很少有行业像数字营销这样为部署人工智能和机器学习提供如此理想的环境。该行业的规模是全球性的，而且还在不断增长，运营挑战巨大，数据可用性接近实时。更不用说很少有行业像广告一样重要，它使我们的全球创意市场蓬勃发展。例如，广告联盟 2022 年的一项研究发现，2021 年仅在美国，广告就产生了 7.1 万亿美元的销售活动。
报告，到 2030 年，人工智能将成为 GDP 增长的头号驱动力。我们引用这一数据已有一段时间了，但仍然惊叹于人工智能对全球众多不同行业的影响。那么，生成式人工智能和 ChatGPT 的发展对数字营销和广告技术究竟意味着什么？
首先，让我们了解一下人工智能到底是什么。要记住一件事，这是我在攻读博士学位期间参加领先的 AI 会议时学到的。天，是属于 AI 保护伞下的主题的极端多样性。从社交网络中的新闻传播建模到自动驾驶汽车。
作为一个真正的人工智能爱好者，我决定向 ChatGPT 本身提出“人工智能的定义是什么？”这个问题，它提供了以下答案：
人工智能 (AI) 是指在被编程为像人类一样思考和学习的机器中模拟人类智能。这包括理解自然语言、解决问题、做出决策和适应不断变化的情况的能力。人工智能系统可以是使用机器学习、深度学习和自然语言处理等各种技术进行培训，以执行通常需要人类智能才能完成的任务。
这个定义没有错，但我必须不敢苟同。相反，我使用了 RemiGPT（那将是我的大脑），它不同意响应中“被编程为像人类一样思考和学习”的部分。认为人工智能可以像人类一样思考和学习是一种常见的误解。然而，根据设计，人工智能实际上无法做到这一点。人脑无法处理 AI 可以处理的海量数据。因此，人工智能能够提出人类不可能做到的新方法和分析！
此外，该定义给人的印象是存在通用人工智能，但事实并非如此。它完全没有认识到自动化从工厂工人的重复性任务到需要高认知努力的任务的演变。
传统上需要人类智能的非平凡任务的自动化，这些任务基于以数据为基础的学习系统。确定了 AI 的定义后，现在让我们深入探讨生成 AI 与预测 AI 之间的区别。
生成式 AI：根据从先前数据中学到的模式和信息生成新的内容或数据。可以训练生成式 AI 模型来生成新的文本、图像或音乐。但是没有实际的性能基准。
预测性人工智能：使用过去的数据预测未来的结果。预测性 AI 模型可以预测数字广告中的股票价格、客户行为和转化概率，成功是可衡量和可证明的。
现在，让我们考虑一下这两种技术在未来几年的趋势……
那么，哪些趋势适合最大化广告投资回报率呢？在与数十个成熟品牌合作以加强其数字营销的智能层之后，市场需要专用 AI 而不是生成 AI，并产生最大的商业价值。现在，让我们深入探讨成熟数字品牌技术堆栈的三个关键组成部分，看看它们与 AI 的关系：测量、品牌安全和竞价。
衡量对于品牌定义他们想要实现的目标和衡量投资回报率是必要的。这主要是基于规则的逻辑，这意味着它将始终如一地为给定的输入产生相同的输出。
同时，保护品牌免受有害内容或欺诈侵害所必需的品牌安全是基于规则和逻辑与人工智能方法的结合。它利用了自然语言处理 (NLP) 和神经网络。这些人工智能类别专注于构建可以从数据中学习并根据数据做出决策的系统。品牌还可以利用计算机视觉 AI 来检测有害视频内容，以确保品牌安全。
最后，出价（因此，广告决策）代表了品牌在媒体购买过程中每天必须做出的数十亿个决策。它是数字营销中最关键的基于 AI 的应用程序，因为它具有最有影响力的用途，并且恰恰是品牌安全和衡量等其他组件可以被评估和激活的地方。它将通过找到期望结果的概率来定义品牌的性能。品牌需要控制优化和他们带到桌面上的智能来为其提供动力，以创造自己的竞争优势和投资回报率，同时确保规模化的最有效价格。
当使用可定制的算法时，出价是 100% 基于人工智能的。十多年前，当我开始从事数字营销时，有时会手动对策略进行出价。本质上，人类交易者猜测最高出价应该是多少！然而，这没有意义，因为每个展示机会的价值都不同，应该单独定价。
品牌越来越多地要求提高媒体购买的透明度，并了解广告决策背后的数据和目标。他们还逐步要求优化质量 CPM (Q-CPM)、质量指标和业务目标，而不仅仅是点击次数和标准 KPI。
需要对 AI 进行培训，以在不使用 PII 的情况下提供性能，以尊重消费者为目标，并确保 100% 优化支出以最大化 ROAS。竞价 AI 需要是专门构建的、可定制的和动态的，将从过去的活动中吸取的教训添加到未来的活动中，并不断为自动化创造新的机会以提高活动规模。
因此，可定制的算法是 AI 技术、数据和训练它们的人员。所有三个组成部分都必须非常复杂，才能计算和产生品牌想要的结果。用这些简单的术语来想一想：你可以拥有最聪明的狗，但如果你不能把球扔到正确的方向，你的狗永远不会学会去哪里！
很少有行业像数字营销这样为部署人工智能和机器学习提供如此理想的环境。该行业的规模是全球性的，而且还在不断增长，运营挑战巨大，数据可用性接近实时。更不用说很少有行业像广告一样重要，它使我们的全球创意市场蓬勃发展。例如，广告联盟 2022 年的一项研究发现，2021 年仅在美国，“广告就产生了 7.1 万亿美元（5.7 万亿英镑）的销售活动”。
报告，到 2030 年，人工智能将成为 GDP 增长的头号驱动力。我们引用这一数据已有一段时间了，但仍然惊叹于人工智能对全球众多不同行业的影响。那么，生成式人工智能和 ChatGPT 的发展对数字营销和广告技术究竟意味着什么？
首先，让我们了解一下人工智能到底是什么。要记住一件事，这是我在攻读博士学位期间参加领先的 AI 会议时学到的。天，是属于 AI 保护伞下的主题的极端多样性。从社交网络中的新闻传播建模到自动驾驶汽车。
作为一个真正的人工智能爱好者，我决定向 ChatGPT 本身提出“人工智能的定义是什么？”这个问题，它提供了以下答案：人工智能 (AI) 是指在被编程为像人类一样思考和学习的机器中模拟人类智能。这包括理解自然语言、解决问题、做出决策和适应不断变化的情况的能力。人工智能系统可以是使用机器学习、深度学习和自然语言处理等各种技术进行培训，以执行通常需要人类智能才能完成的任务。
这个定义没有错，但我必须不敢苟同。相反，我使用了 RemiGPT（那将是我的大脑），它不同意响应中“被编程为像人类一样思考和学习”的部分。认为人工智能可以像人类一样思考和学习是一种常见的误解。然而，根据设计，人工智能实际上无法做到这一点。人脑无法处理 AI 可以处理的海量数据。因此，人工智能能够提出人类不可能做到的新方法和分析！
此外，该定义给人的印象是存在通用人工智能，但事实并非如此。它完全没有认识到自动化从工厂工人的重复性任务到需要高认知努力的任务的演变。
相反，我更喜欢人工智能的这个定义：传统上需要人类智能的非平凡任务的自动化，这些任务基于以数据为基础的学习系统。确定了 AI 的定义后，现在让我们深入探讨生成 AI 与预测 AI 之间的区别。
生成式 AI：根据从先前数据中学到的模式和信息生成新的内容或数据。可以训练生成式 AI 模型来生成新的文本、图像或音乐。但是没有实际的性能基准。
预测性人工智能：使用过去的数据预测未来的结果。预测性 AI 模型可以预测数字广告中的股票价格、客户行为和转化概率，成功是可衡量和可证明的。
现在，让我们考虑一下这两种技术在未来几年的趋势……
那么，哪些趋势适合最大化广告投资回报率呢？在与数十个成熟品牌合作以加强其数字营销的智能层之后，市场需要专用 AI 而不是生成 AI，并产生最大的商业价值。现在，让我们深入探讨成熟数字品牌技术堆栈的三个关键组成部分，看看它们与 AI 的关系：测量、品牌安全和竞价。
衡量对于品牌定义他们想要实现的目标和衡量投资回报率是必要的。这主要是基于规则的逻辑，这意味着它将始终如一地为给定的输入产生相同的输出。
同时，保护品牌免受有害内容或欺诈侵害所必需的品牌安全是基于规则和逻辑与人工智能方法的结合。它利用了自然语言处理 (NLP) 和神经网络。这些人工智能类别专注于构建可以从数据中学习并根据数据做出决策的系统。品牌还可以利用计算机视觉 AI 来检测有害视频内容，以确保品牌安全。
最后，出价（因此，广告决策）代表了品牌在媒体购买过程中每天必须做出的数十亿个决策。它是数字营销中最关键的基于 AI 的应用程序，因为它具有最有影响力的用途，并且恰恰是品牌安全和衡量等其他组件可以被评估和激活的地方。它将通过找到期望结果的概率来定义品牌的性能。品牌需要控制优化和他们带到桌面上的智能来为其提供动力，以创造自己的竞争优势和投资回报率，同时确保规模化的最有效价格。
当使用可定制的算法时，出价是 100% 基于人工智能的。十多年前，当我开始从事数字营销时，有时会手动对策略进行出价。本质上，人类交易者猜测最高出价应该是多少！然而，这没有意义，因为每个展示机会的价值都不同，应该单独定价。
品牌越来越多地要求提高媒体购买的透明度，并了解广告决策背后的数据和目标。他们还逐步要求优化质量 CPM (Q-CPM)、质量指标和业务目标，而不仅仅是点击次数和标准 KPI。
需要对 AI 进行培训，以在不使用 PII 的情况下提供性能，以尊重消费者为目标，并确保 100% 优化支出以最大化 ROAS。竞价 AI 需要是专门构建的、可定制的和动态的，将从过去的活动中吸取的教训添加到未来的活动中，并不断为自动化创造新的机会以提高活动规模。
因此，可定制的算法是 AI 技术、数据和训练它们的人员。所有三个组成部分都必须非常复杂，才能计算和产生品牌想要的结果。