【职人社】特赞创始人范凌:如何通过 AI 将创造力赋能给 40 万商家

京东将 AI 技术应用到餐饮业,实现了「无人化」餐厅;阿里巴巴在香港大学开了一家 AI 服饰概念店,通过分析你的身体数据给你匹配合适的衣服。人工智能之所以能成为投资新宠,是因为它的应用场景和商业化能力开始被放大。科大讯飞董事长刘庆峰曾表示,2019 年将是 AI 进入规模化应用的落地之年。

但即便如此,人工智能的门槛还是相对比较高,且有很多场景等待我们持续落地。5 月 11 日,职人社联合线性资本举办了「AI+ 场景化该如何落地」沙龙。

本次沙龙由于每位嘉宾分享的都是单独的 AI 的场景化落地,为了让大家有更好的阅读体验,我们决定分开发布。以下是本次沙龙的第二位嘉宾范凌老师从企业的角度来看,如何用 AI 场景化在营销中落地。

特赞与人工智能的结合

640
△ 范凌,特赞创始人及CEO

大家好,我先自我介绍一下,我之前一直在研究人机交互,即高技能人才的线上工作(高技能人才是指那些用脑和用心工作的人)。

2015 年我创立了特赞,特赞通过互联网基础设施、数据智能来辅助创意人更好地工作,这其中的一个难点是怎么用数据的方式来描述这些高技能人才,比如设计师、创意学工程师、律师咨询、艺术家音乐家等等的工作形态,特赞也一直在研究建立这类人的动态数据模型。

成立初期,特赞主要服务于设计师群体,用大数据和智能匹配技术为企业精确对接设计创意人。后来我们开始思考设计能力的平台化的流量聚集地在哪个商业场景里,于是我们发现了营销这个场景。我们发现在大企业里,营销是一个绝对倒金字塔型的预算的划分,所以后来我们开始做大型企业营销的解决方案。

640-1

在过去 20 年里,我们看到消费互联网让消费者从传统走向数字化。主要是 to C 的企业,这些企业本质是两个能力,品牌营销与产品创新,这两个能力都是为了获得用户,所以当用户从传统走向数字时代的时候,企业被迫的要进行数字化转型。

640-2

在向数字化转型时,每一个企业的 10~12% 的成本是放在营销里面,所以营销里面有两个部分,营销的内容与营销的投放,营销的投放占到预算里面的 3/4,营销的内容占到 1/4。

640-3

在过去 20 年里,营销的渠道优化已经做到极致了,营销投放渠道的集聚我们用一句数据科学家的话来讲:投放与媒介的优化,已经是 95 分到 100 分的过程了。所以花再多的钱,产生效果可能也是很微弱的,所以现在的杠杆红利还是在内容上。

既然知道了消费者数据,我们就要着手改变内容本身。创意的优化带来的杠杆效应是非常大的。例如,我们与优酷合作创意优化可以提高 50 倍的效率。所以这里面有很多机会,特别是为创意供给资源的数据平台。

以星巴克为例,星巴克原来只有一种方式是线下店零售,如今就线下店在上海就有五个等级,每个等级的内容都不一样,线上又有自有流量和通用流量。自有流量就是有自己的平台、物流、App,通用流量是可以在天猫等各大电商平台买到。所以从理论上来说,任何一个资讯可以做改变的,这里面就出现了一些营销供给的挑战:

快速并发;
个性化;
指数级;
跨平台体验。

640-4

一个品牌要经营多家平台,做很多内容,在同一件事情上,一个品牌就要做很多个性化内容,且需要快速迭代。但每一年的预算不会增加,所以员工数量是不变的,换句话说,同样的人力要做比原来多、快和个性化的事情,这就是种挑战。

这对品牌来说是个挑战,其实也带给我们机会。 2017 年,当我们看到营销这个行业里面有这么多可以改变的,而在创意这个领域,好像还没有一个特别强有力的互联网级别的竞争对手。我突然有了 20 年前可能当马云看到沃尔玛的时候的那种兴奋感:这是一个多么大的市场!

所以我们经历了三个阶段的发展: 2015 年我们想做设计师平台,所以之后我们去做了一个为大企业服务的创意供给平台。这就相当于我们做了一个为大企业服务的 App store,大企业接入后,App store 里所有能力都可以调用,而且标准、付费方式、数据格式都是统一的。

然后进入第二个阶段,这一阶段主要是因为指数级快速增长的内容。

举个例子,阿里巴巴过去 3 年创意营销的内容增长了一千倍,这一千倍的内容都分散在每一个营销人的电脑、邮箱、表格、微信里面,没有办法统一管理,所以他们开始考虑要做一个整体的数据资源管理系统,要把所有分散的素材、资料变为数据资源,沉淀在同一个地方,就是所谓的第一步的数字化转型——资源的数据化。所以特赞在 2018 年时候做企业的数据资源管理平台。

640-5

到第三个阶段,终于有机会做人工智能了,所以在前面的多场景的延展里,我们可以去做人工智能,去做大量的内容,要通过数字的方式去投放,根据投放的效果再实时反馈,我们再做继续优化。

640-6

在这个过程里面,其实我们更关心数据。所以我们大概累计有 3 万个左右的创意的供应商,这些供应商可能是小团队,可能是小公司,但绝对不是个人,通过与他们的合作,我们完成大量的项目,服务了大量的商业场景。

如果说消费端的叫人、货、场,就是什么样的人在什么地方买什么样的东西。我们把供给端的数据归纳为人、力、场,也就是什么样的供应商在什么样的商业问题下,用什么样的能力去解决。所以特赞其实有能力去把这三个东西关联起来,有能力去分析他们到底做什么内容。

首先我们用算法把人、力、场三个维度关联起来,就像星巴克的品牌到底是怎么样的,这个项目它是在干什么, 要为了达到这个目的(比如说为了买星享卡),可能会需要什么样的内容,这个内容需要什么样的风格,背后对应的是什么样的供应商经验、供应商的影响力、供应商的风格、供应商个人资料、地域性等,这些都可能会成为我们在这里去做三者之间关联的方式。

640-7

举个例子,每年 3 月 8 号天猫都会做女王节。去年的女王节,特赞做了一件事情:我们找了 38 个创意的供应商,这些供应商全部都是女性频道的创业团队。所以正面是各种各样不同的女性的商品,和女性喜欢风格前面的也是强调多元,背后是 38 个女性创造的多样性。所以我们把题目叫「反刻板」。因为女性既然什么都可以买,那为什么女性不能什么都做,这背后是关于女性创造力的多样性。

640-8

这个项目结束后,我收获了一句话,让我很感动:「像阿里这样平台这么多元、多样、高频、并发的事情,一定要另一个平台来解决他的问题,一个生态需要另一个生态才能够维持。」

640-9

所以对我来说,我们通过系统和数据,就像云计算调用运算能力一样,我们希望让创意的能力像云计算一样被调用,所以我会关心多样性、并发数量、有没有指数、跨平台。

640-10

第二个维度是过去两年里面我们建立起来的一些技术能力,我们把它叫 TezignEYE,你可以理解为教机器理解设计,让机器通过一些数据可以具有设计交流能力。这里面我们的数据分为四个维度:

规范,比如字体的版权、设计的规范等;
风格、手绘;
感情、温暖;
颜色。

640-11

所以我们在做一个水平的数据集 DesignNet,就是把这些基本的数据能够确定下来,大概现在 20 多万条了。然后我们两年之前和同济大学合作,团队的小伙伴对着 20 万条数据做大量标注,然后我们和一些企业做一些垂直领域的数据。

640

比如:一张人工设计的海报,因为人工智能可以理解设计,所以我们可以对原始图片做一些简单的切片,然后针对现实条件去进行重复,基于以上我们可以做 banner、做一些宣传页、做原始数据的替换等。

其实我们刚刚讲的是创新供给的这一端,对于很经典的传统产业,希望做平台化的方式来解决,从而能够沉淀大量的企业的数据资产,让企业每年花预算的 10%-15% 而达到很好的结果,然后通过人工智能去做重复的部分,从而能够产生更多的投放和创意。

640-12

最后,再分享一个简单的例子。

我们与蚂蚁金服合作,做了一个「赋能小商家」的项目,支付宝上大概有 100 万小商家(可以用支付宝付款的小商家、小卖部),在支付宝 B 端后台,我们做了一个产品,就是所有的小商家可以支付 10 块钱,输入你的地点、输入一两句话和风格,就可以得到独一无二的海报,海报底部也有支付宝的广告。

也就是说支付宝补贴了设计费用,店家自己承担了印刷和物流,其实背后我们用了大概 100 家创意方,用人工设计出素材,我们再训练机器哪些素材组合比较好,所以生成很多排列组合,所以每一张海报都是生动的,最后大概有 40 万商家使用了这个产品。

640-13

一个人的创造能力,通过智能赋能给 40 万商家,这都是我觉得非常有意思的事情。

讲那么多,其实我们自己一直在想,从人工智能在很长的一段时间,是在改变、提高效率,分类等,这些都是比较武断的形容,但今年我们在杭州做了一次交流会,讨论了一个问题:想象力本身有没有摩尔定律?

当我们解决人工智能的存量市场、优化效率等问题之后,是不是下一个问题是:人的创造能力会不会被数据、被智能、被运算释放?这也是今天我希望带给大家的一个思考。

640-14



admin

发表评论

电子邮件地址不会被公开。