如今，人工智能技術在營銷層面的應用，正在幫助品牌方逐步找到有用的廣告是哪一半，并且避開無用的那一半，而阿里巴巴集團的數(shù)據(jù)銀行就是應用中的代表性工具。在2017年6月，阿里巴巴集團正式發(fā)布服務于品牌的消費者數(shù)據(jù)資產管理中心——品牌數(shù)據(jù)銀行（Brand Databank），這也是國內首個實現(xiàn)品牌全域數(shù)據(jù)資產管理的平臺。

 

　　在新零售的浪潮中，通過大數(shù)據(jù)預測潛在用戶、篩選有效渠道的方式已經(jīng)越來越普遍。人工智能領域的深度學習、智能設計正在走進商家日常的運作當中，投放、預估等環(huán)節(jié)的智能化都已經(jīng)讓商家的營銷效率得以大幅提升。

 

　　人工智能是諸多技術的總稱，機器學習是人工智能的基石之一。最熱門的人工智能應用領域包括自然語言處理、圖像識別、數(shù)據(jù)智能分析。而大量的可用于分析的數(shù)據(jù)是人工智能的另一塊基石。想要在商業(yè)領域有效的運用人工智能，就目前全球應用級別的人工智能技術來講，最重要的是人物畫像和長期的經(jīng)濟行為數(shù)據(jù)。

 

　　人物畫像一部分指的是人口學特征，比如女性，30歲，是否已婚，這部分數(shù)據(jù)現(xiàn)在各大互聯(lián)網(wǎng)公司都有海量數(shù)據(jù)。還有一部分是社會學特征，比如住在一線城市，在外企上班，學歷本科。這部分特征相對更精細，能夠對個人的消費能力進行判斷。

 

　　但更加關鍵的是長期的經(jīng)濟行為，特別是商業(yè)交易記錄，比如一年網(wǎng)購多少次，購買張杰演唱會門票多少次，購買張杰門票的同時喜歡購買什么化妝品。可以說這些行為的記錄和統(tǒng)計是消費預測領域人工智能分析的核心。

 

　　國內就目前來說，天貓，淘寶以阿里旗下的各類生活消費類網(wǎng)站，積累的數(shù)據(jù)是最豐富而完整的。更關鍵的是，天貓和淘寶是中國最早的在線電商平臺，且阿里同時擁有全國最大的支付工具支付寶，長達十多年的交易數(shù)據(jù)比近幾年才開始積累數(shù)據(jù)的平臺要精確強大許多。

 

　　基于精準的交易數(shù)據(jù)，阿里巴巴的數(shù)據(jù)銀行應運而生。天貓新零售平臺數(shù)據(jù)技術總監(jiān)魏虎告訴21世紀經(jīng)濟報道記者：“數(shù)據(jù)銀行中有一個重要功能是消費者資產預測，即通過分析歷史數(shù)據(jù)來預測用戶未來3年在某一品牌上的消費。預測方法上運用了機器學習和深度學習，其中，機器學習包括邏輯回歸、RandomForest（隨機森林）、GBDT（梯度提升數(shù)）等算法。深度學習則會提升預測的精度和趨勢的準確性，我們采用了CNN（卷積神經(jīng)網(wǎng)絡）、RNN（循環(huán)神經(jīng)網(wǎng)絡）等深度序列模型來做數(shù)據(jù)預測。”

 

　　魏虎解析道，相對于機器學習，深度學習一方面在準確度上進一步提高，例如MAE（誤差平均值）會有10%的提升，趨勢相關系數(shù)會有20%的提升；另一方面，深度學習模型更容易去擬合一個非線性空間，并且能夠“自主學習”隱含特征，“傳統(tǒng)機器學習需要人工定義，比如需要定義用戶的瀏覽次數(shù)、加購次數(shù)，但是深度學習技術能從這些基礎特征中歸納出更高維度、更精細、組合化的特征。”

 

　　除了數(shù)據(jù)銀行，阿里線上店鋪的CEM系統(tǒng)正在做“千人千面”的推薦，顧名思義，商家將為不同的用戶展示不同的補貼優(yōu)惠、商品陳列等。其中涉及到推薦和預測的功能，如何快速識別用戶并推薦其感興趣的商品，技術更為復雜。魏虎介紹道：“其中一大難點就是把握商品和用戶之間的關系，一方面要知道用戶對商品的偏好，這需要通過用戶過往的購買記錄抽象出特征；另一邊也需要商品的特征，包括被什么樣的人購買過等多種信息。我們要把這兩種數(shù)據(jù)進行比對，然后得到相互之間的復雜關系，再對商家進行建議。”

 

 

　　服飾、快消類等高頻消費領域是阿里巴巴最擅長和較早進入的行業(yè)， 在運用數(shù)據(jù)來推動品牌建設過程中，他們占據(jù)了較高的比例。

 

　　以施華蔻為例，通過整合Uni Desk、微博、快閃店、手淘導購等渠道數(shù)據(jù)，展開精準消費者畫像洞察，并相應向消費者傳遞個性化的品牌信息，在2017年天貓“雙十一”，其消費者總量新增310%，加購增長200%。

 

　　其中，就數(shù)據(jù)銀行部分來看，數(shù)據(jù)銀行根據(jù)用戶的行為，如忠實購買會員，會員，普通購買用戶，瀏覽用戶，品牌曝光的潛在用戶?？傮w而言可以歸為兩類，一類是有過購買行為或購買潛力大的用戶，另一類是可能購買或者購買潛力未知的用戶。前者簡單理解老用戶或者續(xù)購用戶，后者理解為拉新用戶或促銷用戶。

 

　　然后，數(shù)據(jù)銀行中的高階工具數(shù)據(jù)工廠將核心用戶進行特征提取，初始的特征量會非常大，有些特征相交易關性高，但也可能從用戶特征上看過于普遍，比如30歲以下、未婚、女、天貓超級會員。這時候需要采用機器學習算法進行進一步目標人群預測，比如采用隨機森林算法。隨機森林是經(jīng)典的分類器，之所以稱之為森林，是指這種算法在進行數(shù)據(jù)判斷的時候用了許多棵決策樹。決策樹的作用是用來對數(shù)據(jù)的特征進行選擇，比如從海量的諸如“看過染發(fā)文章”，“經(jīng)常看美妝視頻”，“購買過同洗護品牌”這些用戶特征中選出最可能購買施華蔻的特征組合。

 

　　“數(shù)據(jù)工廠相當于給了品牌一個建模平臺，品牌可以自己定義品牌的樣本，一款產品的種子用戶可以在工廠里放大，尋找到一批新的候選用戶。通過比對出兩者的相似性，商家可以根據(jù)需求定義相似性的范圍，例如可以選擇對50%相似性內的用戶做二次的投放運營，從而產生更高階的、更加智能的人群推薦。”魏虎向記者解釋道。

 

　　施華蔻方面接受21世紀經(jīng)濟報道記者采訪時談道：“數(shù)據(jù)銀行帶來的第一個好處是站外和站內多渠道數(shù)據(jù)的融合，了解消費者圖像，在曝光和點擊數(shù)據(jù)之外，還能夠長期跟蹤用戶消費行為，提升了媒體投放效率；第二點是數(shù)據(jù)銀行可以精準定位人群，工廠可以篩選出品牌的潛在客戶，也可以幫助我們維護好老客戶。”

 

　　除了快消品，阿里巴巴在大眾品牌打造方面也有所作為，對品牌塑造的準確度也有提升。例如在汽車行業(yè)，比亞迪汽車銷售電商商務部肖經(jīng)理就告訴21世紀以經(jīng)濟報道記者：“在渠道引流上，數(shù)據(jù)銀行前期在4S店部署的地動儀，收集了大量線下潛客信息，這些都回傳到了數(shù)據(jù)銀行，持續(xù)沉淀，并在線上不斷的用內容和廣告培育；最重要的是，數(shù)據(jù)銀行根據(jù)線下潛客在線上的標簽，例如判斷是否有車、購車意向是否強烈、人生階段、消費水平等，進行了詳細的人群畫像區(qū)分，借助這些消費者畫像的維度，將潛在人群做了不同的分組，再利用數(shù)據(jù)銀行對接的天貓站內推廣渠道，鉆展達摩盤、店鋪的會員消息短信等，再次對精選的消費者觸達，觸達內容都是‘雙十一’專門為線下門店設計的全渠道商品，引導消費者，到線下門店進行體驗和核銷，形成對線上客戶在線下的循環(huán)運營和體驗加深。”

 

　　要知道數(shù)據(jù)銀行的特征數(shù)量非常龐大，一個用戶的基礎特征可能是幾百個甚至幾萬個。從這些特征中提取這些數(shù)據(jù)之后，對于商家來說最關鍵的一步就是投放廣告。廣告投放并非是數(shù)據(jù)工廠工作的最后一步，而是數(shù)據(jù)檢驗的開始。天貓的強大優(yōu)勢是廣告曝光、點擊用購轉化、支付及后續(xù)的再次購買都在自己閉環(huán)的平臺上。對傳統(tǒng)行業(yè)難以統(tǒng)計和分析復購率，廣告投放準確度的判斷，數(shù)據(jù)工廠可以不斷地進行反饋和修正。

 

　　對于海量的數(shù)據(jù)，魏虎也提到了數(shù)據(jù)分析的兩大挑戰(zhàn)，一是進行用戶畫像時往往涉及到千萬、上億的用戶，如何快速、實時地給出特征畫像，需要實時計算引擎的不斷升級；另外，如何在小樣本的情況下精準地做出畫像也是機器學習面臨的難題。此外，他還表示，在數(shù)據(jù)安全方面，阿里巴巴運用了差分隱私技術、K-匿名等算法，在保護用戶隱私的同時，又可以讓商家使用脫敏數(shù)據(jù)。