近日,2024 云栖大会在杭州成功举办。神策数据黄震昕在大会「产品生态伙伴专题:开放创新, 共生共赢」以「大模型助力营销智能化升级」进行了主题演讲, 探讨和展示了神策数据如何通过 AI 与 Data 的深度合作, 助力企业实现业务模式创新、运营效率提升和市场竞争力增强。通过智能化营销能力, 实现高效、可持续的增长。以下为演讲实录:
神策数据黄震昕
神策数据作为一家大数据分析及营销科技服务商, 主要业务聚焦在 CDP、数据分析及智能营销, 因此在 AI 大模型方面的探索也与此紧密结合。
神策数据自成立以来一直保持着业内领先地位及前瞻性, 目前业务已覆盖 30 多个主要行业, 已服务客户 2000 余家, 包含近百家 Fortune 500 公司及近千家上市公司。
技术上, 神策数据帮助客户结构化的行为数据, 日处理新增数据量超过 2500 亿条, 可匹敌大厂 C 端用户量级。从 2015 年成立至今, 神策数据在数据分析及营销策略方面积累大量方法论, 是行业标准定义者, 牵头制定企业数智化能力成熟度标准、A/B Testing 技术标准、营销自动化技术标准、CDP 技术标准、大数据用户行为数据分析技术标准、企业数据安全治理标准等 45 个营销科技相关专利, 也在不断思考如何将自身技术与 AI 相结合。
一、 AI 大模型革命浪潮与神策数据业务领域
神策数据接触 AI 及机器学习较早, 和 AI 结合最初的产品线是神策智能推荐。神策智能推荐专注于赋能业务增长, 以用户行为数据为基础, 采用深度学习等先进的机器学习算法, 帮助企业构建智能物品分发中心, 实现对用户「千人千面」的个性化推荐, 改善用户体验, 持续提升核心业务指标。然而由于定制化需求过高, 没有成为大规模、标准化的产品线。ChatGPT3.0 出现后, 神策数据团队在 AI 与数据分析的结合方面做了很多测试, 但效果仅能达到 Demo 环境下的水平, 无法支持真实环境。
ChatGPT4.0 的出现带来了新的可能性, 神策团队针对大模型在数据分析方向的能力再次测试, 发现效果得到大幅提升。在此基础上, 神策数据展开了更多探索, 也尝试了更多应用场景。在技术成熟度和商业价值的综合考量下, 将 AI 正式提升为核心战略。
二、 神策数据的理念升级
神策数据一直是一家理念先行的公司, 在过去九年间完成了经营理念从「重构数据根基」到「打造数据闭环」, 再到「AI + 编排客户旅程」的升级。
从互联网时代到数字化时代, 从流量红利到触点红利, 企业的经营需求也从「深度的用户行为分析」转变到「个性化、全渠道一致的客户体验」。客户旅程编排 (Customer Journey Orchestration, 客户全生命周期交互体验管理, 简称 CJO) 关注的正是客户全生命周期的体验管理。
客户旅程从客户体验出发, 关注客户需求、感受和满意度, 相比较业务流程从公司内部视角出发, 关注效率、成本控制和一致性, 更能匹配数字化时代企业在客户经营场景中的迫切需求。
为了帮助企业加速落地 CJO, 实现全渠道统一客户体验, 提升客户满意度与留存, 提升 LTV 和运营效率, 神策数据总结出 MTAOO 方法论, 包括绘制 (Map)、埋点 (Track)、分析 (Analyze)、编排 (Orchestrate)、优化 (Optimize) 五个阶段。在客户旅程编排的过程中会遇到很多困难, 比如如何梳理复杂流程、埋点及营销策略如何升级等。而神策数据当下要解决的, 就是如何使用 AI 来提升客户旅程编排的效率和效果, 让其更简单、门槛更低。
三、 神策数据客户旅程编排实践
以神策数据服务过的某国有大行为例, 该行董事会层面提出了「零售 + 科技」的战略, 核心发展目标为月活增长和 AUM 提升, 而在客户体验、业务流程、数据基础等方面相对薄弱。现有的粗放式数据分析和运营方式不再满足业务运营的需求, 因此, 亟需制定数据驱动的业务增长策略, 体系化、精细化地支持手机银行业务的持续发展。第一步, 搭建 CJO 运营引擎能力;第二步, 跑通基客客户旅程经营闭环;第三步, 接入特色客群客户旅程。总而言之, 需要基于数据反馈不断的进行提升与迭代, 让整个客户旅程变得越来越好。
在以上客户旅程编排过程中, 神策数据一直持续对其进行调优。在如此繁重的工作量前, 并不是每家企业都能像国有大行一样投入大规模的人力。神策数据在过往对 2000+ 家客户服务过程中, 积累了丰富的实践经验, 总结出方法论。这也促使我们思考, 如何以 AI 的方式, 将所有环节转化的更高效、门槛更低。
四、 神策数据 + AI:认识性能边界
在将神策数据本身能力与 AI 结合过程中, 我们主要遇到三个问题:
1、 模型性能问题:也就是幻觉问题。神策数据是一家以数据分析为基础的公司, 数据相关场景都比较严肃, 需要考虑如何在产品设计中减少幻觉问题的影响。最终采取以大模型和 Function Call 能力相结合的方式, 来提高用户体验。
2、 模型成本问题:追求更高性能的大模型通常意味着更高的计算成本。这直接关联到金钱成本和响应速度。
3、 响应速度问题:在用户界面上, 可以通过设计加载动画、进度条等元素来提高用户对等待时间的容忍度, 从而在不牺牲响应速度的前提下, 优化用户体验。
面对这些问题, 首先是对使用场景做穷举, 以大量测试探索目前大模型的边界。之后将神策分析和策略设计的方法论及案例库融合进 MTAOO, 打造出三款神策数据 AI 产品:客户旅程 GPT、数据分析 Copilot 及用户运营 Copilot。
神策数据此前围绕客户旅程编排, 构建了三大引擎产品体系, 为客户提供更全面、更高效、更贴近业务的产品与服务。
客户数据引擎, 即客户数据平台 (CDP), 对应神策数界平台 (Sensors Data Horizon), 除了具备全域、实时、灵活圈选三大必备能力之外, 神策数界平台还拥有突出的高性能查询能力, 通过整合多源数据、关联全域 ID、扩展多实体的数据模型、构建客户分群和标签, 同时结合丰富的数据加工方式和数据输出能力, 为业务分析洞察、自动化营销等场景的全域客户经营提供数据基石
客户旅程分析引擎, 即神策分析 (Sensors Analytics), 除了具备全域、全链路、实时和灵活的四大核心能力之外, 神策客户旅程分析引擎面向多角色提供可视化的数据分析能力, 支撑企业从客户到经营, 从「人」到「场」的全视角旅程分析与决策。
客户旅程优化引擎, 即神策智能运营 (Sensors Focus), 作为客户旅程编排的 「发动机」, 囊括受众服务、用户旅程服务、内容决策服务、触达通道服务四大组件服务能力, 支撑营销过程中的营销受众圈选、触发时机选择、营销内容决策、触达渠道对接, 助力企业更高效地经营客户。客户旅程优化引擎集合实时、灵活配置、高并发、开放性四大必备能力为一体, 拥有聚焦核心能力、低接入成本、全链路可控三大竞争力。
神策数据三大引擎之间包含很多数据流联系, 并在 2023 实现引擎之间互相由 Open API 打通。在进行 AI 升级后, 由客户旅程 GPT 对应客户旅程优化引擎, 包含客户旅程设计及埋点环节;数据分析 Copiot 对应客户旅程分析引擎;用户运营 Copilot 与三大引擎都相关。
神策数据的三款 AI 产品, 正式借用了 Open API 的能力, 也提升了研发速度。
五、 神策数据 AI 产品矩阵介绍
1、 客户旅程 GPT(Jtracking AI)
客户旅程 GPT 主要功能即为 CJO 提效。以实际操作为例, 用户可以将产品截图、访谈纪要、功能描述甚至 Web 网址进行输入, 客户旅程 GPT 后台会使用后台爬虫进行数据抓取, 通过大模型生成客户旅程, 提取核心指标, 进而生成埋点事件。埋点事件生成后, 还可以 AI 自动生成埋点代码, 并自动直接插入到各种开发框架中, 高效地实现用户行为数据的跟踪与记录, 减少跨部门的沟通, 并自动完成埋点校验。
这里最重要的是神策数据的方法论及案例知识库。神策数据通过 RAG 的方法, 以过往几千家客户实践下来的模板库及知识库来支撑其运行。在实践中, 通过多轮自然语言对话, 可使客户旅程 GPT 最终生成的客户旅程及埋点文档达到资深分析师水准, 实现真正可用、效率倍增。
客户旅程 GPT 在实践中, 可通过多轮自然语言对话, 使最终生成的客户旅程及埋点文档达到资深分析师水准, 实现真正可用、效率倍增。
效率提升 5 倍:简化流程, 减少内部沟通复杂性
最佳实践赋能:融合神策数据最佳实践, 确保一体化生成与执行的一致性, 一步做到位
易于拓展维护:支持随时自主增加埋点, 灵活应对需求变化, 同时保持系统的易维护性
客户旅程 GPT 是融合了神策数据 2000+ 客户的旅程、指标、埋点的最佳实践。
2、 数据分析 Copilot
在当今数字化时代, 将用户的自然语言问题转换为 SQL 查询 (NLP to SQL) 对于降低访问关系数据库的门槛具有重要意义, 但在实际测试中很难达到真正投入使用的状态。这相当于使用大模型去做「填空题」, 会导致开放度过高的问题。
数据分析 Copilot 可直接对接神策分析界面, 相当于进行降维处理, 通过自然语言查询, 直接将事件分析模型跳转过去, 从」填空题「变为」选择题「, 让数据分析 Copilot 产生的数据分析结果可理解、可信任、可调整。
数据分析 Copilot 也是智能洞察业务数据的数据解读助手。很多客户会要求神策数据资深分析师做每周的数据分析报告, 甚至要求高于这个频次。而数据分析 Copilot 以神策数据方法论融合 AI 大模型能力, 以神策数据最佳实践和案例作支撑, 通过自然语言交互完成高效的数据解读, 实现行业最佳实践支持, 并具备多行业适用性。
3、 用户运营 Copilot
神策数据在用户运营与 AI 大模型结合方面也走在技术探索前沿。目前 AI 产业中 AIGC 的发展最为聚焦, 也取得较多突破。大模型与传统机器学习如果能相结合, 会对技术推动产生更好的影响。
用户运营即是策略设计的核心环节, 过程包含任务启动、目标选择、需求分析、人群圈选、方案策划、详细实施、效果评估、持续优化等。过程中环节众多, 有很多环节可以使用 AI 进行提效。神策数据用户运营 Copilot 目前在大部分环节已进行到 Demo 阶段, 也请各位持续关注近期动向。
神策数据目前也在找寻产品的试用客户, 欢迎合作伙伴前来交流。近期神策数据公众号会正式发布客户旅程 GPT 的详细产品介绍及视频, 敬请期待。
领取最新网赚项目，免费带项目 添加 微信：sjzqb999 备注：项目！
