僅在幾年前，很少有公司相信營銷特定的AI引擎將成為營銷的方向。2018年，只有29%的營銷人員在他們的程序中使用了人工智能。同年，經過多年的發展，在Selligent Marketing Cloud推出了我們自己的營銷專用人工智能引擎Selligent Cortex。

從那時起，使用人工智能的營銷人員數量猛增。隨著該技術幾乎在一夜之間從尖端變為現狀，它最近在2020年期間升至84%的新高。還有更多人加入了這場革命：77%的零售商將在2021年開始實施人工智能。

營銷人工智能的基本吸引力保持不變：人工智能讓營銷人員利用實時客戶數據，跨渠道和設備大規模提供超個性化、高度相關的客戶體驗——為每個客戶提供個性化的參與和旅程。但是，由于我們在Selligent的工程團隊在過去幾年中構建和訓練了此類算法(在每一步都進行試驗、錯誤和學習)，我可以誠實地說，并非所有“營銷AI”都生而平等。

人工智能VS人工智能機器學習

從一開始，對于人工智能和機器學習這兩個術語仍然存在一定程度的混淆。

從技術的角度來看，人工智能基本上是與使機器像人腦一樣執行任務的所有事情的總稱。它與推理、計劃、學習、決策等有關。為了實現這一目標，計算機依賴于分析數據、從中得出統計數據、研究性能指標并調整未來行為的算法——就像人類一樣。

現在，有趣的部分是人類不需要“編程”或“指導”人工智能引擎來執行特定任務。相反，引擎可以依靠機器學習并自行解決。機器學習使用特殊的計算(算法)來處理數據，在這些數據中尋找趨勢，最后利用這些趨勢進行預測。

從這個意義上說，機器學習與向機器發出精確指令以使其執行特定任務完全不同。在機器學習中，“學習”部分僅意味著通過算法從數據創建數學模型以執行特定功能。在下一步中，該模型僅用于軟件代碼中以進行實時預測，直到從下一個“學習階段”創建新模型。

特定于營銷的人工智能引擎的(快速)發展

由于機器學習(ML)系統的自我優化特性，特定于營銷的AI引擎的發展非常迅速，現在包括“智能”功能，例如：

• 自動化、個性化的內容創建，讓營銷人員可以根據每個消費者的情況，動態地個性化內容和優惠。為了實現這一目標，算法將每個客戶的行為和上下文數據與營銷人員特定的業務邏輯相結合。
• 基于人工智能的受眾定義，通過預測營銷人員希望推動的特定內容和計劃的正確目標受眾是誰，從而推動客戶細分。
• 發送時間優化(STO)：將電子郵件或消息定位到單個客戶最容易接受消息的確切時間不是很好嗎?此功能會計算特定客戶參與度最高時的“最佳位置”。

就即將推出的新功能而言，有兩件事即將出現。首先，使用來自客戶聊天、消息和電子郵件的文本數據來更多地了解他們的特定偏好和動機，并預測什么樣的內容會引起他們的共鳴。然后，人工智能引擎可以使用這些見解自動為每個客戶定制電子郵件的主題行。

其次，營銷人員需要越來越能夠實時響應客戶需求。這意味著立即捕獲現實生活和電子商務中的所有交易，并根據可操作的數據定制智能、自動化的響應。

營銷人工智能的下一章

營銷人工智能的發展仍在繼續。Covid-19危機將數字化轉型進程加速了幾年，在某些情況下甚至是幾十年。根據畢馬威(KPMG)的一份報告，在全球大流行的破壞中，88%的小型企業和80%的大型企業表示，人工智能在Covid-19爆發期間幫助了他們的公司。

展望未來，營銷人工智能平臺的自我改進特性將幫助營銷人員發現趨勢，并通過擴展功能響應客戶的真正需求。營銷團隊所需要的只是頻繁的軟件更新。您的營銷AI引擎將為您完成剩下的工作。