AI与内容营销者的对决,谁将赢得未来?

2018 年 5 月 15 日 AI前线 Alana Rudder
译者 | 大愚若智
编辑 | Vincent
AI 前线导读:我们已经见识过人工智能在诸如:医疗、金融、安防等领域的表现,虽然 AI 在某些场景下的表现仍然有待提升,但是它们大部分的表现已经足以让人惊艳。一些媒体声称 AI 将要“替代”律师、工人等职业的传言大肆宣扬之后,又一个领域即将被攻陷,传统营销行业似乎也感受到了来自 AI 的压力。

更多干货内容请关注微信公众号“AI 前线”,(ID:ai-front)

2017 年 6 月,1300 名 Call to Action 大会的与会者齐聚加拿大温哥华,与 Unbounce 的人工智能系统进行了对决,比赛看谁能更好地预测着陆页(Landing-page)绩效。选手需要查看 Unbounce 准备的 204 个着陆页中的一个页面,分析页面内容,然后判断哪个页面可以获得超过平均值的转化率。于此同时,Unbounce 的算法也按照指令执行相同工作。

在获得 17,000 个判断结果后,开始计分。Unbounce 的人工智能(AI)算法在超过 80% 的时间里正确预测出了超过平均转化率的页面,而人类参与者的平均正确率仅为 50%。

问题在于,这些参与者有些来自 Adobe、Mirum 等顶尖公司里最专业的营销专家,甚至还有人来自 Unbounce 自己的 Oli Gardner 公司。擅长转换文案(Conversion copywriting)的 CTA 大会发言人 Joel Klettke 预测的准确率仅为 57%(以人类的水平来说已经很高了),但依然远低于算法的准确率。人类选手全败!而 Unbounce 的下一个目标:创建一种类似算法,使用计算机视觉来预测网页设计的转化率。

此外还有很多公司正在创建类似的图片转化率预测算法。Visit Utah 的营销团队与 Cortex 合作开发的一套 AI 驱动的算法,通过为图片元素分级,可以在将内容交付给目标受众之前预测哪种内容的吸引力更大。当这家公司打算吸引想要滑雪的游客时,Visit Utah 的营销人员借助该算法的预测,告诉游客们大部分滑雪者更喜欢人少、线路干净、有蓝天和松树的场景,最终转化率提高了 23%。

AI 算法是否比人类更擅长营销?

这让以内容创建为己任的营销人员如何自处?由 AI 执行的内容营销工作到底能比创意营销人员好到什么程度?虽然这样的对比并非总是以比赛的形式出现,但 Unbounce 和 Cortex 并不是仅有的让创意营销人员和 AI 算法进行竞赛,然后看谁更擅长设计或文案工作的公司。一起通过几个例子看看在这场人和机器的对决中,创意营销人员到底处于一种怎样的情况。

文案写手和 AI 孰优孰劣

根据最新调研,焦点小组按照要求对一系列文案打分。在参与者不知情的情况下,这些文案有的由 AI 生成,有的由人类写手撰写。最终机器生成的内容在客观性和可信度方面取得了更好的结果,仅在参与度指标方面有所不足,例如是否读起来让人更愉快,是否有趣,写作水平是否够高,是否联贯,是否简洁。

尽管如此,Gartner 预计 2018 年所产生的所有商务内容(Business Content)中,将有 20% 是由机器生成的。然而“商务内容”和“营销文案”是两个不同概念,这也让我们可以更好地确定什么时候应该使用 AI 创建内容,以及机器生成内容的整体用途。

“AI 驱动的内容生成可以为金融机构创建详细的报表,混合海量数据并将其变为逻辑的、可读的文字。但如果你让它编写全新的、有吸引力的故事,并且要能抓住读者的想象力,结果依然会惨败,”SEO 专家、搜索引擎优化专家、Deep Footprint 公司数字化营销战略师 Bill Zeintek 这样说。

文案承担了“报告”的用途,例如绩效报告和证券交易总结报告,这些报告的“可信度”和“客观性”等指标非常重要,最适合由机器来生成。此时,自动化生产流程意味着文案写手可以彻底省略或缩短手工收集、编译、标准化、清洗及汇总大数据所耗费的时间。

但是“营销”意在吸引受众,这些内容必须精心撰写、简洁明了、有趣、读起来让人感觉愉悦。换而言之,必须“说人话”。

AI 驱动的内容设计会慢慢变得完善

摘录 Grid.io 的上市营销视频中的一段话:“你的网站应当反映你自己的身份,并且应该在这方面做的足够出色。没错,你的网站应该由自己精心创建,但是设计、开发、推广……如果你自己负责自己最重视的事情,让其他事情……自然而然自己实现,这岂不是一种更好的做法?如果网站也能自己生成是不是更棒?这就是 Grid。”

通过使用那个名叫 Molly 的 AI 机器人,企业可以在业务运营过程中创建出个性化并且高质量的网站。只需选择配色方案或上传品牌徽标,Molly 即可为你的业务创建完美的数字化家园,并且能完美体现产品和团队的特色。听起来好到不可置信?没错。

最终由于存在各种局限,导致用户希望能获得更多功能。测试用户感觉为了能与众不同,自己需要更加个性化的表现形式,这样才能更好地吸引访客,并且最终才能获得一个真正的“投资组合”,而不仅仅是一个简单的公司官网。用户们开始去一些设计论坛表达自己的发现:“终于看到使用 grid.io 创建的网站上线了,我觉得你们的工作算是保住了。”

目前,AI 在位图形和 Web 设计师提供支持方面已经取得了不错的进展。Adobe Sensei 在 Adobe Summit 2017 峰会中发布了 AI 驱动的全新设计功能,并发布了一个包含前沿的图形设计和 Web 设计功能,让人眼花缭乱的原型产品。

虽然还不能代替我们完成所有图形设计工作,但确实有些让人印象深刻的功能,例如根据图片内容自动裁切照片、图片内容识别、根据设计师的图片数据库提供素材推荐、图片元素交换、不雅图片内容消除,以及有关布局、配色、照片大小的设计建议。

尽管这类技术还不能从零开始猜测并创建接口或用户体验,但目前已经可以实现内容个性化,例如确定哪些照片或文案更适合呈现给哪些细分用户,并在进行自定义简报时实时更换。

结果就是:“人工扩增设计(Human-augmented design)”,从事该原型产品开发的 Adobe Marketing Cloud 总监 Cedric Huesler 这样说到。

尽管最初不怎么信任,但创意营销人员还是可以放心地接受 AI 的某些帮助,参与过 Adobe Make a Masterpiece 项目的 Jesus Ramirez 为创意营销人员解释了 AI 的角色说:“照相机诞生后,人们都觉得以后不需要画家了。对于 AI,我觉得一些人可能觉得计算机会抢走他们的饭碗,但最终我们会发现,AI 也只是另一种工具罢了。”

“只是另一种工具”,没错。从诸如 Unbounce 以及 Adobe 的案例研究中可以发现,尽管在吸引力方面存在局限,但创意内容营销人员依然可以借助 AI 增强自己的优势。WaveLength Analytics 的创始人兼数据分析师 Natalie Robb 认为,AI 将能更好地帮助内容营销人员创建出更棒的内容,并且更高效地使用这些内容。

“内容营销人员再也不用为各种手工的体力活烦心了,”她说。诸如图片裁切,元素交换,总结某个话题的中心思想,数据聚合,文案转化率预测,内容配色、布局或图片素材的选择这种“体力活”,交给 AI 就好。

那么创意营销人员以后要做什么?Natalie 总结说:“内容营销人员必须在技术领域与时俱进,掌握数据和通信等技术,但他们依然是无法被取代的。”为了向目标受众提供有趣、精心制作、联贯、有吸引力的个性化内容,人类的创意依然必不可少。

阅读英文原文:

https://towardsdatascience.com/in-a-ai-vs-content-marketer-showdown-who-will-win-the-future-22b737213868

AI前线
紧跟前沿的AI技术社群

如果你喜欢这篇文章,或希望看到更多类似优质报道,记得点赞分享哦!

┏(^0^)┛明天见!

登录查看更多
0

相关内容

德勤:2020技术趋势报告,120页pdf
专知会员服务
190+阅读 · 2020年3月31日
【德勤】中国人工智能产业白皮书,68页pdf
专知会员服务
303+阅读 · 2019年12月23日
Gartner 报告:人工智能的现状与未来
InfoQ
14+阅读 · 2019年11月29日
组队刷Kaggle, 机器学习竞赛等你来挑战!
九章算法
4+阅读 · 2019年2月17日
2017年计算机视觉创业投资现状及未来趋势
计算机视觉life
3+阅读 · 2018年1月25日
AI世界:2018年八大趋势
CSDN云计算
6+阅读 · 2017年10月20日
Learning in the Frequency Domain
Arxiv
11+阅读 · 2020年3月12日
Few-shot Learning: A Survey
Arxiv
362+阅读 · 2019年4月10日
Arxiv
3+阅读 · 2018年10月5日
Arxiv
9+阅读 · 2018年4月20日
Arxiv
5+阅读 · 2017年9月8日
VIP会员
相关VIP内容
德勤:2020技术趋势报告,120页pdf
专知会员服务
190+阅读 · 2020年3月31日
【德勤】中国人工智能产业白皮书,68页pdf
专知会员服务
303+阅读 · 2019年12月23日
相关资讯
Gartner 报告:人工智能的现状与未来
InfoQ
14+阅读 · 2019年11月29日
组队刷Kaggle, 机器学习竞赛等你来挑战!
九章算法
4+阅读 · 2019年2月17日
2017年计算机视觉创业投资现状及未来趋势
计算机视觉life
3+阅读 · 2018年1月25日
AI世界:2018年八大趋势
CSDN云计算
6+阅读 · 2017年10月20日
相关论文
Learning in the Frequency Domain
Arxiv
11+阅读 · 2020年3月12日
Few-shot Learning: A Survey
Arxiv
362+阅读 · 2019年4月10日
Arxiv
3+阅读 · 2018年10月5日
Arxiv
9+阅读 · 2018年4月20日
Arxiv
5+阅读 · 2017年9月8日
Top
微信扫码咨询专知VIP会员