使用人工智能驱动的营销实现超个性化

Jake Burns：
也许您可以先告诉我们您正在使用的技术堆栈是什么？ 因为我目前正在与很多想要开始使用人工智能和生成式人工智能的客户交流，其中许多客户不知道该从哪里开始。您会给他们什么建议？

Vijay Chittoor：
我认为，首先，特别是在我们的领域，当我们思考人工智能的本质时，都会先想到我们首先要拥有大量数据。就我们而言，这些数据都是关于消费者的第一方数据，这些数据是按品牌级别组织的。从本质上讲，我们的每位客户都有一个庞大的数据存储库，他们之前可能一直在跟踪这些数据，也可能没有跟踪过这些数据，但是有了 Blueshift，我们可以帮助他们轻松地开始数据统一之旅，我敢肯定，大家根据自己的经验也会认为这通常是迈向人工智能的关键步骤之一。我认为第一步实际上是要妥善组织这些庞大的数据，能够实时捕获以及统一这些数据。但其次，我认为，当想到我们向所有开始人工智能之旅的客户提供建议时，实际上首先要考虑最终客户。

就我们而言，当我们考虑客户时，我们真正考虑的是如何使用人工智能为最终消费者提供个性化互动？ 对我们来说，这在很大程度上意味着要考虑客户的人工智能。提及客户人工智能时，重点就是获取客户数据，即我们谈到的第一方数据，然后将其转化为与客户互动的人、内容、时间、地点以及方式。传统营销通常人力参与程度很高，且并非由人工智能驱动，因此当涉及传统营销时，人们就会开始做出一些可能较为普通的决策：某项活动的目标是谁、向他们展示什么优惠、何时接触客户，以及应该在哪个渠道或在哪里与他们互动。如果在不涉及人工智能的情况下，在应用程序中考虑这些问题，当以人力的方式做出这些决策时，就会过于简化决策，并将所有群体的客户混为一谈，您可能会想：好吧，就选整个细分市场吧，我们就面向他们提供这项优惠。

但现实是，最终消费者都是独一无二的个体，他们需要以不同的方式做出反应。而人工智能真正擅长的是，即使当时人类市场处于低迷状态，也能够在个人客户层面做出决策，并总计做出数百万个这样的决策。我认为这是一种决策引擎，也是人工智能赋予我们的决策能力，即个性化的力量。那么，当我们针对如何踏上人工智能之旅向人们提供建议时，首先要整理数据，其次，客户至上，考虑应用场景，然后能够利用人工智能的优势进行大规模决策，这可以针对个人进行个性化设置，并在考虑这些要素的情况下改变您的最终客户体验。

Jake Burns：
当然。这一点很重要。这实际上是关于个性化体验。如果采用人力，即使工作 24 小时，也没有人能做到这一点，实在是太费力了，对吧？

Vijay Chittoor：
完全正确。没错。

Jake Burns：
但是有了人工智能，大概能更容易地做到这一点，因为人工智能使用更多的绘图来绘制更多不同的数据点。

Vijay Chittoor：
完全正确。我认为您已经说中了要点。那就是最终客户的旅程。仔细想想，很多人都在谈论，在当今数字世界中，出现了如此多不同的接触点，因此客户的旅程变得更加复杂。在这个复杂的环境中，由于这种复杂性，客户旅程千变万化。因此，在某些方面，我认为当今的客户参与问题本质上是如何培育每位客户的自主旅程，因为每个客户都会自动踏上品牌之旅。那么，如何识别每位客户所经历的旅程呢？ 如何为他们提供当下需要的帮助？如何大规模地做到这一点？ 实际上，这正是人工智能的用武之地，可以帮助每个人。当我们与营销人员合作时，我认为营销人员非常擅长讲故事。但是今天的挑战是，如何把握故事的核心，在所有这些不同的自主规划的旅程中对其进行个性化。这就是我认为营销人员可以很好地利用人工智能的地方。这是一种非常有用的协作关系。

Jake Burns：
这听起来很棒。您认为人类在这一过程中扮演什么角色？

Vijay Chittoor：
我认为人类是所有这一过程背后的核心创造性元素。所有这一过程背后还有战略驱动因素。因此，从某些方面而言，当我考虑很多自动化技术时，我认为第一波自动化技术本质上让人类更难以提升战略性和创造力，因为我认为很多自动化是有条件的，也就是“如果…，那么…”这样的基于规则的自动化。

很多时候，营销人员和企业中的其他部门最终只是按下了很多按钮和旋钮，这让他们的工作失去了创造力和战略思维。我认为，新的人工智能方式确实推动了真正的自动化，通过利用人工智能，人们不必死板地坐着，按下“如果…，那么…”的按钮，相反，人们会面临更多的挑战，但也更有能力提供战略价值和创造力。实际上，您现在可以真正思考自己想向最终客户讲述的故事，并使用技术作为助力来大规模地实现这些故事，而不会因为在某些方面与技术相悖而陷入困境。因此，从这个意义上讲，人工智能释放了许多人类的潜力，我们对此感到非常兴奋。

Jake Burns：
与其说完全取代人类，不如说是一种共同创作者的关系。

Vijay Chittoor：
完全正确。对于共同创作者的类比，在某些方面，有时我们会谈论这样的想法，即每个人都成为编辑，从字面意义上讲，现在正在写作的人能够快速获得初稿，而花费更多时间进行编辑。但是在更具战略性的层面上，可以想想人类的工作。我认为，企业正在逐渐提升到编辑的级别，而在每个部门中每个职位的员工也可以减轻编写初稿和初步写作的繁重工作。

Jake Burns：
也就是说，更少地产出没有差异的作品，更多地进行个性化和最后的润色。

Vijay Chittoor：
完全正确。

Jake Burns：
没错。我们来谈谈创建这样的公司所需的技能，因为与我合作的大多数企业都想采用人工智能，但拥有这项技能的人才很难招聘，因为现在数据科学家和人工智能领域的任何人才都很抢手。他们非常有价值。您在组织内招聘和获得这些人才的方法是什么？

Vijay Chittoor：
这是个好问题。我认为其中一部分是正确的招聘，但也有一部分是树立正确的文化。说到招聘，我认为我们一开始就很幸运，因为公司内部就有人工智能人才。我的联合创始人 Manyam 是我们的首席人工智能官，在人工智能还不是流行语的时代，他就做了一些非常杰出的工作。我认为从这样的人才开始，用正确的方式为团队打下一些基础真是太好了。寻找合适的技能和人才肯定很重要，但我认为，这种文化同样很重要。我们必须为整个公司设定正确的框架，不仅是机器学习和人工智能工程师，而是整个公司都能够利用这些技术，能够将技术带给客户，让客户取得成功。

说到文化，我们会谈论 Blueshift 的五个核心文化价值观。这五个价值观，我们取第一个字母就会组成单词“MORPH”。 第一个 M 代表犯新错误（Mistakes）。这有点令人惊讶，为什么要让别人犯错误？ 但关键部分是犯“新错误”，这就意味着可以快速学习，尝试一些新东西，但也要有持续学习的文化，并且抱有好奇心和学习的心态。这是我们的第一个价值观，因为我认为这非常关键，对于像人工智能这样的新技术尤其如此。其次是对客户成功的不懈追求（Obsessing）。这就是 MORPH 中的 O。再次强调，我认为，谈到技术，要让它真正有价值，就必须考虑到最终客户。

同样，我们不懈追求，无论是我们的技术团队，还是营销、销售和客户成功团队，每个人都不懈追求为客户取得成功。R 代表提高标准（Raise the bar）。我们挑战自我，不断成长，并且真正思考我们可以为客户提供的最佳创新。这就是提高标准。第四个 P 代表团队合作（Play as one team）。为了让客户取得成功，我们需要完成很多创新，从开发人员一直到面向客户的一线团队等等，我们必须整个公司团结一致，紧密合作。最后一个 H 代表玩得开心（Have fun）。众所周知，我们的所有工作其实并不轻松，但我们旨在打造让每个人都能愉快工作的企业文化，并让大家享受这一过程，就像在旅途中守望即将到达的目的地。

Jake Burns：
您刚刚提到的 M，也就是犯错误，这对某些人来说可能听起来很可怕。那么您如何降低失败成本，确保这些错误不会造成灾难性后果呢？

Vijay Chittoor：
是的，我认为这绝对是关键。我认为，我们所说的“犯错误”是指“犯新错误”，而且更多的是强调公司内部的学习文化。同样，我们强调的是不懈追求客户的成功。我们为任务关键型客户提供了许多应用场景。再说一遍，因为我们的理念是不懈追求客户的成功，所以必须非常非常认真地对待任何任务关键型的情况。没人想在这里犯错误。

但是，我们要平衡这种创新，这往往是我们开发时的一些幕后故事，还要以真正符合“不懈追求客户成功”这一标准的形式，来实现最终开发的产品。这就是我们必须为之奋斗的两个目标。就此而言，我认为与 Amazon 这样的优秀公司合作非常好，因为我们的许多基础设施都依赖 Amazon。这些基础设施需要可靠、性能出众、延迟低，还要具有各种功能。我认为，这就是我们在考虑向客户交付产品并不懈追求客户成功时的心态。

我们要明确地知道需要什么、何时进行原型设计、何时在内部构建，即使犯错误也要速战速决。我们想营造一种每个人都敢于试验的文化，但也想让大家认识到什么时候犯错误是不行的，这种文化深深扎根于“不懈追求客户的成功”这一理念，并能确保我们非常认真地肩负起对最终客户的责任。

Jake Burns：
一路上是否有任何挑战？ 如果有，您是如何克服的？

Vijay Chittoor：
这是个好问题。我认为，在我们将其中一些创新技术推向市场时，随着时间的推移，我们已经专门围绕人工智能解决了一些有趣的挑战。我要说的第一点就是让人工智能值得信赖并且可解释，因为它正逐渐部署在更多的企业环境中。我们的客户希望确保他们向最终消费者提供的体验与他们的品牌保持一致，并且是流畅的个性化增值互动。因此，当您告诉企业人工智能正在做出所有这些决策时，您如何说服客户体验团队，即营销团队，让他们相信人工智能做出了正确的决策，因为他们无法人工查看每一个决策，然后进行审核，如果真的这样做，可谓是本末倒置。实际上，我认为我们尝试解决这个挑战的很多方法都是让人工智能在多个层面上都有可解释性，而且我们现在在这方面已经非常成功了。

那么，如何确保非技术营销人员能够进入 Blueshift 平台并在部署人工智能之前了解其影响呢？ 要理解人工智能，需要创建一个用户界面，在这个用户界面中，即使用户无法完全理解人工智能的所有不同参数，仍然可以了解模型本身是否具有高度可信度、可能进入建模过程的数据的性质、提取和使用的功能，从而对人工智能有足够的了解，例如，用户只需要查看用户界面就能了解人工智能如何为特定细分市场的假设客户做出决策。我认为，将所有这些构建到我们的应用程序用户界面中是帮助客户自信地部署人工智能的关键。我也呼吁所有将人工智能技术推向市场的从业者考虑这个问题，您希望人类在什么情况下能够与人工智能协作。为了让人们成功协作，人工智能必须可阐明、直观、可解释。

Jake Burns：
换句话说，人工智能会给出答案，但需要解释它是如何得到答案的。

Vijay Chittoor：
广泛而言，是的，或者说这个答案应该很直观，从而让用户相信是正确的，而且应该有足够的证据表明，在不审核数百万个决策的情况下，仍能确信人工智能在为最终客户做出正确决策。

Jake Burns：
相信大家都想知道未来会怎样发展，对吧？ 我的意思是，没有人拥有预言水晶球，但如果要猜测未来两三年的情况，您如何看待人工智能，更具体地说，生成式人工智能是否会颠覆客户体验？

Vijay Chittoor：
这是个好问题。回顾过去几个月的第一波生成式人工智能浪潮，我们听到了很多关于生成式人工智能的信息，每个人都说人工智能正在席卷整个世界。我认为生成式人工智能的许多初始应用场景都是关于创建内容和越来越多的变体，以及能够降低复杂性，缩短创建新内容的时间。说到客户体验方面，以前，对于努力提供客户体验的团队来说，要想制作正确的内容来实现每一次互动的个性化，都会遇到很大的内容瓶颈。更不用说如果涉及数百万次个性化互动，又该如何创建数百万条内容？ 在某些方面，生成式人工智能的第一个作用就是消除或至少减少在相同内容的许多变体中创作内容所遇到的瓶颈。

但是，未来发展方向实际上是将生成式人工智能与我们所谓的客户人工智能相结合，以提供真正的个性化。客户人工智能要做的是真正预测每个人想要什么，或者什么样的内容变化可能会吸引每个人。而生成式人工智能所能做的就是真正实时或近乎实时地创建所有内容，并能够提供这些内容。简单来说，以一个品牌通过短信发送的促销信息为例，每个客户的内容都不一样。这不仅仅是通过情绪之类的东西提供信息，生成式人工智能对此能够轻松把控，还要利用好客户人工智能，它透彻地了解客户对哪个优惠感兴趣。将这两个元素融合在一起时，我们认为这将以某种方式解锁极致个性化体验的下一个层次。我们非常期待看到生成式人工智能和客户人工智能相结合，提供卓越客户体验的未来。

Jake Burns：
您能否给从业者提供一些建议？他们可能正处于人工智能之旅的起步阶段，也可能已经在旅程中度过了很长时间。现在有很多人正处于起步阶段。您建议他们考虑的最重要的事情是什么？

Vijay Chittoor：
如果仔细想想，各个公司其实都有很大的潜力。他们有很多潜在的知识和潜在的数据可以用来为最终消费者创造价值。如何解锁这些知识和数据的价值？ 我认为，传统品牌都是从人为的努力开始的。然后，他们进行了一些数字化转型，使用一些技术来解锁价值。

但实际上，借助人工智能，企业中的每个人现在都能真正为最终客户提供这种变革性价值。从这个角度入手，就需要开始考虑如何重新制定整个策略和流程，如果要先构建某些人工智能功能，那就需要重构一些流程。

Jake Burns：
没错。您提到了一件事，我想您是在说这项技术的大众化，对吧？ 将其交给组织中的所有人员或组织中的更多人员。我发现您还提及采用已经拥有的数据，这些数据可能基本上没有使用过，然后使用这项技术来解锁这些数据中的洞察。

Vijay Chittoor：
完全正确。是的，完全正确。大众化。因为这项技术已经很成熟了，即使是非技术用户也能够使用。当许多企业都开始有大量非技术用户使用人工智能时，这能挖掘出巨大的企业价值。因此，如果将面向客户的团队手中的这项技术，交给公司的许多其他非技术职能部门，这能成为增长的最大推动力，无疑也是扩展的关键。