宋星的数字观
ChatGPT火了，它所代表的生成式AI让大家耳目一新。GPT 全称 Generative Pre-training，意思是生成式预训练，是生成式AI的一种。
与生成式AI相对应的AI，是判别式（或决策式）AI，即Discriminant Model AI。
简单讲，判别式AI的主要工作是做出判断或者决策，而生成式AI则是“产生”出类似于人做出来的东西，比如我们都看到的：ChatGPT产出的文本，或是MidJourney搞出来的绘画。这些人工智能产出的内容，又叫做AIGC。
生成式AI是机器自己模仿做出多个内容产出后，专家再选出更好的内容（监督），机器基于专家的选择进行调整优化。机器学的越多，模仿的越像（目前ChatGPT的论文还没有出来，但是看InstructGPT的论文，大致仍然是人指导下的监督学习加上RM奖励训练实现的梯度迭代优化，如果感兴趣，可以到OpenAI上去找InstructGPT的论文原文看）。
判别式AI是机器基于给定的模型、参数，不断做出判断。这些判断是否正确，会反馈给机器，让机器自动调优模型和参数，从而让下一次判断更正确。
生成式AI本质上是在既有知识的基础上进行的高水平模仿，产生内容。而判别式AI是机器不断试错产生判断，试的越多，判断越准。
目前，在数字营销中，尤其是数字广告中，普遍采用的是判别式的AI实现方式。
不奇怪，监督学习下的判别式AI，对于投放广告这种本来就天然带有试错机会的营销场景而言，简直再合适不过。
但随着技术的发展，类似于ChatGPT的这种生成式AI，肯定也会逐步被数字营销所采用。
当然，你可能自然而然就可以想到，ChatGPT是能“自己说话的”，因此，用来创造文案再合适不过。此外，AI绘画，用来自动生成创意，也非常妙。这些对于大部分的广告主，尤其是效果类广告主很有帮助。
但这或许只是生成式AI在数字营销中的初级用法。
然后中级玩法，是根据文字自动生成视频，自动配上音乐，或是自动帮你生成一个文字脚本，然后自己“拍成”一段视频。这个虽然还没有特别成熟的产品，但恐怕很快也能实现。
你可能也会进一步想，既然是生成式AI，为什么它只能生成内容呢？它难道不能自动生成策略吗？生成式AI未来也一定可以帮助企业自动生成营销策略吧？这会不会是生成式AI的更高级的玩法呢？
1.生成式AI帮助企业自动生成营销策略，这可能吗？
2.AI自动生成细分场景的执行方案还是可行的
3.私域领域AI自主的智能营销和运营可能吗？
4.ChatGPT将让数字营销员工下课？
01 生成式AI帮助企业自动生成营销策略，这可能吗？
这可能吗？
不太可能。
用生成式AI生成出说明营销策略的文字和图表倒是完全可能的，但它产生的策略逻辑上是否自洽，是否与你的业务相匹配，执行起来是否靠谱，就不要抱有太大期望了。
生成式AI生成的营销策略，可能会有些令人哭笑不得，例如在品牌推广上，不排除可能给我们爆出一个惊天地泣鬼神的想法，但更多可能是一堆狗屁不通的“流水账”。就像用AI绘画，有时候会出现惊艳感觉的作品，更多时候出来的是莫名其妙的牛头不对马嘴。当然，生成式AI生成的营销策略，肯定会比AI绘画的输出结果更糟糕，哪怕你手上有很多很高质量的描述你的营销情况的prompts。
所以，让生成式AI做出一个逻辑上讲得通，还能有一定效果的营销策略，难以做到，就算在未来都很难。给营销人做做灵感启发，倒还是有可能。
那么，为什么它生成不了真正靠谱的营销策略呢？有两个很重要的原因，一个是数字营销这个领域本身带来的难度：可供训练的数据量有限。另一个是生成式AI本身的缺陷，即AI只能搞出死板的知识，却无法产生新的智慧，可数字营销策略背后，需要大量的新的智慧。
数字营销领域用生成式AI做营销策略的挑战之一是训练用的数据量不够。ChatGPT能成功，是因为有大量的开放的互联网文字。例如，我这篇文章，就必然会成为未来OpenAI（或是其他人工智能引擎）所用的训练数据。
但是，自动化生成营销策略的困难在于，在很多营销领域，并没有那么多样本可供学习。就算对判别式AI所需的监督学习，这些样本可能都很不够，对生成式AI可能就更不够了。
或许你会想到，这世界上的营销策略，成万上亿，让许许多多的广告主，都把自己的营销方案和结果，按照一定的格式提交给第三方的AI平台，比如都提交给OpenAI，让它去学习不就成了。
但这方法只在理论上可行。广告主肯定不会把自己的营销方案，以结构化的方式提供给某个第三方AI平台。最终的营销效果，也一定会讳莫如深，不可能分享出来。毕竟，这些都是自己的商业机密。由于这样的原因，仅从广告主这端产生智能化自动生成的营销策略，是不大可能的。
不仅数据量不够，营销的策略，也无法完全用语言表述。这并不是指数字营销都是在做一些“不可描述”的事情，而是指，数字营销不仅仅只是文字、图案、视频等显性的信息（数据），它还包含有大量隐藏在显性信息背后的，隐性的信息：流量、规则、流程、渠道和触点间的相互关系、竞争环境的变化、产品的特性、外部消费环境的变化等等。它的隐含变量实在是太多了。
这些东西如何描述并输入给AI，都非常的困难，更不用说在机器中用模型和参数去结构化的复现它们。
就算是判别式AI都无法穷尽更不可能预测这些变量，生成式AI更无法对隐性的信息加以学习和领会。
所以，至少在可见的未来，我不相信生成式AI能够生成出跑得通的数字营销策略，不要求高水平的策略，跑得通就行，就这，也做不到。
所以，生成式AI它目前就是做内容的。它不是做策略的。它能够模仿人生产内容，但不能模仿人生产策略的。
上图：ChatGPT做的营销策略还狗屁不通
02 AI自动生成细分场景的执行方案还是可行的
这样的细分场景我们天天都能见到，例如广告投放。
今天的广告投放已经大量采用基于监督学习的判别式AI自动优化广告效果，并且慢慢蚕食了原本属于广告优化师的工作，这种情况已经不是一天两天了。
所以，说判别式AI已经是广告投放的基础设施，一点也不为过。
但我们不仅仅希望广告投放的效果是被AI优化的，我们更希望广告的投放方案，干脆就是AI生成的！你输入给机器你的预算、你的投放目标、你的目标人群、你的合作媒体、你要传播的商业信息等条件，就像给AI作画的prompt一样，然后AI自动给你跑出来一个最优投放方案。
那么，在这个应用场景上，生成式AI能够起到重大作用吗？或许可以，不过你不要指望它能够做出一个优秀的方案。或者说，它能模仿过去的广告投放方案生成一个“新方案”，但在这个“新的”方案中，并没有真正创新的东西。
不过，我们的思路不要局限于此。
别忘了，广告投放的领域，还有基于监督学习的判别式AI。将判别式AI和生成式AI结合起来，很有可能将让数字广告的投放，推向一个新的革命时代！
数字广告的条件和参数，都是非常结构化的，数量也没有非常巨大，而产生的结果也是非常确定且能够实时反馈的（尤其是指效果类型的广告，比如信息流投放）。所以，输入（条件和参数）+输出（营销结果）二者都很结构化的情况下，监督学习能够起到巨大的价值。
一方面，监督学习能够实时调优投放的执行，另一方面，在广告投放前利用生成式AI制定的方案的好坏，也能够通过广告投放的实际效果自动化的加以反馈。这意味着，广告投放的AI训练，连专家机制都可以省略，而进入“全自动”的RM算法的梯度迭代循环！
甚至，AI最终跑出来的方案，可能比我们营销人弄出来的更加匪夷所思，但是效果却可能更好！就像下围棋的AlphaGo搞出的一些匪夷所思的定式，被发现原来如此精妙。现在很多专业棋手都是在不断跟AI对弈中，寻找更好的策略。
再加上，生成式AI连文案、图片、视频等都能基于投放策略自动生成了，广告主真的是可以在下一个brief之后就看着广告就自动生成然后自动跑起来。
这不就是一个数字营销的永动机的吗？！
不过，实现这个“美梦”所需要的数据，并不在广告主手里，而是在大型媒体平台手中。它们在位广大广告主提供广告服务的同时，获得了拥有极为海量参数的广告投放数据，以及描述投放效果的各种结果数据。
投放预算、广告位、广告形式、创意、文案类型、人群选择、落地页设计、互动方式、投放结果等等，全部都在媒体平台的掌握之中。
所以，如同现在媒体是监督学习类型广告自动优化的主导者和实现者，未来他们也同样是最有可能利用生成式AI，帮助广告主自动生成投放策略的主导者！对媒体而言，广告主采用什么样的投放方案和执行方式，将会产生大致什么样的结果，至少是可以很好预测并且提供给广告主的。
当然，仍然有一些AI不能控制的变数，导致这个方式并不能总是给出令人满意的广告效果。其中当然有广告资源的质量本来就是波动的（不可预测的）原因。但是更重要的原因是，无论何种AI，包括生成式AI，本身都具有缺陷，即它们不具有真正的智慧，我在后面再详述。
03 私域领域AI自主的智能营销和运营可能吗？
我认为，私域可能是另一个很具有潜力的领域。当然，我仍然相信生成式AI无法自主生成一个宏观的私域策略，譬如它无法告诉我们：我们的私域应该有什么样的宏观定位、具体做哪些触点、触点上都应该有哪些功能、消费者的体验路径是什么样的、用什么话术或者内容……它无法实现这种高级策略，倒不是因为这些策略太复杂，而同样是因为可能压根就没有可以让它学习训练的大量的数据。
不过，与广告投放的具体场景类似，在私域的某些细分课题，诸如老客户的运营（CRM向）的某些场景的执行方案，或是针对某类人群在特定场景与条件下的运营执行方案，判别式AI和生成式AI结合起来，倒是可能很有所作为的。
老客户运营的某些场景，例如给什么样积分的老客户推荐什么样的福利更能产生好的转化效果，或是在给定人群特征、预算、触点、营销要求以及主要互动类型的情况下，自动生成可执行的运营动作，这些场景用判别式AI就能够解决。
在每个具体执行的运营动作中，讲什么话，发什么图，如何吸引他们有限的注意力，这些事情生成式AI都可以帮忙。
在这些场景之下，我甚至可以想象出一个更具诱惑力的应用：判别式AI可以为每一个消费者，制定真正独一无二的营销执行方案，并且可以基于我们已经越来越成熟的营销自动化（MA）系统，把这些营销方案变成自动化的营销执行。再结合生成式AI提供的针对性文案、图片、视频或是各种创意诱饵，那么对于一些具体场景下的营销或运营，就可以变成从策略到执行全过程完全自动化的了。
然后，再通过监督学习这个“大杀器”，把营销（或运营）的实际转化结果不断反馈给机器，机器可以进一步调整针对每一个消费者的营销方案、执行动作、创意和内容、互动方式等，使之更加贴近每个人的预期与需求。
这样，你几乎获得了一个“私域营销永动机”，只要对细分场景的描述足够的具体，设定条件足够清晰，资源足够给力，理论上AI能够一直不知疲倦地帮你与消费者进行互动与沟通。
尽管现在还做不到，运算速度和计算成本都是问题，但谁能说未来就一定做不到呢？
不过，与大媒体平台才有可能实现自动化广告投放策略相似，私域领域的AI的产生，也需要依赖于营销自动化平台服务商，尤其是那些拥有更多客户的服务商，背后的原因也如出一辙：训练数据的体量仍然是主要障碍，大部分广告主自己的数据量太小，根本无法满足AI获取知识的需要。
04 ChatGPT将让数字营销员工下课？
AI，可以学习存在的知识，可以重新组合既有的知识，或是在这些知识基础上创造出新的表现方式（如同ChatGPT或者AI绘画那样），但AI不会创造出人类此前从来没有想到过的新的知识。
在我用AI绘画的软件，例如MidJourney引擎的软件的时候，如果在prompt中输入“photo”，我就会常常看到图片中出现了奇怪的“GettyImage”的被模糊的字样。显然，MidJourney在学习Getty的照片，甚至是直接“抄”他们的照片，而并没有真正自己创造出照片。这一点上，对于其他风格的画作亦然，如果没有Thomas kinkade或者Greg Rutkowski的作品，AI绘画中也不会出现与之类似的油画风。
同样，如果没有我和许多真人作者的诸多文章，ChatGPT也无法写出数字营销中的数据分析与数据的应用。
我们肯定能让生成式AI根据你设定的条件要求，创作出一个电影，或者是一个电视剧，但让这个电视剧成为像目前的“三体”电视剧一样高分经典，那就真的想多了。（不过，日本的某些特别的动作影片，是不是有可能被“AI+虚拟人”取代？）
监督学习不产生创造，生成式AI也只是在“伪创造”。用SEO行业的术语，它是“伪原创”。——所以很多SEO人看到ChatGPT，第一反应就是，伪原创现在有神器了。
而在数字营销中，模仿是很难有生命力的，尤其在品牌营销中更是如此。而对效果营销而言，模仿的意义也仅限于短期——或许可以通过一时的模仿产生营销效果，但当大家都用ChatGPT进行模仿的时候，模仿本身就失去了效用。
AI也没有情感。有句话说得好，AlphaGo能够下赢世界上最好的围棋手，但是它不会为下赢了人类而感到高兴。但数字营销，却很需要注入人类的感情。
所以，以ChatGPT为代表的生成式AI在固定的营销场景下，可能会很有用，但开放式的营销环境中，它很难生成真正有价值的策略。
另外，就算是前面讲的广告投放、特定场景的私域运营等生成式AI可能可以发挥能力的领域，我们也不可能指望它能做到100分，它或许能够做到六七十分，但并不能直接帮我们做到更好。
“无法真正做到更好”是ChatGPT等生成式应用将面临的根本性挑战。即使有AI帮助，人依然总是要参与其中的。我们可以让生成式AI给我们灵感，这是一个好的应用方向，但它不可能根本性地代替人要做的那些最核心的工作。
那个获大奖的科幻画作（《太空歌剧院》），虽然是AI直接生成的，它仍然需要有非常高水平的prompts输入，而且被人后期处理过、润色过。输入信息、处理和润色，是人才能完成的画龙点睛。
所以，我相信，ChatGPT不会让那些真正具有头脑的员工下课，其他AI也不能。反而，在AI的帮助下，这些有头脑的员工的工作，会变得更加轻松自如——他们发挥头脑就好了，很多重复的落地的工作，AI可以干了。
但，拿来党，危险了，比你们更会拿的机器出现了。这或许是非常非常好的事情。总有一天，世界会逼着我们去训练出更有创造力的头脑，而不是让我们的头脑更加懒惰。
以上。
