11月29、30日，第八届·灵眸大赏Morketing Summit在中国·上海成功召开。
第八届灵眸大赏以「回归」为主题，围绕“深耕国内市场·回归”与“放眼全球战略 ·未来”两大主题日，共设7个分会场，开展为期两天的议程。大会聚集近80位全球营销商业生态高管进行主旨分享和panel讨论，参会者高达2000+行业从业者。
“数据应用的场景不是由技术的演变而创造，大模型、AI技术的发展并不会创造出新的营销场景。本质上，用户最根本的需求和企业最基本的运作逻辑是不变的。所以，对于企业来说，在当下一大痛点是，新技术来临之际，如何将其应用于实际业务场景赋能企业的运作”，LVMH集团数据专家中心负责人Marco Li一语道出了当下企业在AI应用实践中所面临的困难。
毫无疑问，2023是生成式AI兴起的元年。短短一年中，AI改变营销未来已成人们的共识。然而，在具体实践过程中，哪怕是一些头部品牌和企业也对AI应用落地的场景存在或多或少的疑虑。
对此，在第八届Morketing Summit灵眸大赏AI·智未来分论坛上，Marco Li进行了《AI助力下的社交数据洞察》主题演讲，从产品趋势分析、消费者洞察、营销素材生成以及用户沟通体验四个方向来分享企业如何将AI技术应用于实际业务运作，为企业的AI营销实践提供思路和参考。
大家下午好！
数据应用的场景不是由技术的演变而创造，大模型、AI技术的发展并不会创造出新的营销场景。本质上，用户最根本的需求和企业最基本的运作逻辑是不变的。所以，对于企业来说，在当下一大痛点是，新技术来临之际，如何将其应用于实际业务场景赋能企业的运作。
今天我会结合具体的案例，从产品趋势分析、消费者洞察、营销素材生成以及用户沟通体验四个方向来分享一下AI技术在企业的应用。其中，前两个方向侧重于分析层面，最终的产物可以用来支持策略；后两个方向侧重于实际应用层面，无论是数据还是模型，它的产出直接与营销触达、营销应用相关。
产品趋势分析
以口红品类为例，口红最重要的产品功能点是色号，因此抓取并预测到中国消费者对于色号的趋势非常重要。一般来说，我们会分别运用社交数据和电商数据，这样就能够从两个方向来分析：一是从UGC方向，通过用户的关注点和产品热度来分析口红色号趋势；二是从销售端，以消费者的买单程度来看哪些色号更让消费者认可。唇膏的颜色整体分成了两部分，左图是经典的主色号，比如红色、棕色。右图是相对小众的颜色，这部分颜色的波动性比较大，存在很多新的市场机会。在右图上可以看到一些裸色调的颜色有明显的向上趋势，我们今年也是通过这类数据打造了许多爆品。相比唇膏，唇釉的核心颜色比较分散，从左图的五根折线就可以看出。右图是唇釉相对小众的颜色与唇膏也有很大差别，玫红色等一些鲜亮、粉嫩的颜色反而在唇釉赛道比较突出。基于上述技术，我们也得到了一些不错的成果。比如，今年618期间推出相关款裸色系唇膏的GMV远超去年同期。下面给大家简单分享一下预测口红色号趋势的方法。简单来说，我们抓取了社交平台上用户在图片和视频中的唇部色彩，并将色彩标记成300多种色号，有了色号后在进行聚类，并对不同分类的颜色做进一步趋势的追踪。第一步，收集抓取数据：收集关键词，制定规则，从社交平台和电商平台下载图片并提取相关数据，并做数据的清洁；第二步，聚类并分析码表：收集主要品牌（包括高端、平价、国内、海外）的口红颜色，并进行分析和排序；第三步，唇部位置的识别训练：收集嘴唇和唇部产品的图片，标记嘴唇位置并训练模型；第四步，识别并确认：确认唇部位置，并通过一定处理方式识别出特定色调，再进行后续加工。需要强调的是，聚类这个环节不能简单地扔一些聚类模型，而是要加入业务逻辑的，确定好聚几个类以及命名方式。以上图为例，从左到右是按照色系由暖色向冷色排序。从上到下则是按照颜色饱和度高低排序。根据这张图就能把唇色分为红棕色系、奶茶色系、豆沙色系、紫色系等，有了这样基础的数据和处理，就能为大家呈现出色号的趋势。在有了色号这个维度后，还会进一步交叉妆容的风格、化妆场景、热门SKU等等，再通过类似的方式进行分类和分析。
消费者洞察
通过现有模型对消费者做进一步洞察，是当下数据应用和数据分析的一大领域。如果说，前面讲的产品趋势分析可以通过深度学习做物体定位完成，那么消费者洞察是一定要用到NLP等技术。以社交分析中的情感分析（sentiment analysis）为例，在当下，抓取到消费者讨论背后的情感诉求是非常重要的。但是以往对于Social Listening（社交聆听）的情感分析通常用正面、负面来判断，虽然可以很直观得看到正负得分，却无法真正反映出人类的全部情感诉求。事实上，人的情感是非常丰富的，不能简单地以正面或者负面来衡量一句话背后表达的情感。比如，消费者在比较两个产品时会有疑惑的情绪，这时可能存在咨询的需求。消费者对某个产品有一些抱怨时或许并不是简单地愤怒，而是希望产品有一定的改进，在这些不同程度的情绪中都可以挖掘出不同的消费需求。我们做了一张情绪图谱，将消费者的所有情绪通过图谱来细分，这个谱图像一个调色板一样，既能够通过位置展现出消费者相近或者相反的情绪，也能够看到情绪的强弱。人的基本情绪分为愉悦、信任、害怕、惊讶、忧伤、烦躁、愤怒、期待8种，其他情绪都是这8种情绪的不同混合或组合的产物。这就类似于颜色的混合，与调色板上任何两种颜色相混合可以得出一个衍生的颜色一样，任何两种基本情绪的混合也将产生一项衍生的情绪。我们根据情绪图谱做了一些实际的应用案例，比如，研究近期两个代言人公布后用户在社媒上的一些评价和风向。从上图中可以看到，柱状折线图展示的是比较基础的各个渠道的声量分布以及总互动量情况。热力图则是把用户语言背后的情绪按照强弱表现出来。其中，红色区域是用户情绪聚焦的部分需要品牌重点关注。比如，在左图中，虽然A因为一些私事被质疑，但用户对于表示了支持。右图中，用户对于B有一些不安的情绪。通过以上案例想跟大家分享的是，随着大模型的发展，我们对于一些在过去比较难理解的语言背后的信息可以更加准确的把控，并且能够得到一个定量的结果。
营销素材生成
提到AI和AIGC的应用很容易会想到营销素材的生成，而素材内容生成更多的是线上素材。今天我想分享一个线下联动线上的案例。MakeUpForEver是LVMH集团旗下的美妆品牌，近期为了展示相关彩绘艺术举办了线下展览。在线下展中运用到了艺术家的彩绘。要知道，人体彩绘想要向大家呈现出好的效果需要花费很长时间，而艺术家实际上在模特身上也只做了一种样式。但在线上预热时，我们用到了AIGC技术，将一个风格生成多种图片让多角度体会艺术家的彩绘风格。除此之外，用户也可以通过小程序进行线上观展，并将得到不一样的艺术彩绘卡片。在线上被种草后，用户产生兴趣，从而增加了亲临现场参观展览的人数。
用户沟通体验
我们和消费者直接产出营销内容和对话的场景，从最简单的短信、彩信的方式，转变到使用一些人机交互的LIVE CHAT和AI CALL，在发展到数字人直播。目前，用户几乎感觉不到是在和机器人对话。具体来看，在短信彩信沟通的阶段，用户可以明显感知到品牌只是用了加工过的内容来告知信息，不是真人在与其沟通。在LIVE CHAT阶段，用户或许能感觉到是AI机器人，但只要有足够好的体验也是可以接受。在直播阶段，真人直播的效果肯定是最好的，数字人直播其实就是在模拟真人直播的场景，让用户几乎察觉不到是AI技术在背后驱动。在这三个阶段，无论AI怎么赋能实际上还是用原来真人做的事情作为参照和学习，所以我们也在不断探索希望突破人类本来的能力和限制，找到第四个阶段的突破，也就是元宇宙阶段。到了这个阶段，更宽广的场景配合强大的AI技术，用户将会得到超过以往任何时候的体验。
发表评论
请先注册/登录后参与评论