Convertlab王琤：企业以积极开放的心态拥抱 AI技术，会形成先发竞争力 | 未来AI谈

「未来 AI谈」是Marteker营销技术官联合Digital Frontier首席数字官共同发起的一档对话栏目，旨在探讨生成式AI的崛起对泛营销技术和营销自动化带来的影响，以期帮助全行业探索AGI时代的新营销之路。

 本期嘉宾：王琤 Convertlab联合创始人兼首席产品官

Key Points：

1.AI包括生成式AI和合成式AI。合成式AI是从海量信息获取洞察，要求推理的可靠性和稳定性。

2.未来的产品会同时提供普通模式和专家模式。普通模式的使用门槛较低，用户不需要了解太多的细节就可以完成工作；专家模式方便进阶用户做颗粒度的微调和设置产品的某些功能。

3.只要有开放心态，愿意去学习，不是大部分工作被取代，而是所有工作被升级了。垂直的工作岗位内容不适应未来发展，未来工作会对每个人都提出综合性的要求。

4.开放程度更高的企业，以更加积极开放的心态去拥抱 AI技术，本身会形成一种先发竞争力。

5.品牌想要领先，现在可以大胆一些，和解决方案的供应商共同尝试，比别的品牌更早去实践，就会有阶段性的竞争优势。

6.AI能力与Martech的结合成为常态，不是企业要不要做的问题，而是不做就不是合格的Martech供应商，可能会马上被淘汰了。

下面是谈话实录：

问：您如何理解AIGC？

王琤：我们从AI产出的角度来看，AI包括了生成式AI和合成式AI。生成式指的是它本身的特点是获取请求和少量信息，生成更多信息，从表面上看生成式AI特别擅长生成内容，所以很快被企业和个人所采纳，去获得问题的答案或者思考方向。

合成式AI是从海量信息获取洞察和决策，我们很常见的例子是，企业有很多业务数据，让AI从中获取洞察；或者提供给需要做业务决策的完整的背景信息给AI，做决策判断。我们认为合成式AI的价值更高。因为生成式AI讲究的是创意，可以有自己天马行空的发挥，而合成式是做判断决策的，要求推理的可靠性和稳定性，当然相对地要求也更高。从成熟度和风险角度来说，合成式AI的风险其实是自身，当然大模型本身技术迭代非常快，有可能从基础模型解决这个问题，现阶段主要通过配套技术管控缓解存在的问题。

问：AI和营销自动化如何结合？

王琤：我们可以扩大视野，看我们整个营销云的概念，亦即从数据洞察到基于数据的营销决策，包括自动化执行这么几个方面，基本上在整个营销云的链路里，AI能起到什么样的作用？

首先有可行性的大概有几个方面：与数据相关的，包括数据的清洗与治理，数据模型的建立，标签的加工，人群圈选，这些方面AI可以渗透进去，当然基于不同的场景渗透率会不一样。比如Convertlab与一些客户合作，在对一个比较原始、无序的数据源做数据清洗成为比较有序的结构以导入CDP，这项工作之前主要依靠人力，而现在AI可以参与进来，至少是人力结合AI来完成，这对工作效率是有大幅度提高的，目前至少提高一倍效率，未来更高。

另外一项工作，我们让AI学习了行业的最佳实践。比如服装鞋帽、奢侈品或者汽车行业，彼此之间有很大的不同，各个行业的CDP模型有本质的行业特征。我们现在做的事情，是让AI学习完行业的最佳实践后，让它能够根据企业原始数据结构，映射到不同行业的最佳目标结构。以前是完全依靠有业务经验的人结合数据工程师一起完成，现在基本上可以半自动化了。

还有数据运营工作，我要快速的构建一个标签，给AI一个指令就可以创建完成，或者圈定人群，也是通过描述数据维度等条件，用自然语言说给AI处理完成。现在AI技术比较可靠，能够在人的辅助和监控下完成工作，帮助企业从很短的时间内将相对多但是无序的数据变成规整的数据集，并且利用起来。

如果是更深层次的洞察，也就是我们说的探索式分析，帮助客户解决业务方面的问题，比如上个月某渠道会员销量下降，如何找到答案？以前的做法是业务专家和数据分析师一同完成。现在我们让AI自动做一些探索，寻找比较重要的数据信号，发掘藏在数据里的重要洞察。这方面的工作更复杂一些，我们比较顺利在推进，过一段时间就能看到最终成果。

在此基础上就是偏MA（营销自动化）的部分，其中有一些AIGC场景大家都很熟悉了，比如营销内容的生成，包括短信文案、邮件文案，图片的生成，等等。我讲一下其他方面的AI应用，在营销自动化里有一块很核心的是个性化内容，也就是说不同人群可能有不同特征，因此同样的主题要提供很多不同版本的内容。以前这样做的成本太高了，因为每一个版本都要分别找人做设计、写文案，内部审核，等等一系列工作。现在自动化的内容生成有效解决了这个问题。

再进一步的工作就是营销策略的决策，也是依赖于我们让AI学习了行业的最佳营销实践，用户只需要下达不同的业务指令，如提升新客转化、降低流失率等等，这些不同指令背后其实有AI通过行业最佳实践来推理采取什么样的营销策略和动作。这些工作接下来会直接体现在MA产品里。企业用户只需告诉MA系统，目前关注的指标是什么，由AI给出营销的策略建议，应该针对什么样的客群做什么样的营销活动，促进哪方面的变化。

问：在AIGA大模型赋能下，产品交互变得更加简单。这种简单化是否可能导致对技术专业知识的依赖减少？企业应该如何平衡简化交互和保持员工对技术的理解和掌握？

王琤：这是比较显著的变化，使用的门槛会降低。当然原先完整的任务流是保留的。未来的产品会同时提供普通模式和专家模式。普通模式的使用门槛较低，用户不需要了解太多的细节就可以完成工作；专家模式或者叫高级模式，方便进阶用户做细颗粒度的微调和设置产品的某些功能。

就像微软Office中的Excel，已有的设计复杂公式的功能仍然存在，但不需要用户去实际操作，而只用发布一个指令，说需要达到什么效果，公式就会自动生成。未来产品会实现这样的效果。

这会是接下来一段时间内最主要的模式，可能两、三年甚至再久一点的时间后，当AI技术发展成熟，甚至可以完全隐藏产品的专家模式，对很多人来说所有的工作都变得很简单，复杂的使用功能不需要暴露在最终用户面前。那会是产品再下一阶段的发展方向。

问：AI的出现意味着企业营销工作流程和团队协作模式都发生了很大变化，企业应该如何适应这个变化？

王琤：其实大部分企业白领偏向于知识型工作者，AI会产生很大影响。有一种观点认为AI会取代人的工作，我不是很认同。当然如果有一些人非常保守，不拥抱新的做法，也不爱学习，不管有没有AI，他也容易被淘汰。

只要有开放心态，愿意去学习，不是大部分工作被取代，而是所有工作被升级了。垂直的工作岗位内容不适应未来发展，未来工作可能是对每个人都提出综合性的要求。偏执行的工作比如收集信息很容易交给AI来完成，但是最终的决策判断、整体协同等工作，还是需要人来解决。营销部门的工种会减少，很多工作岗位会合并，每个人都成长为现在的团队领导那样，负责综合性的工作，擅长很多工作，虽然不一定精通，但非常清晰地了解，善于从全局的角度去把控工作。这是我认为的未来大部分人的工作走势，个人需要学习与AI协作， 升级为「超级个体」，推动整个团队、整个企业乃至整个社会的效率提升，最终提升整个社会的生产力，从而催生新的职业或岗位，或者产生新的需求出现。

问：AI让品牌在建立与消费者的互动关系上迎来哪些新的机会和挑战？

王琤：不同的企业有不同的态度，有的企业相对谨慎，一直在观望，采取行动会犹豫不决；有的企业开放程度更高，以更加积极开放的心态去拥抱 AI技术。至少在未来两、三年内，心态更开放，对新技术采纳更积极的企业本身会形成一种先发竞争力。

以广告投放为例，如果品牌要做短视频的投放，以前需要非常慎重做创意，做提案，非常严谨地考量，确保投放成功。但现在有了AIGC之后，有些品牌以较低的成本实现创意，可以做更多不同版本的创意，进行小规模测试，找到最好的版本，再去做大规模投放。这种模式无论在效率、成本还是成功率上都优于以前的模式。越早采纳这种模式的品牌，就越早有竞争优势，并利用这种优势构建竞争壁垒。

再比如说个性化，很多品牌都希望视顾客为上帝，从接触顾客的环节开始就提供非常个性化的服务体验。而AI技术可以有效加速或加深个性化。

所以从某种程度上说，是观念和理念的转变在先。AI技术或者解决方案和应用，是在快速迭代过程中，还没有非常成熟。如果品牌非要等到它很成熟了，再去采用的话，就是跟同行一样的速度，并没有特别领先。品牌想要领先，现在可以大胆一些，和解决方案的供应商共同尝试，比别的品牌更早去实践，就会有阶段性的竞争优势。

问：AI也让营销技术公司重新定义产品、业务能力和生态版图，他们应该如何重新思考和调整自己的战略？

王琤：以Convertlab为例，我们在今年年初已经有了相关的AI战略，中间会不断思考。现在接近年底再回想年初的想法，大方向上几乎没有什么变化，中间对一些技术可行性的判断，实践后再会发现有些跟设想的不一样。以前可能想的过于简单，过于乐观。但是大的方向还是很清晰的，跟年初基本一致。

AI能力与Martech的结合成为常态，不是企业要不要做的问题，而是不做就不是合格的Martech供应商，可能会马上被淘汰了。今年有第三方的调研，调研AI技术采纳的优先级，营销场景与AI技术的结合，根据企业的反馈优先级非常高，包括内容创意、营销、销售、客服等相关的功能，基本上都在Martech的范畴内。当然AI应用还涉及供应链、财务等职能，但是对企业来说，能够感觉到短时间的产出回报，需要再等待一段时间。

所以天然来说，Martech是站在与AI技术结合的最前沿。所以AI是默认的需要考虑的基础技术。在整个Convertlab的产品战略规划中，都会把AI技术的结合作为默认的选项，AI是无处不在的，是产品的新常态。我们也考虑产品增加了AI功能、升级之后，企业是否要多付钱，但认为这是不对的，AI的结合大部分情况下是让用户更好的满足原有的业务需求和期望，并没有超出产品原有的价值定位，所以不应该向客户多收费用。

从某种程度上说，我们的产品都会得到全方位的智能化的增强。我们也有类似微软Copilot的交互模式，就是工作流旁边会出现AI外挂辅助，让原来的工作流执行得更好。这是我们考虑的场景之一。另一种是AI直接融入整个功能里，嵌入整个过程中，这可能是更主流的方式。另外，我们也提供独立的AI应用快速构建解决方案，为用户解决单点营销问题，比如营销内容的创作，并且也能用于非营销领域的场景。以上是Convertlab的两个AI产品战略：一是原有的产品体系的全面智能化，一是以更轻量、更快速的方式提供独立AI应用解决营销问题的产品。