生成式人工智能帮助营销人员与客户建立联系的3种方式

生成式人工智能在营销领域也引起了相当大的轰动，但随着这种炒作，人们对它如何帮助营销人员产生了许多误解和困惑。随着客户期望值的不断提高，个性化已经成为一种期待，营销人员可以利用生成式人工智能来帮助维持客户忠诚度，并在 “后cookie世界 “中获得洞察力。

我们最近询问了营销人员这项技术将如何提供帮助，60%的人表示它将改变他们的角色。超过一半（51%）的人已经在尝试生成式人工智能或在工作中使用它。

在我们的调查中，营销人员估计，生成式人工智能可以每周为他们节省5个小时——每年加起来超过一个月。想象一下，那段时间你还能做多少。

虽然生成式人工智能仍处于早期阶段，但营销人员今天可以通过三种方式使用它来更好地与客户联系。

用于营销的生成式人工智能会是什么样子？

生成式人工智能可以帮助起草营销材料或为客户回复提供快速答案。但这只是企业用这项技术可以做的事情的开始。

将生成式人工智能与直观的客户数据平台相结合，可以为公司提供实时洞察力采取行动的工具。这可以帮助您大规模提供个性化服务，例如根据个人客户的浏览和购买历史记录为他们量身定制产品推荐。

我们的最新研究中，54%的营销人员告诉我们，生成式人工智能培训计划对他们成功使用这项技术至关重要。72%的人希望他们的雇主能为他们提供学习如何使用生成式人工智能的机会。

1、个性化的最后一英里

今天的客户期望每一步都能实现个性化。最近，我们发现65%的客户表示，如果公司提供更量身定制的体验，他们将保持忠诚。

将生成式人工智能的力量与您的CRM数据相结合，使营销人员能够为客户创造此类数字体验。总而言之，这带来了更有效的营销旅程，在内容生成、设计和定位方面更好地为受众量身定制。

2、第三方cookie替换

第三方cookie弃用和访问高质量数据——结构良好且有用的数据——对营销组织来说是一个日益严峻的挑战。我们发现，41%的商业领袖认为对数据缺乏理解，因为数据太复杂或不够可访问。

随着数据越来越难以收集、存储和分析，营销人员现在可以求助于人工智能工具来帮助分析他们确实拥有的数据并做出正确的决定。人工智能将帮助营销人员处理他们现有的（也许是有限的）第一方数据，并为他们提供丰富的见解。

63%的营销人员告诉我们，可信的第一方数据对于生成式人工智能的良好工作非常重要。营销人员本身在生成式人工智能的成功中也发挥了关键作用，66%的人表示，人为监督是必要的，以确保品牌的调性保持真实性。

3、专注于客户

通过生成式人工智能处理较低级别的任务，营销人员能够专注于战略活动，执行创意，并与客户建立联系。生成式人工智能可以从根本上改变营销部门的运作方式，允许团队将更多的注意力放在属于它所属的地方——客户身上。

如何提高生成式人工智能的可信度？

准确性：我们需要提供可验证的结果，通过使客户能够根据自己的数据训练模型，平衡模型的准确性、精度和召回。当人工智能响应的真实性不确定时，我们应该进行沟通，并使用户能够验证这些响应。这可以通过引用来源，解释人工智能给出其回复的原因（例如，思想链提示），突出需要仔细检查的领域（例如，统计数据，建议，日期），并创建阻止某些任务完全自动化的防火墙（例如，在没有人工审查的情况下将代码发射到生产环境中）来完成。
安全：与我们所有的人工智能模型一样，我们应该尽一切努力通过进行偏见、可解释性和稳健性评估以及红色团队合作来减轻偏见和有害输出。我们还必须保护用于训练的数据中存在的任何个人身份信息（PII）的隐私，并创建防火墙以防止额外的伤害（例如，强制将代码发布到沙盒，而不是自动推送到生产）。
诚实：在收集数据以训练和评估我们的模型时，我们需要尊重数据来源，并确保我们同意使用数据（例如，开源，用户提供）。我们还必须透明地表示，人工智能在自主交付时创建了内容（例如，聊天机器人对消费者的响应，使用水印）。
赋权：在某些情况下，最好将流程完全自动化，但在某些情况下，人工智能应该对人类起到支持作用，或者需要人类判断。我们需要确定适当的平衡来“增强”人类能力，并使所有人都能使用这些解决方案（例如，生成ALT文本以伴随图像）。
可持续性：当我们努力创建更准确的模型时，我们应该尽可能开发适当大小的模型，以减少我们的碳足迹。说到人工智能模型，更大并不总是意味着更好：在某些情况下，更小、训练有素的模型比更大、训练更稀少的模型更胜一倍。

参考资料

英文原文: 3 Ways Generative AI Will Help Marketers Connect With Customers