我们经常听到“智能营销”，那什么是智能营销呢？随着人工智能的发展，今天的已经走入了智能营销阶段，也就是AI赋能的营销。
营销有六个步骤：洞察、策略、内容、投放、评估、运营。直白说，洞察就是找人，找到目标客户，策略就是想法法子让这些人购买，内容就是要跟这些人说的话，投放就是说话，评估就是看看说得怎么样，运营就是维系关系。
一、智能洞察
中国网民9亿多，每天在互联网上的各种行为产生海量的数据，这些数据不是静态的，是实时增加的。怎么从这么多的大数据中找到企业的目标客户？靠的是人工智能，一个人在微信上可能叫小明，在微博上叫小刚，大数据技术可以知道两个名字是同一个人，系统中会给这个人起另外一个名字，一串唯一的数字来识别他。这样这个人在网上的各种行为就被记录和整合起来了。系统画像可能比你还懂你。
当所有人都被画像、被贴上标签了，对于营销人来说，找人就容易了。知道你在网上搜索过什么信息，浏览过什么资讯，去过哪里，买过什么东西。还能推测出你的意图，比如你可能最近要买车，可能要买房等等。不仅是找到你，还能找到能影响你的人，比如你喜欢刘德华，你最近想买路虎车，那可能在你看刘德华演唱会视频的时候会跳出来路虎车的广告。还能找到你的亲人、朋友、同事，通过影响他们来间接影响你，这叫圈层营销。此外还能洞察行业趋势、热点、竞争，还能分析品牌竞争、品牌发展、消费决策。
二、智能策略
过去营销做策略，通常是一堆人根据洞察结果憋大招，然后写成策略文案，再去想这些策略文案在媒体上怎么实现。就需要一个把策略翻译成媒体投放系统能懂的语言这样一个过程，有可能没翻译好导致策略执行得不准。而在智能策略下，整个过程会很平滑，类似一键生成的意思，整个过程都是在线上的系统中自动完成的，因为刚才说的智能洞察是在线上系统完成的，当有了洞察结果后，系统的人工智能自动就能给出在哪些媒体投、投多少钱、怎么投这样的策略，并且这个策略直接就分发到投放系统中，不用翻译，因为给出的策略就是媒体投放系统能听懂的。这些都是我们每天在用的功能。
三、智能内容
就是人工智能自动生成内容，你可以理解为机器写稿。不仅能自动写文字，还能自动图片组合，自动生成视频。因为每个消费者都不同，因此商家希望能给每个消费者不同的个性化的广告内容，比如三个人同时搜索同样的词“宝马320”，看到的会是三个结果，一个人看到的是弯道超车的海报，因为他关注操控感，第二个人看到的是一家三口在车里，因为他关注舒适，第三个人看到的是红色绚丽的车身，因为他注重外观。消费者千人千面，如果靠人力为每个人制作不同的广告内容是不现实的，而人工智能可以做到，大大解放了人力。这个技术，术语叫程序化创意。
四、智能投放
正是有了千人千面的创意内容，在投放时才能智能地识别面前的是什么人，然后给他符合他的内容，也就是找对人之后说对话。并且在这个过程中还能智能地调整说话的内容。我本来以为你是关注操控性的，跟你说了宝马320操控性强的话，发现你不太感冒，因为我给你的海报你不认真看，那下次你再来的时候，我就跟你说舒适性的话，以此类推，术语叫AB测试。还有预算的智能调整，当我发现关注操控性的人看得多、最终购买的少，而关注舒适性的人容易成交，那系统就可以自动把预算多分配给关注舒适性的人。有数据显示，很多汽车发烧友喜欢特斯拉，但是只看不买。
五、智能评估与优化
这个很好理解，就是在广告投放过程中，人工智能自动分析投放的效果是不是达到了之前的策略，实时分析，发现哪儿不自动完善、优化。人找的对不对、是不是目标用户、对的人有没有看到我的广告、看到了广告之后点击没点击、点击了之后有没有跟我互动跟我咨询、互动咨询了之后有没有下单购买或者到我的店里来。如果一切都顺利，哪类人的转化效率更高，对我的价值更大。越优化，广告的效果会越好。
六、智能运营
这里说下CRM，客户关系管理系统。过去的CRM通常是销售人员自己录入销售线索到系统中，然后把每次与客户的沟通进展记录下来，定期再去给这些客户分分类，按成交优先级分为ABCD类这样的功能。现在的CRM更智能，成为SCRM，SocialCRM。它可以与广告投放平台打通，在广告投放平台中的线索自动进入CRM，因此可以知道线索是怎么来的，例如一条线索是搜索操控性好不好，另一条线索是搜索舒适性怎么样，也知道在这个线索上之前花了多少广告费。智能客服的功能就发挥威力了，销售人员在系统中能看到系统自动给的针对性的沟通话术。
我们假设一个场景，一个关注舒适性的用户看到了汽车广告，广告上有个拨打电话的按钮，他拨打了，然后销售人员的电脑上弹出了这个用户的画像和之前搜索的行为记录，还看到了系统给的建议话术，于是销售人员接听电话，第一句话就说：先生您好，您是希望买更宽敞舒适的车，对吧？您每天送孩子上下学，周末全家出游的时候用车，我们这款车非常符合您的需求。与客户的对话过程中，CRM系统实时语音识别，实时理解客户的语义，实时在销售人员的电脑屏幕上弹出回答话术建议。这就是智能客服功能，已经是实现了的。
智能营销已经来临，现在的企业做营销时要使用智能营销，找到专业的智能营销服务机构会事半功倍。
AI大数据智能营销案例
大数据营销的主要价值源于以下几个方面：第一，用户行为与特征分析显然，只要积累足够的用户数据，就能分析出用户的喜好与购买习惯，甚至做到“比用户更了解用户自己”。有了这一点，才是许多大数据营销的前提与出发点。那些过去将“一切以客户为中心”作为口号的企业可以想想，过去你们真的能及时全面地了解客户的需求与所想吗？或许只有大数据时代这个问题的答案才更明确。第二，精准营销信息推送支撑过去多少年了，精准营销总在被许多公司提及，但是真正做到的少之又少，反而是垃圾信息泛滥。究其原因，主要就是过去名义上的精准营销并不怎么精准，因为其缺少用户特征数据支撑及详细准确的分析。相对而言，现在的RTB广告等应用则向我们展示了比以前更好的精准性，而其背后靠的即是大数据支撑。第三，引导产品及营销活动投用户所好如果能在产品生产之前了解潜在用户的主要特征，以及他们对产品的期待，那么你的产品生产即可投其所好。Netflix在近投拍《纸牌屋》之前，即通过大数据分析知道了潜在观众最喜欢的导演与演员，结果果然捕获了观众的心。又《小时代》在预告片投放后，即从微博上通过大数据分析得知其电影的主要观众群为90后女性，因此后续的营销活动则主要针对这些人群展开。第四，竞争对手监测与品牌传播竞争对手在干什么是许多企业想了解的，即使对方不会告诉你，但你却可以通过大数据监测分析得知。品牌传播的有效性亦可通过大数据分析找准方向。可以进行传播趋势分析、内容特征分析、互动用户分析、正负情绪分类、口碑品类分析、产品属性分布等，可以通过监测掌握竞争对手传播态势，并可以参考行业标杆用户策划，根据用户声音策划内容，甚至可以评估微博矩阵运营效果。第五，品牌危机监测及管理支持新媒体时代，品牌危机使许多企业谈虎色变，然而大数据可以让企业提前有所洞悉。在危机爆发过程中，最需要的是跟踪危机传播趋势，识别重要参与人员，方便快速应对。大数据可以采集负面定义内容，及时启动危机跟踪和报警，按照人群社会属性分析，聚类事件过程中的观点，识别关键人物及传播路径，进而可以保护企业、产品的声誉，抓住源头和关键节点，快速有效地处理危机。第六，企业重点客户筛选许多企业家纠结的事是：在企业的用户、好友与粉丝中，哪些是最有价值的用户？有了大数据，或许这一切都可以更加有事实支撑。从用户访问的各种网站可判断其最近关心的东西是否与你的企业相关；从用户在社会化媒体上所发布的各类内容及与他人互动的内容中，可以找出千丝万缕的信息，利用某种规则关联及综合起来，就可以帮助企业筛选重点的目标用户。第七，大数据用于改善用户体验要改善用户体验，关键在于真正了解用户及他们所使用的你的产品的状况，做最适时的提醒。在大数据时代或许你正驾驶的汽车可提前救你一命。只要通过遍布全车的传感器收集车辆运行信息，在你的汽车关键部件发生问题之前，就会提前向你或4S店预警，这决不仅仅是节省金钱，而且对保护生命大有裨益。美国的UPS快递公司早在2000年就利用这种基于大数据的预测性分析系统来检测全美60000辆车辆的实时车况，以便及时地进行防御性修理。第八，SCRM中的客户分级管理支持面对日新月异的新媒体，许多企业想通过对粉丝的公开内容和互动记录分析，将粉丝转化为潜在用户，激活社会化资产价值，并对潜在用户进行多个维度的画像。大数据应用可以分析活跃粉丝的互动内容，设定消费者画像各种规则，关联潜在用户与会员数据，关联潜在用户与客服数据，筛选目标群体做精准营销，进而可以使传统客户关系管理结合社会化数据，丰富用户不同维度的标签，并可动态更新消费者生命周期数据，保持信息新鲜有效。第九，发现新市场与新趋势基于大数据的分析与预测，对于企业家提供洞察新市场与把握经济走向都是极大的支持。阿里巴巴从大量交易数据中更早地发现了国际金融危机的到来。又如，在2012年美国总统选举中，微软研究院的David Rothschild就曾使用大数据模型，准确预测了美国50个州和哥伦比亚特区共计51个选区中50个地区的选举结果，准确性高于98%。之后，他又通过大数据分析，对第85届届奥斯卡各奖项的归属进行了预测，除最佳导演外，其它各项奖预测全部命中。第十，市场预测与决策分析支持对于数据对市场预测及决策分析的支持，过去早就在数据分析与数据挖掘盛行的年代被提出过。沃尔玛著名的“啤酒与尿布”案例即是那时的杰作。只是由于大数据时代上述Volume（规模大）及Variety（类型多）对数据分析与数据挖掘提出了新要求。更全面、速度更及时的大数据，必然对市场预测及决策分析进一步上台阶提供更好的支撑。要知道，似是而非或错误的、过时的数据对决策者而言简直就是灾难。
AI大数据智能营销方案
BI目前实现的是收集数据，提供反馈，辅助决策的能力，以数据为基础的，面向数据管理和分析，属被动角色。而AI则辅以大数据，算法等得到更有价值的信息，实现收集 预测的能力，更多的是主动角色。
虽然AI的应用范围非常广，但结合BI现仍是处理结构化的数据。而此处二者的交集在于机器学习和数据挖掘，但又略有不同。AI的机器学习强调算法，BI的数据挖掘还包括对数据的管理，算法选择上也较为简单，没有神经网络和深度学习等复杂AI算法。
未来,AI与BI的区别在于BI负责梳理生产关系，AI是先进生产力。那么AI BI模式通过将AI嵌入BI，构建基于AI的BI平台，利用AI的智能让BI系统能够解决更复杂的业务场景，产出更精准的分析结果，从而使决策更为科学和准确。
对于结构化的数据，BI系统可应用机器学习算法，得到更精确的分析结果。例如上文提到的总结用户画像，分析人群行为数据，得到千人千面，实现精准营销的结果。还有金融领域的风险监测，AI BI的模式可以分析出金融风险和其他指标、行为之间的内在联系，预测更为准确。
对于非结构化的数据，BI可以应用图像处理、语音工程和文本分析等AI技术，智能化地处理复杂业务场景。如语音转文字，录入数据及产出想要的报表等。
业务场景除了在 IT 信息化基础比较扎实的行业，也会在深度场景化的细分领域，且这些领域不具备通用性。也可理解为解决方案不具备复用性。这个时候通过AI完成一些算法匹配，根据匹配的结果来驱动业务执行。
