作者：Rob Rasko
Rob Rasko是在数字营销行业的思想领袖。他所在的全球数字解决方案公司614集团，在内容货币化和收入战略，品牌安全，技术和数字系统集成，以及公司战略等领域实践，推动了基于效果驱动的营销工作开展。
简介：人工智能技术在面向广告技术领域，带来的新的可能性，以IBM为代表的企业已经发布了认知广告技术，未来在整体的营销过程中，基于人的理解和动态交互性的信息曝光技术将取得加速发展。与此同时，更多基于对人的理解的模型和技术将在广告领域，根本上这些是属于人工智能范畴。
新闻头条说广告技术即将消亡，甚至宣称它已经死了。
毫无疑问，整合是不可避免的，但我认为广告技术正在进化。说广告技术即将死去的人，其实是他们思考的方向不对罢了。
当然，买卖广告过于商品化，导致用户开始对其反感。为什么呢？因为过去20年广告一直是个老样子，没什么变化可言。
不过看看过去的一些情况，展望未来，还是有许多让人兴奋的广告技术解决方案。人工智能就是其中之一，至于原因有以下几点。
随着数字广告成熟发展，人工智能（AI）将备受重视。然而，在人工智能和广告解决方案的演进过程中存在着一些差距，这需要服务提供商准备全套的解决方案来填补空白。
我的观点是，广告技术并没有消亡，它需要简单地变形以满足当今营销者的需求。
最近我与Ritesh Soni（SapientNitro的SVP，负责数据科学，分析和工程）在讨论营销人员如何利用人工智能。我请他说出在工作和处理人工智能实践中遇到的最大挑战，下面是他的回答：
最难的事情是，人们绞尽脑汁想象人工智能如何应用和为他们的业务定制服务。”
“不过，”他继续说，“一旦你像营销人员一样告诉人们人工智能可以做什么，就等于开辟了一个全新的维度了解消费者和提升消息传递的相关性”
营销人员应用人工智能的三个方面
基于行为的分群
相比较面向更广泛受众的消息服务，个性化消息可以带来更高的转化率。MailChimp的统计显示，分群活动的效果优于没有分群的活动。
相比没有分群的活动，有分群的活动其电子邮件打开率高出14.31%，用户打开率高出10.64%，点击率高出100.95%。同时，跳出，举报和退订均低于没有分群的活动。
本质上讲，这是一个通过活动顶层数据分析而完成的个性化营销活动。通过逐步形成自上而下的分群以及增强自下而上数据信息，这使得营销执行明确且富有创意，相关性更强。
虽然基于行为模式的目标定位和预期回报研究已经持续了十多年，但在《财富》100强公司的营销活动中应用次数却出奇的少。
倾向性模型
倾向性模型旨在帮助营销人员识别顾客的行为倾向性。他们可能会购买相关的产品或服务。如果用户在一个品类中有购买行为，它亦可识别出来用户在其他品类购买商品。
我们可以增加行为数据集，来为用户的行为评分，但这需要收集足够丰富的行为数据。
准确的说，“我们需要决策最佳的下一步策略来引导消费者，而这个模型可以作为营销部门人工智能计划的核心。”Soni说道
洞察海量数据信息
海量的数据越多越好。比如定位信标、社会媒体消息和音频和收听数据。人工智能和机器学习使公司能够从大型数据集中获得可实践的见解。
另一个需要考虑的是算法开发的速度。“在今天的市场上，每六个月你就会收获些新东西，新技术在取代老的技术，”Soni说。“这种节奏令人兴奋。”
就在最近，谷歌开源了一个新的tensor2tensor库，这明显加速了在深度学习方面的应用，并降低进入营销领域广泛应用的门槛。
人工智能和广告的生命周期在哪里？在我看来，IBM沃森/气象公司是第一个商业上被认可的AI在广告领域的应用（IBM于2016年秋天通过旗下天气公司，发布认知广告的概念，这可以促使消费者与品牌之间进行相关的对话，译者注）。
我问Soni，对于他自己的陈述是怎么想的，他说，“IBM的气象公司是一个很好的开始，但真正的问题是帮助公司搞明白这些实践如何应用到自己的企业。人们收集了大量的数据，但他们仍然没有激活这些数据的广度和深度。诸如此类的文章和演讲对教育市场有很大的帮助。”
人工智能仅仅是广告技术进化的开始，尤其是当我们考虑到客厅的变化——人们在看电视时是如何使用设备的，那些数据是如何在多个设备间流动的，当然还要有能管理和解析所有数据的机器。但那是另一个话题。
读后感
人工智能技术在广告领域的应用实际上也需要数据，新技术的支持，广告本身目标没有改变，需要改变的是如何将更好的服务于用户。在文中提到的基于人的行为分群，海量数据理解以及行为模型，则是着力突破的方向。不过从根源上说，这些都是在营销领域的一些基本技术和方法，从上层来说，面向新形式的营销和广告，我们需要建立完整的一套营销方法体系，这其中涵盖了很多具体的维度内容。
