數(shù)智化營銷進(jìn)入新時代，容聯(lián)云用大模型掘金

　　文/陳鋒

　　2016年，人工智能機(jī)器人AlphaGo戰(zhàn)勝圍棋世界冠軍李世石之后，AI開始真正進(jìn)入公眾視野。

　　從那時至今，在商業(yè)世界里，無論是那些被外界熟知的商業(yè)巨頭，還是層出不窮的創(chuàng)業(yè)公司，都試圖加快AI的落地進(jìn)程，踩中下一個時代風(fēng)口。

　　但直到去年底Open AI憑借著ChatGPT爆火出圈、帶火大模型以前，無論是在B端還是C端，AI所帶來的智能化落地成果都較為有限。

　　一個典型的場景是，大多數(shù)企業(yè)的數(shù)字化轉(zhuǎn)型進(jìn)程中，業(yè)務(wù)側(cè)的智能化都進(jìn)展緩慢甚至停滯不前;而那些真正在業(yè)務(wù)側(cè)落地了智能化的公司，又往往是為數(shù)不多的、有技術(shù)積淀且不被成本所累的頭部企業(yè)。

　　基于此，如何幫助更多的企業(yè)更快、更高效地提升業(yè)務(wù)側(cè)的智能化水平、更好地實現(xiàn)數(shù)智化營銷及服務(wù)，成了當(dāng)前大模型落地探索中，最為火熱的一個命題。

　　12月19日，容聯(lián)云正式發(fā)布了基于其自研的赤兔大模型的全新產(chǎn)品品牌“容犀智能”，涵蓋了“容犀AICC”“容犀Desk”“諸葛IO/CDP/CEP”“容犀Copilot”這四大模塊。

　　其中，容犀Copilot是這次發(fā)布會的重頭戲。據(jù)容聯(lián)云產(chǎn)業(yè)數(shù)字云事業(yè)群副總經(jīng)理孔淼介紹，容犀Copilot集“全鏈路數(shù)據(jù)+大小模型+分析洞察”于一體，旨在幫助客戶在每一次的服務(wù)與營銷場景中，都能產(chǎn)出更佳的溝通策略。

　　以容聯(lián)云為觀察切口，不難發(fā)現(xiàn)，大模型在營銷領(lǐng)域的應(yīng)用正逐漸深化到幾乎每一個營銷環(huán)節(jié)和場景，而這背后所對應(yīng)的，正是企業(yè)們越來越迫切的智能化需求。

　　1、企業(yè)數(shù)智化營銷，痛點是什么?

　　某種程度上，一家企業(yè)整體的數(shù)智化水平，與營銷側(cè)的數(shù)智化水平緊密相關(guān)——對任何一家企業(yè)而言，營銷向來都是最關(guān)鍵的業(yè)務(wù)場景之一，直接影響企業(yè)營收。

　　企業(yè)們在營銷上的智能化需求，近幾年也在加速釋放出來。CTR《2023年廣告主營銷趨勢調(diào)查報告》顯示，廣告主對AIGC技術(shù)的應(yīng)用持較為積極的態(tài)度，已經(jīng)有36%的廣告主開始在營銷活動中使用AIGC技術(shù)，且62%的廣告主認(rèn)為，未來1-3年，AIGC技術(shù)在企業(yè)的營銷活動中是有力輔助。

　　在這一層面，近幾年眾多第三方代理商、SaaS服務(wù)商和機(jī)構(gòu)都加速了對AI技術(shù)的探索，也陸續(xù)落地到實際的產(chǎn)品或解決方案中。

　　但一來當(dāng)前市面上的很多AI工具都是單點式的，二來此前AI的能力較為有限，通用性并不高，在實際場景中的應(yīng)用更偏向于“辨別”而非“生成”。這就導(dǎo)致，盡管業(yè)界對營銷的智能化探索已經(jīng)持續(xù)了一段時間，但在實際落地過程中，企業(yè)仍然面臨著不少痛點。

　　其中最核心的一個痛點在于，在實際的落地過程中，在很多行業(yè)，AI工具對企業(yè)數(shù)字化的賦能，并沒有離業(yè)務(wù)更近。

　　一方面，近幾年AI與營銷的融合，整體上遵循著從“易”到“難”的場景拓寬路線在走。根據(jù)TE智庫，AIGC+營銷服務(wù)商的布局方向中，聚焦內(nèi)容生產(chǎn)的約占60%、聚焦創(chuàng)新運營的約占25%，而聚焦到客服、銷售、策略與洞察這三個場景的，分別只有10%、5%、5%。

　　再加上很多的AI工具都是單點式的，實際賦能到的營銷場景不夠豐富，這就導(dǎo)致，那些對內(nèi)容營銷依賴性較弱，而對客服、銷售等營銷場景依賴性較強(qiáng)的行業(yè)，比如金融行業(yè)，AI的賦能力度不夠深，一線業(yè)務(wù)的智能化水平也就很難提上來。

　　而在當(dāng)前眾多行業(yè)開始從過去的以渠道、產(chǎn)品為中心轉(zhuǎn)向以用戶為中心的前提下，前端一線業(yè)務(wù)場景智能化水平的不足，也會影響到企業(yè)在服務(wù)用戶全流程中的數(shù)據(jù)打通，也就是“數(shù)據(jù)煙囪”的問題本質(zhì)上并未解決。

　　另一方面，很多企業(yè)在數(shù)字化轉(zhuǎn)型過程中，IT部門所能提供的技術(shù)支持，和業(yè)務(wù)上復(fù)雜、多變的需求存在錯配。

　　TE智庫數(shù)據(jù)顯示，有42.6%的受訪企業(yè)中IT部門在數(shù)字化轉(zhuǎn)型中起主導(dǎo)作用，41.2%的是企業(yè)管理部門，只有11.8%為業(yè)務(wù)部門。

　　這對企業(yè)而言會帶來另一個難題，即企業(yè)的數(shù)智化轉(zhuǎn)型更多依賴于IT部門，但業(yè)務(wù)部門源源不斷、不斷變化的需求，又對企業(yè)的IT人才資源提出了挑戰(zhàn)。在某種程度上，這與當(dāng)下企業(yè)們降本增效的普遍訴求相悖。

　　最后，即便一家企業(yè)想要搭建起覆蓋整個營銷鏈條的智能化生態(tài)，在很大程度上，也意味著它可能要同時引入好幾款工具，而這其中所涉及到的成本上的挑戰(zhàn)、工具間適配層面的挑戰(zhàn)、營銷全鏈條數(shù)據(jù)打通層面的挑戰(zhàn)，都不小。

　　2、一線業(yè)務(wù)場景的智能化，是關(guān)鍵破局點

　　大模型的出現(xiàn)，帶來了新的機(jī)會。

　　孔淼指出，“大部分公司每天面對的業(yè)務(wù)場景都處在動態(tài)變化中，這種情況下，所謂的AI智能化任重而道遠(yuǎn)，但如今大模型技術(shù)的出現(xiàn)，讓我們看到了打破現(xiàn)狀的可能性。”

　　這種可能性，來源于兩方面：

　　一來，隨著大模型的語言理解能力、生成能力、邏輯推理能力、記憶能力越來越強(qiáng)，它潛在的應(yīng)用價值在加速釋放;二來，基于大模型的上層AI應(yīng)用，也能夠在客服、銷售等落地難度較高的業(yè)務(wù)場景下，發(fā)揮出實際作用。

　　容聯(lián)云新發(fā)布的生成式應(yīng)用“容犀Copilot”，是一個直觀的觀察窗口。

　　“容犀Copilot”主要面向金融行業(yè)提供解決方案，重點落地場景是金融企業(yè)在銷售、客服這兩個關(guān)鍵業(yè)務(wù)下的自動化和智能化。

　　孔淼指出，他們在過去的實踐中發(fā)現(xiàn)，在銷售和客服這兩個場景下，企業(yè)要想真正做到“千人千面”難度很大，關(guān)鍵的影響因素有兩個。

　　“首先是話術(shù)，企業(yè)面臨的競爭環(huán)境、客戶畫像、用戶的需求一直處在動態(tài)變化中，因此往往好的話術(shù)是來自于一線的銷售或者客戶總結(jié)和提煉出來的;其次，即使有一些公司能把這些話術(shù)提煉出來，但怎么用也是個難題，因為銷售人員跟客戶的溝通是一個復(fù)雜的過程，客戶的提問往往是更隨機(jī)、靈活的。”他如此說道。

　　企業(yè)破局的關(guān)鍵在于，在銷售和客服的管理過程中，如何讓一線的業(yè)務(wù)人員能找到最佳的溝通時機(jī)、最佳的溝通內(nèi)容，來提升會話效果。

　　“容犀Copilot”的解法是，將智能語音、人物、客服、企微在線會話、業(yè)務(wù)等數(shù)據(jù)統(tǒng)一接入，做全鏈路的數(shù)據(jù)洞察和優(yōu)化，從而幫助企業(yè)更好、更高效地構(gòu)建出知識話術(shù)、QA和策略，再通過前端的實時推薦賦能給客服坐席和客戶經(jīng)理等。

　　進(jìn)一步拆解來看，“容犀Copilot”的能力分為三層：

　　首先是大模型話術(shù)挖掘，企業(yè)可以一鍵快速對海量的歷史會話數(shù)據(jù)進(jìn)行核對篩選，挑選出更佳話術(shù)并生成金牌話術(shù);

　　其次是智能知識庫。它可以幫助企業(yè)從零開始構(gòu)建知識庫，包括理解文檔知識、知識快搜、智能問答等，并將內(nèi)部的知識做統(tǒng)一的收納和管理，不僅降低了對專業(yè)訓(xùn)練師的依賴(普通的業(yè)務(wù)人員就可以)，而且所需時間也從此前的幾個月縮短到了分鐘級;

　　最后是會話洞察，能夠幫助企業(yè)高效、便捷地洞察每一次會話的溝通情況，分析客戶訴求，精準(zhǔn)診斷問題并進(jìn)行優(yōu)化。

　　值得注意的是，針對金融行業(yè)細(xì)分場景，“容犀Copilot”還打造了場景化客服助手，比如分期挽留助手、薦卡挽留助手、投訴安撫助手等，實時幫助客戶快速洞察客戶需求，推薦更佳應(yīng)答話術(shù)，診斷客戶情緒變化，提醒措辭及注意事項等。

　　舉個例子，某家銀行總行信用卡中心高度重視數(shù)字化與AI的投入，在電話客服、公眾號客服以及App渠道等所有客戶交互的入口，都有智能化需求，也在加大投入。

　　在與容聯(lián)云的合作中，該銀行基于容聯(lián)云自研的赤兔大模型，在客服場景中，基于生成式AI輔助，整體提升了10%的服務(wù)效率，通過準(zhǔn)確的意圖識別，生成式AI幫助該銀行提升了1%的營銷轉(zhuǎn)化率(千萬級的營收增長)。

　　3、深入營銷場景背后，大模型如何幫助客戶創(chuàng)造新的價值?

　　當(dāng)大模型以及基于大模型的生成式應(yīng)用不斷在實際的業(yè)務(wù)場景落地，是不是意味著，能否為企業(yè)帶來實際業(yè)務(wù)層面的智能化水平提升，成了衡量大模型價值的唯一標(biāo)準(zhǔn)?

　　答案并非如此。

　　“我們一直在思考，我們的大模型到底應(yīng)該做成什么樣子?應(yīng)該抓住哪些關(guān)鍵的核心點?后來在做大模型的過程中，我們覺得應(yīng)該著重注意三個核心點，分別是智能性、可控性和投產(chǎn)比。”容聯(lián)云AI研究院院長劉杰如此說道。

　　容聯(lián)云的這一思考，也是當(dāng)前大模型賽道面臨的兩個挑戰(zhàn)：

　　一方面是如何保證大模型落地過程中的安全性，尤其是在金融行業(yè)此類較為嚴(yán)肅的To B場景中。

　　劉杰就提到了一個場景——大模型的通用能力越來越強(qiáng)，但它在解決某一個業(yè)務(wù)角色的問題時，它的知識、回答內(nèi)容應(yīng)該是有所限定的，要在業(yè)務(wù)范圍內(nèi)，不應(yīng)該是一個開放或者非常自由的對話，不然既可能帶來安全風(fēng)險，也會帶來無謂的資源消耗。

　　容聯(lián)云的解法是，在赤兔大模型從訓(xùn)練到上線再到應(yīng)用的過程中，對業(yè)務(wù)數(shù)據(jù)進(jìn)行了模塊化，明確各個知識模塊的范圍界定，讓大模型只處理業(yè)務(wù)角色相關(guān)問題。

　　另一個挑戰(zhàn)則在于，怎么幫客戶把成本降下來，真正實現(xiàn)降本增效。

　　容聯(lián)云的思考是，不完全摒棄小模型，而是采取大小模型打配合的機(jī)制來完成能力輸出。

　　“我們更多在考慮的是怎么達(dá)成更合理、更實際的大模型調(diào)度和分配機(jī)制，在特定的一些場景，任務(wù)其實相對簡單，那么我們就可以讓小模型來完成。”劉杰如此表示。

　　與此同時，基于多年服務(wù)金融行業(yè)客戶的實踐，容聯(lián)云發(fā)現(xiàn)，只有這一套機(jī)制還遠(yuǎn)遠(yuǎn)不夠。

　　原因在于，不少頭部金融行業(yè)客戶在信息安全風(fēng)險上的要求更高，而依托公有云平臺的大模型、小模型，很難滿足這類型客戶的需求，但對他們而言，私有化部署又會帶來在時間、人力、資源等維度的高成本投入。此外，很多客戶也有讓大模型適配信創(chuàng)體系的要求。

　　針對這類需求，容聯(lián)云透露，公司內(nèi)部正在研發(fā)“容犀赤兔一體機(jī)”，旨在更高效地滿足頭部金融客戶在安全和信創(chuàng)適配上的需求，同時為中腰部的客戶也提供“開箱即用”的服務(wù)。

　　綜上所述，不難發(fā)現(xiàn)的是，從赤兔大模型到此次發(fā)布“容犀Copilot”以及“容犀智能”品牌，容聯(lián)云在金融行業(yè)的大模型競速賽中，已經(jīng)率先加速了探索步伐。

　　容聯(lián)云還在加速布局海外市場。容聯(lián)云透露，旗下子公司容聯(lián)七陌計劃在未來推出更多AIGC的智能交互應(yīng)用。今年3月，容聯(lián)七陌在日本市場推出了AIGC智能交互應(yīng)用，是較早一批擁有AIGC落地應(yīng)用的企業(yè)之一。

　　此外，容聯(lián)云還將推出基于AIOT平臺的金融銀行場景解決方案，涵蓋安防風(fēng)控、合規(guī)運營、重資管理等多個方面。

　　布局速度是一方面，但更重要的是，我們看到，對于大模型該如何落地到業(yè)務(wù)場景、如何幫客戶規(guī)避風(fēng)險、如何真正幫客戶降本增效上，提升數(shù)智化水平上，容聯(lián)云都有著自己的思考，并且正一步一步落到實處。