獻給行銷長的AI策略
全球有高達七成的AI高階主管認為，三年之內，AI會整合到所有的企業應用程式中。各家企業領導人與行銷長該如何充分運用AI的潛力，以獲得豐富報酬？
在企業的所有職能部門當中，可
從人工智慧（AI）中獲得最大效
益的，可能是行銷部門。行銷的核心活動，是了解顧客需求、配合那些需求開發產品和服務，然後說服人們購買，這
些能力都能透過AI大幅強化。
儘管AI已進入行銷領域，但我們期望，未來幾年，AI在整個行銷部門會扮
演日益重要的角色。這項科技擁有龐大潛力，因此對於行銷長很重要的是，應
了解目前可用的行銷AI應用程式類型，
以及它們可能如何演變發展。
AI現在有多神
現在，許多公司使用AI來處理範圍狹小的任務，例如，數位廣告的展示位置〔也稱為「程式化購買」（programmatic buying）〕；協助執行範圍廣泛的任務，
例如，增強預測的準確性（比方銷售預測）；在顧客服務之類的結構化任務中，擴增人類執行的活動。企業也在顧客歷程的每個階段都運
用AI。當潛在顧客在「考慮」階段研究產品時，AI會精準地提供廣告給他們，有助於引導他們進行搜尋。Vee24等公司具有AI功能的機器人，可協助行銷
人員了解顧客的需求，提高顧客在搜尋時的投入程度，把他們往公司希望
的方向輕推（nudge）一下（例如導向
特定的網頁），而且在必要時，透過聊天、電話、視訊，或甚至「共同瀏覽」
（cobrowsing）功能，讓他們連結到真人
銷售代表，而其中的共同瀏覽，可讓銷售代表協助顧客一起瀏覽螢幕。
AI可使用極為詳細的個人數據，包
括即時地理位置數據，來簡化銷售流
程，以創造高度個人化的產品或服
務。在顧客歷程的後期，AI能協助追加銷售（upselling）和交叉銷售（cross-selling），同時可以降低顧
客放棄數位購物車的可能性。
銷售之後，AI賦能的服務代表，
可以全年無休地將顧客提出的要求加以分類，而且比真人代表更能妥善處理波動的服務需求量。
如何展開架構
行銷用AI可根據兩個面向來分類：智慧程度；以及是獨立的AI，
還是更廣泛平台的一部分。某些科技，例如聊天機器人或推薦引擎，可屬於任何一種類別，這取決於它們在特定的應用程式中如何執行。讓我們來檢視這兩種類型的AI。任務自動化（task automation）。這些應用程式執
行重複、結構化的任務，需要的智慧程度較低。它們被設計為遵循一組規則，或是根據既定的輸入資料，來執行預先設定順序的各項作業，但這些AI無法處理複雜的問
題，像是很詳細的顧客要求。
機器學習（machine learning）。這些演算法使用大
量數據來接受訓練，以做出相當複雜的預測和決定。這類模型可以辨識圖像、解密文本、區隔顧客，並預測顧客對不同的計畫（例如促銷），會如何回應。機器學習已推動線上廣告的程式化購買、電子商務推薦引擎，以及顧客關係管理
（CRM）系統中的銷售傾向模型。
機器學習與它更複雜的變異版本
「深度學習」（deep learning），是AI中最熱門的技術，目前正迅速成
為行銷的強大工具。
現在，讓我們來比較獨立的AI和整合的AI。
獨立的應用程式（ standalone application）。最好將它
們理解為清楚界定或獨立運作的
AI程式。它們和顧客了解、購買，
或是獲得支援以使用公司產品的主要管道，是分開的，而且與員工用來行銷、銷售或服務這些產品的主要管道，也是分開的。簡單來說，顧客或員工必須透過這些管道之外的特別歷程，才能使用這種
AI。
整合的應用程式（integrated application）。這些AI應用程式
嵌入到現有系統中，因此對於使用它們的顧客、行銷人員和銷售人員來說，它們的可見程度，通常低於獨立的應用程式。例如，網飛
（Netflix）的整合式機器學習，已
為顧客提供十多年的影片推薦服務；它的選擇，會單純顯示在觀看者上平台時看到的產品選單上。如果那個推薦引擎是獨立的，他們就必須使用專用的應用程式，然後請求提供建議。
顧客關係管理系統的廠商，愈來愈常把機器學習功能內建在自家
的產品中。在Salesforce，Sales Cloud Einstein套件具有好幾項功能，包括以AI為基礎的潛在顧客評分系
統，這套系統會根據顧客購買的可
能性，自動為企業對企業（B2B）的潛在顧客排名。Cogito之類的供
應商，銷售可指導電話客服中心銷
售人員的AI，也將他們的應用程機器學習模型可以辨識圖像、解密文本、區隔顧客，並預測顧客對不同的計畫（例如促銷），會如何回應。
式，和Salesforce的顧客關係管理系統整合在一起。把這兩種類型的智慧，與兩種類型的結構結合在一起，就能產生我們架構的四個象限：獨立的機器學習應用程式、整合的機器學習應用程式、獨立的任務自動化應用程式，以及整合的任務自動化應用程式。了解應用程式屬於哪個象限，有助於行銷人員規畫引進新的用途，以及安排引進的順序。
循序漸進的方法
我們認為，以規則為基礎和任務自動化的簡單系統，雖然可以增強高度結構化的流程，為獲得商業報酬提供合理的可能性，但透過追求整合的機器學習應用，行銷人員最終會看到最大的價值。獨立應用程式的優點雖然有限制，但在難以整合或不可能整合的地方，它們仍持續有可發揮之處。因此，我們建議行銷人員應透過一
段時間，逐步把AI整合到現有的行
銷系統中，而不是繼續使用獨立的
應用程式。在2020年德勤顧問公司的調查中，全球74％的AI高階主管同意：「在三年之內，AI將會整
合到所有的企業應用程式當中。」
著手開始
對AI經驗有限的公司來說，開始推動的一個好方法，是建立或購買以規則為基礎的簡單應用程式。許多公司採用「爬、走、跑」的循序漸進方法，一開始先採用獨立、不是直接面對顧客、任務自動化的應用程式，例如指導真人服務代表與顧客互動的應用程式。
公司一旦掌握了基本的AI技能，以及大量的顧客和市場數據之後，就可以開始從任務自動化，轉移到機器學習。行銷人員應該持續尋找新的數據來源，例如，內部交易、外部供應商，甚至是潛在的購買來源，這
是因為大多數的AI應用程式，尤其是機器學習，都需要大量的高品質數據。
隨著企業在使用行銷用AI方面，
變得益發先進與複雜，許多公司將某些類型的決策完全自動化，把真人完全抽離決策迴圈。這種方法對重複性的快速決策很重要，例如程式化廣告購買所需的決策。而影響最重大的問題，通常會保留給人來做決策，例如，是否要繼續一項廣告宣傳活動，或是否要核准所費不貲的電視廣告。企業應盡可能轉向自動化程度
更高的決策。這會是從行銷用AI中
獲得最大報酬的地方。
企業應盡可能轉向自動化程度更高的決策。
這會是行銷用AI出現最大報酬的地方。
挑戰與風險
即使是執行最簡單的AI應用程
式，也可能會遭遇困難。獨立的任
務自動化AI，儘管技術的複雜度較
低，但仍可能難以針對特定的工作流程來設定，而且公司必須取得
合適的AI技能。要把任何種類的AI引進工作流程當中，都需要審慎地整合真人任務與機器任務，讓AI
能擴增人們的技能，而且實施方式不會產生問題。隨著企業採用更複雜、整合度更高的應用程式，其他考量也出現
了。把AI整合到第三方平台，可能
會特別棘手。
這方面的一個例子，是寶僑家品
（P&G）的歐蕾皮膚顧問（Olay Skin Advisor）。這項服務使用深度學
習，來分析顧客的自拍相片，評估他們的年齡和皮膚類型，然後推薦適合他們的產品。它跟電子商務和
忠誠度平台Olay.com整合在一起，
改善了某些地區的轉換率、跳出率、平均購物量。不過，這項服務
一直都較難以跟實體零售店和電商
亞馬遜（Amazon）整合起來。亞馬
遜是占歐蕾銷售額很高比率的第三方，而歐蕾在亞馬遜上的大型網路商店，無法使用「皮膚顧問」，妨礙了這個品牌在亞馬遜平台上提供
由AI輔助、流暢無阻礙顧客體驗的
能力。最後，企業必須優先重視顧客
的利益。AI應用程式愈聰明、整合
度愈高，顧客對隱私、安全和數據所有權的擔憂就會愈多。顧客可能會感到不安，擔心在自己不知情的情況下，應用程式會掌握與分享有關他們所在地點的數據，或是擔心智慧型音箱可能正在竊聽他們。一般來說，消費者願意（甚至渴望）讓出某些個人數據和隱私，以換取創新應用程式可提供的價
值。對Alexa之類AI應用程式的擔
憂，似乎大於對它們所帶來好處的欣賞。因此，行銷人員在擴展本
身的AI智慧程度和運作範圍時，關鍵就是要確保AI系統對隱私和安全的控制是透明的，顧客對如何蒐集和使用他們的數據有發言權，而且，他們的數據可從企業那裡換取合理應得的價值。為保證設置這些保護措施，並維持顧客的信任，行銷長應建立道德和隱私審查委員會，成員應包括行銷和法律的專家，以審查AI計畫，尤其是牽涉到顧客數據，或是可能會受偏見影響的演算法，例如信用評分的演算法。
發揮AI的潛力
AI最終將會改變行銷，但可能
需要數十年的歷程。行銷職能和支持行銷的組織，尤其是資訊科技
部門，將必須長期關注於建立AI能
力，並處理任何潛在風險。我們敦促行銷人員今天就開始擬定策略，
以善用AI當前的功能，以及它未來
可能具備的能力。
（蘇偉信譯，本文摘自2021年8
月號《哈佛商業評論》全球繁體中文版）