2024年5月15日，由北京甲子光年科技服务有限公司主办，中关村东升科学城协办的「AI创生时代——2024甲子引力X科技向」大会在北京中关村东升科技园万丽酒店举行。数十位科技行业的专业人士齐聚一堂，共同聚焦当前科技领域的尖端议题，深入探讨AI创生时代下科技产业的发展趋势和广阔前景。
在15日下午的活动中，易点天下技术中心副总经理 张奥迪为观众带来了主题为《向AI要产能 向数据要决策 构建出海营销新生态》的演讲。
张奥迪认为，在出海营销的过程中，要实现整体效果的显著提升，仅仅依靠AI内容生产是远远不够的，为了在后续的投放过程中获得高转化率，一个智能的决策系统显得尤为重要。
以下是易点天下技术中心副总经理 张奥迪演讲实录，「甲子光年」整理删改：
非常感谢甲子光年的这个活动，很荣幸代表易点天下来参加此次活动。今天，我想与大家简单分享一下易点天下在出海营销与AI领域的发展及探索。
首先，易点天下是一家在出海营销领域率先布局AIGC战略的营销科技公司。我们通过效果广告服务、品牌广告服务，以及头部媒体的账户管理服务，为我们的企业客户量身定制整体解决方案，助力他们在出海过程中实现增长，无论是用户增长还是变现增长。在这个过程中，我们已经覆盖全球，每天处理高达1600亿的广告请求，并积累了超过70亿的独立全球设备数据。这些海量的数据为我们提供了强大的支撑，使我们能够进行更为精准和有效的效果营销。我们与众多知名企业建立了深度合作关系，包括阿里巴巴、Lazada等，同时也与3C品牌如传音，以及库迪咖啡等企业的出海项目紧密合作。
1.向AI要产能，向BI要决策
回顾过去一年的服务经验，我们发现了一些新的趋势。传统的出海热区如北美、欧洲等仍然保持强劲，但随着政策的开放和基础设施的完善，拉美和中东地区也逐渐崭露头角，成为海外新兴市场。与此同时，国内的一些出海产业，如电商、游戏、影视剧、短视频等也在海外得到了广泛的推广和认可，其关注度和认可度在持续攀升。
在整个出海营销的过程中，我们注意到客户普遍会遇到一些本质性的问题。首先，就是本地化的问题，这一点刚刚我们的嘉宾也有所提及。除了本地化内容的创作，客户还需要考虑如何有效地进行本地化推广。其次，数据增长也是客户在出海过程中面临的一大挑战。第三个就是相应的IT基础设施方面的问题。此外，合规性和支付通道也是出海过程中需要考虑的重要问题。
具体来说，在进行海外投放的初步阶段，为了制造大量的素材内容进行投放，客户需要投入大量的成本进行本地化拍摄，包括使用不同肤色的外籍模特进行人物棚拍，以及制作多语种的素材。然而，这个过程中涉及到的语言、文化和创意素材内容，使得成本极其高昂。完成素材制作后，第二步是多渠道的投放以获取用户。如果业务涉及到广告变现或类似业务，还需要增加多渠道的变现策略。在这个过程中，精准的归因分析变得尤为重要。我们需要知道哪个广告的效果好，哪个变现渠道的效果更佳，以及不同国家和渠道的数据表现如何。为此，我们需要构建整个数据增长模型，以便更好地指导我们的营销策略。
当我们的数据模型建设完善后，如果业务蓬勃发展，我们紧接着面临的挑战是如何有效地进行云资源成本的降低。在出海过程中，我们通常会采用多云战略来应对不同地区的云资源需求，以降低成本。然而，多云环境又带来了新的挑战，包括多云调度、成本优化、稳定性保障以及伸缩性管理。
面对这些挑战，我们考虑到了近年来AI大模型的快速发展以及长期积累的数据中台、行业经验和策略模型。这些资源使我们思考是否可以通过AI来提升我们的产能和效率。具体来说，我们希望通过结合行业模型、数据模型和AI技术，使智能决策链更加精准和高效。为此，我们提出了一个明确的方向：向AI要产能，向BI要决策。我们计划通过构建一个基于多云的基础层，整合各种云资源，构建一个强大的算力平台。
在接入了大量优秀的大模型之后，我们的目标并非仅仅是追求数量的堆砌，而是要通过精细的测试，确保这些模型与我们的业务场景和客户需求紧密结合，从而构建出更加精准的业务模型。在这个过程中，我们不仅仅依赖于AI大模型，还结合了历史的行业模型，特别是策略模型，以策略模型与大模型的综合结果为基础，确保高效果的转化，从而产出一些AI的内容生产的模型 ，还有智能的投放管理、 AI 的预算分配模型、AI 的预估模型。整体通过 AI 进行内容生产、 运行、运营，构建 一个AI 营销的全链路。
通过这种综合应用，我们成功产出了多个AI驱动的内容生产和营销模型。例如，我们的AI内容生产模型能够基于用户输入的简单关键词，结合大语言模型和历史优质营销文案，快速生成高转化的营销文案脚本。同时，我们支持超过1000种不同行业的人物音色和140多种人物模板，使得从输入关键词到产出数字人口播和营销素材的整个过程从12小时缩短至仅5分钟。
在应用层面，我们对比了传统的内容生产方式。过去，我们可能需要找海外的模特进行棚拍，真人直播，人工撰写营销文案，配音，并通过大量的设计师进行调优。而现在，通过AI的介入，我们极大地提高了内容生产的效率和效果，只需要用户输入一些简单的关键词，通过大语言模型和优质的历史营销文案，即可以形成高转化的营销文案脚本。此外，我们支持 1000 余种不同行业的人物音色，还有 140 多种的人物模板等。以Lazada为例，我们为其提供了整体的营销效果方案，通过AI内容生产和管理，显著提升了其营销活动的效率和成果。这不仅展示了AI在内容生产方面的巨大潜力，也为我们未来的AI营销全链路构建提供了有力的实践支持。
目前，我们仅需5分钟就能生成一条口播视频。这一过程中，得益于我们数字人和真人AI模特的逼真性和效果性，我们成功将点击率提升了约20%。
在2023年初，我们首次尝试了AI模特的实践。这并不是我们主动探索的结果，而是客户需求倒逼我们创新。我们服务的出海客户中，有大量垂直领域的电商，如假发电商。虽然这是一个细分的行业，但需求量相当大。客户向我们提出了一个挑战：能否快速通过AI技术生成假发的商品展示效果图？为此，我们利用当时广泛使用的SD模型中的Lora调优技术，开发了一套AI模特解决方案。与传统的海外模特棚拍相比，每张照片成本高达320元，而使用AI模特后，我们的成本节约了大约70%。无论是眼镜的佩戴、饰品的搭配，AI模特都能完美呈现。最终，客户采用了我们提供的AI广告创意素材，不仅CTR提升了35%，单次成本也降低了45%以上。
2.AI内容生产+智能决策=投放高转化率
从2023年开始，短剧再次迎来了爆发式增长。我们之前的很多客户，原本在欧美市场投放短剧，现在他们看到了短剧市场的成熟，并希望我们能够协助他们快速拓展东南亚市场。
为了满足这一需求，我们开发了一套全面的AI解决方案。基于客户原有的欧美版本短剧，我们利用AI技术实现了东南亚角色的快速换脸，并配备了菲律宾语、印尼语等小语种音色拟合的配音。这一举措使客户能够迅速产出符合东南亚市场的短剧内容，从而帮助他们快速占领新兴市场。
在这个过程中，我们还发现了电商客户的新需求。他们希望借助AI技术，引导客户了解并购买他们的商品或访问他们的网站。为了满足这一需求，我们结合了我们内部的AI知识库和AI客服技术，这些技术都具备强大的对话能力。我们还结合了原有的数字人技术，为电商客户打造了一个整体的电商导购解决方案。
智能导购相较于传统的真人导购，确实具有显著的优势。首先，智能导购具备7*24小时不间断工作的能力，这是其天生的优势，意味着无论何时何地，只要有需求，它都能随时提供服务。其次，智能导购支持300多种人物形象和140多种语言的在线咨询。这得益于我们强大的AI知识库和AI问答能力，使得智能导购能够提供多样化、个性化的服务，满足不同客户的需求。再者，智能导购不仅能够对单品进行详细的讲解，还能在主页进行多品类的介绍。这种灵活性使得智能导购能够更全面地展示商品，帮助客户更好地了解产品，提高购买意愿。最后，为了帮助客户快速构建出海电商的整体策略，我们还集成了八大主流电商平台的功能。这使得客户可以在这些主流电商平台上快速实现一键式插件的智能导购增加，极大地提高了电商运营的效率和便捷性。
然而，在出海营销的过程中，要实现整体效果的显著提升，仅仅依靠AI内容生产是远远不够的，它可能只占30%到40%的比重。为了在后续的投放过程中获得高转化率，一个智能的决策系统显得尤为重要。
基于我们原有的数据中台，传统的BI系统虽然能够进行ETL数据清洗、数据展示和基本的自助分析，但它在缺乏行业模型的情况下，难以提供针对特定业务场景的完整指导。为了克服这一局限性，我们结合行业经验和大量垂直类数据，结合大模型，开发出了四套增长模型。首先，我们有混合变现模型；其次，我们提供了自助分析功能；第三，我们引入了AI预算分配模型；最后，我们还有AI预估模型。在实际应用中，从投放广告开始，这些模型就发挥了重要作用。例如，在投放广告时，我们需要分配预算到不同的账号和计划中。传统的做法往往依赖人工计算和思考，但我们的AI预算分配模型能够自主学习并智能地分配预算，大大提高了投放效率和效果。
去年，我们研发了一套AI预算分配系统，这套系统已经被我们的主要电商出海客户所采用。通过设定初始KPI和投入预算，该系统能够自动为每个账户建议分配的资金，以确保达到预定的KPI目标。这一过程从原先需要40分钟缩短至仅需5分钟，大大提高了工作效率，并将所有用户的能力拉升至相对平均的水平，即大约85分。这意味着，无论原先的能力是90分还是60分，使用这套系统后都能获得更为稳定且高效的表现。
当投放结束后，为了增加变现和买量，我们需要一套模型来整合买量变现归因行为数据、四方数据等。这时，我们的混合变现数据模型就派上了用场。通过该模型，您可以清晰地知道今天的投入金额、获得的流量以及这些流量带来的用户数量。更进一步，它还能一键生成这些用户在后续0-90天内的所有衰减数据。
如果在分析过程中发现数据存在异常，我们可以利用系统进行深度下钻，追踪到设备层级的用户行为轨迹，这就是我们的自助分析功能。通过这一功能，我们可以更准确地了解用户的行为和需求。再往后，如果我们希望提前预知数据表现，比如何时能够实现ROI转正，那么我们的AI预估模型就能派上用场。该模型基于大量的历史行为数据进行算法学习，能够预测关键指标如LTV、UP和ROI等在未来1到90天内的预估数据。这些预估数据的准确性非常高，与实际数据的差异控制在5%以内。
当然，我们也尝试了在交互层面将自然语言与数据平台相结合。一开始，大家可能会想到使用自然语言生成SQL，但在这个过程中，我们采用了不同的方法。我们构建了大批量的业务逻辑口语和业务gap描述组合，形成了提示词的模板，并将这些模板输入到我们的AI大模型中。经过大量的提示词工程，我们成功地将自然语言与数据平台紧密结合，为用户提供了更加便捷和智能的数据查询和分析体验。
最终，我们的系统能够将复杂的业务场景下的精细数据需求转化为实际的产出。例如，它可以计算出在特定注册时间范围内的用户，在不同维度的活跃天数的ECPM值等复杂指标。然而，在应对业务复杂性的挑战时，我们意识到单纯的提示词工程可能并不总是最有效的解决方案。当业务变得复杂多样时，维护大量的提示词可能会变得繁琐且效率低下。
因此，我们开始思考一种新的方法。既然我们已经拥有了四种不同的数据决策平台模型，我们是否可以直接通过大语言模型来调用这些模型呢？基于这一思路，我们最近推出了一个智能助手。该助手利用大语言模型来构造API参数，从而理解用户的意图和需求，并调用前面提到的四种模型。通过这种方式，我们能够快速、准确地响应用户的数据分析需求，并生成可视化的数据图表。
随着我们业务的逐渐扩大，为了在多云环境下降低成本，我们一直在研究智能化的多云调度和管理策略。最近，我们发布了智能化的多云管理平台，并结合智能助手，为客户提供了从基础云服务到营销一体化的全链路出海解决方案。
通过这套全链路的出海解决方案，我们希望帮助客户以最低的成本构建整体的增长模型，无论是从零开始还是已经有一定规模的企业。我们始终秉承科技推动营销增长的理念，致力于通过技术驱动实现更高效的营销效果。
为了推动人工智能在营销领域的应用和创新，我们与中国信通院西部分院以及交通大学、厦门大学等合作伙伴共同成立了人工智能创新应用联合实验室。我们希望通过与合作伙伴的紧密合作，共同构建高品质、高健康的营销生态，为客户提供更优质的服务和解决方案。
感谢大家的聆听！
