营销领域 AIGC 前沿进展与挑战

如果无法正常显示，请先停止浏览器的去广告插件。

1. 营销领域 AIGC 前沿进展与挑战卫海天

3. AIGC发展趋势 • • • LLM 多模态大模型+插件

4. LLM技术发展 ChatGPT所能实现的人类意图，来自于机器学习、神经网络以及Transformer模型的多种技术模型积累。Transformer建模方法成熟以后，使用一套统一的工具来开发各种模态的基础模型这种理念得以成熟，随后GPT-1、GPT-2、GPT-3模型持续演化升级，最终孵化出ChatGPT文本对话应用。人工智能需要巨大的算力和数据投入，未来将形成大科技场提供基础AI能力，中小场围绕不同场景做应用的生态竞争格局。

5. LLM技术发展技术原理 Transformer的模型架构出现使得模型性能大幅提升，chatgpt在transformer结构的基础上迭代升级成为引爆全球的AIGC模型。

6. LLM技术发展研究人员发现模型扩展可以提高性能，他们进一步通过增加模型大小来研究扩展效果。有趣的是，当参数规模超过一定水平时，这些放大的语言模型不仅实现了显著的性能改进，而且还展现了一些小规模语言模型（例如BERT）所没有的特殊能力（例如上下文学习）

7. LLM技术发展为了区分参数规模的差异，研究界为具有显著规模（例如包含数十亿或数百亿个参数）的PLMs创造了一个新术语——大型语言模型LLM。近年来存在的大型语言模型（大小大于10B）时间线，黄色标记为开源的LLM

8. CV AIGC技术：从有约束生成到逼真多样生成图像与视频AI换脸视频分析与自动剪辑创意级图像、视频生成二维图像三维化文本 + 图片 -> 图片图片-> 图片的风格迁移文本提示词->创意图片 ... . .. 深度学习技术的升级迭代为计算机视觉发展奠定基础 2012年 2014年 2020年 2022年卷积神经网络（CNN）生成式对抗网络（GAN） Vision Transformer模型扩散模型（diffusion）生成模型和判别模型的互相博弈，在欺骗与反欺骗中生成最佳的内容。将NLP领域霸榜的模型引入视觉领域，实现模型规模与计算精度的跨越式提升。对数学本质的探索，带来深度学习新范式，成就引人惊叹的生成效果。在图像分类任务上表现远超传统算法，一战成名，开启深度学习时代

9. MLLM 尽管在处理自然语言场景中取得巨大的突破，但LLMs在处理图像和音频等多模态数据方面仍然存在困难。而在人类的日常生活中，我们不仅仅通过语言进行交流，还会使用其他感官，如视觉、听觉和触觉等。且随着互联网的普及和各种传感器的广泛应用，我们可以收集到大量的多模态数据，图像、音频、视频等数据的总量远远超过文本。同时现实中大量复杂问题的解决也必然涉及到多个模态的交互，因此在LLMs之后，多模态大模型将成为未来研究的重点

10. MLLM VQA, 模型+传感器等等

11. 大模型+插件的交互形式大模型变成新一代通用平台，通过各种plugin来处理海量的现实生活事务，产品交互范式转移，从用户适应产品变为产品适应客户，大量长尾需求得到满足。

12. 大模型时代营销领域新的机会与挑战 • • 应用技术

13. 新趋势：大模型如何改变营销环境？重构内容生产重塑流量格局创新运营服务企业如何应对：比竞对更快适应大模型时代加速商业洞察

14. 营销生产力大爆发，所有功能都有机会用大模型再做一遍更高效的内容生产线带来海量内容供给 BGC （几周-几个月） • Agency产出Big Idea • 70%案头工作+20%头脑风暴+10% PUGC （几天-几周） • KOL和KOC等创作者，众筹式生成大量内容 AIGC （几分钟-几小时） • AI生成内容，效率极大提升内容产出效率面向不同消费者生成不同内容，达成更好触达转化效果更个性化、有温度的一对一服务成为可能提高效率 • 在大规模的一对多用户服务和运营等场景，帮助人工客服和社群运营预生成符合场景和客户需求的大量的个性化内容场景拓展 • 基于大模型，可回答知识库中超出预设流程的问题，拓宽Chatbot应用场景，更好地分发和解决客户问题体验升级 • 可生成不同风格的对话内容，其较为灵活的语言风格可更好的模拟人工客服服务自然语言交互终端+大模型原生应用传统搜索引擎大模型问答+Plugins 消费者期待更及时、更个性化的服务多终端+大模型原生应用流量向新应用转移，消费者期待品牌随时随地互动大模型加速颠覆原有的市场研究模式 • 帮助市场研究部门快速总结趋势、提出观点、启发研究、策划方向假设形成信息收集 • 自动化生成问卷 • 对话式AI访谈 • 结合更多元的数据范围 • 大批次分析非结构化数据产（定量）出洞 • 将复杂的数据分析过程可视化为图表和图形察洞察向敏捷化、自动化升级

15. 重构内容生产：更高效的AI生成内容流水线带来海量内容，争夺消费者有限注意力更高效的内容生产线带来海量内容更高效的内容生产线带来海量内容大厂推出AI生成广告服务 BGC （几周-几个月） • Agency产出Big Idea • 70%案头工作+20%头脑风暴 +10% Advantage+ 消费者面临海量内容的冲击，内容消费需求进一步分化： • Meta筹划在12月之前推出AI生成广告商业化服务，并与谷歌一起探索该技术的实际应用 1 • PUGC （几天-几周） • KOL和KOC等创作者，众筹式生成大量内容 • 利用AIGC能力，帮助汽车品牌定制百家号、品牌内部、经销商文案内容产出 Agency推出AIGC营销套件 AIGC （几分钟-几小时） • AI生成内容，效率极大提升内容产出效率信息来源：1. Meta CTO采访 • 蓝色光标销博特发布AIGC“创策图文”营销套件，结合内容营销“Know-How”提供从创意、策划、文案、图片等内容生产解决方案接收更多机器生产内容 • 主动搜寻高质量内容品牌在内容的量和质上均面临竞争 • 既需要管理海量内容稳定生产，使其广泛低成本地触达消费者 • 也需要高质量内容脱颖而出，击穿用户心智

16. 冲击搜索广告，新交互模式下媒介重归中心化？当下：冲击搜索广告未来：新交互模式、新终端、新应用大模型成为新流量入口，削弱搜索引擎，与下游应用并存 • 高频、刚需、易抽象功能如打车、购物等仍由图形界面承载 • 大模型解决灵活度高、复杂的用户需求，并成为模糊需求的分发入口，获取更多主动搜索、浏览的用户数据新Bing广告 • 下游站点或应用的流量价值可能被削弱品牌通过LMO增强对用户的触达 • ChatGPT的AI版必应（Bing）推出一个月后，必应每日活跃用户首次突破1亿人，冲击谷歌市场份额 • 推出基于新Bing的搜索广告信息来源：Similarweb,. 彭博社 • 从大模型+Plugins更进一步到自然语言交互新终端+LLM原生应用 • 低频、灵活度高、复杂的用户需求或PC、手机之外的交互场景下，大模型更可能成为主要信息入口 • 品牌从追求SEO（Search Engine Optimization）转化为LMO (Large Model Optimization）

17. 创新运营服务：更个性化、有温度的一对一服务成为可能 AI客服使用场景更为多样更准确的意图识别 • 大模型上下文的关联能力强，能支撑多轮对话更低成本的冷启动 • 借助大模型，快速、低成本的习得新知识 • 应对复杂场景的能力升级：可以基于大模型的知识回答知识库中不具备的问题或者查出预设流程的问题 • 消费者：期待更及时、更个性化的服务 • 为用户带来的体验升级：可以生成不同风格的对话内容，基于个人信息和历史交互，提供个性化回答 − 有较大的降低客服成本的空间 AI辅助人工服务效率提升 • 在大规模的1对多用户运营等场景，帮助人工客服、运营人员预生成符合场景、符合客户情况的个性化互动内容 • 品牌侧： − AI客服+多品牌触点为消费者创造无缝的品牌体验 − 借助客服触点，构建营销场景，将成本中心转化为价值中心

18. 加速商业洞察：大模型加速颠覆原有的市场研究模式假设形成信息收集数据收集提效扩量激发假设形成 • 在有效的Prompt（提示）下，大模型可以帮助帮助市场研究部门快速总结趋势、提出观点，启发研究、策划方向信息分析 • 自动化问卷：借助AI自动生成调研问卷，输入任意调研主题，创建调研问卷 • AI访谈：AI对话式的受访者访谈，大规模、高效率提升回答的体验和质量 • 拓宽数据范围：在研究中结合更为范围的数据信息分析提效 • 批量化的大批次的分析非结构性的文本数据 • 将复杂的数据分析过程可视化为图表和图形借助大模型： • 降低市场研究的知识门槛，未来品牌侧应普遍具有简单的洞察能力 • 未来对商业洞察的需求，将更多转向对更多元和广泛的数据进行更深入的洞察

19. 新应用：AI 在中国特色的营销中如何应用？创新、创意生成商业洞察和反馈 4 运营与服务基于社媒/评论/会话数据的消费者洞察 1 AI辅助产品创新 2 AI生成创意内容 AI辅助客服 & 智能客服 3 AI辅助数字人直播员工赋能教育社媒账号运营线下生意提效 5 线下门店AI辅助多种营销场景产品创新新市场进入策划Campaign 用户私域运营

20. 营销智能AIGC应用场景针对某产品的讨论角度总结报告舆情总结报告的自动化撰写基于知识库的单篇文章信息抽取 LLM观点聚合自动化报告

21. 营销智能AIGC应用场景舆情数据的智能解读自动解读：根据给定数据，可以看出微博在所有平台中拥有最高的声量，而在2023年3月13日上午10点，微博的声量达到了629，是最值得关注的一天。此外，根据给出的数据，3月13日互动量高的原因主要集中在两个话题：#XXX#和 @XXX。这两个话题的互动量主要来自于粉丝的关注和期待，以及宣传活动的预热和宣传。其中，#XX#话题的互动量最高，可能是因为XX是一位非常受欢迎的明星，具有很多忠实的粉丝。同时，他和@XXX美发一起推出的护发配方，也吸引了不少人的关注和期待。总的来说，3月13日互动量高的原因主要是因为两个话题的宣传和预热活动引起了消费者的关注和期待，以及粉丝的热情参与。

22. 营销智能AIGC应用场景营销领域短视频脚本生成，输入产品关键词几秒生成海量完整脚本，同时一键复制实现自动配音，大幅缩短创作周期

23. 营销智能AIGC应用场景在多个行业积累的知识图谱体系，在大型预训练模型的框架下使用海量social数据训练出多行业自动营销文案生成模型，实现简单输入关键词进行多种模式快速营销文本生成

24. 营销智能AIGC应用场景

25. 营销智能AIGC应用场景

26. 营销智能AIGC应用场景结合营销知识库，加载大模型对话能力与虚拟人技术，进行自动电商直播，提高卖货效率话术框架基于商品信息的内容生成实时互动引导购买

27. 营销智能AIGC技术：定制化LLM 定制化的LLM：开源模型+数据训练效果反馈学习高互动内容生成逻辑，持续提高内容生成效果达成 Phase II TBD RLHF update 内容生成按输入的 prompt 生成内容 Phase I Data (new knowledge) • Hot trend • Popular topics Instruction Finetune 训练语料库：通过将各种不同的任务转化为指令数据形式，对语言模型进行进一步微调。持续为模型注入新知识，加强内容生成能力（流量密码） Instruction Finetune 语料训练，提高指令理解能力 + Base Model glm/bloomz/llama *Base model 是指只在大规模文本语料中进行了预训练的模型，未经过指令和下游任务微调、以及人类反馈等任何对齐优化。 Other Model • Quality control OTC • NER 训练语料数据类型训练目标通用型语料中文大杂烩数据集，包含 • 分类话题 • 对话训练 • 数据抽取 • 阅读理解 • 等等提升模型的 instruction fine tune泛化能力行业垂类语料秒针美妆知识库内容： • Social帖子（分平台） • 电商商品描述数据 • 美妆知识分类数据（品牌，产品，成分，功效等）提高模型的行业特征匹配度加强 Prompt 理解能力

28. 营销智能AIGC技术：数据自我指导过程是一种迭代引导算法，它从一组手动编写的指令种子集开始，并使用它们提示语言模型生成新的指令和相应的输入-输出实例。然后，这些生成结果经过过滤，以去除低质量或类似的结果，并将结果数据添加回任务池中。这个过程可以重复多次，产生大量的指导数据，可以用来微调语言模型，以更有效地遵循指令。

29. 营销智能AIGC技术：PEFT 传统方法微调预训练模型的所有参数，随着模型大小和任务数量的增长，这种方法变得难以承受。最近的研究提出了各种参数高效的迁移学习方法，只微调少量的（额外的）参数即可获得强大的性能

30. 营销智能AIGC技术：finetune 如何训练大型和深度神经网络是具有挑战性的，因为它需要大量的GPU内存和长时间的训练周期。然而，单个GPU工作器的内存是有限的，许多大型模型的尺寸已经超过了单个GPU的容量。有几种并行性范式可以实现跨多个GPU进行模型训练，以及各种模型架构和内存节省设计，以帮助实现训练非常大型的神经网络的可能性。

31. 营销智能AIGC技术：评估全面的评估框架+企业内部场景

32. 营销智能AIGC技术：评估 LLM的基本评估任务及相应的代表性数据集

33. AIGC 如何融入企业级产品 • • • 必然之路案例挑战

34. 新趋势下，企业如何赢？新时代的人机协同企业需要具备的能力在通用大模型的基础上… ChatGPT | GPT4 | 百度文心 | 腾讯混元 | 阿里通义 | 书生2.5 | Moss 模型 …结合行业知识库和企业一方数据进行垂直行业知识增强，RLHF*和指令微调对通用大模型fine-tuning …并具备了解如何最大化利用AI能力技能的人才是否清晰地了解模型的能力和限制？怎么低成本地部署？ • • 数据和训练 • 人才是否已经积累易于AI利用的数据？是否了解如何 Fine-tuning？是否具备能够帮助AI能力落地到企业的相关供应商？是否有具备提示工程（Prompt Engineering）技能的人才以最大化利用AI的能力？

35. 必然之路 ToB应用的场景、上下文、流程都比较复杂，对数据安全和用户隐私也有很高的要求，这些原因决定了ChatGPT等大模型不太可能淹没ToB应用，反而是作为被集成到ToB应用中的核心AI能力，降低应用开发和运营的成本，显著提升应用的效果。垂直领域中的行业大模型的训练优化会受益于基于通用大模型的微调

36. 必然之路明略科技为客户打造类似微软普罗米修斯的数据飞轮，让客户的行业知识和数据与大模型互相助力，提升营销和营运智能 Copilot产品的效果

37. 必然之路明略利用积累的行业知识和数据，借助各通用大模型以及fine-tuning技术，优化训练垂直领域的行业大模型，在产品中为客户提供可伸缩的模型即服务（Scalable MaaS）

38. 案例将大语言模型接入企业微信，联通企业内部知识和能力，探索提升企业效率的空间

39. 案例本地部署的大语言模型结合企业内数据、文本等多模态的知识形成企业智能助手，将极大的提高企业运转效率产品 QA 读取数据智能接调用模口型预定会议

40. 挑战 AIGC（人工智能通用技术）的发展和应用给社会带来了许多挑战。这些挑战需要我们认真对待，制定相应的政策和规定，以确保AIGC技术的发展和应用能够为社会带来更多的好处，而不是加剧社会问题。就业和职业转型数据隐私和安全数字鸿沟社会伦理和道德问题算法歧视和不公平

41.