美国波士顿红袜队(Boston Red Sox)是棒球界一支标志性的球队。红袜队目前正在重新定义球迷体验。
这支美国职业棒球大联盟球队在一个数据驱动决策和个性化推广的时代里正在利用生成式人工智能彻底改变其营销活动。具体方法如下。
不断提高数据复杂性和平民化
红袜队的营销业务在不断地扩大,现在更加注重外向型球迷体验。或许有人会问,像红袜队这样的球队既然每场比赛通常都是售罄为什么会需要对外营销呢?每支球队其实都会经历起伏,球队赢球时自然生意兴隆。但当球队经历重建阶段时,市场营销对于确保球迷持续保持高水平的兴趣就至关重要,尤其是在波士顿这样一个拥有众多其他成功运动特许经营权的市场。
而市场营销的复杂性在不断上升,这也成了最大的一个挑战。市场营销复杂性的上升不仅体现在营销活动的数量上,还体现在数据处理的性质上。在过去,只有结构化查询语言专家和数据库管理员才能访问数据。
而如今,红袜队正在倡导数据平民化。这样的转变使得多个内部小组都可以对潜在的场景进行可视化和实验。红袜队首席技术官Brian Shield(题图)在最近由谷歌云公司(Google Cloud)主办的 Next 2023 会议上解释说,生成式人工智能已成为 “营销活动帮手”,可以提高营销活动的质量和针对性。
生成式人工智能作为营销人员的工具和体验
红袜队使用 GrowthLoop(前身是尖端营销平台 Flywheel Software)有三年半了。两家的合作为球队提供了全方位的球迷视角,也使得红袜队能够开展更有针对性的营销活动。重点出现了转移,从仅仅了解工具和数据转移到发掘更广泛的个性化机会以及保持与品牌形象的一致性。
此外,红袜队的运作环境是先进的 Salesforce。在这种复杂复杂的环境li,红袜队团队的一个主要目标就是找到能够同时满足美国职业棒球大联盟(MLB)品牌和 Salesforce 需求的解决方案。在对外销售活动方面,红袜队的目标始终是面向正确的受众。这同样可以延伸到各个领域,无论是数字产品、服务还是与销售团队的直接互动。
关键合作伙伴关系推动生成式人工智能
在 Next 2023 大会上,GrowthLoop、谷歌云(Google Cloud)和面向企业内容创建的生成式人工智能平台 Typeface 共同发布了一项联合解决方案,旨在帮助营销人员在整个营销活动中使用个性化人工智能。人工智能被整合到一个连续的流程中,因而人工智能营销解决方案可以令营销人员识别特定的受众群体并创建定制内容,进而确保营销活动能够更快地启动、更高效地运行并保持一致的品牌信息。
Salesforce 和谷歌云还联手帮助企业利用数据和人工智能改善与客户的互动及了解他们的喜好。两家公司计划在今年晚些时候推出两款新工具,实现即时数据共享并根据数据做出更好的预测。
通往未来之路
生成式人工智能是否能满足现代营销活动的需求呢?Shield 认为,“生成式人工智能并不是一个产品,而只是一种加速器,能更快地让人接近最终目标。”这项技术提供了巨大的可能性,但人类的直觉和决策仍将发挥主导作用,能确保营销活动保持品牌特色并与团队的价值观产生共鸣。
在采用人工智能模型的旅程中需要做出很多决策,例如,是否直接使用谷歌云的人工智能模型抑或是与合作伙伴合作或购买解决方案,该旅程目前仍处于初始阶段,因此要确定一个单一的、明确的解决方案还为时尚早。例如,MLB 一直在积极与 Adobe 公司合作开展一些高级项目并寻求可应用于多种活动类型和平台的解决方案。
据 Shield 称,混合方法似乎是最有可能的结果。其主要目标是集中情报,以便将所有决策集中在一处。
他表示,“制定一个多年路线图非常重要,因为各种事情变化太快。很难确定一条明确的前进道路。但制定一个将所有这些联系在一起的路线图才是制胜的法宝。”
要点
数字营销领域在不断发展,但灵活性和创新性仍然是最重要的。谷歌云拥有开放的架构,在不断壮大的合作伙伴生态系统的支持下正在引领潮流。红袜队等组织则在为其他组织树立榜样,人工智能必将为更加个性化的营销提供强大的动力。
好文章,需要你的鼓励
阿里巴巴集团正在马来西亚和菲律宾新增数据中心以推动AI驱动增长。该公司云计算部门本周在马来西亚启用第三个数据中心,并计划10月在菲律宾开设第二个数据中心。阿里云还在新加坡设立全球能力中心,帮助超过5000家企业和10万名开发者使用先进AI模型。未来三年内,阿里巴巴将在全球多个地区加速云网络建设,承诺在AI基础设施上投资超过530亿美元。
Unbabel团队开发的TOWER+模型系列实现了翻译专业性与通用AI能力的完美平衡。通过创新的四步训练方法,即使2B参数的小模型也能在翻译质量上匹敌70B大模型,同时具备出色的对话和指令跟随能力。研究还创建了IF-MT基准来评估复杂翻译场景下的综合能力,为AI模型的专业化发展提供了重要参考。
在人工智能与神经科学交叉领域的研究中,科学家正在探索自然发育的生物大脑与人工神经网络之间的异同。如今,实验室培养的生物类器官大脑为这一领域带来了新的复杂性。科学家使用干细胞培养出梨形大脑类器官,这些类器官甚至能够自主生长出眼睛。研究人员通过探索视觉与智能的关系,以及大脑-眼部缩放关系,为人工智能研究提供启发。
莫斯科科学家开发出"听众机制"训练方法,解决AI视觉偏好判断中推理不一致问题。通过让两个AI模型相互"对话"验证推理过程,新方法在ImageReward基准上达到67.4%准确率,并在现代图像数据集上显著提升泛化能力,为开发更可靠可解释的AI系统提供新思路。