Convertlab 联合创始人兼CPO 王琤：AI正在重新定义企业竞争力

近日，Convertlab 联合创始人兼CPO 王琤在2023 GDMS全球数字营销峰会期间，接受凤凰网的独家采访。他认为AI大模型技术将加速企业运营成本的降低，未来，越来越多的企业能够开展真正的大规模1v1客户沟通，同时AI应用的广度与深度，将成为企业全新的竞争力。

Convertlab 如何看待市场上的AI发展态势？内容营销的数字化玩法还有哪些创新？请听王琤的专业解答。

凤凰网：今年下半年以来有什么营销的新趋势？

王琤：今年上半年，度过疫情冲击的企业其实大多有所恢复，但恢复效果有限，所以到了下半年，企业都在强调降本增效，花钱相对更谨慎了。对此，我们观察到几个大的趋势：

第一，增量放缓和存量为王。面向增量用户的营销费用往往更高，需要不断投入开展拉新；做存量用户营销则侧重对现有客户做精细化管理，挖掘新的增长收入。从这个角度讲，今年下半年的一个趋势是企业投入在存量用户营销上的力度以及意愿更强了。Convertlab的服务模式本身就是帮助客户解决从公域到私域的全域营销管理诉求，增量和存量营销的业务并存。而恰好我们私域和存量的业务比重更大，正因如此，我们能够直接感受到企业方这种需求与态度的变化。

第二，品牌和消费者直连变为品牌透过员工连接消费者。原来无论公域还是私域的经营，基本是品牌在跟消费者直接沟通。而近年来，一些品牌开始在和消费者之间增加了员工这样一个角色。今年，我们看到的是品牌透过员工再触达消费者的投入和布局是呈加速态势的，这也跟前面提到的“存量思维”有关。

举个例子，以前高客单价的品牌，比如一个高端的奢侈品大概90%的收入是前10%的高净值人群贡献的，但这些人并不是自己进店购买的，而是通过与自己保持着长期个人联系的导购来购买的。也就是说，这些品牌方并非单一地通过品牌直接去维系跟消费者的关系，而是构建维护着「品牌－员工－消费者」这样一种关系。那么今年的变化是，客单价并没有那么高的品牌也开始注重打造这种关系。甚至是一些高频消费的咖啡品牌，也开始采用店长带动店员参与私域运营、直连消费者的模式。它的好处是带来了一波新的增长，原来品牌对消费者的沟通做得再个性化、再精细，也总是难以做到人和人之间才有的那种情感温度。现在，越来越多的品牌开始通过一些技术手段和营销策略，赋能到门店级别或者到微信群的级别，甚至是一对一的导购级别，这是一个比较大的趋势。

第三，对AI新技术拥抱的泛化。AI在今年只能算是起了一个步，还只是小规模的尝试。我预计到明年大家会看到AI应用的大规模渗透、采纳和涌现。

凤凰网：很多公司在品牌内容的生产上与AIGC结合，您觉得未来哪些领域会突飞猛进？

王琤：对AIGC的应用我们能感受到一条比较清晰的脉络：

首先，最经典的AIGC即内容生成，是最先被采纳的。因为它可以不改变太多企业原有的工作流程，而只是在整个大流程中，把内容生产这一步AI化了，所以这对企业来说是最轻量化能够采纳AIGC技术的模式。

但这里面有一个问题，目前的AIGC集中在生成图片、文案，视频生成还不够成熟，以及，它更适合To C的个人创意部分。但企业需要的不仅是创意，企业还需要考虑版权、VI规范、品牌调性等等问题，而在这些企业级需求满足的方面，AIGC的能力还没有完全成熟。

我们来举例理解一下最典型的企业级需求，比如：作为主机厂品牌，我们提供一辆车的原型图片，AI应该能够帮我生成很多场景下的车辆图片，背景可以是充满创意、富于变化的，但是这辆车的外形必须与原造型严格一致，不容许有一丝偏差。

当然，我了解到有些视野比较前沿的企业正在委托第三方AI技术服务商来布局这一块，也有不少企业自己在探索这条路。总之，我感觉也许要到明年上半年，企业级的AIGC解决方案，特别是图像图片生成这一方面的能力，可能会进化到一个新阶段，那时才能非常适应企业的需求。

除此之外，面向消费者的客服与销售话术推荐也是品牌方今年需求比较明确的一个场景，因为它是直接面向C端沟通界面的。我们可以看到，现在的客服人员已经有“半AI化”的趋势。当然在大模型之前，市面上已经有AI客服存在了，但那时受限于技术，AI客服的水平普遍不尽如意。现在，在AI大模型的加持下，AI客服不仅“智商”有了显著提升，情商也会变得很高。

另一块会有突破的领域，就是数据洞察分析，只是目前也处于早期阶段。企业的业务问题如何从数据中获取答案，这中间涉及诸如技术、清洗、分析等等很多复杂的过程，而AI大模型则带来了一个新的可能性。我们已经在帮助某些企业进行落地：业务或数据分析人员可以直接通过自然语言去数据平台提问，系统会结合AI技术，直接给出分析结果，免去了原先技术人员做定制化分析报表、定制化查询的环节。

还有一个可能会在明年逐步爆发的应用场景，是业务流程的决策指导，这一块其实今年很少有企业在做。在营销层面有很多决策点，比如，面对这批消费者时，我应该在什么时候与他们沟通？应该沟通什么样的内容？TA适不适合被放到某个特定活动的目标群体中？这类决策会更复杂，对科学性的要求会更高，因此对企业来说，应该是直接信任AI还是信任企业内部的专家决策，是需要很多的论证才能做出选择的，并且AI技术某种程度上成熟性会弱于前面提到的几个应用场景，这也造成了企业在这一块的尝试会相对谨慎。但我认为明年大家就会看AI对业务流程的决策赋能会逐渐变为现实。

凤凰网：您觉得对于内容营销的数字化有没有一些新的玩法或者通过数据能提升效率？

王琤：在AI大模型爆发之前，我们原来的业务板块里本身就有一块是关于内容个性化的。它实现方式是这样的：针对一款新鞋，面向不同的人群，卖点会有不同维度。对有的人来说，可能是它的功能性很强，很舒服、质量很好；对其他人来说，可能是它的性价比很高；对另外一批人来说，卖点是个性的设计很突出。可能对有的人来说，这个鞋兼具三个卖点，对有的人来说可能只有其中的一、两种。所以，我们为同一款鞋做推介的沟通文案，就会设计不同版本，做「人-货-沟通内容」的匹配。当消费者打开某品牌的小程序电商，看到的这款新鞋介绍，是在TA访问小程序的时候，根据TA的会员画像，从三个版本的设计文案中实时匹配并自动化展现出的最适合TA的一个。

在今天，这种方式有了新的升级：三个版本的内容，就意味着运营人员要设计三份素材。但企业的目标人群或用户特征可以再细分，三套素材可能会变成需要十套。这样一来，设计、文案成本都会增高，内部工作流程也会加码。这就导致当前很多企业其实无法做到足够的精细化运营。现在，通过AI和新的技术，很多东西都可以自动生成，足够的精细化就变得可行了。

2019年，我们与一家银行已经开始做比较深度的个性化运营合作，那时候甚至还没有AI大模型技术普及。背景是这样的：这家银行有上亿储户，但客户经理只有几千人，因此通常一个客户经理要负责管理的储户能达到两万人的数量级。同时，国内银行之间的产品缺乏差异化，因此，银行之间的竞争主要就在于运营服务水平的竞争。

我们合作的银行认为，谁做得更精细化、个性化，谁就能更具竞争力、储户更多，所以一定要拥抱新的技术，做到对每个储户“区别对待”。于是我们就帮这家银行做人群的分群，用不同的维度、根据各种用户特征、交叉组合等等方式，分出了几千乃至上万个群。对比很多零售类的企业，其实大多也只是将自己的用户分出几十个群而已，但这家银行却愿意投入大量的计算资源、提供系统投入，把自己的人群分得特别精细。

我认为这是一个很有象征性的事情。在当时，这个尝试对银行来说已经是比较大的投入了。可能得益于银行业业务的单个客户回报相对较好，使得银行更愿意承担这样的投入。但其他大部分企业可能很难接承受这样的成本。因此，在AIGC技术不断泛化的未来，我觉得内容营销的成本会大幅下降，也许未来每个零售企业都可以对它的每一位会员进行完全一对一的运营和沟通。这就是我在内容营销层面看到的一个显著趋势。