已入深水区的数字营销实践与有限的AI探索
一、数字营销已经初步完成了营销场景的数字化基建
营销作为直接影响企业营收的业务场景，一直在企业数字化转型中扮演着及其重要的方向，根据T研究调研数据显示，超过85%的企业将增加营销数字化预算。
根据TE智库测算2023企业营销数字化市场规模将超3000亿，并在未来几年稳步增长。
二、复盘数字营销：打下的基础、更高的需求、被重视但影响有限的AI1.0
1、以云的方式部署
大部分企业接受以云的方式部署数字营销，在和场景融合过程中，云也在重置企业的业务发展路径。
2、留存全链路数据
数字营销厂商帮助企业构建完整的数字化营销作业系统，并致力于留存整个营销链路的数据。
3、不断深入业务
企业借助数字营销针对所有营销业务进行改造，同时谋求一套系统解决大多数问题。
4、以效果论价值
后流量红利时代，企业比以往更加注重营销的效果，在新的竞争环境下对效果的要求只会更高。
5、更好的用户体验
6、企业用户越来越重视AI对营销过程的赋能程度
AI很好的解决了数据采集与处理的问题，但是对于业务的实质影响有限，更多是锦上添花的作用。
三、新时代开篇：大模型加持之下，AIGC站上舞台中央
从数据+模型=服务到模型即服务（MaaS）
Part2洞观
从应用价值和技术壁垒看AIGC+营销
一、AIGC+营销承载了最多的企业客户期待与最多的服务商布局
二、AIGC+营销企业投入规模：当前市场空间没那么大，但是增长很可观
总体背景：
虽然营销是AIGC第一大应用场景，但是总体投入规模包括基础大模型，营销场景主要应用于“中模型*”和“小模型”中。
当前：
TE智库认为，当前AIGC的主要市场价值在基础大模型，所有应用场景还处于基本探索阶段，当前不具备争夺主要客户市场的能力。尤其是当前“中模型”还未就绪，AIGC营销的主要规模由大模型衍生的基本应用和一些小模型支撑。预期随着产品应用的逐渐完善，明年市场规模有爆发式增长。
中远期：
TE智库认为，随着中模型的发展，营销这一第一大应用场景将会快速从基础大模型手中收回市场份额，并主要以强大的中模型，和功能百花齐放的小模型作为支撑。
三、AIGC+营销主要应用方向与价值概览
四、AIGC+营销服务商布局方向分布与典型服务商
五、内容生产：易于落地的最佳探索方向
概览
创新运营是当前服务商布局最多的AIGC应用（近60%），涵盖的服务商类型极多，除了营销内容和设计类的SaaS厂商外，也有众多创业公司乃至跨界公司参与其中。是新进服务商最多、最卷的方向。
数据与技术要求
提供价值
六、创新运营：web3.0营销根据地
创新运营以革新用户运营的方向为主，涵盖相对广泛。代表性的应用包括虚拟人、对话助手、直播服务等在近两年已经有诸多产品推出，大模型的应用让本就相对成熟的产品体系更上一层楼，有接近四分之一的服务商布局该方向。
七、客服：更加全面的进化
玩家概览
客服场景是与大模型技术契合程度很高的场景，智能客服本身也相对成熟的赛道，头部公司已经构建了一定的产品与技术门槛，当前主要是传统智能客服厂商在进行产品的迭代与更新。
大模型之于客服的应用主要分为两类，直接面向于客户沟通的层面，所需要的专业能力越强，越需要高质量专有数据，并基于此训练或是微调。针对于偏后端的知识库优化、商机挖掘等场景，需要提升的效果越好，越契合业务（如更精确的挖掘线索），越需要专有数据训练/微调。
客服作为强业务属性的场景连接着客户沟通与线索留存，相对基础的知识库优化提供着内容优化，专业智能客服不仅能解决专业性的问题，更是需要将每一次会话产生的数据都留存并分析，生成来自客户“一线”的决策建议。
八、销售：让大模型成为“真销冠”
从话术陪练到路线规划到记录生成，都能切实的为销售业务提供价值。而更加高价值的商机分析乃至销售策略生成可能需要服务商与客户更进一步的建设大模型能力。
九、策略洞察：系统层面的“知行合一”
策略某种程度来说是多种业务、数据、流程等资产的集合，在未来其可能成为企业营销大模型的核心与大脑。
十、AIGC+营销服务商格局
Part3前瞻
AIGC+营销的可见趋势
一、格局演变：未来每个企业可能只需要一个营销大模型
二、营销大模型可靠性与安全性的持续建设是立足之本
1、在现阶段应“重服务”
现阶段大部分企业对于大模型应用理解较弱，纵使产品已经非常完善企业客户可能也很难发挥好大模型的作用。适量的增值服务与引导，为客户提供更符合其需求的推荐和建议，让客户感受到营销大模型是一套个性化产品服务体系，从而提高企业信任度。
2、增强一线用户体验
营销大模型应该具备良好的用户体验，包括易于理解和使用的交互界面、快速响应和高效处理用户请求的能力等。通过优化用户体验，可以让用户更愿意使用大模型应用，并与其积极交互帮助企业与服务商更快的优化模型，实现良性循环。
3、加强安全体系建设和保护
4、可见的模型准确性和效果提升
营销大模型随着业务推进其准确性与效果的提升应当是清晰可见的。为实现提供精准的预测和决策支持的目标，在服务过程中通过不断优化算法和模型，提高模型的性能和效果，可以让企业更信任和依赖大模型能力。