AI行銷學是一本對行銷人談程式人員思考邏輯與技術概念,並對資料科學家(我這裡初步判定為程式人員)談行銷人需要什麼分析資料和需求的書。 在近幾年大數據、人工智能的議題不斷的被炒作下,「你的工作是否會被AI取代?」這類型的問題層出不窮,這也是一開始讓我停下腳步拿起本書的原因之一,我近年來工作的網路製造業,雖然也有著類似的AI議題,在公司的發展戰略與產品設計上也是不斷的被提及,希望能往此方向規劃,但不論在產品發展,或行銷上還離作者提及真正的機器自行學習非常遙遠,依然停留在開立規格,確認系統邏輯,開發測試上線的基本階段。 本書的作者Jim是擁有行銷與資料處理背景的企業負責人,本書出版於18年的夏天,說此本書能為具體行銷人員帶來什麼什麼實際的效益,我認為比較少實際的案例,更多的探究了如何藉由AI的理論技術配合技術人員的邏輯,一探從現在開始的未來真的讓能自主學習的AI發展,功能面上提供行銷人員一個市場調查、實驗的方向。 對於我們是否會被AI取代的議題,作者認為行銷人員是不會的。AI和行銷人之間應該會更像分工的關係,讓機器工具來處理一切需要資料處理、辨認、分析、判斷的事情,而行銷人員,應當充分發揮AI學不會的「好奇心、想像力、同理心」。這其實部分顛覆了我以往的認知,我從沒想過AI應當參與判斷決策,理論上我們期望的是AI告訴我所有的分析結果,由人類來做決策;當然,這也只是分工的問題,AI大方向來說與我們煮飯要用的鍋碗瓢盆一樣,都是工具級別,端看我們如何使用。寫到這裡不盡讓我想到了近兩年來的工作,我何嘗不是在幫老闆當一個稱職的處理、分析、判斷、結論這樣的角色? 書中另外提及關於模型的論點:「所有的模型都是錯的,但至少能用一陣子」,之所以這麼說是因為在時間不斷推進的過程中,世界上的事情不斷的在變動,此刻我們認知對的邏輯,認知最好的解法,都有可能在資料不斷擴充中一步步的修正,如同現在軟體開發上不斷的版本疊代一般,最理想的協作方式是,人類決策、客戶產生資料、AI自行修正模型,再交由人類決策這樣的迴圈。打個比方,在資源吃緊的情況下企業決定投入資源的優先順序,也會根據企業目前的經營狀況來決定,到底初創型的企業我,是該投入資源去做賺錢的案子重要,還是累積方案的案子重要?這時候就會看企業目前時間線上,金錢的占比與方案的占比權重來考量資源的投放順序,至少在現在的工作情境下,完全符合模型是不斷變動的論點。 撇開AI後,有一些現在行銷的方法除了傳統了解的4P外,作者也做了相當程度的補充,例如更細緻的區分客群、根據客群各自可操作加速客戶購買決策的方式做了簡單的筆記如下。希望我們都能善用身邊的工具,傾聽客戶的聲音,做出相對正確的決策,幫助我們與客戶雙贏。
0 Comments
Leave a Reply. |
Archives
April 2020
Categories |