未來·智能·決策——2018品友互動人工智能大會·北京

時間：2018年6月6日下午 地點：北京富力萬麗酒店三層

主持人：尊敬的各位來賓、女士們、先生們，歡迎大家蒞臨未來·智能·決策——2018品友互動人工智能大會·北京站會議現場，我僅代表主辦方品友互動對各位的蒞臨表示熱烈的歡迎和由衷的感謝。人工智能毫無疑問已經成為這個時代的主旋律，作為一名普通的消費者我們已經深切感受到人工智能對我們生活的影響，甚至可能包括對我們寵物生活的影響，因為今天在會議現場也有全球最大的人類零食和寵物零食企業的AI專家。那么在人工智能的大潮之下，全球的經濟、企業的商業決策又會帶來怎樣新的變化？下面我們首先請出第十三屆全國政協常委、央行前政策、貨幣政策委員會委員、清華大學中國和世界經濟研究中心主任李稻葵教授，他的主題演講是人工智能商業決策的萬億市場，有請李教授。

李稻葵：非常感謝謝總，今天是一個非常有意思的聚會，平時在酒店里的聚會談的比較多的是理財，金融談的比較多。今天我們談高科技，談人工智能。人工智能這個話題我個人認為現在流行的觀點是錯的，為什么錯了？流行的觀點有兩個主題都是有問題的，第一個主題大家認為人工智能很快就要改變我們的生活，不久的將來我們可以不需要人工駕駛汽車可以自動駕駛，我們可以不學車了，我們很多人認為不久的將來我們可以不買車了，滿大街的就像共享單車一樣，我們有汽車可以來隨時通過手機呼喚。很多人還認為不久的將來也許不需要上網去社交，也許出來了人工智能的男女朋友，我認為這是大錯特錯。我個人的觀點是，我們離那個時代差的很遠很遠，智能汽車、自動駕駛的汽車我相信還會有相當長的時間才會來到我們的身邊，我個人估計至少十年。但是輔助駕駛已經來到我們的身邊了，比如說幫助我們最基本的這種追尾簡單的錯誤能夠幫助我們解決，這是第一個錯誤，就是大家對人工智能改變我們消費者生活的預期太高了。因為實際上你想一想，現實生活中我們的生活決策實際上是非常復雜的，有很多的應用場景，也有很多很多復雜的一些參數，一些意向不到的情形，問題非常大。

所以你們知道看新聞，比如說最近碰到這種笑話，比如說一個月前，在重慶召開了一個百度跟力帆汽車要搞一個新的自動租車的平臺，結果在現場要搞直播，說汽車可以通過手機能夠把汽車點回來，當著老板的面那個汽車過不來了，老板等也等不來，就是力帆的那個老板，最后走了，一邊走一邊搖頭，說這個東西不成熟，結果被記者抓住了，還鬧了一番口水戰。

再比如說去年的博鰲論壇，論壇上有一個論壇討論環節是有好勝者搞了一個所謂的機器人的主持人來主持，結果關鍵時刻它該講話不講話，該出聲沒出聲，結果主旨演講講了一半它出聲音了，鬧出了笑話。所以這個，我認為是第一個錯誤，大家對人工智能改變我們生活、改變消費者生活的預期太高。

第二個錯誤，大家對人工智能所帶來的短期的很多在消費領域的產品的創新的期望過高，因此投資過多。坦率地講，有相當的泡沫在里面?，F在只要你說人工智能，有大量的資金都會涌向你的產業，所以人工智能成了一個像當年互聯網一樣，一個吸引投資者圈錢的金字招牌，我相信這里面大量的投資會打水漂。這個錯誤跟第一個錯誤是完全相關的，因為大量投資者坦率地講并不是經驗豐富的，也就是大學畢業不到五年，也許MBA剛剛畢業，拿了很多人的資金，這個世界資金并不短缺，在尋找投資機會，資金擱在手里投不出去，所以顯得投資經理是無能的。所以此時此刻這是人工智能的第二個泡沫。

但是有兩個在我看來，已經改變我們世界和經濟的兩個重大的環節，我們現在低估了。那兩個是高估了，投資者和人工智能改變消費的預期是高估了，但是有兩個領域遠遠被低估了。第一個領域，在生產側人工智能已經改變了我們的生產方式，上個星期我剛從重慶回來，重慶有一個一年前投資的，半年前剛剛投產的生產大屏幕的工廠，大屏幕是我們中國跟芯片相反的產業，大屏幕這個產業我們中國是老大，全世界生產量最大的在我們中國，如果中國大屏幕不生產美國人肯定打貿易戰他會緊張。如果我們的大屏幕不進入美國，美國的消費者看不上電視。這個工廠我們去看了，基本上實現了無人化，一塊玻璃進去在整個大車間里面要轉28天，十來個工序，28天出來以后就是一個大屏幕供你切割，然后機器根據你的需要進行切割和檢測，這就是人工智能，廣義的人工智能已經改變我們世界的地方。

在生產側，我們的技術已經被人工智能所改變，這個工廠可以不開燈，我們參觀把燈打開一下，平時完全是黑燈瞎火的，大屏幕在里面轉28天出來了。這樣的工廠我相信在不久的將來，在我們經濟領域會一個接著一個的出現，很多標準化、重復型的工作已經被機器人所代替，已經被人工智能各種各樣的軟件所代替，它的生產效率、質量控制水平遠遠比我們人工操作要好的多。

所以具體說來，講一個具體的例子。機床這個產業，機床這個產業曾經是一個大的產業，現在基本上我看逐步都會不存在了。為什么？因為機床以前是靠人工操作和編程去操作，現在都被整個流水線所取代了，所以這是我們遠遠被低估的一個產業。多大呢？咱們做一個測算，我們中國經濟82萬億的GDP，制造業大概占到38%，大數40%吧，40%是制造業。4×8=32，32萬億人民幣的產業正在被我們的人工智能所改變，而這個進程已經早就開始了不止10年了，金融危機前就已經開始了。10年前我參觀了一個廣西的卷煙廠，10年前這個工廠已經完全實現了自動化，煙草進去那邊就出來了卷煙，當時我就問卷煙廠的經理，我說你為什么不雇工人，廣西的工人工資很低。他說你不知道，卷煙這個行業是政府管理非常嚴格的，一根煙都不能多和少，如果有人進去容易出亂。卷煙在流水線上生產，卷完煙之后打包，然后封包，全是機器人，所以這個產業32萬億的大產業正在被人工智能所改變，而大家現在意識的還不夠到位，遠遠不到位，很多生產高精尖機床的老總們還在抱怨，說市場經濟不好、政府政策不到位，我跟他們講對不起你對形勢判斷錯誤了，以后不是靠你們了，以后是靠流水線這種大規模設備取代了一個一個車床。

第二個領域，今天我想特別強調的，大家遠遠低估的是商業決策領域。商業決策領域人工智能也在改變我們的一切，正在改變。這個產業多大？這個產業是跟消費者密切相關的，就是生產出來的產品是面對消費者市場的，從前是產品生產出來之后，我再決定到哪里投放廣告、投放宣傳資料，我根據什么樣的人群、通過什么渠道遞送廣告，那是比較傳統的模式?，F在不一樣，現在在生產之前就開始通過大數據，就開始通過各種各樣的人工智能的渠道去分析什么樣的消費者需要什么樣的產品。比如說中午我們談到了瑪氏（音）集團，這是一個生產口香糖、巧克力的美國家族企業，很多人對這個企業可能還不夠了解，因為它沒有上市，家族已經一百多個成員了，在北京有它的分廠，就在北京郊區，還有一個食品安全研究中心，瑪氏現在也開始用大數據了，做寵物的食品，根據寵物的圖像，根據每個用戶傳遞瑪氏公司營銷部門的寵物圖像，來分析你這個寵物大概需要什么樣的食品。這個例子非常簡單，但是你想想看類似的決策正在改變我們的整個商業活動。我們跟消費者相關的零售行業大概多少？占了GDP48%，粗數50%。82萬億的GDP，40萬億粗數都是跟消費者、零售有關的。這每一個企業，背后都需要用人工智能、大數據的方法來精準定位你的產品，來精準定位你的去向。

再舉一個例子，共享單車都很熟悉吧？共享單車現在多少輛？大概大數3000萬輛，這些存量在各個城市里面。共享單車3000萬輛是怎么一個數字？我們一年的自行車產量也就是8000萬輛，其中5000萬輛出口，大數3000萬輛在國內銷售。所以我們一年自行車的銷量也不過相當于共享單車的存量，共享單車每年要投放600萬輛，這是一個產業對吧？這個產業里面有什么學問可以做？大有學問，比如共享單車每次我們刷車的時候，我們的數據，在哪里刷的車，騎到什么地方，我們喜歡什么樣的車進到了系統。所以共享單車以后未來最大的資產可能不是那3000萬輛單車，也不是那個現金流，而是它的數據。它嚴格地、大量地控制了我們生活的方式，所以共享單車這個行業完全可以通過人工智能的辦法來分析我們的生活方式，知道我們每個人大概早晨什么時候出門，大概晚上什么時候下班，大概在哪個地方取單車，附近有什么樣的商場、餐館，更不用說根據我們的騎行習慣給我們推薦，分析我們周末可能騎什么樣的自行車，做健身運動型的自行車。所以這個行業也是一個非常值得我們關注的非常重要的行業，也是代表著我們的人工智能改變了整個行業決策的行業。所以50萬億跟消費者緊密相關的零售的行業，其中如果至少有10%的行業可以被大數據改變，那就是5萬億的行業。

所以我最后想呼吁大家，在座各位都是各個企業的決策者，咱們都不是一般的百姓，不是一般的消費者，我們有學習能力。人工智能時代我們必須比機器學的還快，我們人類、我們商業決策者要趕上人工智能這個時代前進的步伐，我們必須要學習，所以我呼吁大家要自己問一問自己的產業，我這個產業是否正在被人工智能、大數據所改變，我這個時代在哪些方面可以用更多的數據進行更精準的分析，從我的產品設計到我的目標人群，到我的營銷手段，到我最后的售后服務等等，能夠加以改進。我這個行業雖然我沒在，我這個企業沒有變，但是我的競爭對手們在怎么改變？所以在此，我特別想呼吁請大家作為企業的決策者一定一定要繞過人工智能的迷霧區。我剛剛最開始講人工智能改變生活了，人工智能可以代替我們以后找男女朋友了，把老百姓的這種迷霧要剝離開來，也要繞開人工智能所產生的可能的投資泡沫。我們真正的要抓核心，核心就是人工智能在改變我們的商業決策，人工智能在改變我們整個行業的模式。要從這個角度領先市場半步，領先同行半步，你才能夠真正做到轉型，才能夠真正地變被動為主動，而不像剛剛我說的，生產那個計算機機床的那些老總們在抱怨，我上個星期去重慶有人在跟我抱怨這個事，我聽了以后覺得恐怕這些經理沒有抓住未來發展的趨勢。所以在此，我也特別預祝大家能夠從今天以及未來的各種各樣的跟人工智能相關的商業決策的各種活動中，能夠汲取最重要的信息，能夠認識你最需要認識的這些技術人員，能夠讓你這個企業開闊眼界，能夠讓你的商業模式上一個臺階。謝謝各位！

主持人：謝謝李稻葵教授的精彩演講，在這個演講里面給我們描繪了一個AI影響我們生活的圖景。就是對于我們的普通生活來講，未來還叫未來，或者沒有大家想象的這么快。當然這個時間李教授給了一個跨度是10年，我覺得10年還不是很遙遠，對于我們生活的影響是在不久的將來。但是AI對于我們商業決策的影響未來已來，就是現在是所有的人都已經低估了AI對我們商業決策的影響，它已經在實實在在發生了，如果還沒有發生我們都要回過頭來趕緊去研究，開始嘗試、開始做起來。

那么接下來我們這個演講就是以品友互動在過去10年的積累，我們都是說人工智能怎么驅動商業決策的，所以接下來我們有請品友互動創始人兼CEO黃曉南女士給我們作賦能AI商業決策的精彩演講。

黃曉南：我也再次代表品友互動歡迎今天來參加我們這次峰會的所有嘉賓和朋友們。我覺得剛才李教授也說了，教授一上臺馬上我在下面聽的心態就迅速轉變成學生心態，剛才教授說了一句話，希望所有的企業都能在這個AI的時代里面，能夠有辦法去領先競爭對手半步。我也希望今天來參加我們這個活動的所有企業的決策者，能夠比今天沒有機會來參加我們這個峰會的決策者，從今天開始已經領先了半步。

今天我講這個主題其實就回答兩個問題，第一個是人工智能時代商業決策是什么關系？第二就是我也請大家一起跟我見證品友這家公司我們在人工智能的這樣一個時代里面，我們整個企業和我們產品的戰略升級。

首先先說一個2018年我自己讀過這么多書里面我最喜歡的一句話，我覺得也是給所有在座的企業管理者一個分享。就是我個人認為，AI其實沒有什么了不起的，機器人也沒什么了不起的，但是不會用機器人是不能接受的。也就是說今天我不認為我們今天所謂的AI年代會使得人和機器、人和系統去進行競爭，而這個競爭其實是存在于不接受AI、不擁抱AI、不擁抱智能系統的管理者和能夠去充分地擁抱AI、充分地利用大數據、充分地利用技術來支撐自己決策的管理者之間的競爭。

其實這是一個哈佛商業評論做的調研，大家可以看到在全世界范圍來看，企業管理者已經意識到了這一個趨勢。第一個叫做數字能力，大家可以看到數字技術能力、數據分析能力，已經變成了企業管理中認為最重要的前三名的兩個，這可能跟過去很多大家普世（音）的一個企業的市場人員和CMO所具備的能力是不一樣的?？陀^的來說，雖然AI隨著AlphaGo的出現，變成了大家耳熟能詳的一個詞，但事實我相信很多人對于什么是AI，對于AI能做什么，其實還是霧里看花的。

所以我們也基于品友在這個領域里面這么多年的實踐，我們也分享一下我們對于AI這個領域的一個定義，我們認為AI有三個基本要素。第一個海量數據，沒有數據沒有AI。所以今天如果有哪家公司說我是2018年成立的，我就是一個很牛的AI公司，我認為這是很難成立的。所有的AI和大數據是不可分割的。第二件事情是算法，用更通俗的語言大家可能說我是機器學習的算法，隨著AlphaGo的出現，大家聽的比較多的是神經元的算法，其實這些都不算法，算法在我們的定義里其實就是解決問題的一系列過程，只不過它是用計算機來解決這個問題。第三件事情，我們和傳統的，今天在座的也有很多AI專家，如果一個傳統的AI專家會說第三個叫做云計算，我們這里不說云計算了，因為它在今天已經不是什么難能可貴的事情了。我們認為往往大家忽略的一個人工智能所存在的前提之一是決策，為什么說決策很重要？舉個簡單的例子，大家都知道AlphaGo，可能這個市場里面有90%的人聽說過人工智能，都是因為AlphaGo下棋下贏了。但大家要知道如果AlphaGo沒有做下棋這個決策，只是把棋盤能夠背下來或者都能夠展現出來，沒有人會為之歡呼，也不會引發這么多人對于人工智能的熱情和推崇。而恰恰是因為機器今天做了決策，而每一步圍棋有超過200個可能性，每下一步圍棋，AlphaGo這個機器都要在200中做一個選擇，而且它戰勝了人類，我想這才是人工智能變成被人類所歡呼、期待、擁抱的前提。過去的很多時間里面，如果大家看人工智能的主要應用場景幾乎都跟數字營銷、金融這幾個領域是密不可分的。

因為今天我們沒有特別多的技術方面的分享，所以我也簡單講一下我們對于人工智能在我們所在的領域里面，在商業決策里面，最重要的兩個領域。一個是感知，一個是認知。感知很簡單，就是機器怎么來替代耳朵、眼睛、鼻子的功能，比如圖象識別，在過去幾年里面取得了巨大的成功，錯誤率幾乎降到了百分之三點幾。而認知是機器學習里面一個比較高級的，因為認知就是代表了腦子，而在認知里面，在品友的實踐里面我們其實比較局限，因為我們不可能做那么多基礎的研究，所以如果將來大家跟品友有任何合作，你聽到最多的一個能力我們叫做預測能力，我們能夠利用歷史的數據來預測未來。換句話來說，我們放在一個商業場景里面，就是今天我們賦予每一個企業決策者，我們能夠告訴你，假如你做了這個決定會是什么結果。我相信今天所有的CEO、CMO、市場部花錢的任何人，都會覺得自己的生活從此變的非常美好。其實這個事情不復雜，天氣預報就是最好的例子，當然有些地方像我來自于湖南長沙，我們小時候經常說不叫天氣預報，叫天氣亂報，這也顯示了人工智能的另外一個反面。我覺得其實預測能力是我們解決商業決策的重要因素。

那有些人說了，說品友不是做DSP的嗎？你們不是做程序化管道的嗎？怎么突然說到人工智能、商業決策。大家看一下這張圖，這張圖其實是麥肯錫關于人工智能的報告，對于整個人工智能產業在企業決策中的不同領域所可能產生的商業價值，市場營銷是企業決策里面最重要的一個環節。如果擁有了人工智能方面的能力，這個單位是萬億美元，也就是說利用了人工智能的能力，基本上能產生最高到6萬億美金的潛力。但是市場營銷不是唯一的，比如我們跟海爾的人在聊，在物流方面有沒有可能利用大數據做決策。我昨天跟一個做智能交通的公司交流，他們其實幫很多政府都建立的所謂的傳感器，能夠收集所有交通中的數據，但是他們沒有利用這個數據來做決策。但是這個背后的決策，涉及的金額在政府都是上千億的，因為在所有的政府花費里面跟交通相關的是最主要的地方。包括我們在去年其實在跟一些金融企業合作的時候，我們直接跟金融企業合作大數據和建模，來解決金融里的征信問題，來解決金融里的反欺詐問題。所以今天品友并不是說我們不做DSP了，而是在過去這么多年，品友因為在數字營銷里從事人工智能、機器學習這么多年我們進行了大量的商業決策的實踐，我們擁有了這樣的底層的能力，擁有了底層的數據，我們能夠把這些能力去擴大在更大的商業決策范圍之內。所以從今天開始大家可以忘掉品友是一家DSP公司，我們會繼續在程序化、數字營銷里的工作，但如果任何企業有困擾你們的商業決策問題，同時你也認為這個問題能夠通過你們的數據結合第三方的數據、結合算法能夠產生出來輔助于你們做決策的這樣一個可能性，那你們可以找品友，我相信這也會讓各位的企業比其他的企業領先更多，不是半步。

所以在這個背景之下，我們也把整個品友的戰略做了全面的升級，這個升級其實是我們在4月份也在上海，跟我們很多的客戶會有分享。簡單來說我們會在智慧營銷、會在金融、會在政務等等這些領域，我們可能也會在新零售等等新的一些領域里面，我們會去找到我們認為能夠用數據和技術、算法發揮作用的決策場景。而基于這個底層是品友的云計算平臺，和我們打造了兩個核心武器，一個是品友自己的數據云，這個數據云我們背后也會引入更多第三方的合作伙伴，來幫助廣告主、企業更好地利用第三方數據，去了解用戶、洞察市場、做出決策，今天接下來我們也會有相關的發布，同時我們有一個叫福爾摩斯的AI引擎，這個AI引擎就是我們不斷地在模式識別、利用數據推出算法，不斷地和我們今天請來的一些研究院、學院的專家一起來引入最先進的AI底層技術來解決實際的問題。所以這個戰略下，我希望通過今天這么多的朋友們一起來見證品友能夠基于我們將近10年的積累，在我們接下來5年的戰略規劃里面，能夠成為所有的企業去擁抱AI、去進行大數據決策的一個重要合作伙伴。

這是我們在營銷決策里面一個具體的產品，大家可以看到其實我們已經不是在投放端去解決廣告的智能問題，我們從策略端和從內容端，都會給我們的客戶提供全套的產品，而這套產品也是現在中國唯一落地的一個智能營銷完整的體系。當然所有的產品，所有今天CEO站在臺上說的話，其實背后都是無數的兄弟姐妹的心血，這里面我剛才講的所有一切，其實根本的基礎是我們的技術。所以這也是品友在今年開始實踐的一個叫DISC的技術戰略，我在這里也請大家一起跟我看一個小的1分鐘的視頻，來理解我們提出來的以圍繞數據、算法、決策和區塊鏈的，我們在技術上的一些準備和戰略。

（播放視頻）

所以今天如果有任何企業有任何痛點的問題，剛才大家所看到的技術都是我們在過去兩三年時間里面和很多客戶實際落地的一些成果，所以我相信這些成果也一定能幫助到在座的很多企業去在各自的領域里面解決自己所關心的問題。在最后回到剛才李教授開始講的第一個話題，就是大家對于人工智能的認知。最近也有很多文章在講到底人工智能路向何方，因為隨著這個概念的炒作，其實很多人已經把人工智能神化了，覺得人工智能是無所不能的，人工智能是一個人不用參與、干預就能夠直接得結論的。在我們的實踐和認知中，我們發現其實任何一個企業在擁抱人工智能的時候，其實它需要的是一個智能的系統，但這套系統和人其實只能是一個輔助作用，也就是說最后的決策，對于問題的定義，最后評估的標準，這幾個重要的事情，都是要靠人來決定的。甚至這個系統給它什么樣的數據，這件事情也是由人來控制的，那機器解決什么問題？機器解決兩個問題，第一個，機器可以解決規?；膯栴}，機器讀30萬個圖片一天內是不會累的，人就死了。同時機器也是可以進行復雜運算的，人腦是沒有辦法去做復雜運算的。所以我想相信今天對品友來說，我們的戰略是人工智能的技術和系統去賦能商業決策，這句話比較準確描繪了我們對于人和機器的比較準確的定義，所以今天我希望是在座各位開啟自己做企業決策人工智能的一個重要的里程碑，我也期待在接下來的更多時間內能夠聽到和大家一起去解決更多商業決策的問題，謝謝大家！

主持人：謝謝黃曉南的精彩分享。這整個思考和實踐的商業決策，人工智能在商業決策領域思考和實踐的推動，而不僅僅是品友互動一家，在科研領域是產學研各方面一起推動的，接下來從點到面進入一個圓桌環節，我們有請這個環節的討論嘉賓，凡普金科創始合伙人兼CEO董褀先生、商湯科技副總裁柳鋼先生、微軟蘇州副院長童先明先生、香港科技大學教授姚遠先生，下面有請我們的主持人品友互動創始人兼CEO黃曉南女士。

黃曉南：大家一看就知道誰是搞AI，誰是說AI的，姚教授剛剛從美國回到香港，昨天晚上剛剛飛過來，真正的技術大牛都是這樣的風格，大家記住了。我想還是首先請各位嘉賓1分鐘內簡單介紹一下自己的背景，然后是你的工作跟AI的關系。

董褀：大家好，今天很榮幸能夠參加品友互動的論壇，我來自于凡普金科，凡普金科是一家金融科技公司，下面有很多入門級的金融產品，比如說愛錢進。我們這家公司主要解決的問題是幫助那些被傳統金融機構覆蓋不夠充分的一些年輕人，我們向他們提供入門級的產品，信貸產品、理財產品、消費金融、理財規劃等等，這背后的主要驅動力其實也是數據和科技，不然我們沒有辦法讓這樣的業務科持續，我們恰巧也是品友的客戶。

柳鋼：大家好，我來自商湯科技，負責商湯科技業務發展和技術的商業化落地。商湯科技在人工智能這樣一個大的領域是專注在計算機視覺的創業企業，從2014年創業以來，到今年剛好三年多一點的時間，很幸運趕上時代的浪潮。所以在這個月我們完成了公司的C+輪融資，很榮幸被國內外媒體譽為最具價值的人工智能創業企業。非常期待看到其他嘉賓的分享，看看如何把人工智能這么一個科技應用到商業智能這么一個大的領域里面。

童先明：我叫童先明，來自于微軟，我介紹一下我自己和我們團隊做的一些事情。我們現在主要在實施一個人工智能的戰略，主要是想把微軟的很多人工智能在這方面的積累和研究，能夠在中國落地，能夠助力中國的企業。我們企業的口號是怎么樣助力每一個企業在商業上成功，所以這是我們從去年年底開始一個非常大的戰略。我自己也實地了解了很多中國當地企業的需求，然后怎么樣來幫助他們，怎么樣轉型或者是賦能，在人工智能方面提高他們的效率，降低他們的成本，提高競爭性。我們團隊總的來說是比較關注于自然語言處理方面，這是人工智能兩大領域之一，目前還有很多空間去深入探討和研究，落地各個場景，大概就是這樣的情況。

姚遠：不好意思，我的穿著明顯和大家有區別，因為我上個星期還在舊金山灣，回到香港沒有幾天。我的穿著在其他地方都算是正常的，但是我發現在北京是穿的最邋遢的，尤其是在這樣一個會議上。我主要是從事教育和科研技術方面的，在香港科技大學，我跟黃曉南認識差不多有十年，當年在北大任教的時候，我們在北大一個校友機會，通過她的一個同學認識的，之后品友的有一些老人我們都認識。大家從最初的廣告開始合作做到GC回歸，那時候組織了一個算法大賽，其中有一些同學，尤其是我當時的同學非常受益于算法大賽，后來被百度和騰訊高薪聘請去了。因為我是從事教育這個行業的，未來我的學生還有我面對的同事，我應該怎么樣在這樣一個迅速變化的人工智能時代去告訴大家，跟上這個時代，沒有被人工智能虛假的信息錯誤地帶走，這是我們最重要的問題，如何讓大家具有這樣一種能力，而不至于在5年之后假如人工智能真正出現了，我們學生應該在腦海中掌握什么樣的知識技能，在這樣一個潮流中仍然保持不敗的地位，這是我最主要的，也是跟工業密切相關的。

黃曉南：姚教授也是在中國最早，我記得2011年就開始研究一些比較深度的機器學習方法，像當時他給我們公司帶來的貝而斯（音）模型，在行業里當時是比較領先的，確實讓我們在廣告領域幾乎提升了3倍的效果。在座也是市值過千億了，我看加起來，不算微軟。我想先問一下，從你們各自的角度來看，能不能簡單預測一下人工智能在接下來三年最主要的趨勢嗎？大家可以講一到兩個趨勢。

董褀：我拋磚引玉，因為我們所處的行業是一個重度的大數據、人工智能的使用方，很難想象如果沒有大數據、人工智能在我們整個業務里面應用，我們能夠將這一盤業務持續下去。關于未來整個人工智能的方向來講，我們從一個使用方的角度來講，我們會認為人工智能整個接入人工智能這樣一個能力的門檻我覺得會降低，大家可能會知道今天每個人都覺得人工智能應該是會優化的一個業務，但不是所有公司都在用人工智能，是因為人工智能在今天大家覺得要接進去，讓你的公司要具備人工智能能力，以及把它應用到業務里面，還有一定門檻。就像剛才演講中講到的，你有海量的數據，有很強的運算能力，還需要把它融合到你的整個業務里面。我想未來三年，可能你都不一定自己要具備海量、全面、能夠支撐你自己業務的數據，你會有大量的合作伙伴，以及一些專業的數據公司，能夠提供這些數據。同時在整個算力方面，你也不需要像今天一樣有很多基礎架構，有更多的云計算，這些方便、安全、穩定的能力可以接入，最方便的可以把人工智能接入，所以我覺得可能接入的門檻就會降低，我覺得未來小學生可能一個設備里面就能接入人工智能的能力。第二個我認為一個趨勢，人工智能未來可能不是一個選擇，而是一個必須。無論你在什么樣的競爭戰場，藝術我不敢判斷，如果你在任何生意里面、商業活動里面，我覺得擁有人工智能的能力這是一個必選項，不然我覺得你沒有可能生存也沒有可能和你的競爭者競爭，非常粗淺的見解。

柳鋼：我們是一家做計算機視覺的企業，視覺應該說是整個人工智能里面比較大的一個領域，因為今天我們講了很多人工智能，其實人工智能不存在一個行業，如果我們對人工智能進行區分，我們會感覺可能對這個領域的理解會有困難。好比我們一直在講人工智能，什么叫人工智能，到底人工智能包括什么。所以商湯是專注在視覺領域，視覺會有很多，跟人相關、物體相關、場景相關、事件相關的。我們有一個感覺是什么？我覺得首先是在特定領域會快速突破，這是一個趨勢。什么意思？我們會短時間內用一個所謂的真實的機器人或者是虛擬機器人去代替人這樣一個情況出現，可能性可能不大。但是在特定領域，比如說今天我們在場大概有400、500人，你給我任何一個人的一張大頭照，你說你把它挑出來，很難，但是這樣一個特定的人，對于機器來講太容易了。比如說我們最高可以在3億個圖庫里面，可以在毫秒級的時間里，你給它任何一個大頭照，它可以推薦10個。所以特定領域快速突破，在有特定場景的情境里面，人工智能不管是視覺、語音、機器人動力學甚至是認知與推理都會快速突破，這是我很明顯感覺到的一個趨勢。

這個趨勢也有一個力證，在圖像視覺領域有一個很權威的比賽，這是一個叫物體檢測大賽。在去年就停辦了，為什么停辦了？大約是一個千萬級的圖庫，從2012年深度學習的技術進去之后，準確率有快速的提升，2013年、2014、2015年、2016年，商湯很幸運，2015年、2016年都有很好的戰果和成績，最后一屆比賽里面五項比賽我們拿了冠軍。去年這個比賽就停辦了，因為再比就沒有意義了，因為機器已經做的很準了，遠超人類的準確率了。這說明在特定場景里面，機器智能的突破會急劇地增快，那特定領域在我們的商業環境里面、工業環境里面、生產環境里面是廣泛存在的，那它需要一個很好的角度去定義它，去定義出一個特定領域，那么在這個特定領域里面人工智能將會發揮很大的作用，這是我看到的趨勢。

童先明：我想講一下從企業采用人工智能這個進程的角度來聊聊這個問題，因為我自己過去半年看了一些企業、做了一些項目?，F在我的感覺是市場上大家對人工智能的效果還是處于將信將疑，也有可能不完全是企業的原因，也有可能是一些從業者本身的原因可能做的不夠好。但是在今后三年我覺得會有什么樣的變化？從一個將信將疑會變成一個非常確信的過程，這怎么說？現在一個企業如果要開始一個人工智能的項目，整個流程是比較長的，比如他要選一個供應商，讓供應商幫他做一個POC，通過這個POC來選擇誰做的更好一點。這個過程隱含了兩個問題，第一個整個流程會非常長，第二個問題有大量的浪費。因為你想想看，你選了六個供應商，你最后只選一個，但是同樣的項目人家做了六遍。所以這是目前為止一方面我們非常缺乏人工智能這方面的能力，或者有這種能力的企業幫你做這種項目。另外一方面，我們又在不斷地、無謂的去浪費這些資源。在今后三年，因為通過不斷的這些場景和專門的算法，它不斷地被驗證、被實踐、被看到效果，所以這個過程我會覺得是大大縮短的，這是一個方面。

另外一個方面，要求做POC的過程可能也會越來越少，因為這已經是被市場證明了，為什么還要做POC，我只要對你這個企業有一定的信任，最后做的不好你還有一個檢測和驗收的過程。所以我覺得今后三年這方面會大大縮短，會釋放企業來使用和利用人工智能改善他們的效率、降低他們的成本、增強他們的競爭力，這方面我是比較確定的。

黃曉南：從學術界看到的趨勢有什么？

姚遠：深度學習可能在人工智能在2012年突然間獲得崛起最大的一個推動力，但是我們今天面對學生，我們怎么樣讓學生適應未來的深度學習發展？顯然2012年—2016年我們還是可以通過深度學習刷刷文章，就可以獲得很好的地位，發表很好的文章，拿到很好的工作，但是在未來三年我覺得這個事情會越來越難，隨著深度學習往更廣泛的地方應用，對于特定領域的提升已經沒有那么大空間了。為什么深度學習這樣一個工具很有用，在你的應用中起到了你想要的效果，如果你碰到了不想要的效果，你怎么樣去改進它、修正它，所以這樣一個深度的理解，我覺得是未來三年可能會越來越變的比較簡單，而不是簡單刷刷性能，這在學術上我們覺得是非常重要的需求，所以我們跟斯坦福去年開了這樣一個課，我們今年春天也開了一個深度學習的課，代表了一種學界的迫切需求。

另外我想簡單說說，整個AI這個領域其實是非常廣泛的，從優化、統計到計算機科學，大家不要把自己的興趣只集中到一些點上，比如說某些未來即將崛起的。實際上這個領域是非常廣泛的，對于未來應用最重要的能力是你如何面對應用問題，把它翻譯成優化問題，像我們講的商業決策，當你有你的決策，當你有外界環境的狀態，大家都因為AlphaGo贏了之后，都在問為什么AlphaGo做的這么好，能不能讓AlphaGo幫我們做事情。你做的問題能不能給它翻譯成決策過程，如果你能翻譯成決策過程，形成這樣一個問題的能力，后面的解決方案就自然出來了，所以從應用問題翻譯成你所熟悉的機器學習的解決方案問題的能力是最重要的，也是我們覺得在面對未來改變的時候學生最需要掌握的。

黃曉南：品友我們每天在實驗這些事情，我們的客戶其實提出了一個商業問題，但是我們的算法工程師或者產品經理本身做的工作就是把這個問題轉化為一個能夠被算法、機器去解決的問題。而這件事情我這么說大家可能覺得很容易去理解，但其實這種人才今天在市場里面幾乎應該說是少之又少，所以我覺得姚教授要不斷給我們貢獻這樣的人才，能夠把這個問題翻譯成決策過程，這是很重要的。下面我想問一下童先明和董褀，你們剛才都說了企業在用人工智能，你們能不能給一個具體的例子，怎么用人工智能某一個領域的技術或者大數據，產生了一個真的是看得見、摸得著的一個效果，剛才童總也說了對于大部分企業來說將信將疑，今天你們能不能給一點板上釘釘的事實？

董褀：我們是應用界的，所以可能我們講的例子大家比較通俗易懂一點點。我們是做金融科技的，說實話我們規模還挺大的，差不多去年做了超過350億，今年可能會繼續翻番。我可以舉一個例子，我們整個業務特點是什么？大家知道其實銀行會比我們更大，比如華夏銀行，我們在去年因為監管的要求我們也接入到華夏銀行的存管理財，理論上來講我們每天成交的金額在華夏銀行看來應該不算是一個特別大的數量級，但是我們接進去之后立刻把它的整個核心股拖垮了，原因是我們特別小額分散，銀行可能一筆貸款是1000萬、500萬，我們可能會小到幾萬甚至更小。然后這里面我們還需要把這些標的更加高度分散，能夠給到不一樣的人群。所以因為這個數據量非常大，所以會導致即使像銀行整個規模很大的銀行，計算能力都不太夠。在這樣一個每天要處理這么大量的過程中，事實上我們并不擁有比全國大型股份制銀行更多的人手，我們事實上整個員工規模比一家銀行要少很多倍。那怎么處理這些問題，判斷跟客戶的情況，里面就要用到大量人工智能來替代人工的工作。這里面有一個點比較難做，做正?；ヂ摼W運營的時候，推出共享單車，做運營活動，去了解用戶的興趣，取得高度的轉化率。通常對這個事情有興趣的會做反饋，金融里面如果要做信貸，做運營活動最先有反饋的一定是騙子，那怎么樣能夠識別那些好的客戶和那些壞的客戶？在我們看來是核心能力。像商湯科技在這個過程中也幫了不少忙，把人臉放進去，我們識別一下這是什么樣的人。

在這個過程中的確我們建立了一套人工智能的體系，在我們內部有一個叫云圖的產品，能夠讓我們對用戶在幾毫秒的速度，對幾萬的維度進行建模，讓我們知道哪些是好客戶，哪些是壞客戶，為了不影響客戶體驗，要在非常短的時間內完成，這是事關我們生死，血淋淋的人工智能應用的場景。

再舉一個小例子，我們是用評分卡來識別用戶的信用等級，以前這些評分卡我們建模通常都需要差不多兩個月的時間，比如在華爾街基本上就是這個速度。從去年開始，去年上半年我們在內部做了一個叫水滴的機器人建模工具，它事實上能夠把第二段、第三段，就是剛剛說的建模和上線部署的工作，從原來數周的工作量節省到差不多只要24小時。所以現在我們整個模型的優化效率可能是數倍于我們競爭對手的，這就是另外一個關于人工智能怎么樣來優化我們的工作流程，讓我們的工作更有效率。

童先明：講的非常好，我也來分享幾個例子。也是一個互聯網的金融公司，最近我們在做一個項目。因為互聯網公司現在總的來說賺錢賺的很多都是貸款，以前都是一些小額貸款，這個做的很成功以后，他們想逐漸升級到額度相對比較高的貸款，這樣國家會有一些要求。比如說需要一些面對面的，必須說有錄像的見證，說這個人是來貸款的，有糾紛會有仲裁或者上法院的記錄。從互聯網金融公司本身也是有一個要求，說來貸款的貸款人是不是講的是真話，或者他的背景怎么樣，或者他在貸款過程中是不是提供了一些真實的信息。所以基于這些要求，你想想看他們是互聯網金融公司，你要去做一個面對面的面試，說你的情況怎么樣，你住在哪里，在哪里工作，它又有很多網點，所以這是可能的事情。有一個技術能夠綜合語音、計算機視覺、自然語言處理，他們要求我通過一個網上的對談，大家可能想到我這里有一個服務員，對面有一個客戶，的確可以這么做，是有公司在這么做，但總的來說不是那么成熟，如果客戶比較多，要搞幾百個坐席，客戶比較少，人工又浪費了?？偟膩碚f他們希望能夠有一個智能機器人，能夠和對方面談，談話過程中又能夠捕捉客戶的微表情。微表情有一個定義，人在一種不自覺的情況下，從40毫秒到200毫秒之間所反映出來的自然的表情，能夠比較真實地反映你當時說話的情緒，專門有這方面的心理學專家，所以這是從計算機視覺的應用，通過對方回答的問題，你去處理、理解對方的問題是什么，理解語義，你說話的時候也是文字轉換成語音，這個技術牽扯到人工智能方面非?；A的三個技術，一個是語音轉換技術，一個是自然語言處理技術，另外一個是計算機視覺技術。這個項目很有意思，我們也很愿意幫他們一起合作做這件事情。

黃曉南：我想請大家都聊一聊，對于企業來說，今天在座很多是市場部的負責人，也有一些其他部門的負責人，你們認為對于這樣一個群體，他們去擁抱人工智能的時候可能的挑戰會在哪里？

這個挑戰可能是個人的，也可能是組織的，也可能是社會的，都有可能，任何方面都可以講。

柳鋼：其實我想第一個挑戰是一個很基本的挑戰，就是要對人工智能有正確的理解和認識。我在企業里面也是負責業務發展的，我在想我在另外一個行業，在消費者也好、工業也好，如果對人工智能的期望不切實際，可能會導致你對這樣一個工具的采用，比如我找到品友買一個機器人，我啥也不用干了，品友的機器人幫我做所有的事情。我們在早期做企業服務的時候遇到過相似的問題，因為任何一個新的技術出來，首先是被神化，然后被妖魔化，所以我們想擁抱這個技術，首先要對這個技術有準確的理解。第二個，基本上現在已經是進入了各個行業、各個場景論證以后的結論，就是人工智能在特定領域的確能給你帶來巨大的價值，比如說跟市場、品牌，跟廣告相關的領域里面，這里面有海量的數據，經典的說法，我聽說有50%的廣告是浪費的，在這么一個特定的領域里面人工智能能夠幫上大忙，不管是對你的受眾精準的分析、數據的獲取。甚至在你沒有人工智能的想法，你有這個想法，但是你無法去獲得這個信息，那這個時代是可以獲得人臉的信息、人體的信息、人在哪一個場景的信息，跟人在線上的信息，他的活動、他的社交、他的交易，他在線下的物理的、生活的信息，是完全能夠通過現在已有的技術做打通的。所以我覺得有兩個方面，一個一定要對人工智能有務實、準確的理解，另外要有堅定的信念。在這樣一個特定領域里面，人工智能是能幫大忙的，有巨大的價值產生。

黃曉南：謝謝柳總。

董褀：我簡單說一個，因為我們事實上在過去幾年，一直在這個領域非常艱難困苦的跋涉，我想有一些經驗可以分享出來，首先一點大家不要覺得人工智能是很奇怪、未來很神秘的東西。首先大家要想清楚，你用人工智能來解決什么問題，可能是在你身邊困擾你的，你沒有人工智能也能解決的問題。比如說對我們來說，反欺詐是個問題，解決我們業務流程替代人力是一個問題。如果我們只取其中一個問題，比如反欺詐這個問題，如果沒有人工智能你怎么來解決的，你把這個流想一下。人工智能只是在某些能力里面很突出的，你可以想象成很一根筋。今天的人工智能大部分不具備非常全面而且可以跟你對話的這種領域，但是他們在某些特定領域里面的確具備比人腦聰明很多倍、快很多倍、不知道累也不需要你加工資這樣的一些能力。所以你想清楚了具體的商業問題是什么，你想著如果有一個一根筋的高手能夠應用到某一個環節里面，你大概就能夠搭起來一個人工智能在你企業里面的應用場景，這是第一點。

第二點，我覺得人工智能是要吃東西的，它不吃工資，但要吃數據、運算能力。所以你要想一下，你這家公司是不是能有足夠的養料給它來吃，對我們來說比如以前我們在反欺詐過程中，只是用我們自己體內產生的數據。后來我們看到的確有一點用，但是它的用處還沒有那么大，所以我們就跟商湯科技也合作，跟品友也合作，我們以此能夠獲得這個用戶更加深度、更加廣泛的這樣一些維度的特征，我們用這些特征喂進去，讓人工智能能夠有更多的養料，能夠做更加深度的分析，有監督的、無監督的。

第二個養料是你的整個運算能力，這包括你的整個數據體系的搭建、運算能力的搭建和規劃，這是比較技術的，相對來說我不覺得這些會構成非常大的障礙，因為事實上這塊我覺得即使在市場上也有比較成熟的解決方案、成熟的人。最好的是文化上的，你們公司得接受，你們的員工慢慢要變成鋼鐵俠，不是一個普通人，他有一顆人類的心，但是被很多機器學習、人工智能武裝起來，變成一個鋼鐵俠這樣一個存在，對組織的沖擊會挺大，這是所謂人工智能在內部組織的賦能。

童先明：我簡單補充幾句，我自己的經驗是我覺得有一個障礙是什么？現在大部分的企業公司他們在看待人工智能這個AI，他們總的感覺還是一個IT的東西，這是第一個問題。導致的結果是什么？和你們談的是CIO，但是CIO又對業務不太了解，所以我們要告訴CIO這對你們的業務有什么幫助，今天來的更多的是市場部的CMO，你們可能需要更積極的發揮主動性，AI在我這方面能發揮什么作用，我能不能主動利用這些場景，能不能利用AI解決我和市場相關的問題。

姚遠：我自己有一些經歷，大概我感覺人工智能本質不是人想做什么，計算機就能做什么。反過來，你應該想人應該教計算機做什么，在某種意義上是這樣。從我自己的經歷來說，我們在斯坦福很著名的一個地方，我們捧著一堆東西在討論，你到底想怎么做？他說很簡單，就是這上有什么東西。我們聽了第一反應，這是一個很山寨的問題，這有什么意義？當時他想了一下說，他覺得計算機能做好這件事情已經不錯了，后面非常著名的像如何搭建語義理解，他說這是后面更難的一些問題。這件事情我的想法是我可能不會浪費我學生的時間去解決這樣一個簡單的科學問題，但是過了五年之后到2012年之后，李非非（音）徹底改變了計算機的歷史。電腦研究人工智能是錯的，而是反過來你應該教電腦做某些事情，這是最關鍵的。所以要想建立你在應用過程中如何把它轉接到人工智能或者機器學習這些數據依靠的方法，首先你要想著你如何讓計算機替代你做哪些問題來起到更好的效率，所以這樣一個問題才是非常關鍵的。

黃曉南：我們經常在公司說一句話，人都不知道怎么做的事，不要指著機器了。在我們公司有一個團隊叫優化師，是大量用機器來幫我們客戶進行優化的。經常我們內部就會有討論說有時候人會的東西，怎么機器都不會。其實大家反而想錯了，往往人會的東西，機器多半都不會，機器都是人教它，它才會的，這也和剛才柳總他們講的叫有一個合理的期望值對于人工智能是很重要的。我再補充一點，在我們實踐中的挑戰，其實很重要的一個挑戰，我個人在認為在成功擁抱AI或者不能成功的，我覺得在企業端有一個很重要的差別，就是你能不能定義出來評估標準，我們幾乎發現所有AI相關的東西都是投入，對于公司來說不管是投入幾百萬，我們有一個客戶光是服務器就投了上千萬，當然是一個很有錢的汽車客戶。這本身的投資他們很成功的地方在于他們在投資的前一分鐘、前一天，所有他們怎么去評估這個投資的回報，怎么科學衡量這件事情的產出，已經得到了一個普遍的認知。而相比在市場里面，在這塊做的比較失敗的，我認為這塊的缺失比較嚴重，這可能跟問題的定義都有關系。

時間關系，我想最后大家很快用一句話來給我們在座的觀眾一個建議，在新的人工智能時代，這已經是一個必然的時代了，你們能用一句話送給在座的聽眾嗎？

董褀：我想首先剛才黃曉南說的有的公司光服務器上千萬，我想我們是每個月服務器都上千萬，所以這是我們對這個時代的看法。

黃曉南：我相信顯然你們看到了很好的回報。

董褀：我的確在這個論壇上學到很多東西，我想人工智能絕對不是一個CIO的工作，而是一個CEO的工作，這是一定要做的。所以我會建議大家能夠把人工智能應用到你的整個企業這些最關鍵的流程，最關鍵的這些能力建設中來，而且在這個過程中我覺得一定要保持開放。比如說像剛才姚教授提到像李非非一樣重新開發圖形識別，不需要，人家商湯科技做的很好了，你們一定要在這里面找到一個非常棒的合作伙伴一起來，因為人工智能只是面向未來的工具，從最好的商業、最好的合作，開始人工智能在商業上的應用。

柳鋼：人工智能是一個很大的話題，短時間內想快速掌握很難，我想簡單一點，實在不知道怎么用人工智能，就直接聯系品友互動。

黃曉南：這個廣告打的好，謝謝。

柳鋼：也可以聯系商湯科技。

童先明：我覺得人工智能真的是給你的生產力、競爭力、戰斗力，所以你說誰采用人工智能更早，你絕對是在這個很競爭性的市場上得到了主動權、優先權。

姚遠：我的一句話就是人工智能從上世紀50年代左右開始，這個名詞出現了之后經過幾起幾落，現在大概是第三次新的高潮。但是在這個起起落落之間，什么東西在變，變的是你對人工智能的期望和期許，不變的是人工智能后面所在的真正的技術，一直在那里，只不過是你到底希望用它做什么，這個東西是一直不變的，希望大家在起落中把握不變性。

黃曉南：最后我也有一句話送給在座各位，我們看人工智能的時候其實有一個很重要的結論，就是人工智能的時代是沒有超紀錄的機會的，不管是作為一個供應商還是使用者，因為它都是經過時間、歲月的積累，機器的不斷磨煉，所以我也祝福各位盡早擁抱人工智能，找到合適的合作伙伴，開始你們的人工歷程，謝謝大家，非常感謝我們的嘉賓！

謝鵬：非常感謝幾位嘉賓，三位企業家、兩位教授，大家從研究、應用的角度，都在探討人工智能在商業決策中的重要作用。剛才有一位嘉賓，凡普金科的創始人、合伙人兼CEO董褀先生也說了，作為一個企業決策者，或者能夠影響這個企業做決策的人，最重要的是事情是把人工智能用到這個企業最重要的環節去。今天整個大會我知道在座很多人都是在從事和營銷相關的工作，前面我們也展示過麥肯錫的一幅分析圖，就是人工智能在商業決策中最大的那個大圓圈，就是營銷領域。接下來我想給大家分享的就是人工智能在營銷領域可以做怎樣的事情？

我們對比一下傳統的營銷和大數據時代的營銷有什么不同？傳統的我定義叫經驗和想法驅動的營銷模式，我們按照決策、實施、總結這三個關鍵階段來提取一下它的關鍵特征。在傳統的營銷里面，決策階段頭腦風暴這個詞就來自于傳統的廣告代理公司，所以在早年中國剛進入商品化年代的時候，我們說開始有營銷工作，開始有市場營銷工作，那時候經常有一句話說點子大王，一個好的想法要做營銷，就等于點子大王，這是對于傳統營銷非常極端但又是非常真實的階段。在實施階段，傳統的營銷大量的都是人工的工作，做排期，通過Emall或者QQ傳廣告物料，然后再放在媒體的位置上，大量的都是人工的工作，就是排期決定一切。如果這中間，大家尤其是做過媒體采購的人可能知道，在整個營銷過程中，排期決定一切，大量的都是人工的工作。第三個我們說總結，所有的總結都是事后的，不僅如此，我們說三個月的，兩個月實施，三個月之后再回來一份報告，市場早就變了，營銷做完了。明年我們再花錢做的時候好像等于什么都沒干過一樣，再重頭來一遍，這是傳統的營銷模式。

在現在AI的時代，我想在數據和技術驅動的營銷決策和實踐有什么特點？我們說在決策階段有很多是數據和技術可以參與里面的，我們有很多想法可以通過模型來預測它的結果，讓它輔助我們，輔助營銷側來做好的決策和判斷，而不完全靠人腦去想，拍腦袋、胸脯、大腿。第二個整個實施的過程大量的工作都被程序化、自動化、智能化，機器的工作被取代了。品友我們一天接受的廣告曝光請求有240多億次，針對這些請求我們會來判斷到底適合給哪一個人在哪一個廣告點位上給他推送廣告，我得挑挑選選，我每天實際決策下來，給這些人展示廣告曝光的有1億多次，所有的工作都是機器做的，都是機器自己把廣告機會拿下來，把廣告主的廣告推送上去的。不僅如此，在整個營銷中我們會形成數據閉環，邊做營銷收集邊做中間的數據，通過更改系統的參數提升算法，讓我整個營銷的效果可以不斷進行優化，所以整個決策過程也是更加自動化、程序化、智能化。

第三個在整個總結的過程中，我們是實時反饋、實時優化、實時總結的，而且整個廣告投放完了之后，我們整個投放的數據還會反哺給廣告主，加深他對自己目標人群的認識，加深他對自己營銷策略的反思，整個廣告投放的策略的設計好還是不好，所有的沉淀又會回過頭來說下一次我再有新產品開始準備推廣的時候，就可以借用過去所有的歷史數據，這就是AI時代我們說數據和技術驅動的營銷決策和實現的模式。

所以整個MIP，我們說品友打造人工職能的營銷決策平臺，我們會幫助營銷者在很多，幾乎所有的典型的營銷決策的場景中去輔助你做出更好的決策。這些環節包括新產品的創新探索，包括產品的概念測試，什么樣的產品概念會更受目標人群喜歡，確定目標人群，更好的人群畫像，創意的物料設計、媒體組合、甚至是預算分配。我們在上海的時候，那個峰會的規模有1000多人，當時我們有一個非常大的客戶，一年掌管著10多個億的媒體采購額，他說能不能用MIP系統幫我用更好的模型解決這個問題？所以這些都是典型的營銷決策問題，整個品友MIP我們都有相應的產品和產品組合之下的解決方案，來幫助在座的各位，如果您的企業決策工作是和營銷相關的，都會幫助你輔助你在這個場景中更好地決策。

說了這么多，我們說最重要的是眼見為實，我們模擬一個真實的場景，如果你和品友合作，MIP會怎么輔助你做營銷營銷？這個場景是一個歐洲的車企有一個2018款的新車，這個新車有三個大的賣點。推廣目的很清晰，短時間內迅速把新車上市的消息傳遞給我的目標受眾，越快越好。第二個，我當然通過線上可以更多地獲得一些高質量的訪客，這是他的目的。當然新產品上市的時候，是營銷人員壓力最大的時候，面臨很多很多的營銷決策。在過去我們只能是拍腦袋、拍胸脯，干完之后拍大腿。今天在AI時代，我現在的角色就是這家企業的CMO，我希望借助品友的MIP來幫助我做一些相關的營銷決策。所以現在品友互動的工作人員已經準備就緒了，接下來發生的一切都是在MIP系統里真實操作的結果。這是我們人工智能的操作平臺，新車上市的作為CMO最關心的問題是誰是我的目標用戶？

圖上的這些歷史數據終于派上了用場，而不是存在公司某個角落。幫我打開其中一類人群投放的數據包，讓我看看具體的分析。

MIP：好的，為您打開具體的目標人群。

謝鵬：這些人群分析很豐富，但是我需要更具有行動指導力的人群洞察，請幫我做MIP建模，讓我了解和汽車最相關的目標人群。

MIP：好的，為您打開典型人群建模。

謝鵬：泛娛樂人群、泛時尚生活人群、泛生活人群，每一類人群都有標簽，看上去根據我的經驗判斷比較符合，那MIP就以這些種子用戶為基礎，用智能人群拓展幫我放大三到六倍。

MIP：好的，用智能人群拓展將種子人群放大三倍、四倍、五倍、六倍。

謝鵬：到六倍的時候我看到CTR已經很低了，那就用五倍來作為目標人群。確定目標人群就可以進行目標測試了，代理商給了我三個產品概念測試，MIP請幫助我進行產品概念測試。

MIP：好的，為您打開產品概念測試，首先選擇產品概念測試的人群，執行產品概念測試。

謝鵬：MIP系統為我挑選出來的是駕駛樂趣這個產品概念，根據我們這次新款車型上市的營銷目的來講，這個概念是和我們很匹配的。既然確定了產品概念，我們就把這個產品概念交給代理商，做廣告創意的設計。

代理商為我設計了很多創意，但哪一版創意合適？今天我們就不要拍腦袋，在花費巨額市場費用之前，MIP幫我預測一下這些廣告創意的點擊率？

MIP：好的，為您執行創意的點擊率預測。為您展現的這個創意點擊率的預估，以及可能對此創意感興趣的人群標簽。

謝鵬：讓我看一下，第一個、第二個OK，第三個點擊率是OK的，但是對這個創意感興趣的人群標簽和我們的目標人群不太匹配，所以我想把這個創意剔除一下。第四個OK、第五個OK，第七個點擊率有一點偏低，但是對這個創意感興趣的人群標簽是科技、智能穿戴設備、數碼家電，這類人和我的目標人群比較匹配，所以我在第一輪投放的時候還是保留這一版創意，最后一版創意點擊率太低了，整個淘汰吧。

確定了廣告創意，接下來我們看一下媒體組合，代理商給我提交了一份媒體組合預算表，里面包含了五家媒體，我做選擇的時候非常清晰，就希望同樣的預算能夠為我覆蓋最多的目標人群，所以MIP請幫我展示這五家媒體的用戶覆蓋情況？

MIP：好的，為您打開媒體覆蓋情況，我們可以看到每家媒體隨著時間的推移，越來越難獲得新客。

謝鵬：MIP系統幫我做一份分析，就是綜合這五家媒體之后的用戶覆蓋情況。

MIP：好的，為您執行最佳預算分布預測，像您提供兩張表。

謝鵬：這個預測的結果比基準的獨立用戶覆蓋的情況要好很多，這樣，第一波廣告投放的時候我們就采用MIP的智能預算分配方案。

所以我們整個新車的上市到現在為止，過去我們都是頭腦風暴、拍腦袋，今天我借助品友互動MIP做了如下決策，我們選擇了目標人群、產品概念測試、選擇了創意、做了媒體策略。在這樣的策略輔助下我們就進行廣告投放吧，整個廣告投放我是可以每天看到反饋數據的，所以廣告投放了三天之后，我想再看一下整個廣告投放的數據，看中間能不能發現一些改善的機會。

MIP：好的，為您打開用戶決策流程。

謝鵬：三天廣告投放下來，整個用戶轉換漏斗還是比較正常的，其中我比較看重高質量的訪客這類人群，這類人群我看看MIP能給我提供哪些人群分析洞察？我打眼一看就注意到在創意這個維度，只看了一版創意，這類人群的轉換是比較低的。但如果我們再追投更多版的物料，它的轉換率就會比較高，高于平均的水準，說明我們在投放的中間應該是多版創意去根據一個目標人群做追投。但是這個數據太多，我一下子不能完全得到分析，那MIP你能幫我做一個更多的洞察的報告嗎？

MIP：好的，為您執行一鍵智能洞察。

謝鵬：高質量方可中體育運動標簽，山東、天津、內蒙古的高質量訪客遠高于曝光占比，可能這三個地方有特殊市場。最后一個是我剛才通過人腦看出來，要做多版創意的跟投。好，這些智能洞察都整合到接下來的廣告決策規劃中去。

那媒體方面的數據反饋如何？

MIP：好的，為您打開媒體價值分析，這張想象圖橫軸表現的是媒體獲取UV的情況，縱軸表現的是獲取UV的成本。

謝鵬：右下角顯然這個媒體是最喜歡的，幫我覆蓋的UV最多，而且獲得UV的成本更低，左上方顯然有問題，不僅覆蓋量小，單一用戶覆蓋成本也高。MIP能給我一些媒體組合方面的建議嗎？

MIP：好的，為您執行一鍵智能洞察。

謝鵬：這些洞察建議也整合到接下來投放建議的規劃中。那能幫我分析一下轉化路徑嗎？

MIP：好的，為您打開轉化路徑分析，先建議您看一下轉化路徑詳情。

謝鵬：那說明我們還是要保證一定比例的預算給到非OTV的媒體投放，這些洞察很好，這些洞察交還到外部代理商的合作伙伴和我們的領導，作為我們的經驗沉淀下來。接下來按照MIP提供的優化建議，我們做廣告投放吧。

三天后，我們再來看看廣告投放的數據。結果很好，第四天、第五天、第六天，在過去三天里面我們整個營銷的表現、新車上市的營銷表現是進一步提升的，非常好。所以我覺得在今天開場的時候，人工智能對我們企業的決策從未來已來，到現在已經實實在在發生了，我現在真真正正感受到了MIP對我們決策的輔助功能，當然所有決策都是我做的，只是MIP給了我很好的幫助，接下來10年我不擔心我會丟掉工作，但是我可以更好地使用和利用類似品友互動MIP的人工智能工具，來幫助我打敗那些沒有使用到這些人工智能工具的競爭對手嗎，謝謝MIP，謝謝品友互動。

主持人：通過這個Demo大家可能感受到了數據在整個企業決策中扮演的重要作用，數據就是人工智能、商業決策的血液。在整個數據鏈條中電商的數據是很重要的一環，所以今天我們也利用品友互動人工智能大會這個會場的時機，我們也宣布一個好的消息。就是在近日，品友互動和京東我們達成了一項戰略合作，給廣大廣告主帶來什么好處？我們可以把京東平臺上的電商數據可以拼到整個廣告主營銷數據的閉環中間，所以今天我們將非常有幸地來見證品友互動和京東的戰略合作協議的簽署。

接下來品友互動數據產品和商業化事業部的副總裁曹玉驥先生，還有京東云事業部生態業務萬象部總經理杜宇甫先生來簽署戰略合作協議。

（簽署戰略合作協議）

建立一個開放的數據生態系統對于驅動人工智能的營銷決策是非常重要的，我想二位是不是推舉一下，誰來就雙方的合作闡述一下背后的背景和期望？

曹玉驥：那我就拋磚引玉，今天其實非常榮幸地可以和京東達成戰略合作，包括我們也可以算成京東生態的一分子，同時京東也是作為品友生態非常深入的一個合作伙伴。其實我們今天做的這件事情，在整個互聯網圈里應該是一個里程碑的事情，那它意味著其實我們每一個互聯網企業都在以開放的心態，來看待數據打通這件事情。我們和京東也磋商了很多輪，包括數據的合規性，包括各種技術問題，非常幸運的是我們最后達成了這個合作，對每個品牌客戶來講意義是非常深遠的。原來我們投放品牌廣告評估它的效果很單一，通過營銷閉環之后，再加上品友的MIP系統，其實我們背后打造的是整個營銷決策的一個閉環，那我們能夠去了解到什么樣的投放對最后的商業結果產生什么樣的影響，能夠更好地來去分配預算，謝謝大家！

主持人：謝謝曹玉驥、杜宇甫總。我跟大家透露一下，其實已經有一些廣告主開始嘗鮮使用品友MIP和京東數據的戰略合作了，現在京東在忙相關6·18的大促，預告一下我們在6月底整個京東和品友我們還會有一個更大、更正式的，那時候還帶著客戶案例的關于雙方戰略合作的一個宣布儀式。

所以數據和技術在營銷決策中間的運用，剛才大家已經看了一個Demo，而且又看到了新的推動的力量，就是電商數據我們拼在了整個數據營銷閉環中間的一部分。接下來我們再請一位來自于廣告主，一線營銷者的認識和分析，來看看AI是怎么來驅動全鏈路營銷的，下面有請LG電子營銷成長部的部長傅昊先生，來給我們作精彩的演講。

傅昊：大家好，很榮幸受到邀請來跟大家分享一下在甲方做大數據和智能營銷方面的一些感受，如果大家有什么異議和問題可以隨時提，我盡量簡短。

其實這句話不是我說的，說建立這么一套好的思維方式是最重要的事情，我這里變成什么？說企業的核心資產，特別是我們做營銷的，說這個思路是最重要的。具體來看，分這么幾項。我把它所謂的人、道、術、器，按照中國的思維理論前面加了一個人，因為沒有人，后面這些東西都談不上。對于人來講，剛才在圓桌討論環節，無論是黃曉南總還是各位嘉賓都提出來了人難找，為什么難找或者尷尬？我們先從最左邊看，營銷的話，其實你會看到有商業還有人文，還有科技是合在一起的。你說科技在哪？在工業時代，電視和Video就是科技，這個大家可以不用質疑。到了現在所謂的移動互聯網時代，還有大數據和人工智能時代，我們怎么看？怎么去選擇這個人？是什么交集？這是作為甲方、乙方、第三方要考慮的事情。我們要進一步看，要進行營銷，還需要數學以及IT方面相應的知識，只有這三者的融合才是我們理想做AI營銷的人才。在企業內部來講，從最高一層CMO、CGO等等這些層面來說，我們怎么統籌這些事情？如果我們的思路不在這個層面，你怎么驗證這個人是你需要的交叉性人才，這是一個挑戰。接下來在執行層面，我們也聊過好多現在大的企業把IT部門也捆綁進來，說在CES上你幫我去看看哪些營銷技術能夠為我們所用，這是一個融合的趨勢。再有就是更靠譜的說我們的合作伙伴、我們的第三方。

那好了人是這樣，接下來是在道的層面，說這個太虛了，其實在年少輕狂的時代，我也不在乎這個。說溝通是什么？張嘴就能說話，甲方、乙方都有辛酸，說溝通太難了。在AI大數據營銷創新的領域里面，我們的溝通什么樣思維層面的認知才能讓我們結出一些有效的，短時間內的一些碩果來，這是我個人的心得體驗跟大家分享一下。最傳統的從這個認知里面最左邊的上下結構，我們的第三方跟乙方、跟甲方，甲方說什么，我就Follow什么，這里面很麻煩的甲方的思維瓶頸或者思維高度很有可能限制了第三方甚至合作公司的程度，其實這從甲方來說要深刻地認知到，說我不能去限制我們的合作伙伴。怎么不能變成編制？就變成了中間的這個溝通方式，平等，那遇到創新的東西平等夠不夠？還不夠，要變成什么？在創新的模式上要先干嗎？我們要先把方法論統一掉，先把創意執行、銷售執行的基本層面統一掉，舉個例子生個小孩要十個月，甲方不能提出七個月就要結果，這個不合理、不合適，也長不出好東西來。

接下來在術的層面，舉一個小的例子，因為這簡直是再沒有技術含量。計算一個所謂微信、微博、INS的ROI，基本上我們都是在這一層加法的層面上徘徊，當然我們做商業的都知道徘徊是有一定道理的，但是我們想進一步的做加權就好了。其實所謂的點贊和回復，但是回復里面有粗略的，因為有好有壞的，但是權重上可以調整。即使是這樣的思維，我們有沒有去執行，這是我們甲方自己要想到的問題。

再講到一個更具體的，器的層面，一講到AI，大家的思維一下就到這個層面了，不會講到剛才的人、道的層面，不會太想到。當然這三個不是我的成果，其余的都是。簡單看一下現在AI究竟到了哪一步？是所謂風來了或者風去了嗎？這個引用的是5月份咱們的譚鐵牛（音）院士，在做人工智能報告的時候，他講到在理論層面上第三次技術大咖們在技術底層上做出的貢獻，這是我們的客觀認知。瓶頸，我們以為是人工智能，但是人工智能究竟是什么標準，這都可以探討。但是幾個瓶頸，舉一個例子，數據的瓶頸是最好的理解，但是數據的瓶頸怎么突破？一種是我們要積累，還有一種是算法上要做增強，這里面行業里也在做很多工作。包括其他的困境也不多說，因為時間有限，技術層面可能大家不是太感冒。但是我們在認知上，一定要有這個基本層面的認知。

到了最那面一幅圖可能大家最熟悉，至少我們應對上會應對到國內最中間那一層，2010年的谷歌、百度、Facebook、微信等等這些。到了AI層面，可能現在大家不太熟悉，比如最那邊那個框，中間那個詞，我估計70%的人可能不熟悉，但是謝總等等做技術的同事非常熟悉，它已經下探到我們所熟悉的搜索框后面更深層次的東西上面了，在這里做智能的判斷以及推薦，目前這是實際的東西，不是虛的東西，這是一個基本的概念。

到更底層，說你這到底是什么，摸不摸得著，看不看得見，其實大家現在手里都有智能手機，其實這個模型就是一個智能手機的模型。但是我把它從營銷的思維上解構出來跟大家分享一下，因為其實每個層面都可以去提升用戶體驗，都可以為營銷創新，為甲方提供一個更好的向上的成長空間。這里面因為今天我們最主要的是討論的人工智能的東西，前面都不介紹，最上面是我們的上帝，我們的用戶。從用戶的用戶體驗上來講，是通過觸摸、感知接觸到屏幕，接觸到屏幕以后是我們的軟件APP，APP之后是所謂的構架，是買蘋果還是買安卓，是一個軟件構架。再進來是硬件，傳感器儲存了好多創意，這些甲方肯定都知道。再往下就是所謂云、AI和大數據的層面了，甚至有的廠家簡稱叫ABC，A就是AI，B就是大數據，C就是云。最下面的層面就是接近馬斯洛的需求層面，5G、電池等等。通過這個數字營銷金字塔模型可以清楚地認知到，比如我們今天跟品友合作，我們談的是哪個層面的創新，哪個層面的營銷的突破，在我們的認知中一定要有這樣一個清楚的認知。

進入到總結環節，第一篇我們越來越滿足點對點的需求了，剛才我也看了謝總的演示，創意就是在這個，用大家都耳熟能詳的一句話叫千人千面，技術上我們現在正在逐步越來越普及和實現它，其實這個東西也不是新的，因為你查一下谷歌的使命，就是為人們方便地找到信息而做出貢獻。這里面有一個概念上的提法叫大家都熟悉BI，我們用的最多的BI就是CRM，其實CRM從80年代、70年代就有了，這里面我覺得我們有必要提到CI，更進一步圍繞消費者的，我們都是消費者，能從手機里拿出來的數據都是消費者的數據，它怎么幫我們做，當然剛才這里面演示了不多說了，當然這里面也有錯誤，之后可能要更新一下。

第二個，大家都在喊媒體說去中心化，在我的理解里面跟大家分享的是兩層含義，一層是所謂看CCTV的少了，就是媒介的中心分散了，大家都在看微博、微信，這是一層去中心化含義，是狹義的。廣義的是媒體不是中心了，我們有沒有更廣的探討，究竟什么會是中心？其實這個問題跟剛才的那一張譚鐵牛院士分享的那一張，在2000年之前是以谷歌這種我們能看見界面的這種在咱們的認知里面是媒體的媒體形式，產生了谷歌的好多廣告、百度的好多廣告，現在不在這個表層，在更深層次里它是什么？答案我思考數據是未來的中心化，不容質疑，只不過是總結了一下。

第二個跟大家出一個小題目，大家聽說過目前線下的數據也很火了，這里有一個小問題，Face Hacking來的數據怎么和線上線下數據打通？因為只有和線上線下數據打通，才能更好地和消費者互動，這怎么實現？其實就是數據打通環節的一個問題。在這里面主要是有一點思考和答案，舉一個例子，我個人是在用百度云的，我是有帳號的，里面有存我照片的，理論上應該存自己照片是最多的，雖然我是個男士。最近我看到百度云總提醒我，說你有一個什么私人的，你要不要OK一下，其實我知道，只要我OK了，它就開始識別我是誰了，然后跟我的帳號關聯起來。這樣就把所謂人臉識別的數據跟MA號的數據打通了，至少兩年前我的預想目前已經開始實現了。所以作為甲方來說創新的話，我為什么舉這么一個小例子，因為道理通了以后你會發現創意是無窮的，我們跟各方的合作都會更迅速、更好玩、更有趣，誰領導誰說不清。

接下來我們會關心一個東西，在這么一個科技發展的時代，以至于很多時候碼農這個詞不再是一個很簡單的詞，我相信以后碼農就等于貴族，這是我的判斷，拭目以待。就好像現在已經不覺得屌絲這個詞詞性上很難看，這里面總結一下我們應用了好多年的營銷鏈路，比如說2005年電通更新的消費者，中間加了一個Secrh，后來有了谷歌和百度?，F在好多企業創業一兩年，百度上一分錢都沒有投，大家覺得谷歌神奇，看到這個產品就愛上了，它怎么在變化？這里大膽地預言一下，現在在移動和大數據時代更講究所謂的緣分，它的營銷鏈路和消費者的感受鏈路被縮短了，我一看Iphone就喜歡，喜歡就買，買完就跟別人炫，其實就是所謂的LAW，所以就會變成這么樣一種傳播。

但是現實里面不要做，什么意思？咱們反思一下都知道，現在Video的廣告你投不投，可能只是占很小一部分。但是雜志很尷尬，這幾個營銷鏈路依然會存在，所以明天百度股票應該不會跌，同時我們做創新企業的營銷鏈路要朝著LAW去，這個東西不是營銷的人員我們沒有飯碗，而是營銷前置到前置到產品開發去。就我知道聯想前期是根據消費者的需求開發產品，以至于出現了統帥的產品，可以定制化，定制化這個東西可以批量定制，不能完全的P2P。再有一個在這種情況下消費者的這種認知，原來的思維是我先告訴你是什么，怎么樣，什么原因?，F在錘子是這么玩的，先告訴你為什么，怎么樣，然后再告訴你這是什么，在玩這一套東西，這個大家都有感受到。

接下來這塊有點撞衫，剛才謝總提到一個系統，我認為這里面這個時代來講，教科書里學的是工業時代的理論叫IMC的整合營銷傳播，那時候是電視和Video大行其道的時代。這個時候應該有一個對應的理論出來，我把這個理論命名為III，整合信息的互動，傳播只是單向的，互動才真正說明了我們跟消費者是雙向的，我們先問你想要什么產品，然后我們給你開發什么產品。

最后就是CRM的理論其實是要更新的，從20—80絕對不是它的錯誤，而是它在局部范圍內依然好用，重度用戶依然是我們最重要的用戶，但是從數據為中心的這個思維上來看，它應該被廣泛的定義下來。其實現在大家都知道行業里最火的一個詞叫智能營銷，就是把DMP和CRM的東西打通，來實現一個沒有界限的融合，已經開始了。

總結下來，無非就是這五條，從大眾的溝通到點對點的溝通，不是金融跟私匯。第二個媒體的去中心化，到數據的中心化。第三點AISAS這種消費者行為的長鏈路傳播，接下來LAW的短鏈路傳播，相互融合的時代。對甲方來說如果屬于長鏈路，想辦法繼續朝著長鏈路走，兼容短鏈路走。還有一條從工業時代的IMC到大數據時代的III傳播理論。最后一個應用上，我們CRM其實品友也正在做一件事，雖然我們不直接說CRM怎么樣，其實就是這個意思。

最后這也是我個人的一個口號，咱們得一起共創所謂大的范圍叫人文、科技和商業的這種美，演講到此結束，謝謝大家！

主持人：謝謝傅昊的精彩演講，演講雖然很短但是框架很完整，從趨勢到手段應用都講到了，我想這來源于你多年在一線營銷體系工作的沉淀。非常感謝到現在為止整個會場還坐無虛席，我不知道前面聽了這么多有企業家，有科學家，有一線營銷專業人士分享之后大家的心情是變的更激動了，還是變的更焦慮了，說人工智能怎么做營銷決策？好，沒有關系，我們今天整個峰會的最后一個精彩的環節，就是我們再請上更多的營銷專業人士來為大家再來詮釋，說怎么在AI時代我們來緩解CMO的決策焦慮，這個環節我有請這個環節的嘉賓瑪氏集團亞太區數字化業務與AI創新高級總監彭雅瑞女士，優信集團品牌總監陳良智先生，紛析數據創始人兼CEO、互聯網數據官創始人宋星先生，銀泰西有CEO湯楠女士，品友互動CTO歐陽辰先生，有請這個環節的主持人品友互動效果營銷事業部副總裁趙晨。

趙晨：謝謝大家，我先稍微開一個頭，今天這個環節我相信大家比較期待，因為今天我們整個大會說了很多人工智能技術、算法、數據，請了這么多非常牛逼的人去講這件事情。當然我覺得大家都比較期待的是那到底人工智能怎么能幫我落地，對一個廣告主、品牌來說，到底怎么能提升我的效果，所以我覺得今天我們很榮幸能請這么多嘉賓過來分享一下，AI到底怎么能幫你們去落地效率這件事。

所以開始每個人做一個簡單的介紹。

彭雅瑞：大家好，我叫彭雅瑞，我來自瑪氏中國，我和我的團隊負責瑪氏亞太區整個數字化應用，主要負責其中數據和技術的部分，同時在今年年初瑪氏開啟了以中國為核心的AI這個部分的創新，希望中國成為瑪氏龍頭的市場，驅動美國在AI方面的論壇，這也是我今天為什么來到這里參加這個論壇，也想吸收更多信息，為AI做好中國的AI，從而為瑪氏做好全球的AI。

陳良智：很榮幸受到品友的邀請參與這次的討論，我是優信集團品牌總監陳良智，我們目前主要做的是二手車電商平臺在中國的營銷推廣工作，大家都知道我們平臺本身屬于一個新興的業務生態和領域，也涌現出很多新晉的玩家參與到這場營銷和市場劃分的戰役中來，優信在這其中做到了很多品牌側和效果側的營銷舉措，也遇到了相應的發展過程中的瓶頸和困擾，正好借助AI這個課題我們也開展了和品友全鏈路的一些營銷打通的合作，也看到了一些改善、優化和可提升的方向，所以我覺得AI對于我們來說，不是一個很宏觀的大課題，對于我們現階段其實是有很實際的，能夠解決我們降低成本和提高效率的一個新的解決方案的方向，謝謝！

宋星：大家好，特別感謝品友邀請我來參加這個環節，我是宋星，來自紛析數據，紛析數據也是品友的戰略合作伙伴，我們主要做的工作是為企業提供數字化轉型和數據化轉型的咨詢和顧問的服務，最核心的我們其實還是利用數據能夠驅動更好的互聯網營銷和運營的效果，這是我們做的事情，我自己是在利用數據驅動整個互聯網營銷這塊也做的時間比較長，超過十年了，也很期待跟朋友們多交流，謝謝大家。

歐陽辰：大家好我叫歐陽辰，在品友負責技術工作，品友在去年也是確定了我們用大數據和技術、人工智能為企業賦能這樣一個定位，我自己也是在這方面非常有熱情把這個事情做好，今天也很高興跟大家一塊聊聊這個話題。剛剛看到一些MIP產品也是我最近在聚焦的東西，大家有什么好的建議，歡迎大家跟我多多交流和溝通，謝謝大家！

湯楠：大家好我是湯楠，我是來自西有全球，我們的生意模式是從歐洲以及全世界去拿品牌的商品，拿到中國來做線上線下分銷，因為我們自己經營的品牌很多都是老牌的奢侈品，比如GUCCI這些，也有很多新興的沒有進入中國的設計師品牌，我們在線上有分銷渠道，線下全國各地有門店。剛才所分享到的很多是車、標準化的標品，作為我們做這些做時尚產品，或者老牌的歐洲設計師品牌或者奢侈品，其實在整個AI的大潮之下也有很多需求，前兩天和傳統奢侈品的一個中國區總裁在聊天，甚至這些很傳統的都在考慮現在我們沒有進店客人的數據，好像現在看下來未來的門店效率一定都沒有線上的效率高，所以也很開心能夠參加這樣一個會議，一起來跟大家探討在我們這樣的結構之下，有哪些AI的東西其實可以幫助我們提升商品效率，能夠更好地去跟客戶做接觸，謝謝！

趙晨：我覺得能看到我們的環節很有代表性，從一個廣告主品牌來說，又有快消、二手車電商，同時也有零售，宋星我覺得大家可能很多人都認識，國外國內所有的產品、DMP、MIP、AI你大概都Push，所以也是在我們行業里面比較有名的人，加上我們自己的CTO。

開始第一個問題，我問彭雅瑞總，因為瑪氏多個品牌，你要影響怎么去用人工智能，不止是線上還有線下，從你的自己體驗，AI在多個品牌打通或者線上線下打通帶來什么？

彭雅瑞：首先我簡單介紹一下，瑪氏在中國大概有兩個主要品類，一個是零食，比如說巧克力、口香糖和這一類的糖果類，給大家帶來歡笑、帶來正能量的這一個品類。大家不會在餓著肚子的時候想吃巧克力，更多時候是想送禮物的時候會想到，很多時候不是在線上直觀找到的品類。另外一個品類是寵物食品，在我們眼里看來就像嬰兒食品一樣，寵物主人特別是把寵物當成自己家庭成員一部分的寵物主人，他非常在乎我一定要在固定的時間給我其中的家庭成員最好的食品和服務，所以這兩個品類在整個數字化的過程中會遇到非常不一樣的挑戰和機會，這也是我們去看品牌品類的數據，會放在不同的角度去看我們是不是要打通它？還是說找到一些相關的場景，在這個場景里面很多品牌都有相似的故事做打通。對于我們來說利用AI，不是想著怎么打通數據，更多是利用AI找到新的或者更多的和消費者有交集互動的這些場景，基于這些場景去看這些數據怎么樣可以指導我們找到新的消費者需求，在這上面有新的產品或者服務做創新。然后怎么樣再回到這個場景，找到更多的消費者，可能有類似需求的，它不僅會指導我們產品的創新、服務的創新，也會指導我們新的通路的建設。所以我們所有利用AI的場景，都是基于產品和服務創新的這一條鏈路來做的，所以我們不存在為了針對品牌的數據，可能不同品牌有非常多的數據，要先機械地放在一起打通這件事情，這不在我們的工作里面。

趙晨：那有沒有具體比較有意思的發現？

彭雅瑞：比如說我們去看巧克力這個品類，通常之前巧克力在情人節、春節才出現，意味著這么大的巧克力市場，一年有一半時間大家都不會想到巧克力。我們在想巧克力會和什么新的場景相關，我們利用大數據做語義分析，看談到巧克力的人在談什么，購買過巧克力這個品類的人，同時購買了什么其他品類，他的著裝風格是什么樣，是動漫族還是科技一族。在這個基礎上我們發現有一個非常年輕的消費群體一直在吃巧克力，不是為了送禮，也不是為了春節的時候作為春節的糖，是在考試之前去解壓的，所以是一個非常年輕的十幾歲的消費群體，在這個基礎上我們發現這是一個新的場景，我們可以去挖掘，我們從2016年開始初步嘗試也許考試解壓這是消費者內心里面有的一個潛在場景，我們要好好地去挖掘它，我們就利用這個點重新創造了巧克力的產品序列和細分場景，所以大家可以看到每年高考之前或者大學主要考試之前，我們會有很多巧克力品牌非?；钴S地在和大家做互動，而且我們實際收到的效果也是意外之喜，會看到這個階段的升量和傳播的內容，可以幫助我們催發出下一個場景應該怎么做這樣一個課題？所以我們從原來淡旺季的巧克力產品現在變成了每個月都是旺季。

趙晨：第二個問題問一下陳總，我覺得您這邊的角度還算是比較特殊，因為二手車這個行業還算是一個比較新的行業，同時你們現在競爭的環節也非常激烈，所以你可不可以從這個角度說一下，你這邊的壓力比較大，你希望AI能給你帶來什么？

陳良智：首先說作為我們這個品類很多人把我們當成汽車，其實我們和汽車的品類還不是非常相關，因為整個二手車電商平臺的這些玩家更多服務于B2C或者C2C電商平臺搭建的服務模式，在這種服務模式下所對應的消費標的物，二手車這個標的物本身是一個很重決策、低品類的品類。我舉一個簡單的例子，2017年整個中國二手車交易量大概1200多萬輛，我每次在做市場品牌傳播過程中，每一次、每個月傳播曝光量級至少也是在5—10億，也就是說我們有大量曝光沒有辦法轉化成最終成交，是因為整個市場容量和消費的需求還沒有被完全激活，在當下來說很難看到實時的收效，這是我們這個品類所面臨的困境。為什么還要做持續曝光，持續影響我們的消費者群體，持續發現我們的用戶在哪里，是為了持續地去跟蹤，找到他購買的可能性，和他周圍親朋的可能性，和他未來換車相應需求的產生。在這個需求產生的時候，能把我們作為他頭腦份額那個小抽屜里的備選項拉出來，才能最終轉化成認可你的產品和服務，最終轉化我們的用戶，這個流程非常長。

AI可以幫我們發現用戶，因為我們品牌長期曝光積累了大量數據，也積累了當時對于我們廣告曝光初步的反饋動作和行為，但是我們面臨這樣一個困境，他沒有辦法轉化為我們的用戶，我們如何實時跟蹤和影響，如何找到他當下在對我們品牌的狀態，是對我們品牌已經認可了，還是說已經有了一定偏好度，還是說偏好度也有了，只是在我們平臺服務或者價格決策上沒有辦法把關，基于這一點我們每一次溝通需要有不同的語言、溝通方式、不同的溝通渠道和出現的時機，去跟他做進一步的影響，才有機會盡可能加深他在整個銷售漏斗下一步轉化的行為。所以說AI對于我們來說，是一個更長遠的用戶發掘和用戶維系、持續影響的這么一個工具也好，或者說是解決方案也好。

目前我們也在做這樣的嘗試，也在這樣的嘗試過程中發現了很多我們原來品牌傳播、效果傳播中相對割裂，又完全沒有打通問題的可優化的節點。我覺得品友目前所提出的解決方案，我們也在做測試，還沒有最終的結論，但是我們是希望這一縷曙光能夠把我們在整個用戶傳播效率上有很大的改善和提升，這是目前的狀況。

趙晨：兩位說的比較類似的是首先找對人，找對人不一定是AI帶來的價值，但是找對人在對的場景里面很重要。我問湯總，我覺得西有全球還算是比較有意思的地方是說您大部分希望影響的是線下，所以您這邊也分享一下從您這邊的經驗來說，你是怎么利用AI的？

湯楠：因為我們自己現在商業模型更像是蘑菇形狀的，未來我們更想變成八爪魚狀態。比如打開一個手機淘寶，里面搜索西有全球好店，是直接進入我們的頁面的，這里面已經包含了幾十個奢侈品牌，里面有上千款商品，每年銷售額，在線上每家店交易額應該是幾個億的規模，所以線上已經做到了線上的千人千面，這部分已經可以有數據的應用，其實它的數據并沒有能夠跟線下的數據產生聯動，這是一方面我們現在面臨到的難題。前面也通過一些工具去嘗試性的把一些對于線下點位的人群進行歸類，我們通過一周的測試發現比傳統店鋪店員統計的人數要百位于傳統店鋪的數據抓取，這同時是通過一些后臺的技術能夠對于這些人的人群進行分類，能夠發現他們在線上購物車里面加購的東西，所以當你線下再次展示的時候對于他們的購買，會更加Push他的更多的購買欲望，所以這樣一個淺層次的線上線下數據交互，以及指導線下的鋪貨和品牌陳列。所以其實更多線上線下的連接，或者是我們更豐富的需要看到的一個人，他是一個立體的人，而不是告訴我她是25—30歲，女性，家里有小孩，有車。其實零售層面我們更加應用的是多維數據，她希望尖頭鞋還是圓頭鞋，高跟鞋還是球鞋。線上線下的聯動，以及這個人群線上全方位的畫像，能找到她線下的結合點，所以未來線上的決策反哺到線下的產業鏈，會從一個蘑菇的狀態到八爪魚的狀態，長出來的角更多是落地點。這一點也是想跟大家互動，表達一下我們明確的需求，從標品類的一對多用戶的多的需求，我們是多對多的需求，從消費模式上我們是完全自營的，從品牌一開始貨權到最終消費出去，這中間整個都是我們自營的，所以鏈路完整性、數據完整性是可以保證的，希望在這個層面里更多提升商品效率，服務核心用戶，找到場景切片，找到一些消費機會。

趙晨：我這個問題問宋老師和歐陽，我覺得你們服務過多個客戶，從你們的經驗來說，你們認為對一個廣告主來說，AI給他提供最需要的價值是什么？

宋星：我自己因為工作的關系一直在用這些數據，從CMO的角度上目前遇到的挑戰非常明顯，因為整個行業這幾年變化特別快，尤其是技術和數據帶來的變化非?？?。第一個最大的實際上是CMO所面臨的劇烈性，因為我們可以看到這幾年的情況，包括瑪氏，我們能看到行業中消費者的節奏是很快的，因為是一個開放的世界，整個國家經濟變動非?？?，在這樣一種不確定的環境中，AI解決的是不確定性，在一定程度上消滅不確定性。我不知道算不算AI，10年前我們已經開始做了，游戲上我們做的是怎么通過數據減少他客人的流失，今年人工智能是基于這一套，最終是來自決策數的，決策數是用在人工智能最基礎的環節，當我們預測游戲的流失，實際上就是用他過去的流失做一個方程出來，用的工具是一個基礎性的工具，拿出來的結果我們用今年上半年的數據驗證它的模型。今天我們轉過頭來說是AlphaGo，基于這樣不斷地用歷史數據的方法，通過預測這塊，在10年前我們已經幫助做不確定性的消彌。我們在創意這塊印象特別深，過去這樣一些數據的積累，我們能夠在創意上，判斷出未來的某一個創業有80%或者多少的區間，能夠有什么樣的效果，這是AI非常典型的應用。

利用這樣一種方法，這是AI一個比較基礎的應用。在第二個層次上，AI幫助我們基于現在這樣一個新的營銷態勢創造一些融合的機會，這其實剛才已經講到了在不同的場景下能夠適應。為什么我特別強調融合，是因為今天你看過去的營銷部門和運營部門其實是兩個部門，這兩個部門是分開的，我很多客戶都是這樣，大家不會管彼此的事情。今天就像品友的這樣一些數據，我們取得的這樣一些數據，幫助我們解決的最大的問題，剛才湯總也說了我們希望能夠做這樣一些打通，我們希望把這幾個環節完全打通。對營銷同學必然是一個很大的挑戰，這個挑戰我現在看來唯有AI很大程度上能夠幫助，因為AI本身最典型的像DSP，實際上是最典型的AI應用，因為它是基于監督學習的。我們都知道RTB不叫RTB的時候，你要給汽車人群投放，你去找這個人群。實際上人工智能不是這樣一個運作機理，是我們能夠以終為始的方法去使用這個數據。實際上這個監督學習已經極大幫助我們提高了廣告營銷的效率，雖然現在RTB由于一些關系沒有像前幾年那么火熱，但是監督學習這種方式已經完全改變了，徹底重新改寫了今天廣告投放的方式。

如果我們去看像今日頭條，其實全部都是用這種方法，OCDP、OCPM、OCDA，全部是用這樣的方法。AI早已經改變了我們今天的工作，第三個面臨更大的挑戰是營銷的碎片化，我們知道整個宇宙是一個山，互聯網成熟的標志，互聯網碎片化的程度比過去厲害太多，現實世界很無序很混亂，會映射到互聯網上，這對互聯網非常好，但對于CMO來說是一個很大的挑戰，過去我們其實只研究兩塊，一個是搜索廣告，一個是Bena廣告，其實我們今天不光有搜索，我們還有視頻廣告、前貼片、抖音廣告、信息流廣告，還有好多各種很難去數的廣告全部都出來，甚至還有關于個人的。所以營銷整個因為消費者的碎片化、內容碎片化，造成了整個營銷的碎片化，這樣的一種碎片化我們會越來越發現根本沒有辦法通過人工做得到，只有通過人工去幫助。前段時間我去谷歌看到蠻好玩的是谷歌新的思路，比如說他們在語言識別上、圖象識別上AI的成果用在營銷上，適配一萬個圖片，把關鍵詞歸納出來看每一個圖片最終轉化的效果，同樣我相信MIP也是用類似的方法去識別創意圖片的情況，然后看他們的CPR、CPA等等的狀況，來幫助實現更好的轉化。同樣碎片化這塊，也是利用這樣一些方法去看不同消費者歸因路徑上，不管怎么判斷都是用一維的方法衡量碎片化的多維數據。谷歌已經做出來人工智能的歸因模型，實際上就是通過你在消費者的整個轉化路徑上的一些具體行為，雖然都是用搜索引擎，但是A消費者在搜索引擎上停留時間比較長，B消費者比較少，那A消費者會有更大的權重，從而換更準確的整個渠道的數據，幫助我們做更好的策略。所以AI已經改變了營銷的面貌，我相信未來還有更多的轉型應用，這就是為什么我覺得品友MIP特別興奮的原因，這一定是適應于未來整個營銷的潮流。

趙晨：歐陽，我覺得您這邊代表品友也服務了非常多不同類型的客戶，有沒有一兩個AI提供的價值，廣告主、CMO跟你說這是我對想要的。

歐陽辰：過去兩年我們用我們的數據產品服務了很多客戶，隨著產品里面數據量越來越多，我們的產品輸出越來越多洞察和決策，我覺得很多客戶對它的決策都慢慢上癮了，一旦用上了以后下次再使用的時候基本是百分之百依賴，越來越重度依賴我們的數據產品輸出的決策能力。在打造產品過程中，我覺得我在分三個層面培養它的AI競爭力。第一個，這個產品里面的識別能力，這個數據產品比如說對流量里面進行比較精準的識別，甄別出哪些是虛假流量，哪些是有效的流量，哪些是高質量的流量。其包括在創意分析里面，我們能夠任意輸入一張圖片，分析出它的顏色、字體還有里面的元素，所以我們非常注意打造產品對數據的識別能力。

第二個深度的分析能力，不再是一維的分析，而是多維度的分析，交叉維度的分析，比如我們做創意分析的時候，會把創意和人分解成很多維度，兩兩維度或者兩三交叉維度做深度分析，這種分析很多時候能獲得很多相關性，非常有意思的相關性，這些相關性我們很多時候也是獲得了客戶的一些好評。

第三個層面，其實我們在打造的是決策能力，這其實就是我們剛才MIP演示的很多，看了很多數據以后最后按個按紐說看有什么策略生成，這是考驗系統的決策能力，假設我們有這樣的決策，應用的時候它應該采用什么樣的人群策略、創意策略和媒體策略，這是我們在打造MIP產品的時候會聚焦在識別和深度的分析能力，還有決策能力。我們在決策方面希望跟一些數據反饋打通，這樣能幫助提升我們產品的競爭力。

趙晨：我覺得宋老師、歐陽分享的很多是交叉維度一些洞察的事情，是說投對人，這個人有可能是男性、年齡、收入、興趣，我在什么時間投他，有可能他會完成，什么時間投他，他有可能買汽車。

我再問一個問題，宋星其實說到了這一點，AI在這個市場很重要的一個原因，是因為現在廣告主對廣告技術公司的要求越來越苛刻，他們對他們自己的要求也越來越苛刻，其實在前面一個圓桌中也談到了這一點，他們最后一句話廣告主怎么考核標準非常重要，到底什么考核標準是說這件事是成功還是不成功的？這個問題誰想分享？

彭雅瑞：其實我覺得在AI的時代考核標準是更容易確定和辨識的，更多的是從廣告主來講，或者從現有部門的利益來講，你愿不愿意把它作為（英文）去做。從我們過去實踐來看，從品牌廣告到效果廣告轉化，是所有CEO都要求更多看到的，不管是效率還是效果對于企業增長過程中是最重要的一環去看它的投資效果的。我們去做的也是更多從大的角度去看，這一定是更多的效果廣告、品牌廣告，品牌廣告給了我們非常好的積淀，對品牌價值的保證，效果廣告同時給我們一個機會看到調整優化和我們實際上跟消費者互動過程中得到更多的信息。我們做AI創新的時候也會兩個部分一起去看，我們會通過輿情監測的方式也可以找到效果的部分。另外一個部分更加極致，比如我們投的內容，不管是視頻還是什么，我們會實時看到它的銷售轉化，這其實也是其中的硬指標，我們會在每一年看這兩個比例應該怎么去放，趨勢是效果廣告部分，或者我們希望更多投放可以看到效果，產生我們再去投放。如果當我們遇到一些問題，我們也會去優先看效果。

陳良智：這個問題是我們營銷人很需要面對有時候又很糾結的問題，尤其是一些特殊的長鏈條的消費領域，比如我們的消費領域。一般我們在做效果廣告的時候，我們會用兩個指標去看，這兩個指標是必須去堅持的，最后核心最重要的是銷售，為什么還要找類似的區間值去判斷這樣一個效果？因為有些消費領域確確實實沒有辦法通過目前線上能實現的這種曝光到轉化的監測鏈條直接達到消費者的目標，它達不到。所以我們會刻意去拿這樣的中間間先去評判中間的效果，這是目前當下沒有辦法的一個選擇。

第二個部分，包括瑪氏的伙伴也分享了，我們一直也在探索品牌廣告、效果廣告是什么樣的關系？沒有一個企業可以去決策說現在效果廣告可以看到明顯直接的轉化數據，是不是說效果應該是最核心的，拿到最多的核心選擇。企業知道這樣的現象，但是它沒有辦法做這樣的決策，因為品牌側的效果很難衡量它對于終端所有效果的流轉帶來的溢價的提升，因為效果廣告是一對一的關系，只要做立刻出結果。品牌廣告在我們看是一對多的關系，戶外或者傳統電視的廣告，可能沒有辦法有效果廣告這么好的方式積累這么多數據，但是這些廣告大量投入會帶來整個品牌指數的增長、搜索詞出價的降低等等，是一對多的關系，導致整體品牌在傳播過程中所有鏈條都有提升的幫助。但是沒有辦法說到底對哪個指標的幫助達到什么樣的KPI，這是至少包括我在也面臨的這樣一些挑戰。好的是說我們在數字可以打通的傳播領域中有AI的技術出現，包括宋老師提到的RTB、DSP等等，雖然這些概念我們也遇到很多爭議，但是它核心的思考和解決邏輯其實是非?？茖W的，可以自動降低我們很多在廣告投放決策中需要人為去不確定的或者憑歷史數據、經驗沒有辦法應對當下實時環境的決策，AI在這中間起到了很大的幫助作用。

未來其實也有一些惶恐和期待，是說目前很多媒體的傳播市場其實并沒有抱一個很開放的姿態去面對我們的這樣一個改善，比方說為什么會有商湯科技這種服務的出現，也是盡可能去打通線下這種沒有辦法統計到的數據，為線上決策提供一定的依據。還有大量的領域，包括戶外廣告市場，分眾、大型戶外廣告牌等等，沒有辦法包容我通過技術革新幫助企業提供相應的數據，沒有做這樣的決策，也沒有準備面對這樣的變化，導致我們在整體的傳播過程中很大的一塊預算和投入其實沒有納入到我們整體的這樣一個評估鏈條中來，很可惜。即便是現在電視雖然說有JRP等等這樣的概念，其實還是停留在曝光層面的這樣一個東西，也沒有辦法幫我們去做更多的決策。我相信有一點是說即便數字現在這么發達，我們有這么好的一些解決方案，但它一定不是完整去取代我們整體媒介環境的這樣一個解決方案，我希望看到未來整體至少大的電視戶外這樣的領域也能擁抱數字的變化，通過我們現在新的整體的這種全AI智能打通的這種思考，能幫助我們做更多的決策，而不是說OK，我把數字單獨拿出來，用這樣的方式去做新的決策，其他的方式似乎又回到了原點，就是這樣，有一點點可惜，這是我們的一些看法。

湯楠：在零售領域里面，我剛才在想和大家討論的維度好像不一樣，我們好像更細一點。因為像這些品牌的廣告，更多還是考慮在比如說一些搜索，但我們其實已經進入了一個電商的單品的投放，或者是一種風格的銷售，如果說奢侈品引領整個時尚的潮流，是在每一季販賣一種潮流，我們作為零售商或者渠道其實銷售的是這個潮流下的每一個單品。在這樣一個顆粒度更加小、多對多的情況下，可能它創造出的零售熵是字旁的熵，可能更加復雜，這個角度上，它的效果可能是提高商品的周轉和商品的效率，再往前一步怎么在渠道當中看到中間值，這還是要各位大咖去討論的。

趙晨：因為時間的原因，我問宋老師和歐陽的問題是后面的問題，從您的答案也可以說一下，像我們這種類型的公司，或者你們看到的平臺，是怎么幫助他們解決這種問題？

宋星：對于AI這塊，我非常相信未來一定有非常多的作為在營銷這塊。我目前也看到了這樣一些挑戰，這些挑戰可能造成了剛才陳老師說的有一些問題，比如一些環節還是打不通的，因為品牌本身是難以非常好定量化的東西。但即使我們無法百分之百定量化，我們只要比過去能夠更加定量化，就是很大的進步。今天的AI，比如說MIP，我們要把握幾個點，第一個點，我們能夠捕獲數據的程度和我們能夠打通數據的程度，這一點我相信AI已經做了很多的事情，比如說線下的數據，剛才LG的老師已經講過我們可以用刷臉的方式。我們做了很多討論跟品友一塊，底層本身是打通的一套數據系統，即使是今天的戶外廣告，整個人工智能在客戶端這塊，在設備上，通過端人工智能我們可以識別人臉，并且快速實現ID的打通，即使今年不實現，兩三年也會快速在這個行業里面發生。馬上過去一些覺得線上戶外廣告不能解決的問題，在未來至少能夠解決一部分，這部分我覺得是第一個點。

第二個點，數據可利用率一定會再不斷加強。之前能看到BAT這些巨頭擁有的數據實際上整個趨勢是越來越封閉，在這樣一種封閉的情況下，我拿到數據不多的情況下，怎么保障投放質量。過去從開放到封閉，又從封閉再轉到開放，大家都知道，包括BAT，尤其是A和T，騰訊5月29日開了一個大會，發了V+戰略，整個V+實際上很重要的一點就是更加開放的騰訊去創造基于AI大的生態，在這樣一個大的生態下，我們過去不能做到的投放方式，今天其實已經可以做到。包括我們認為最封閉的阿里，阿里的很多數據有一定的辦法你可以拿出來，當然更偏技術化。比如我有電話號，我用這些東西換阿里的標記數據，可以實現投放，但是投放范圍比較有限，但已經比過去走了大大一步。所以數據應用這個層面上，我覺得已經比過去好太多。

第三個是可追蹤的效果，已經遠遠比過去要強大，就像我剛才說的前端的營銷已經跟后端的運營，乃至于后端最后的銷售能夠去打通，比如現在的新零售，汽車行業很典型，線上的營銷有沒有帶到4S店去，有沒有產生相應的行為，過去汽車已經是最大的作弊行業，今天情況已經改觀了，全都是數據和AI所創造的改變。所以我覺得是時間的問題，很多過去是問題，自然而然可能不會再是問題。

歐陽辰：在營銷里面，我覺得AI給營銷帶來最大的好處就是能夠建立品牌主和消費者更好的體驗，這種更好的體驗主要表現在大規模的個性化，具體是每個人感受到品牌主不同的信息傳遞，這是最大的好處。

具體實現我覺得AI在實現這個路徑上，我覺得是一種潤物細無聲的方式來實現，很多后面的算法、數據都在做很多事情，剛才各位老師都說了。我自己覺得短期來看，我們很容易高估了AI的這些作用，但是從中期和長期來看，我們很容易低估它的效果，我自己還是非常篤定AI在營銷里面會扮演越來越重要的角色。就像冰山理論一樣，AI是在冰山下面八分之七的位置，繼續努力。

趙晨：我最后補充1分鐘，因為我自己做優化做了十幾年，不管是優化還是管理優化師。我們今年也聽到了很多比較精彩的分享，對于廣告主來說，他們現在要求確實比原來要細節很多，我能夠分享的是說人工做不了的東西是什么？是說這個人在對的場景，他現在用什么手機端，到底在什么地域，細節到多個維度的時候，我到底給他投什么類型的創意。就是你把所有的東西都鏈接起來，這只是機器能做的事情。所以我也非常感謝各位嘉賓的分享，這個環節就先這樣子。

主持人：謝謝各位嘉賓的分享，非常精彩的環節。我覺得臺上的這些嘉賓都是既智慧又勇敢，實際上在你們的營銷中間已經實實在在把人工智能、數據、技術放在了你們的日常工作中。最后非常感謝在座各位聽眾，我相信如果你們對今天的分享還有興趣，當你們在工作中回去說我想借助人工智能提升我的營銷決策，最簡單的方法就是聯系品友互動，謝謝大家持續關注品友互動，當然也歡迎大家明年我們還會再開人工智能商業決策的峰會，謝謝大家能夠持續關注我們和參加品友的活動，謝謝！

最后，記得關注微信公眾號：鎂客網（im2maker），更多干貨在等你！