowtoDesignanAIMarketingStrategy,”HBR,July-August2021）湯瑪斯．戴文波特ThomasH.Davenport 美國貝伯森學院（BabsonCollege）管理與資訊科技校聘傑出教授、麻省理工學院數位經濟計畫（MITInitiativeontheDigitalEconomy）研究員、德勤分析（DeloitteAnalytics）資深顧問。

他著有十多本管理書籍，新作是《只有人需要應徵工作》（OnlyHumansNeedApply:WinnersandLosersintheAgeofSmartMachines，繁體中文版書名是《下一個工作在這裡》），以及《AI優勢》（TheAIAdvantage）。

阿布希吉．古哈AbhijitGuha 美國南卡羅萊納大學達拉莫爾商學院（DarlaMooreSchoolofBusiness,UniversityofSouthCarolina）行銷學副教授。

杜魯．葛瓦爾DhruvGrewal 美國貝伯森學院行銷學教授、商業與電子商業學講座教授。

他與人合著有《行銷與零售管理》（MarketingandRetailingManagement），著有《零售行銷管理》（RetailMarketingManagement:The5EsofRetailing）。

本篇文章主題行銷追踨更多關聯主題資訊與技術策略關閉登入收藏至 新增資料夾 收藏 查看個人圖書館 分享"設計AI專屬行銷策略"URLFacebookTwitterLinkedInLine 分享至Facebook 分享至Twitter 分享至LinkedIn 分享至Line 為提供您更多優質的內容，本網站使用cookies分析技術。

若繼續閱覽本網站內容，即表示您同意我們使用 cookies，關於更多cookies資訊請閱讀我們的隱私權政策。

了解關閉