徐逸天：關(guān)于算法營(yíng)銷

算法營(yíng)銷已經(jīng)成為了當(dāng)下討論得最為激烈的話題之一。然而，許多人仍然對(duì)其一知半解：算法到底是什么？它們是做什么的？它們是如何具體應(yīng)用于現(xiàn)代營(yíng)銷實(shí)踐的？它們的優(yōu)勢(shì)和劣勢(shì)是什么？企業(yè)如何利用算法做營(yíng)銷？

01
什么是營(yíng)銷算法？

從廣義上來(lái)說(shuō)，算法指的是從一組輸入中產(chǎn)生特定結(jié)果的一系列步驟或規(guī)則。以做菜為例，食譜就是將原料轉(zhuǎn)化成一道菜的算法。以支付寶為例，芝麻信用分和花唄額度就是通過(guò)算法將用戶所有交易歷史輸入到某個(gè)規(guī)則而創(chuàng)建的。

可以說(shuō)，在現(xiàn)代的商業(yè)與技術(shù)世界中，算法無(wú)處不在。比如，搜索引擎算法會(huì)為一次搜索匹配數(shù)十億個(gè)可能的網(wǎng)站，并在毫秒內(nèi)決定哪一個(gè)排名第一。又如，我們?nèi)粘Ｊ褂玫腁PP則采用社交媒體算法，它們決定了哪些內(nèi)容會(huì)出現(xiàn)在我們的首頁(yè)推送上；而視頻流媒體算法則在每個(gè)清晨準(zhǔn)備好了你喜歡的每日歌單、短視頻、電影等內(nèi)容。

從企業(yè)角度，算法也已經(jīng)滲透到了營(yíng)銷的各個(gè)方面，影響著很多決策，包括從廣告的投放直到重大的營(yíng)銷戰(zhàn)略決策。一旦我們可以獲取可信的數(shù)據(jù)，算法就可以大規(guī)模地實(shí)現(xiàn)許多自動(dòng)化決策，減少額外的人力物力，讓企業(yè)從營(yíng)銷活動(dòng)中以最小可能的付出獲得最大回報(bào)，達(dá)到事半功倍的效果。

02
營(yíng)銷算法的優(yōu)勢(shì)

○ 明確營(yíng)銷方案的方向

如果算法構(gòu)建得很好，它們就可以替代我們做出復(fù)雜的決策，并將其輸出為一系列的行動(dòng)：例如，象棋游戲的人工智能在任意一個(gè)給定的情況下都能把棋走好。其實(shí)，許多營(yíng)銷算法和下棋的人工智能非常相像：人工智能獲取一組復(fù)雜的數(shù)據(jù)，并利用它來(lái)匹配已知的模式，進(jìn)而把已知的條件進(jìn)行權(quán)衡，最終給出針對(duì)特定營(yíng)銷活動(dòng)的建議。

以郵件營(yíng)銷為例，算法可以從成千上萬(wàn)的電子郵件中獲取用戶的行為數(shù)據(jù)，并可以從這些互動(dòng)記錄中確定發(fā)送電子郵件的最佳時(shí)間——在這個(gè)時(shí)間，人們最有可能打開它和跟蹤里面的鏈接。進(jìn)而決定了廣告該什么時(shí)候投放給用戶可以獲得最好的收益。

與此相似，算法還可以決定程序化媒體購(gòu)買的策略，選擇具有最高價(jià)值的受眾，并確定顯示廣告的最佳時(shí)間和地點(diǎn)。

網(wǎng)易云音樂在晚上21點(diǎn)推送給用戶的耳機(jī)廣告
通常認(rèn)為深夜是容易沖動(dòng)消費(fèi)的時(shí)段

○ 節(jié)省不必要的營(yíng)銷成本

要確定一名早期的顧客的行為與最終購(gòu)買之間存在什么關(guān)系，可能是復(fù)雜和模糊的。算法現(xiàn)在試圖通過(guò)從各種顧客行為中獲取參與度數(shù)據(jù)，并確定轉(zhuǎn)換路徑上的哪些接觸點(diǎn)可以歸因于最終購(gòu)買。比如說(shuō)，你可能只是偶然點(diǎn)開了一條貼片廣告，但實(shí)際引起你的購(gòu)買欲望的卻是某個(gè)美妝博主的視頻。那么廣告商如何了解到底是他們的傳播在一個(gè)環(huán)節(jié)起了決定性的作用呢？或者說(shuō)，是不是有很多傳播渠道其實(shí)并沒有預(yù)期的那么有效果，需要砍掉來(lái)節(jié)省預(yù)算呢？這個(gè)時(shí)候算法就該介入了。

一些營(yíng)銷算法的歸因模型可以幫助營(yíng)銷人員使用最有效的渠道，并讓他們了解哪些渠道會(huì)帶來(lái)最低的回報(bào)。如果沒有歸因，營(yíng)銷人員可能會(huì)錯(cuò)誤地認(rèn)為一個(gè)渠道或活動(dòng)是無(wú)效的；或者他們可能會(huì)過(guò)分相信一個(gè)對(duì)最終購(gòu)買決定幾乎沒有影響的接觸點(diǎn)。例如，算法可能會(huì)了解到：與其花錢進(jìn)行貼片廣告，不如和B站的UP主合作，進(jìn)行產(chǎn)品送測(cè)。

03
營(yíng)銷如何應(yīng)用算法？

①吸引觀眾參與

很顯然，更高的參與度和關(guān)注度等于更高的流量。從本質(zhì)上講，帖子獲得的參與度越高，就越有可能被平臺(tái)的算法獎(jiǎng)勵(lì)。根據(jù)平臺(tái)和內(nèi)容類型，可以通過(guò)多種方式提升參與度。研究表明，那些能調(diào)動(dòng)大眾共同情緒、引發(fā)共鳴的內(nèi)容更容易引起傳播和分享。

在社交媒體平臺(tái)上，鼓勵(lì)反饋、分享和評(píng)論是提高參與度的秘訣。因此，無(wú)論我們使用什么平臺(tái)，如果能夠創(chuàng)建能引起共鳴和分享的內(nèi)容就非常有價(jià)值，這是向算法證明我們的內(nèi)容是富有價(jià)值的一種有效策略。

②選好主題標(biāo)簽

選擇適當(dāng)?shù)闹黝}標(biāo)簽，有一個(gè)具有吸引力的題目和文案，意味著我們的內(nèi)容會(huì)獲得更大的關(guān)注度，并最終受到算法的青睞。

③優(yōu)化發(fā)布時(shí)間

時(shí)間是一個(gè)重要因素，尤其是對(duì)于在社交媒體平臺(tái)上提高影響力，向擊敗算法的內(nèi)容提供者而言。在受眾最有可能活躍的時(shí)間發(fā)布，意味著內(nèi)容更有可能被看到和參與。在社交媒體上發(fā)帖的最佳時(shí)間，可以通過(guò)在線數(shù)據(jù)和指標(biāo)工具確定。

④經(jīng)常發(fā)布內(nèi)容

可以認(rèn)為，吸引算法的規(guī)則之一就是要有經(jīng)常發(fā)布的內(nèi)容，而不是老是停更，很多社交媒體平臺(tái)也往往會(huì)獎(jiǎng)勵(lì)經(jīng)常發(fā)帖的賬戶。為了跟上這種需求，內(nèi)容創(chuàng)作者可以通過(guò)內(nèi)容日歷進(jìn)行規(guī)劃好發(fā)布時(shí)間。

⑤發(fā)布更多視頻內(nèi)容

有大量數(shù)據(jù)統(tǒng)計(jì)表明，視頻對(duì)用戶的吸引力更大，而且它可以獲得比任何其他內(nèi)容類型更多的參與度。如果視頻做得好，就更讓人引人入勝。這樣用戶通常就會(huì)在這個(gè)視頻內(nèi)容上停留更長(zhǎng)時(shí)間，產(chǎn)生更多的互動(dòng)。

⑥跟蹤觀眾行為

受眾是營(yíng)銷活動(dòng)成功的決定因素。如果不完全了解受眾以及對(duì)他們有吸引力的內(nèi)容，企業(yè)就不可能通過(guò)平臺(tái)算法接觸到他們。企業(yè)可以通過(guò)跟蹤用戶行為，以協(xié)助進(jìn)行受眾細(xì)分，包括地理、人口、興趣和行為。雖然地理、人口、興趣可以通過(guò)平臺(tái)工具和儀表板來(lái)理解，但用戶行為則只能通過(guò)考慮算法來(lái)真正理解。

04
算法營(yíng)銷并不完美

盡管算法營(yíng)銷在近幾年被越來(lái)越廣泛地采用，但是企業(yè)在采實(shí)際使用時(shí)還是應(yīng)該對(duì)其持謹(jǐn)慎態(tài)度。

①算法對(duì)上下文不夠敏感

有效的營(yíng)銷依賴于與顧客互動(dòng)的信息，但是讓機(jī)器去完全理解顧客的反饋是很困難的。從個(gè)人因素(如一個(gè)人前一天晚上睡得好不好、當(dāng)前的情緒)，到環(huán)境變量(如天氣、其他人是否在場(chǎng)、背景音樂、甚至天花板高度)，所有的事情都可能影響客戶的反饋。算法往往只選擇使用少數(shù)幾個(gè)變量,這就意味著大量的變量不可避免地被忽略,這些被忽略的信息往往可能是真正重要的上下文信息。

②算法引起的用戶隱私泄露

隱私問(wèn)題永遠(yuǎn)是客戶最關(guān)心的問(wèn)題，因此任何利用用戶隱私信息進(jìn)行定制的營(yíng)銷都是有風(fēng)險(xiǎn)的。如果客戶覺得營(yíng)銷人員對(duì)他們了解太多，那么基于算法的定制營(yíng)銷可能會(huì)顯得令人毛骨悚然，或者產(chǎn)生嚴(yán)重的反效果。

③算法容易引發(fā)營(yíng)銷者自滿

利用算法，能夠捕捉客戶詳盡數(shù)據(jù)、量化他們行為，并測(cè)量他們的反應(yīng)，這些都會(huì)讓營(yíng)銷人員產(chǎn)生一種錯(cuò)誤的感覺，認(rèn)為自己已經(jīng)非常了解客戶，理解他們的動(dòng)機(jī)和觸發(fā)因素。

④算法營(yíng)銷帶來(lái)社會(huì)的負(fù)面影響

比如大數(shù)據(jù)殺熟：你和你的朋友同時(shí)在滴滴叫了一輛車，它們通向同樣的地方，價(jià)格卻大相徑庭。這是因?yàn)樗惴ㄗR(shí)別到你經(jīng)常通過(guò)該路線進(jìn)行通勤，從而判斷你在這條路上的通行需求更剛性，進(jìn)而提高定價(jià)。

研究人員認(rèn)為，推薦系統(tǒng)是有偏見的，并且會(huì)隨著時(shí)間的推移偏離用戶的偏好。這樣的結(jié)果可能是，讓也會(huì)過(guò)于狹窄并專注于少數(shù)內(nèi)容。比如音樂平臺(tái)（如 Gaana、Spotify和Saavn）上的一小部分巨星藝術(shù)家會(huì)獲得大部分關(guān)注和數(shù)字空間，而大多數(shù)長(zhǎng)尾藝術(shù)家卻很少受到關(guān)注和空間。這會(huì)給少數(shù)巨星帶來(lái)不正當(dāng)和不公平的優(yōu)勢(shì)，相對(duì)于大多數(shù)不那么受歡迎的藝術(shù)家。