Search
Close this search box.

學會用「生成式 AI」強化品牌競爭力吧!數位行銷 4 個大門已被 ChatGPT 打開

生成式人工智慧(Generative AI)在業界掀起話題,也讓人們對 AI 在內容與圖像創作的應用增添更多想像。Appier 基於服務客戶多年的觀察,以及將 AI 技術導入數位行銷領域的經驗,認為在 2023 年 AI 不只將帶動內容與圖像的創作,還將在四大領域有更務實的進展,將 AI 的價值體現在日常行銷應用上。

AI 解決方案因為在疫情期間加速品牌數位轉型而獲得關注。根據市場研究公司 IDC 的預測,2026 年全球圍繞 AI 系統的軟硬體和服務支出,將超過 3000 億美元;同時 2022 – 2026 年的年均複合成長率(CAGR)將達到 26.5%。

另一方面,生成式 AI 也為品牌帶來更強勁的素材創作動能。根據 Gartner 發佈之 2022 年重大技術趨勢,預估到 2025 年生成式 AI 產製的內容將佔所有數位內容 10%。Gartner 也指出,從技術成熟度曲線(Gartner Hype Cycle)來看,生成式 AI 已邁向主流市場應用的高峰期。

Appier 認為「電腦視覺」「對話式行銷」將是較快體現生成式 AI 進展的領域;而運用 AI 「提高生產效率」或是「進行分析預測」也將賦能數位轉型加速。

一、內容推薦和廣告素材:電腦視覺生成更吸睛的素材

電腦視覺(Computer vision)因為生成式 AI 受到更大的矚目,是近年蓬勃發展的 AI 領域之一,可讓電腦對數位圖像、影片和其他視覺輸入內容進行處理、分析和有意義的解讀。品牌主要可從兩個方面運用電腦視覺:一是理解視覺輸入內容,二是產生視覺輸出內容。

電腦視覺模型的進步使圖像辨識在輸入資料有限的情況下更精準、功能更強大。過去業界多數使用卷積神經網路(Convolutional Neural Networks)進行圖像辨識。此方法可讓電腦透過與人類大腦相同的方式處理數據。隨著更先進的 Transformer 模型[1]問世,AI 系統便能更自由地處理完整圖像的重點部分,辨識圖像或影片的內容,並根據此內容產生洞察。

其中圖像辨識技術非常適用於商品推薦, AI 能夠分析每位瀏覽者查看的內容,以及這些圖像的相似處和規律,並向瀏覽者推薦最符合其需求的商品。 除了圖像辨識之外,電腦視覺也能產生視覺輸出內容。過去幾年內出現許多 AI 網站和應用程式,使用者只要輸入一些文字即可自動產生圖像。此類系統通常使用生成對抗網路(Generative Adversarial Network),因此需要大量數據才能創造品質穩定且優良的視覺內容。

另一方面,較近期興起的擴散模型(Diffusion model)雖然使用不同技術,但仍可與生成式學習(Generative learning)達到相同目標,且輸出內容更多元,只需仰賴更少的數據就能生成多元的輸出內容。

不論使用哪一種模型,生成式 AI(Generative AI)都能替品牌更快速地製作廣告素材。更重要的是,生成式 AI 可根據粉絲在社群媒體上留言的內容,替品牌提供粉絲希望看到的內容,並運用留言文字中的構想產生新的圖像。如此可使創作過程更大眾化,也能產生真正獨一無二的內容。

有了獨特且能產生共鳴的廣告素材,品牌便能改善廣告點擊率和轉換率成效。廣告素材一直是行銷人員重視的面向:有效促成轉換的個人化內容和吸睛廣告素材。隨著 AI 及其應用發展,AI 解決方案的技術將會持續精進,並且運用進階模型和演算法,打造最先進的 AI 推薦內容和 AI 生成的廣告素材,協助品牌有效推出一檔檔高轉換的行銷活動。

訂閱《AI TOgether》趨勢週報
每週幫你精選 AI 主題報導

感謝訂閱!隨時注意信箱的最新資訊

Appier 曾在內部進行實驗,讓人和機器判斷哪一個廣告創意素材能獲得更好的互動成效,例如:針對在推廣「果汁」產品的時候,是應該在視覺上強調「天然水果製成」,還是「新鮮冰沙口感」;或是在推薦行李箱時,是應該強調「商務人士首選」讓溝通受眾更明確,還是主打「品牌熱銷」面向更廣泛的客群。

結果發現,人為判斷的準確率大約是 1/2,機器判斷的準確率大約是 2/3,顯示人為判斷的成功率基本上就是隨機概率,沒有機器判斷的準確度來得高。

這是因為 AI 可以看到圖片中隱含的更多細節,例如功能、顏色、品牌商標、折扣顯示方式、旅遊暗示(機場)、客群暗示(商務人士)、行動暗示(Call to action 的購買連結),種種元素都可以被加以分析,甚至能連結品牌過往銷售資料、顧客購買偏好,得出更精準的預測結果

由此可見, AI 可以被運用在更多創意決策上,讓品牌節省市場測試,例如 A/B Testing 的時間與成本,做出具有更高報酬率的決策。消費者也能看到更符合其需求或期待的商品,提升購買意願或是加速購買決策。

二、對話式行銷:更直覺的人機互動

聊天機器人和對話式行銷在過去沒辦法作為消費者與品牌互動的的首選,原因是這些聊天機器人和對話式行銷工具無法像人類一樣快速理解和學習。生成式 AI 將聊天機器人擁有的智慧提升到一個新的水平,不僅對話更加直覺與人性化,整體反應也更加靈敏。

以近期話題度非常高的 ChatGPT 來看,雖然它在對話的流暢度與精準度上有顯著的進步,但距離對話式商務應用還有一段距離,主因是 ChatGPT 並非是圍繞 MarTech 情境所設計。不過,隨著年輕一代更習慣透過聊天機器人和即時通訊軟體與品牌互動,加上 AI 、數據分析與對話式商務互相結合,大量的數據和業界多元的應用勢必將帶動技術的發展。

想像未來,消費者只要輸入任何想詢問的內容,聊天機器人就可以提供你想知道的資訊,就像和朋友徵詢意見一樣自然。品牌與電商的即時通訊平台不再被視為單純的「官方訊息平台」或「客服助理」,而是能更早地了解顧客的需求,提前與之互動。

品牌甚至能在顧客產生購買動機前掌握潛在的高價值客群,利用 AI 觸發推送個人化訊息,或是從對話中預測其後續的消費行為,促成更好的商業策略和決策。而當專家諮詢、品牌對話式互動,購物體驗以及顧客諮詢服務能相互融合,未來的數位行銷服務也將變得更加直覺跟有趣。

三、生產效率:運用 AI 事半功倍

回顧 2022 年下半年,全球經濟深受通貨膨脹等不穩定因素的影響。專家預測 2023 年所有產業將面臨更多挑戰,包括經濟放緩、顧客期望提高、數位轉型加速、數據與設備安全等。而當總體經濟和其他外部市場條件不佳時,品牌最立即的反應便是仰賴內部資源尋求解方,而 AI 已成為企業事半功倍的助手。

根據 PwC 的調查,AI 解決方案已被證實能帶動更具成長性、可預期的投資報酬,同時能透過自動化節省營運成本。在生產效率方面,傳統的行銷自動化系統能夠節省品牌管理日常業務流程和營運的時間。

在 AI 賦能自動化系統後,行銷人員更能夠規模化行銷活動,並根據即時的變化動態調整相應的行動。57 % 的 AI 領先企業表示將運用 AI 預測市場變化, 54% 將運用 AI 協助財務、銷售以及行銷計畫的制定;在節省營運成本方面,則是有 44% 的領先企業透過 AI 自動化提高生產力。

有鑒於 AI 系統可持續學習,因此能為品牌提供傳統自動化系統所無法創造的彈性。舉例而言,假設一家電子商務公司打算嘗試自動化出貨,此時不論是否使用 AI 都能達成目的。

使用 AI 的好處在於機器學習模型會將可能影響出貨的各項變數納入考量,例如供貨情形、天氣和交通狀況等,並根據 AI 分析的結果作出對企業和顧客而言最適當、最符合成本效益的決策。隨著品牌更趨於運用有限的預算達到更好的行銷成效,以及希望在投入行銷預算前掌握可預期的投資回報,AI 將協助企業從短期或長遠的角度實現目標。

有了 AI ,自動化系統將能以目標成果為導向,並動態調整各項變因,替品牌以最迅速且有效的方式達成目標。將 AI 應用在行銷和廣告領域上,透過自動化導航(Autopilot)功能, AI 可自動分配預算和調整出價策略。藉由 AI 全年無休的運作,行銷人員便能將時間和精力專注在策略和廣告素材發想,同時也能準時下班好好享受生活,因為 AI 自動化功能會確保所有行銷活動順利運作。

四、分析和預測:仰賴更易懂的 AI

運用 AI 技術進行數據分析已十分常見,但對於 AI 如何產生洞察和其預測背後的原因仍是未解之謎。雖然越來越多企業主管更願意採用 AI 解決方案,但依然有人對於 AI 模型作出特定結論、建議和推薦內容的方法和原因存有疑問。

為了讓 AI 的「黑箱」能夠見光,許多 AI 技術公司開發了可解釋的 AI 系統和解決方案。可解釋 AI(Explainable AI),顧名思義旨在解釋 AI 作出特定決策、推薦或預測的推理過程。這些資訊可協助人類進一步瞭解 AI 以及其「思考過程」,讓其參與開發或獲致結果的人們更願意相信 AI 的選擇。

現在的 AI 解決方案除了為客戶提升行銷精準度和成效之外,也需要清楚瞭解 AI 產生特定結果背後的原因,因此 AI 模型的可解釋性變得十分重要。好比讓客戶清楚知道 AI 如何決定向某位用戶推薦特定內容;或是 AI 如何將某位顧客歸類為猶豫客,並發送優惠券給該顧客。透過可解釋性 AI ,能夠讓客戶進一步了解 AI 產生結果的思考過程。

以上都是採用 AI 解決方案的使用者想要得到解答的問題,理由是──如果各家公司希望節省支出,因此只考慮採用能確保預期成效的解決方案;那麼,可解釋 AI 便是決策者評估 AI 解決方案是否有效的具體佐證

AI:未來即現在

AI 如今已是進行式,AI 技術和應用也已躍升主流;若沒有 AI,許多品牌將無法達到現今的行銷成效。隨著更多品牌開始推動數位轉型,AI 技術未來在任何企業中擔綱的角色只會越來越重要。積極運用 AI 強化競爭力的品牌,將更有機會在充滿不確定性的時期逆風前行,乘勢而上,賦能數位轉型成效加速。


[1]Transformer 模型:是一種採用自我注意力機制(self-attention)的深度學習模型,藉由追蹤序列資料中的關係,學習上下文之間的脈絡及意義。在此機制下,它允許更多的平行運算,一次性處理所有輸入資料,並能偵測一個系列中以微妙方式相互影響和相互依賴的資料元素,甚至是模糊的資料元素,藉此運用較少的數據完成更精準的辨識能力。

 

 

*本文訊息由 Appier 提供,內文與標題經 TechOrange 修訂後刊登。新聞稿/ 產品訊息提供,可寄至: [email protected],經編輯檯審核並評估合宜性後再行刊登。圖片來源:create.vista

(責任編輯:廖紹伶)