警惕！外贸营销别掉进了AI的坑！

外贸营销真的进入AI时代了吗？

（本文4648字  阅读时间预计6分钟）

1956年夏季由一批科学家在美国的达特茅斯大学举办了一次研讨会，会议上同意使用由麦卡锡提出的新术语：人工智能（缩写为AI），标志着人工智能学科的诞生。经过60多年的变革和发展，硬件和软件技术的不断进化，2019年的今天，AI再次燃爆全球。

然而，每个新生事物都会经历痛苦的革新，变化和进步往往是最令人痛苦的，在这个过程中，不乏浑水摸鱼的伪科学。最近在外贸圈中，也突然发现爆发了一大批马甲，打着人工智能的幌子招摇撞骗，那今天我们就深度讨论一下，到底什么叫人工智能。（AI）

我们先来看下面几个的案例：

• 对话式儿童智能机器人

• 送餐机器人

• 探伤机器人
  

• AI炒股软件
  

• AI教育
  

以上这些案例中，除了AI教育项目，其他四个项目，都是预设程序，预设了一些计算机程序，来自动完成一些工作。这种项目，充其量是实现了自动化，距离AI，还不沾边。

AI教育，最近也炒的比较火，我们类比一下阿尔法狗，为什么人类连一只机器狗都赢不了？这背后离不开计算机的运算能力和场景的沉淀和积累。阿尔法围棋（AlphaGo）此前的版本，结合了数百万人类围棋专家的棋谱，以及强化学习的监督学习进行了自我训练。

新的版本AlphaGoZero的能力则在这个基础上有了质的提升。

最大的区别是，它不再需要人类数据。也就是说，它一开始就没有接触过人类棋谱，研发团队只是让它自由随意地在棋盘上下棋，然后进行自我博弈。 

AlphaGoZero使用新的强化学习方法，让自己变成了老师，系统一开始甚至并不知道什么是围棋，只是从单一神经网络开始，通过神经网络强大的搜索算法，进行了自我对弈。随着自我博弈的增加，神经网络逐渐调整，提升预测下一步的能力，最终赢得比赛。更为厉害的是，随着训练的深入，阿尔法围棋团队发现，AlphaGoZero还独立发现了游戏规则，并走出了新策略。

简单一点讲，阿尔法狗具备了机器学习的能力，这就是人工智能的雏形。

所以，当我们要去做智能教育的项目，首先想一想，如何积累大量的应用场景的数据。对此，阿里巴巴前CEO卫哲甚至论断，目前伪人工智能比例可能高90%或者99%。

当然当互联网真正进入AI时代，AI正应用到越来越多的真实商业场景，成为日常生活的“空气和水”，营销也已被裹挟其中。Omni Marketing这种架构于AI技术和海量数据的新模式，正以更高的性价比、更好的精准度、更佳的可视化受到青睐。

遗憾的是，很多业内人即使意识到AI营销的价值，但是仍然领悟不到其中AI的真是意义。

简单来说，这些产品不过是“穿了个马甲”，流行什么就贴什么标签，以为贴上了人工智能的标签，就真的成了人工智能。目前对于人工智能业界还没有准确的定义，接受度较广的就是人工智能需要具有自主学习的能力，因此有产品钻这个空子，也不可避免。

为了方便大家甄别伪科学，我们来学习一下，人工智能的底层逻辑是什么？

AI需要具备的标签如下：

• 数据

• 算法

• 计算能力

• 机器学习能力

• 结果呈现能力
  

在人工智能的初期，数据、算法和计算能力，这些都是人工预设的程序，这些程序运行过程中，需要很长一段时间的沉淀——积累——修正，不断矫正和积累大量的运用场景，才能开启下一个阶段：智能。

举个例子：

在图片识别或者视频识别的领域中，程序会自动分析某个场景中的常见标签，然后用一套不断修正的数据指标，来进行判断，并输出判断结果。

下面的照片当中有三个人，人工智能可以判断出来他们是熟人还是彼此不认识的陌生人,以及他们之间的关系是家人朋友还是同事，怎么做到的呢？

通过常见的典型标签：领带、书、键盘，程序可以初步判断，这是一次商务活动，而不是家庭聚会，所以，他们三个人是工作关系或者是职业关系。

而如果照片当中的三个人的桌子上有一张大披萨，还有一个大碗背后的书架上有几本书，一个大人坐在中间，旁边是两个小孩子，那人工智能就能判断出他们肯定是家人的关系。

每一次判断，都会有加权的数据产生，这种数据会随着数据库的不断丰富，伴随着人工的抽检矫正，得到不断的修正。

这就是人工智能的雏形阶段，而在下一个阶段，对于数据的矫正不需要人工介入了，机器学习会让数据矫正成为自动化，可以不断使程序的判断无限接近真相。

我们再反过来看看外贸圈里炒作的AI。

 AI营销

外贸的AI营销，或许是一场伪科学，用预设的程序来混淆人工智能的概念。比如网站自动（智能）发布文章、自动批量生成文章。

具备这些功能的，我们更愿意把它称之为功能模块，实现了自动化，人工而不是智能。而在自动化的背后，更多的是应用场景的积累和沉淀，然而大多数软件公司，只是做出了功能这个壳儿，丢掉了内核。

其实这对于程序而言，这些功能只是一段定时代码，一个组合算法，他们依旧是预设程序，而非人工智能。

而当下行业对AI营销普遍存在认知困境，集中表现在：认知不明晰、接触不确定、使用不满意。主观认知上的混沌、茫然甚至是错误，加之大量营销产品和渠道打着AI旗号招徕生意，又无法兑现承诺，严重影响AI营销的口碑和广告主的尝试意愿，这或许能解释评价偏负面的原因。

其实，真正的AI技术，对于解决营销痛点正是一剂良药，且效力正渐入佳境，恰如百度副总裁、百度搜索公司CTO郑子斌所说，“机器学习，只能越来越好，机器不会忘记，也会不断积累，不断提升”。只是AI营销门槛极高，必须是算法、算力、大数据以及营销场景、分发能力等资源结合的产物，目前，许多机构鱼目混珠，属于“伪AI营销”，典型的表现包括：

1）只拥有杂乱的数据资源，无专业的分析技术

掌握大数据仅是AI营销的基础，在更新、完善数据资源的基础上，AI营销更需要数据清洗、挖掘、分析和预测的能力，才能将数据价值发挥出来。

有的营销公司，即便建有营销数据库且外部采购了数据，比如国家公开的各种数据库、TalkingData友盟等供应商的数据，采集了潜在目标客群的众多行为数据，范围也能涵盖线上、线下，但是，数据本身缺乏丰富的维度，且本身杂乱无章，而营销机构又缺乏专业的数据处理能力。

比如，社交数据对于洞察用户非常有价值，然而数据比较复杂，层次多，单是社交数据的收集即要跨过爬虫和语义分析两道门槛，还要有专业技术和建模进行语义分析，普通营销机构根本不具备这种专业团队，大量数据分析甚至要靠人工处理，与AI相去甚远。

2）只拥有部分AI技术和算法能力，无渠道资源和营销经验

在AI营销的环节中，涉及广告投放、消费者洞察、内容生产等各种营销应用，只有当AI技术与各环节深度融合，将营销内容以文本、语音、图像等多种形式传递给受众，才能实现品牌信息精准送达。

行业内，大量以“数字整合营销”为名的公司，有的也具备一定AI技术能力，对于用户精准画像、媒体渠道、品牌产品定位可以进行“辅助分析”，但是，他们没有懂数据和懂业务的人员提供深入洞察，更没有优势的营销资源和整合服务能力，因此，无法将洞察落地到真正的服务上去，完成一个营销的闭环。

3）只有营销流程中的单点能力，不具备系统整合能力

一个完整的营销流程，涉及到发现、预测、建议、监控反馈、优化等多个环节，其中任何一个环节出现纰漏，都无法实现客户价值。比如，全球快消巨头宝洁曾经削减了数亿美元的数字广告投放，因为公司高管发现，大量花费用于机器人点击下产生的虚假流量，重投放、不重效果，甚至有意欺瞒客户的现象，在国内也普遍存在。

而BAT这样的平台，依托于高效的算力、算法及大数据资源，拥有智能化、全流程的营销管理能力，可就营销效果进行定量数据分析，监测优化投放渠道，并作出实时的优化建议，百度甚至研发了独有的搜索引擎反作弊算法——绿萝算法，这种全节点、全流程的介入，能大幅减少无效投放，实现投放效果的最大化。

4）只能做到效率优化，不具备服务和体验升级的能力。

当下，有的AI营销机构以更“精准”的效果，或者将大量重复的事情交由程序化自动化处理，以证明自身AI能力，比如，大量高清照片的选择，智能模板的匹配，其实，这远远低估AI营销的可能性。

真正的AI营销，不只是传统层次的效率提升，更能提供新的服务体验，比如，基于目标客群的年龄、婚姻状况、职业等信息，帮助广告主探知用户自己都可能未知的心理和商业意图，去洞悉用户关注的领域、喜欢的事务、想要去做的事情……也就是我们常说的客户痛点。

可见，AI营销不只是传统意义上的营销，需要深入结合技术，具备相当高的专业能力要求，是在识别用户的个性化需求基础上，使营销更有效、更自然、更富创造性。

AI销售

最接近AI销售的产品，也正在遭受政策的打击。

两年前我们开始接触到语音机器人或者电话机器人，电话机器人的原理，依旧是程序预设。预先设定好的对话场景，由语音识别触发，做到了自动对话的功能。

同时，这种产品具备了学习的功能，然而这种学习，只是人为干预的学习。后台记录了大量的对话数据，对于不能应付的对话，将会由人工补充，当对话场景数据积累到一定程度上，这种机器人才有了一定的智能性，而电话机器人的AI，还差一个重大问题没有解决：机器学习。

而AI在销售领域的主要来说分为四个层面：

• 首先要解决企业“数据孤岛”问题，对数据收集、清洗进行标准化，然后建立自己的用户画像库。如果企业自己没有数据的时候，主要可以从外部获取，比如公开数据源，包括工商数据等。

  
  

• 第二个是场景的智能（Contexual Intelligence），比如在举行商务大会、客户服务回访等细分场景等，利用AI进行场景化智能，不需要做一整套完整的技术。

  
  

• 第三个是分析云（Bussiness Intelligence），也就是新一代的商务智能。对企业积累和获取的数据进行可视化分析、实时关联、自定义分析，构建完整的企业知识图谱等。

  
  

• 最后才是再去做AI（Artificial Intelligence），进行智能推荐、AI助手开发、预测销售、线索打分、自动分配、智能诊断等功能。

但是总体来说，AI兴起主要还是在单点技术上不断创新和突破，整体应用还有待落地。在ToB销售领域，AI也只能在特定环节起作用，还是很难取代ToB销售人员。比如AI可以在拜访策略、销售话术、智能推荐等方面进行优化，然后提供整体的解决方案。

而在外贸销售的过程中，存在着大量的应用场景和应用数据，如何利用这些数据和场景，成为外贸谈判人工智能化的一大障碍，想要解决这种障碍，不深入场景，不深入数据，都将成为伪科学。

真正的AI营销，绝非一个空洞、时髦的概念，真正能做的机构，大体具备以下三项能力：

• 其一，将数据、技术、内容融合的能力，着重于场景和精准触达，触发同一消费者在不同场景下的不同需求；

• 其二，强大的AI能力，能以语音、图像识别等技术和用户进行交互，并拥有深度学习、建模等技术能力；

• 其三，具备闭环式的动态分析能力，寻求与消费者多层次沟通，可迅速且潜移默化地影响其心智，同步实现品牌传播和效果精准转化。

  
  

AI技术将有助于实现“全场景的营销升级”，其中包括：

1）用户行为的深度挖掘，基于大数据还原数据背后真实的潜在客户；

2）双向的精准交互，以AI感知用户以达到“千人千面”的应用；

3）个性化的融合创意，即提供AR、VR、语音等多样的创意工具，根据不同人群，进行动态匹配内容匹配；

4）全渠道、全媒介的分发，实现万物互联下的智能交互；

5）营销效果的跟踪和优化，可以智能监测到投放效果，并据此不断优化投放式。

可见，一个真正的AI营销提供商，能帮助广告主从海量用户中找到属于自己的客群，并且让广告主更懂消费者与用户，真正去影响其决策链。

所以，任何一款AI产品，都是离不开数据支撑的，离开了数据谈AI，离开了算法谈AI，离开了大量场景积累谈AI，离开了“学习”谈AI,都是伪科学！

而外贸行业的AI营销机制，在一定程度上仅仅是是实现了程序的自动化，自动化的编辑，却缺失了场景和数据，以及产品应用心理的灵魂。当然，我们没有理由不为科技的进步而欢呼雀跃，但是在新科技到来的时候，不应该蒙蔽自我，盲目的恐惧和过分的相信AI的全面普及。

距离外贸行业全时代解放，我们还有很大的距离。