关键字: [Amazon Web Services re:Invent 2023, Launchmetrics, Generative Ai Applications, Brand Perception Management, Supervised Learning Models, Generative Ai Innovations, Ai-Powered Marketing Solutions]
本文字数: 1500, 阅读完需: 8 分钟
视频
如视频不能正常播放,请前往bilibili观看本视频。>> https://www.bilibili.com/video/BV1wC4y1w7sa
导读
在这一面向广告技术、产品和工程领导者的论坛中,学习公司如何使用亚马逊云科技机器学习和生成式 AI 功能,通过测量和分析用例,推动创新和性能优化。然后听取亚马逊云科技技术专家的意见,他们分享您可以应用的最佳实践,以更快地创新和转变业务。
演讲精华
以下是小编为您整理的本次演讲的精华,共1200字,阅读时间大约是6分钟。如果您想进一步了解演讲内容或者观看演讲全文,请观看演讲完整视频或者下面的演讲原文。
演讲者约翰·威廉姆斯通过阐述近年来数字渠道产生的客户数据激增,来为我们描绘了一个场景。随着越来越多的顾客通过网络渠道进行搜索、规划和购买产品,他们留下的数据记录已经显著增加。如今,公司可以获取超过28个不同的客户数据和洞察来源,这比过去要丰富得多。尽管这种数据丰富使得营销人员能够更深入地了解客户,但也带来了新的挑战。面对众多的数据源以及客户在不同设备和通道上的互动点,营销人员很难确定在最佳时机向每个人传递正确的创意资产和讯息。
威廉姆斯强调了品牌体验的重要性,并引用了玛雅·安吉罗的名言:“人们会忘记你说什么,人们会忘记你做什么,但人们永远不会忘记你如何让他们感觉。” 情感联系和感受是塑造品牌形象的关键。正因如此,威廉姆斯在亚马逊云科技担任了广告和营销技术方面的职位。他的团队致力于帮助企业利用亚马逊云科技的服务,为客户打造个性化的品牌体验,从而推动业务增长。
为了展示一个客户是如何创新地使用亚马逊云科技的,威廉姆斯向我们介绍了Launchmetrics的CTO保罗·蒙特尔·佩雷斯。Launchmetrics是一家专注于时尚、生活方式和美容行业的软件公司。威廉姆斯解释说,他们的品牌表现云平台提供了软件和数据,使品牌能够将营销策略与执行相结合。这包括了PR监测、活动管理、样品跟踪、分析以及其他更多工具。凭借其1200多家客户,Launchmetrics助力品牌开展活动、扩大影响力、衡量投资回报率并评估绩效。
佩雷兹首先指出,Launchmetrics协助品牌应对一个核心挑战:他们期望的品牌形象与顾客认知之间的鸿沟。品牌形象受多种因素影响,如客户体验、社会影响力和文化背景。在互联网上的数十亿消费者意见传播下,今天的品牌形象呈现出极大的动态性。佩雷兹解释说,过去,品牌依赖焦点小组和行业研究来衡量感知。尽管这些仍有一定价值,但新技术如AI和大数据分析使得品牌能够更深入地理解和追踪感知。
为了阐述品牌所采用的框架,佩雷兹展示了一个感知地图,其中一轴为价格,另一轴为质量。品牌可以根据消费者感知在该地图上定位自己,并努力随着时间推移调整位置。他以现代汽车公司为例,展示了从生产低成本、低质量汽车向制造更高档车辆转变的过程。虽然价格和质量是常见的坐标轴,但每个品牌根据其特点和客户需求关注不同的维度。对于时尚和生活方式品牌而言,品牌形象是一种极具价值的资产,影响着品牌价值和对价格的接受程度。监测消费者感知在不同期望维度中的变化具有极高价值。
佩雷兹解释道,Launchmetrics通过在网上的巨大噪音和对话中寻找意义,将品牌战略与表现相连接。他们长期运用机器学习进行分类任务,如检测品牌提及、情感、产品、行业等。然而,新型的生成性AI模型为他们提供了品牌感知平台的全新可能。
佩雷兹强调了Launchmetrics正利用生成性AI进行的四个关键创新:
-
更快的原型设计——相较之前的机器学习方法,生成性模型能更快地完成理念原型设计。它们减少了大量标签数据集和漫长模型训练周期的需求。如今,新的AI驱动功能可在数周内完成,而非数月。
-
合成数据创建——在现实世界数据稀缺或缺乏的情况下,生成性模型可创建合成训练数据。这对在线存在有限或新产品推出的小型品牌尤为有益。该合成数据为机器学习模型提供见解。
为了提高机器学习模型的解释性,生成式人工智能已将模型输出转换为通俗易懂的自然语言描述,从而使得洞察力更容易被理解。这种做法提升了人工智能解决方案在市场营销团队中的应用范围。"
"为了分析微妙的品牌概念,生成式语言模型能够更好地理解和处理那些模糊且难以定义的抽象概念,如创造力和品牌个性特征。"
"Launchmetrics已经开发出了新的主题建模和评分功能,以便量化品牌定位并追踪消费者感知如何随着时间的推移而变化。这些步骤包括:每日将数百万在线文档纳入数据湖,并通过品牌检测等元数据对其进行丰富;将内容分割成语义块,提取特定想法;使用LLMs将这些块编码为向量表示以捕捉其意义;将块向量与种子主题向量(如“可持续性”)进行比较,以识别相关内容;将相关块聚类到反映类似想法和故事的主题群组中;使用关键词按相关性加权对主题进行总结;以及生成自然语言叙述来解释每个主题。此外,还可以根据品牌维度对主题进行评分以量化品牌感知。"
"Perez强调了对生成式AI在市场营销分析中的四个关键经验教训:它为市场营销带来了新的产品和服务;亚马逊云科技服务为快速创新奠定了基础;结合行业专业知识、数据和AI可以提供专门的高价值解决方案;以及生成式AI正在改变市场营销技术的期望。"
"总的来说,Launchmetrics利用AI重新塑造了时尚和生活方式品牌了解其客户的方式。Perez呼吁所有企业学习和应用这些技巧和创新。"
"然后,杰瑞·洛韦(Jerry Lowe)来自亚马逊云科技(Amazon Web Services)为成功地利用生成式AI提出了建议。
这仅仅是一个工具,而非解决所有问题的万能解决方案。在选择是否使用案例时,需根据其对企业的影响审慎决策。意识到这需要投入时间和精力。应尽早邀请行业专家参与其中以确保人工审核。从单一模态入手,例如仅处理文本或图像生成,而不是同时进行两种操作。将数据的透明度视为首要任务,以建立信任。通过让专业人士积极参与,减少对AI取代人类工作的担忧。与企业的利益相关者进行沟通,解答他们的疑虑并推动采纳。在早期阶段自动化的迭代模型中构建管道,以便迅速开展实验。借鉴过去新兴技术(如区块链)的经验教训,避免炒作和过高的期望。
Lowe强调,尽管生成性AI具有强大的新功能,但要实现完整的企业价值,仍需经过深思熟虑和责任设计、专业知识和灵活应对。随着技术的飞速发展,保持现实预期和明智的实施将变得至关重要。
下面是一些演讲现场的精彩瞬间:
如今,各企业平均使用超过28种不同的数据源,以利用数据智能获取洞察力。
这些企业在管理品牌形象方面面临挑战,因为数字体验的增长塑造了客户对品牌的感知。
亚马逊云科技正利用生成性人工智能在现实世界数据有限的情况下创建合成数据,用于训练机器学习模型。
亚马逊云科技通过结合行业知识、独特数据、紧密的客户合作关系以及新技术,实现快速创新,从而创造出定制化的产品和功能。
从项目一开始,就邀请知识专家验证和优化AI内容生成。
领导者们要求观众对演讲提供反馈,以便帮助改进未来的活动。
总结
该视频探讨了Launchmetrics如何运用亚马逊云科技和生成性人工智能来协助时尚和美容品牌深入了解消费者认知并将其策略与品牌业绩相结合的过程。通过应用生成性人工智能,可以加速原型设计、合成数据的创造、提高结果解释能力以及对品牌价值观等细微概念的分析。Launchmetrics将数百万在线文档转化为向量嵌入,以便识别新兴热门话题。这些话题经过聚类并根据可持续性等品牌特征进行评分,然后用生成性人工智能进行解析。关键在于,生成性人工智能为行业知识和数据的整合带来了新的可能,但背后的核心仍然是人类专业知识的发挥。视频强调应从小规模的可行性研究(POC)开始,保持透明度和在早期阶段就纳入知识专家的意见。
演讲原文
https://blog.csdn.net/just2gooo/article/details/134827813
想了解更多精彩完整内容吗?立即访问re:Invent 官网中文网站!
2023亚马逊云科技re:Invent全球大会 - 官方网站
点击此处,一键获取亚马逊云科技全球最新产品/服务资讯!
点击此处,一键获取亚马逊云科技中国区最新产品/服务资讯!
即刻注册亚马逊云科技账户,开启云端之旅!
【免费】亚马逊云科技中国区“40 余种核心云服务产品免费试用”
亚马逊云科技是谁?
亚马逊云科技(Amazon Web Services)是全球云计算的开创者和引领者,自 2006 年以来一直以不断创新、技术领先、服务丰富、应用广泛而享誉业界。亚马逊云科技可以支持几乎云上任意工作负载。亚马逊云科技目前提供超过 200 项全功能的服务,涵盖计算、存储、网络、数据库、数据分析、机器人、机器学习与人工智能、物联网、移动、安全、混合云、虚拟现实与增强现实、媒体,以及应用开发、部署与管理等方面;基础设施遍及 31 个地理区域的 99 个可用区,并计划新建 4 个区域和 12 个可用区。全球数百万客户,从初创公司、中小企业,到大型企业和政府机构都信赖亚马逊云科技,通过亚马逊云科技的服务强化其基础设施,提高敏捷性,降低成本,加快创新,提升竞争力,实现业务成长和成功。