Scott Brinker：Martech的新数据层成为营销人工智能的基础

在我们最近发布的《2024年Martech状况报告》（State of Martech 2024 report）中，我和Frans Riemersma分析了整个Martech行业发生的大量转变，从人工智能驱动的Martech领域的爆炸式增长，到Martech技术栈中「可组合性」 的三个违反直觉的事实。

然而，我们最重要的两个发现是，营销人员需要优先考虑和采用充分利用人工智能的基本能力：

1.一个统一的数据层，全面地跨技术栈提供人工智能模型。

2.跨技术栈的API使AI助理和代理能够付诸行动。

上个月，我讨论了为什么「API对今天的Martech用户来说『非常重要』 ，但它们对即将到来的人工智能代理浪潮至关重要」。结论：84%精明的Martech和营销运营用户已经认为API是重要的或非常重要的，因为87%的人今天依靠API在他们的技术栈中实现自动化营销。但现在，这种自动化正在迅速适应人工智能助理和代理。

Insight Partners发表了一篇关于人工智能如何颠覆自动化的精彩文章，很好地解释了自动化架构的过去、现在和未来轨迹：

 Insight Partners的自动化架构演变

他们还在文章中发布了一份颇有见地的人工智能自动化市场地图，其中给出了实现这种转变的不同类别的技术：

  Insight Partners绘制的人工智能自动化市场地图

 在这篇文章中，我想重点讨论统一数据层对下一波人工智能创新的基础重要性。虽然API使代理能够采取行动，但数据确保为这些代理提供动力的AI模型拥有正确的信息来确定采取哪些行动。如果我们没有干净和完整的数据流向这些模型，它们就会缺乏做出正确决策和提供合理结果的智能。

好消息是，Martech已经在快速地向云数据仓库（cdw）的核心统一数据层和数据湖/湖屋变体（如Snowflake、Databricks、Google BigQuery、Amazon Redshift等）集中。

在过去的三年里，Martech应用程序的采用速度越来越快，这些应用程序将数据推送到这一层，并将数据提取出来 「激活 」 它。新一代的仓库原生Martech，如GrowthLoop，也已经出现，它跳过了所有的 「推 」 或 「拉 」 ，直接在CDW上工作。

    Martech的统一数据层

这种架构使我们摆脱了过去十年中异构技术栈最大的痛点——上百个孤立的应用程序数据库。所有跨营销部门和其他相关部门（如产品、销售和客户服务）的数据都集中在仓库/仓库中，从技术上讲，技术栈中的任何应用都可以访问这些数据。

（我之所以说 「技术上 」 ，是因为要组织和管理所有这些数据，还有很多工作要做，而这正是当前数据技术栈创新前沿的重点所在。连接和集中化是我们今天所拥有的标准化基础。内聚和协调是这些体系结构中需要成熟的下一个标准化级别。）

我们在2024年Martech的研究结果证实了这种融合是真实存在的。71%的受访者——领先的Martech和营销运营专业人士——报告称，他们已经将数据仓库/数据湖与Martech技术栈集成在一起。绝大多数（69%）的集成是双向工作，在仓库/湖和Martech应用程序之间双向发送数据。

    数据仓库Martech技术栈集成

 同样令人印象深刻的是，61%的将数据仓库/数据湖集成到他们的Martech技术栈的公司报告说，他们的大部分Martech技术栈已经集成到这个数据层。

我们现在看到Snowflake和Databricks都在他们的平台上获得并推进了大量的人工智能功能。所有从集成营销技术栈流入的数据将立即能够利用它。

Databricks Marketplace和Snowflake Marketplace还提供数百种用于营销和广告的外部行业数据产品，可以毫不费力地与内部数据相结合，以丰富分析，受众，活动和客户体验。

正如我在2021年所描述的，这是数据层的聚合。它比整合更好，因为从整个组织内外的任何众多来源聚合的数据越多，可以释放的价值就越多。

这是营销人工智能的基础。

来源：chiefmartec.com

作者：Scott Brinker

翻译：Fred