AI驱动洞察 智能数据营销时代迎来拐点
「在美国,科技业的一半是to C的公司,他们占了一半的市值,to B的这些公司占了另外一半市值,比如说Oracle。所以其实to B还有很多很牛逼的公司,但是我们来看中国的话发现中国to C的公司都很牛逼,最大的是阿里,然后是腾讯、百度,to B的公司居然找不到,或者说有活着的,但是活得很惨。」
美团的王兴在2017年年底的内部讲话中透露了他对当前中国市场的看法。
言下之意,C端企业相对B端企业来说更容易做,也更容易产生巨头。但是现实往往生发困境:真的如此吗?
面向移动互联网时代信息的爆发式增长以及AI时代用户个性化的需求,这些企业的日子真的好过吗?
“信息太泛滥了”、“营销真的不好做”、“东西卖给谁”......企业面临着复杂多样的问题,传统的上门推销式的做法被解读为落后,落后就该挨打。究竟该如何抓住机会?面对极度膨胀的信息量,顶着“数据过剩”的巨大压力,人们对于信息的苦苦追求和期待忽然间变得踟蹰了。因为:
每天24小时看这些信息,阅读不完;
存在着大量的无用甚至不真实的信息;
有效数据来源匮乏且不可持续,各平台数据封闭;
企业数据使用效率差,成为数据垃圾;
不具备AI等智能特征,无法预测。
现代科学技术的发展把社会向前推动了一大步,但是对于面向C端的企业,如何对客户进行深度洞察、多场景下的营销过程中提升消费者的体验,已经成为一个重要的课题。而正是在这样的背景下,一批企业级客户数据解决方案应运而生,创略科技成为其中的一个代表——这家发轫并成长于美国硅谷、落地在中国的新兴科技企业正逐渐在市场崭露头角。
福布斯中国近期做了一期评选,选取了2017年度营业收入在1000万至10亿人民币之间的企业,并且要求2016、2017两年都实现盈利,创略科技赫然在榜,凭借数据技术领域的突出表现及高成长性荣登“中国非上市潜力企业50强”,入选理由是其具备人工智能的深度学习能力,帮助企业从大数据中挖掘出能解决实际问题的“智能数据”,让企业对特定的业务场景获得更深入、快速、精准的洞察。诚然,面对营销方式的变革,“大数据”已经无法满足企业的需要,“智能数据”或许才是企业最汲汲渴求的能力。
雷锋网采访到了创略科技创始人兼CEO 胡世杰 Jimmy ,作为行业资深人士,或许他对企业的需求更为感同身受。他表示其团队其实是带着国际化经验回到国内创业的,因此他们对整个市场的认知层面维度更高。早年在海外求学的经历,让他和团队更早的接触了企业级智能客户数据平台(CDP)领域,并由于创新性的研发赚到了第一桶金,在他眼里,回国创业也是用技术改变生活的一种实践。CDP在国外其实领先于中国市场3-4年,企业教育走在前面,但是整体而言,全球性的CDP还处在初期阶段,市场容量非常巨大。因此国内有非常好的土壤供他们成长起来。
创略科技创始人兼CEO 胡世杰 Jimmy
“智能数据营销”的数据源之间如何打通?
许多企业仍然专注于“大数据”而不是“智能数据”,没有意识到后者才是真正可以帮助到企业的有效信息。
国外像亚马逊、可口可乐、荷兰皇家航空等公司其实已经在对内决策、对外的数据驱动营销以及客户体验的提升和优化上有了较为领先的智能数据实践。创略科技立足于从数据整合到数据分析再到数据应用的全部过程。数据整合层面,创略科技建立了可检测的核心数据和关键指标,其中数据模块可以管理接入的多种数据源,并通过主表(Master Table)功能,将孤立的数据源打通,整合数据。当然,企业用户可以通过SQL创建工作表更自由地操作数据,对工作表进行清洗、整合、转换。
数据之间如何有效衔接呢?
雷锋网搜集了目前市面上10大类数据源,如下:
网站实时数据:通过APEX PRISM收集实时数据
CRM:Salesforce、SAP等传统的客户关系管理系统
数据库:MySQL、Oracle
数据统计:Google Analytics、百度统计等网站分析工具
网络营销:百度推广、腾讯社交广告等
Email:Webpower、Mailchimp等邮件营销工具
社交:微信、微博数据
第三方数据:极光推动等
公共数据:天气、地理信息等
本地文件:Excel/CSV
据胡世杰Jimmy介绍,这些渠道创略科技已全部打通,此外他们还创新性的建立了分析模块和标签树。分析模块主要以用户和事件为中心,分析和预测潜在客户的行为模式,为营销提供决策依据;而标签树则是根据业务需求,对标签进行分类整理,在不同的标签层级细分和定位目标客户,利用第三方数据丰富现有客户画像,满足特定的营销目的。
雷锋网(公众号:雷锋网)注意到,2018年4月初,上海数据交易中心与创略科技签署了合作协议,这意味着试点计划的企业用户,以及未来长期企业用户将能够验证各种B2C和B2B数据交易,以确保质量和成本效益。胡世杰Jimmy 说:“每一条数据都与客户ID相关,创略不做陌生体系的数据,这是原则,毕竟数据的透明度、合规性、成本等等都是黑洞,创略不会去碰”。
粗放式流量采购到精细化高效管理的必然转型
当然,方案落地到垂直细分领域比任何科技名词的解释都来的更为实际有效。
Gartner在近期的报告中指出,随着机器学习和人工智能技术的成熟,智能数据系统还会加入更先进的功能和预测模型,例如客户旅程路径分析、客户价值分析和客户流失预测,帮助企业获得以前很难得到的“战略洞察”和“可实施洞察”。
在旅游行业,一个共同的特点是拥有大量线上线下数据。只有所有来自网站、APP、CRM、在线广告和离线数据库的所有数据都能及时连接到一起,才能形成完整的客户视角。创略科技CDP客户数据平台能够做到这点——通过直观的UI轻松地将数据收集和统一到360度的客户视角,另外分析关于转化率、客户旅程、客户分类以及营销渠道等所有指标对于收入增加和业务增长是至关重要的,NEXUS为这个用例提供了现成的算法模型。AI模块IQ可以帮助用户发现他们从未遇到过,并且意想不到的深刻洞察以及有价值的客户,这是由AI和深度学习技术驱动的。
在汽车领域,汽车品牌通常拥有多种多样的数据来源,包括在线营销渠道、网站、CRM和零售商店。但事实上在实践中,大部分数据都没有被捕捉到。即使他们有,也没有被整合到统一的客户档案中去为营销和分析提供动力。创略科技的CDP客户数据平台让汽车品牌跨所有数据源轻松地抓取、统一、以及激活数据。据雷锋网了解,目前这一平台正在玛莎拉蒂等国际顶尖汽车品牌的营销行为当中被广泛使用。
“打通了数据,没有洞察,没有分析模型,就意味着没有价值,AI是风口,能产生价值,50%客户需要AI”,胡世杰Jimmy强调说。
的确,可以预见的是,未来几年,数据和智能技术会成为互联网技术的核心地带,而这也将成为促成智能营销的关键着陆点。
AI驱动洞察 智能数据营销时代迎来拐点相关推荐
- 计算道路超高lisp_5G+AI超高清智能视频监控将迎来增长期
在安防行业5G+AI赋能下,高清视频将为安防行业带来重要的发展机遇期. 5G具有增强移动宽带.高可靠低时延和广覆盖大连接的优势,使AI能与物联网融为一体. AI和5G近80%的典型应用是重叠的,5G能 ...
- AI驱动的智能图形应用
高速5G和性能更强大的终端为社交.游戏.教育等场景带来的更丰富的互动体验,本文内容来自相芯科技的蔡锐涛在LiveVideoStackCon2019深圳站上的精彩分享,他将介绍AI驱动的智能图形应用,以 ...
- 如何构建AI驱动型智能服务?
人工智能(简称AI)驱动型智能服务将把当下各类前沿技术(例如区块链).物联网以及客户体验因素结合起来--而其未来的发展方向则必然以信任协调为基础. 机器学习.深度学习.自然语言处理以及认知计算的结合将 ...
- Siri:开启智能语音营销时代
从iphone4GS发布以来,最让人津津乐道的,还是它的Siri功能.这不,网络上出现了无数"调戏"Siri功能段子,还有视频,这里先跟大家分享一个视频,让大家先感受一下siri的 ...
- 【华为云技术分享】华为云多元计算+AI 打造企业级智能数据湖
欣顿.郝尔泼于<迫在眉睫的南方危机>中写道"还没有多少人能够正确地认识到数据在自由这项事业中正在扮演的重要角色.它们正在创造奇迹--"当时,欣顿.郝尔泼身处黑人白人不平 ...
- 维智科技AI驱动的银行智能决策
近日,在上海市经济和信息化委员会.上海市科学技术委员会等的共同指导下,2022年首期"In+hub"创新社区加速营成功举办,维智科技凭借"数据+AI"驱动的银行 ...
- Stratifyd惠每数科共同驱动医药企业智能数字营销之路
点击上方蓝字关注我们 近日,Stratifyd与惠每医疗集团旗下新的业务板块"惠每数科"达成正式战略合作协议,两家合作将为医药行业贡献全新的智能数字营销解决方案. 图:惠每数科CT ...
- 数据科学即将迎来“无代码”时代
我们正在进入数据科学实践的新阶段,即"无代码"时代. 像所有重大的变化一样,这个变化还没有在实践中清晰地体现,但这个变化影响深远,发展趋势非常明显. 现在,每一周都会有一些自动代码 ...
- 智能语音语义时代,产品经理怎么让AI更聪明?(效果向)
智能语音语义时代,产品经理怎么让AI更聪明?(效果向) 智能语音语义风起云涌的AI时代,各行各业纷纷落地语音语义能力.其中包括 以语音为交互方式的音箱/电视/车机/ivr/智能外呼,以文字输入为 交互 ...
最新文章
- JAVA中如何将一个json形式的字符串转为json对象或对象列表
- 完全用Linux工作,抛弃windows
- eWebEditor 错误 (不支持 ie7 ie8 maxthon 及其它浏览器)终极办法
- 【转载】C ++ 基础 指针 引用
- SAP Spartacus home 页面的 cx-page-slot selector
- bert模型简介、transformers中bert模型源码阅读、分类任务实战和难点总结
- python dataframe切片_python pandas dataframe 行列选择,切片操作方法
- 利用 Win32 启动和检测 UWP App 的方法
- Bitcoin是什么意思
- 注意了,这些数值计算的坑千万别踩!
- VMWare12安装CentOS7操作系统并搭建GitLab环境【1】
- 计算机操作系统详细学习笔记(二):处理器管理
- java基础-(一)-JDK的下载和安装
- 版本管理工具Git记录
- 两种实现九九乘法表的vb代码
- maya python 的简单使用
- 吉他(guitar)
- 【网络经济与企业管理】选择题,精讲
- 毕业设计---基于人脸识别的Web端考勤系统
- Github:Semantic-Segmentation-Suite分割网络集锦--使用小结
热门文章
- 树莓派进阶之路 (002) - 系统烧录及系统使用(多平台)
- 8 -- 深入使用Spring -- 3...1 Resource实现类InputStreamResource、ByteArrayResource
- CSharpGL(19)用glReadPixels把渲染的内容保存为PNG图片(C#)
- load balancer 配置参考
- 多线程:为什么不能override start方法
- 【查询】—Entity Framework实例详解
- expand yourself
- MySQL数据库如何解决大数据量存储问题
- Linux下 memcached安装以及启动
- 关于tinymce的一些记事