曾經(jīng)流傳過這么一句話：“人往往會高估一年時間發(fā)生的變化，低估五年時間發(fā)生的變化。”

明略科技技術(shù)副總監(jiān)衛(wèi)海天認為，這句話可以理解為短期時間內(nèi)的技術(shù)迭代并不能引起翻天覆地的變革，但ChatGPT的出現(xiàn)，已經(jīng)證明了大家連一年的變化也沒法高估了，大模型已然成為了一個重要的技術(shù)演進方向，自然語言生成技術(shù)可能會對人類產(chǎn)生各種影響，帶來多領(lǐng)域的變革，其中，營銷領(lǐng)域依托于互聯(lián)網(wǎng)復(fù)雜多變的特點，可作為大模型應(yīng)用實踐的場景。

窺探大模型背后技術(shù)

LLM(Large Language Model)是一種基于深度學(xué)習(xí)的自然語言處理模型，通過在大量的文本數(shù)據(jù)上進行訓(xùn)練，學(xué)習(xí)到語言的規(guī)律和模式，從而能夠理解和生成自然語言文本。ChatGPT所實現(xiàn)的通用人工智能能力，來自于機器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)以及Transformer模型的多種技術(shù)積累。

Transformer模型是一種基于自注意力機制的神經(jīng)網(wǎng)絡(luò)架構(gòu)，能夠?qū)斎胄蛄兄械拿總€位置進行關(guān)注，從而在不同位置之間建立聯(lián)系。Transformer模型被廣泛應(yīng)用于自然語言處理領(lǐng)域，相比于傳統(tǒng)的RNN和CNN，Transformer模型可以并行計算，大大加速了訓(xùn)練過程。

近年來在大規(guī)模語料庫上預(yù)訓(xùn)練的Transformer模型(PLMs)已經(jīng)展示了在解決各種自然語言處理(NLP)任務(wù)方面的強大能力。有趣的是，研究發(fā)現(xiàn)當(dāng)參數(shù)規(guī)模超過一定水平時(百億參數(shù))，這些語言模型不僅可以實現(xiàn)顯著的性能提升，而且還表現(xiàn)出一些特殊的能力(例如上下文學(xué)習(xí))，這些能力在小規(guī)模語言模型中不存在。

我們可以預(yù)計，未來LLM會朝著模型參數(shù)量進一步擴大，訓(xùn)練數(shù)據(jù)模態(tài)進一步擴大的方向發(fā)展，而這也將帶來新的模型能力涌現(xiàn)，我們以共同期待，多模態(tài)的大一統(tǒng)模型問世后，通用人工智能能帶來何種顛覆性成果。

不過，大模型的能力增長并非沒有邊界，因為它本身要依賴于訓(xùn)練，對于外界最新的數(shù)據(jù)信息輸入訓(xùn)練是有延遲的，而這種情況下如何進一步豐富大模型的能力呢?

突破口是大模型去配合不同的插件，類似于給大模型裝上眼睛、雙腳、雙手等，去互動聯(lián)通，這樣，大模型就變成了新一代的通用平臺，可以調(diào)用各種plugin來處理海量現(xiàn)實生活的事物，這種交互的邏輯也會帶來產(chǎn)品交互范式的轉(zhuǎn)移。以往，產(chǎn)品設(shè)計的一些按鈕以及使用界面，是用來設(shè)計滿足高頻剛需的用戶需求，這種交互邏輯是用戶要去適應(yīng)產(chǎn)品提供的功能，但當(dāng)接入大模型之后，大模型的能力能夠滿足用戶很多長尾需求，它可以理解你想做的事情，可以調(diào)用自己的資源去滿足用戶需求。這就意味著，在這種通用大模型出來之后，產(chǎn)品的交互范式也會發(fā)生一個非常深刻的變化。

大模型時代，營銷領(lǐng)域新的機會和挑戰(zhàn)

而這樣的轉(zhuǎn)變，同樣也顛覆了營銷領(lǐng)域，AIGC將從重構(gòu)內(nèi)容生產(chǎn)，重塑流量格局，創(chuàng)新運營服務(wù)和加速商業(yè)洞察這四個方面，來改變營銷環(huán)境。

重構(gòu)內(nèi)容生產(chǎn)，更高效的AI生成內(nèi)容流水線帶來海量內(nèi)容，爭奪消費者有限注意力

首先回顧內(nèi)容的生產(chǎn)周期，以往品牌方產(chǎn)出內(nèi)容需要通過專業(yè)機構(gòu)，時間為幾周到幾個月不等，發(fā)展到后來可以依靠大量意見領(lǐng)袖去生產(chǎn)大量內(nèi)容，時間為幾天到幾周不等，而有了AIGC后，幾分鐘就可以生產(chǎn)出令人滿意的文案，效率方面有了飛速提升，更高效的內(nèi)容生產(chǎn)線帶來海量內(nèi)容供給，而使用AIGC也意味可以定制化，千人千面的內(nèi)容意味著更好的觸達和更好的轉(zhuǎn)化效果。

流水線的海量內(nèi)容意味著消費者的注意力變得更加稀缺，品牌方在這樣的環(huán)境里面需要快速鋪量，用更低成本去觸達消費者。但同時，廣泛的供給也會分化消費者需求，海量的內(nèi)容涌入網(wǎng)絡(luò)，消費者會更加主動去高質(zhì)量內(nèi)容，這對品牌方提出了新的挑戰(zhàn)，一是要大量生產(chǎn)內(nèi)容，同時也要在更高質(zhì)量的內(nèi)容上更具競爭力，生產(chǎn)好的內(nèi)容擊穿用戶心智。

重塑流量格局，沖擊搜索廣告，新交互模式下媒介重歸中心化?

以往的流量陣地，形式轉(zhuǎn)化基本是社交平臺向搜索引擎轉(zhuǎn)化，即在社交平臺被種草產(chǎn)品，再去搜索平臺去了解更多信息，這種使用搜索引擎的習(xí)慣可能會被AIGC改寫，當(dāng)下ChatGPT這類工具提供了新的交互模式，會給到用戶更有邏輯性和更有調(diào)理的回答，體驗要優(yōu)于搜索引擎，會對搜索引擎造成非常直接的沖擊，同樣也是對于流量格局的沖擊。在未來的交互上，大語言模型可以結(jié)合不同的終端，例如智能音箱等，帶來一種新的交互模式，流量會向一些新的應(yīng)用轉(zhuǎn)移，大模型可能會成為新的流量入口，與下游應(yīng)用并存，消費者也會隨時互動的新訴求。品牌主需要在這個方面去進行更多的思考。

創(chuàng)新運營服務(wù)，更個性化、有溫度的一對一服務(wù)成為可能

與過往國內(nèi)以短文本處理、單輪對話、簡單多輪對話見長的智能客服不同，現(xiàn)階段的AIGC在長文本處理、場景及意圖理解、上下文連續(xù)對話方面能力已經(jīng)很強大了，借助通用人工智能的能力，品牌方可以給用戶提供個性化、更有溫度的服務(wù)。在以往，配置智能對話客服是一項復(fù)雜的工程，但有了GPT這樣的通用大模型后，大大降低了配置復(fù)雜等級，有著更低的冷啟動成本，且效果要更優(yōu)，這對企業(yè)來說，讓個性化、有溫度的一對一服務(wù)帶來了可能。此外，有了AIGC能力，AI客服+多品牌觸點為消費者創(chuàng)造無縫的品牌體驗，借助客服觸點，可以構(gòu)建營銷場景，將成本中心轉(zhuǎn)化為價值中心。

加速商業(yè)洞察，大模型加速顛覆原有的市場研究模式

營銷側(cè)的商業(yè)洞察目前集中在文本領(lǐng)域，例如消費者在社交媒體端的意見和評論，基于這些本文形成洞察。而大模型會顛覆原有的商業(yè)調(diào)研模式，能夠更高效更快速地形成“假設(shè)形成——信息收集——產(chǎn)出洞察”這樣一個商業(yè)調(diào)研的閉環(huán)，向敏捷化、自動化方向升級。大模型的介入，意味著商業(yè)洞察的門檻會進一步降低，未來品牌側(cè)應(yīng)普遍具有簡單的洞察能力，對商業(yè)洞察的需求將更多轉(zhuǎn)向?qū)Ω嘣蛷V泛的數(shù)據(jù)進行更深入的洞察。

大模型的應(yīng)用和爆發(fā)，也意味著營銷生產(chǎn)力的爆發(fā)。當(dāng)下營銷領(lǐng)域會被大模型革新，在這樣背景下，企業(yè)應(yīng)該思考如何能夠比競對更加快速的適應(yīng)大模型的時代。明略科技能夠發(fā)揮橋梁作用，連接起企業(yè)和大模型，利用積累的行業(yè)知識和數(shù)據(jù)，借助各通用大模型以及fine-tuning技術(shù)，優(yōu)化訓(xùn)練垂直領(lǐng)域的行業(yè)大模型，在產(chǎn)品中為客戶提供可伸縮的模型即服務(wù)(Scalable MaaS)，為客戶打造數(shù)據(jù)飛輪，讓客戶的行業(yè)知識和數(shù)據(jù)與大模型互相助力，提升營銷和營運智能Copilot產(chǎn)品的效果 。

（免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責(zé)任。
任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 ）