营销与生成式 AI — 让对话产品更有创造力的假设与实验

本文由葡萄牙语原文自动翻译。阅读原文

图像生成过程 — 我亲自做的实验 — AI 识别出了与营销史相关的符号。

那些放下成见、尝试过图像生成 AI 的人都知道：主观冲击是即时的。在体验到如此前所未有的东西的瞬间，你开始消化并自问：一台机器怎么可能根据你描述时的想象，画出那幅画、那张图、那段视频？**它捕捉语言的细微差别，做出的润色往往与你请求的文字调性一致。**当然，一些怪诞之物也会出现，于是你开始追问伦理与主观影响，以及那些常常无意识的偏见。可以肯定的是，这些问题正被快速处理 — 也是为了让市场加速采用。最著名的程序之一 Midjourney 大步前进，不断发布更精良的版本，上周甚至推出了视频生成的雏形 — 谷歌也打算用 Imagen 推出同样的功能。

实验中涌现的这些感受，加上事实层面的考量 — 例如这类技术固有的指数性（无监督的自我改进）— 让我得出结论：是时候思考这些技术的「产品化」了。对营销而言，可能性是巨大的，**恰恰因为生成式 AI 与生俱来的个性化层次带有主观捕捉能力 — 它的训练本身就源自过去几十年互联网上发生的人类互动。**我的押注是：一旦图像生成 AI 被浓缩进对话产品，当图像工件让对话越来越个性化时，我们将进入真正的对话式 AI 时代 — 而不只是一个冰冷、通才、对用户真正在意的事不甚可靠的 ChatGPT。强大与危险并存，正如我此前所说，因为它有让人麻木的潜力。但说到底，营销不就是这么回事吗？制造认同感？**让客户产生更强认同的对话。**主导过聊天机器人 Discovery 的人再清楚不过：人们讨厌与机器对话，他们公开抱怨、咒骂、说自己没被好好接待、说对话毫无认同感。而所有钻研过发现流程的人也知道：需要更强的个性化。

于是生成式 AI 登场。但必须超越 ChatGPT — 它浅薄、不可靠、通才化（也理应如此），因为它要服务大众。正如我在其他文章里讲过的，通过 embeddings 技术并入更多数据，就能把 LLM 个性化。那么，今天企业最有价值的资产是什么？关于客户的数据：过往对话、工单记录、每个人的社会人口学数据、人物画像调研中吐露的期望等等。**为什么不以这些数据为起点，创造能适配「此刻正在对话的这位客户」的对话产品？**工具我们已经有了：如今编排器能在几秒内识别客户，只需用我在上一篇文章介绍的库，把各种 CRM 的数据并入接在 LLM 上的对话机器人。

跳出技术方案，想象一下更「像人」的对话与恰恰源自「对这位客户或潜客的了解」的意义感相结合的营销潜力。这可能正是产品团队多年难题的解法。要知道，借助正在涌现的技术，我们将告别那种说「啊，找到您的数据了，您的账单未支付」的机器人，走向能潜移默化地理解客户此行是真想付款、还是想先解决某个问题的对话 — 更重要的是，围绕这个问题的解决，客户会被创造性地接待。一个好的 LLM（甚至 GPT-3.5 就够）配上额外训练，就能把 IBM Watson 这类成熟企业和产品提供的现有聊天机器人打得落花流水。

从哪里开始？ 🥸

第一步是整理数据（企业的老难题，对吧？）— 那些你认为基于 LLM 个性化对话产品所需的数据。如果是客服产品，过往对话和客户数据是好起点。如果是销售产品，产品目录、销售策略和目标人群数据库能让你的 LLM 个性化，并具备更好说服潜客所需的信息。数据整理好后，就该搭建 LLM/LangChain/Pinecone 结构，或使用云上的现成结构来个性化并上线这个产品。接着确立你的服务和/或转化标准，在受限 beta 中跟踪 LLM 达成这些目标的表现 — 可通过 Embeddings 再训练来改进，通过提示词工程优化对话目标，最后才动用微调来调整对话语气、回答长度等。

必须以这种 beta 思维起步 — 因为这是新事物，也为了在过渡期里让遗留系统的相邻结构得以适配。例如，这些对话产生的数据可以用不同于传统聊天机器人的方式存储：记录为反哺模型的对话事件，而非交易记录。路还长，但旅程已经开始：构建软件的方式正在改变，是时候给 AI 更多自主权，并在这场过渡中合乎伦理地行动 — 观察结果、下新的注 — 这是企业的生存问题。创新的时刻到了。这些实验请算上我，我们一起对话。顺便问问你们：生成式 AI 是雷声大雨点小，还是真会变革商业？

你对生成式 AI 影响的感受是？

• 切，商业上不会有什么变化

• 哇，会改变一大堆东西

彩蛋 😎

Midjourney 刚发布了 Zoom-out 功能，可以在原图上补全预测性元素，呈现原作的「拓宽」版。在一次轻松的实验中，我重建了一个常来贝洛奥里藏特的人熟悉的场景：市场里的相聚。AI 呈现出了 Mercado Novo 的元素 — 很可能因为它用这个地方和市政市场的老照片训练过。注意 AI 画手很吃力，这个谜团的答案在这里。😂 对了，走之前订阅博客，有新内容时你会收到邮件通知 :) 下次见！