[aipingce]5月12日消息，“12人、12个月让电子渠道的GMV提高2.95%” VS “8人、3个月，让电子渠道GMV提升6.34%”，人力减少1/3，开发周期缩短3/4，营销效果翻倍，这是亚马逊云科技加持后，AI驱动营销带来的提升效果。 国内人口红利催生的互联网流量经济近几年已经从增量竞争进入存量竞争。在数字化营销领域，企业获得有效流量的成本越来越高，迫使企业正经历从粗放式向精细化运营能力模式发展、苦练内功的历程。 Convertlab成立于2015年，创始团队来自于SAP。作为2021年国内唯一一家入围《Forrester亚太区最重要的10家全渠道营销管理厂商》名单的企业，Convertlab在AI驱动企业数字化营销领域已经颇有建树，服务400家以上客户，帮助他们完成营销领域的数字化转型。 Convertlab联合创始人兼CTO李征介绍，中国企业的数字化营销正面临着诸多挑战。一方面，企业获得流量越来越困难，企业必须要经营好存量客户，把新来的客户转化成消费者，让消费者产生更长期的生命周期价值。另一方面，企业获取客户的渠道越来越分散，如线上电商、私域电商、线下门店、社交媒体等等。一般企业想具备完整的细分客群的经营能力，需要有30-40个主要场景被营销覆盖，如果要更精细化满足全部客户的各种消费要求，它大概要覆盖大约100-200种客户经营场景。在这样情况下，传统的方式，通过人或者业务迭代的方式就不足以支撑如此精细的业务挑战。 “今天在对很多细分客群做营销时，就必须要扩展企业的数字基础设施能力，把数据化驱动、AI决策能力都包含进来。”李征强调。 2021年Convertlab开始和亚马逊云科技合作，双方在底层的“智能湖仓”架构、机器学习模型优化效率等方面均有广泛合作。 从“12个业务专家、用12个月时间进行数据洞察进行策略设计，实现电子渠道的GMV提高2.95%”到现在的“8个人用3个月时间，实现电子渠道GMV提升6.34%”，这正是李征披露的双方合作后为某世界500强零售头部品牌带来的效果。 在李征看来，在机器学习中，65%以上的时间是花费在数据本身质量提升和处理上，而不是真正执行机器学习训练、算法选择、参数优化、特征分析。为了提高AI决策效率，首先要把数据质量做好，其次AI模型迭代速度要快起来。这些对数据存储调用计算效率都提出了更高要求。 一场AI驱动的营销活动，其完成过程包括：把企业数据脱敏导出来做模型，模型生成算法后再把结果导回去，然后根据结果做营销活动。就之前传统营销活动而言，这一整个周期大概要一个月，快也要两三周。 但是企业营销环境瞬息万变，营销机会可能稍纵即逝。在消费者的互动中，需要更多关心实时发生的行为，在这样场景下不光需要离线数据集，还需要实时数据存储和训练能力。 李征介绍，2021年Convertlab跟亚马逊云科技共同联合创新，利用亚马逊云科技最新的“智能湖仓”架构，实现了对“实时营销”技术的革新。通过结合Amazon SageMaker丰富的模型管理能力和机器学习工程化能力，Amazon Athena对各个数据源快速聚合数据的能力，以及和“智能湖仓”框架联动，Convertlab完成了模型迭代、实验、上线的整个过程。 据悉，通过Convertlab和亚马逊云科技双方的联合创新，和传统的技术架构相比，通过“智能湖仓”架构，数据流转的时效性提高了约32%，同时，基于Amazon SageMaker比较丰富的工具集和高效的弹性数据能力，让机器学习模型迭代能力效率提升30%以上。 基于底层表现卓越的 “智能湖仓”架构，Convertlab在上面构建了数据管理平台、营销智能决策平台，在此之上完成了基于用户业务场景的抽象，包含消费者画像、客户各渠道的行为采集、行为采集所触发的最佳的推演，跟营销相关的模型库的构建，自动化优化和决策。 目前，Convertlab支持一场AI驱动的营销活动，即从科学家产生模型，到模型上线、模型评估，可以在1-2天内完成的。较之从前的2-3周到一个月的周期，大幅缩短时间，全面提升效率效果。 截止目前，Convertlab支撑客户营销领域的决策包括客户生命周期的旅程，了解客户生命周期价值量、客户购买概率预测等等。李征透露：“现在有20多个AI模型被头部客户使用，并且实际产生效果。” |
