穀歌的DeepMind部門負責推動公司的人工智能工作。DeepMind於2014年被穀歌以超過5億美元的價格收購，其員工的目標是創建可以執行各種認知任務的“通用學習算法”(而不是隻擅長一項狹隘的活動)。
2017年10月18日，DeepMind發表了一份聲明，展示了它在實現這一目標方麵取得了多大的進展——這對營銷人員來說意義重大。這一切都從一個叫做AlphaGo Zero的小人工智能係統開始。
AlphaGo Zero是什麼?為什麼它很重要?
2015年，穀歌宣布其人工智能係統AlphaGo在圍棋比賽中輕鬆擊敗了人類冠軍李世石。圍棋是一種流行的戰略棋類遊戲，已有2500年的曆史。AlphaGo是由穀歌的DeepMind部門使用人類最佳走法數據對許多遊戲進行訓練的很多的練習。在世石的比賽中，係統以四比一擊敗了他。考慮到圍棋通常被認為比國際象棋複雜得多，這場勝利被視為人工智能的一個重要裏程碑。
但更大的裏程碑發生在2017年10月，它對包括營銷人員在內的專業人士產生了嚴重的影響，因為他們的行業即將被人工智能淹沒。穀歌DeepMind在一篇文章中宣布自然AlphaGo Zero係統壓碎之前的AlphaGo係統以100比0領先。
這還不是令人印象深刻的部分。
真正讓人工智能社區激動的是AlphaGo Zero在圍棋上幾乎成為了超人隻有遊戲的規則，和自己玩上百萬的遊戲。
這意味著AlphaGo Zero係統僅使用基本原理就學會了如何比世界上任何一個係統都更好地下棋。通過運行數百萬次的試錯，該係統基本上逆向設計了圍棋中使用的最佳策略，沒有接受過這些知識的培訓。之前的AlphaGo係統是使用實際數據來訓練最佳走法的，而AlphaGo Zero則完全靠自己。
而且速度快得令人眼花繚亂。在三天內，AlphaGo Zero就超越了擊敗李世石的前一個係統。在40天內，它超越了現有的所有其他AlphaGo係統，可以說是世界上最好的圍棋選手。
係統在沒有使用曆史數據的情況下做到了這一點。這在人工智能領域非常重要。通常，人工智能係統需要大型數據集來發現見解、顯示信息並提出建議。雖然AlphaGo Zero的方法還沒有在圍棋遊戲之外進行過測試，但它證明，至少在一個領域，一個自我學習係統不依賴過去的信息就可以“創造知識”。根據DeepMind．
這對營銷人員和各行各業的商務人士來說意義重大。畢竟，DeepMind表示:
“我們的研究結果全麵證明了純強化學習方法是完全可行的，即使是在最具挑戰性的領域:在沒有人類例子或指導的情況下，隻要不了解基本規則之外的領域，就有可能訓練到超人的水平。
人類在數千年的棋局中積累了數百萬的圍棋知識，這些知識被濃縮成模式、諺語和書籍。在幾天的時間裏，AlphaGo Zero從頭開始，重新發現了很多圍棋知識，以及為這種最古老的遊戲提供新見解的新策略。”
為什麼AlphaGo對營銷人員和企業很重要
2012年，營銷人BETVlCTOR1946伟德工智能研究所(Marketing AI Institute)創始人保羅·羅策(Paul Roetzer)提出，人工智能和相關技術將使最終創造出真正的營銷智能引擎成為可能。
這個引擎將能夠根據過去的營銷業績，比人類更好、更快、更便宜地推薦營銷策略。Roetzer從釋放開始營銷分，一個免費的在線工具，可以評估你的營銷基礎，預測潛力，並調整預期。
營銷分數隻是一個開始。它依靠人類從130個不同的因素來評估他們的營銷計劃。然後，它使用人工編碼的算法來衡量這些反應，並突出營銷資產、差距和機會。目前，該係統受到可用數據量和人類設計的解析這些數據的規則的限製。它不會自己學習，也不會迭代地自我學習來提高。
有一些重要的原因，為什麼一個真正的營銷情報引擎，學習和推薦自己還不存在。
獲取數據是原因之一。即使是當今最先進的營銷自動化和CRM平台，仍然無法完全了解營銷人員采取的確切活動，以及他們為產生給定結果花費了多少成本。如果這些數據可用，這些係統可能會根據曆史性能和預算數據推薦行動。
缺乏複雜的模型是另一個原因。即使有正確的數據，我們也需要高度複雜的算法，能夠推薦正確的行動，並且有足夠高的成功率，這樣你才能真正依賴這樣的引擎來產生真正的營銷結果。但是，目前尚不清楚人類能否創造出這些模型。
為了讓我們假想的超人營銷情報引擎存在，我們需要大量的數據和正確的人類專業知識來測試它是否可行。
但是，如果我們沒有呢?
AlphaGo Zero展示了一種可能性，即自我學習的人工智能係統可以在沒有人類數據或專業知識的情況下，逐漸更好地完成高度複雜的基於目標的任務。作為DeepMind指出的那樣：
“從語音識別和圖像分類到基因組學和藥物發現，人工智能研究在各個領域都取得了快速進展。在許多情況下，這些是利用大量人類專業知識和數據的專業係統。
然而，對於某些問題，這種人類知識可能太昂貴，太不可靠或根本無法獲得。因此，人工智能研究的長期目標是繞過這一步，創造出在最具挑戰性的領域實現超人性能的算法，而無需人工輸入。”
那麼問題來了:關鍵的營銷任務比圍棋還要複雜嗎?如果我們的答案是“不”，那麼我們麵臨的可能性是，正確的自我學習人工智能係統可能會比人類更擅長推薦營銷策略，以實現某些目標(流量產生、潛在客戶產生、轉化優化等)。
想象這樣一個世界，一個“營銷零分”係統被賦予了一個規則集和一個目標(比如，潛在客戶的產生)，然後，基於幾個關鍵參數——比如，可用的時間、可用的人員、預算等等——告訴你最有可能產生最多潛在客戶的行動。這樣一個係統可以部分(或全部)取代營銷行業對人力谘詢的需求，這一變化可能對機構和企業營銷人員產生重大影響。
一個理解市場營銷中的人工智能的框架
請注意，在前麵的部分中有很多“could”。這個思想實驗的目的不是警告，而是教育。AlphaGo Zero是人工智能領域的重大發展，它有可能影響許多營銷人員。我們的目標是現在就準備好與機器攜手工作，創造比人類和機器單獨工作更大的價值。
AlphaGo Zero證明，從根本上改變人工智能係統學習方式的技術已經存在，消除了擁有大量數據或正確的人類專業知識的障礙。如果這項技術適用於其他行業或任務，它根本不需要大量的曆史數據或任何專家(機器學習工程師除外)來推理其成功之路。
類似AlphaGo zero的自我學習完全有可能不會轉化為營銷。但是考慮到圍棋的複雜性和係統僅基於基本原理就能設計成功的驚人能力，我們懷疑這項技術將在未來對營銷行業產生重大影響。
但為了更好地評估AlphaGo Zero和其他數百個正在發布的人工智能工具等係統的影響，我們需要一個框架。
並非所有人工智能係統都能做到AlphaGo Zero所能做到的。並不是所有的人工智能係統都能做類似的事情。人工智能領域包含了許多成熟程度不同的不同技術。除此之外，媒體出版物傾向於過度炒作一些人工智能的發展，市場營銷人員和商業專業人士很難在噪音中脫穎而出。在營銷人工智能BETVlCTOR1946伟德研究所，我們創建了營銷AI框架的5Ps我們采訪了25個以上的營銷人工智能提供商，了解他們的公司和人工智能技術。它將營銷AI分為五個主要用例:
- 規劃-預測消費者行為，製定策略，確定活動的優先級，並確定如何分配營銷資源。伟德bv885
- 生產-創建、策劃和優化內容，包括博客文章、電子郵件、登錄頁麵、視頻和廣告。
- 個性化-通過智能自動化的電子郵件、內容和產品推薦、AR/VR和網絡體驗來個性化消費者體驗。
- 促銷活動管理跨渠道和跨設備的促銷活動，以提高參與度和行動，包括受眾定位、社交發布和數字付費媒體管理。
- 性能-通過自動敘述和洞察將數據轉化為情報，並利用這些情報優化績效。
如果AlphaGo Zero係統被應用於營銷，其背後的能力可以合理地適用於計劃階段。在我們的評估中，規劃階段目前是最不成熟的階段。它需要最主觀的人類專業知識、分析和創造力。但它的複雜性說明了一個重要的問題:如果這是營銷中最人性化的方麵，而且基於AlphaGo Zero背後原理的複雜係統可能實現這一點，那麼這對營銷人員意味著什麼?在人工智能時代，代理商和企業營銷人員將如何創造巨大的價值?這些專業人士如何學會用機器來增強和提高他們的工作，而不是看著它變得自動化?
這些問題都是不可分割的。這些問題需要持續的研究、分析和對話來回答。在營銷人工智能BETVlCTOR1946伟德研究所，我們每天都在為那些了解需要更多了解人工智能的營銷人員連接點。我們鼓勵大家訂閱去了解這些問題的答案。像AlphaGo Zero這樣的係統證明，我們需要加快努力，將人工智能有利可圖地融入我們的營銷。要開始這樣做，請查看下麵的相關閱讀: