點此查看智能營銷專欄系列文章

營銷的本質是通過有效的策略將人群分發到各個觸點，并達成最穩健的轉化。然而如果想借助專家經驗，或者更多基于算法模型自學習優化的策略構建，那么就必然要求決策過程不能離線化，而是要實時化。實時化不是純粹體現在觸點實時化，更多是策略能夠在線化，實時分發出去。

簡單的說，就像推薦引擎一樣，模型的策略有離線庫，但更多的是基于在線的行為數據，實時評估和調整策略。從整個大營銷方向看，這是必然的。

以往，市場更多在探討計算廣告相關的概念。實際上，這樣的技術能力已經實現，如實時競價，以及基于數據對于流量的理解、位置的控制，就是營銷在線化的典范，因為流量和位置的稀缺性。不過計算廣告更多針對品牌和效果廣告，場景是以拉新為主。而對于大多數據企業在圍繞已有流量和客群的營銷上，我們沒有看到這類的典范。我們在第一講中提到：

?    營銷策略模型的嚴重離線化

營銷的核心輸出就是ID，ID背后是策略、權益、通道、時間等。但是我們習慣于離線異步的跑批結果，然后送到觸達通道，但這也許喪失了有限的機會。最嚴重的是你的模型從未有評估和優化的可能，因為都是離線的模式，即席的調整和優化是不存在的。

?    計算廣告學的兩個核心要素，實時和仲裁

實時和仲裁解決最佳匹配的問題，計算廣告學的相關技術和方案解決了供需之間的最佳匹配問題，要解決這個問題，得從兩個方面出發，一個是如何解決多重供需間的沖突，以及如何仲裁（這部分將在第七講中談到）。另一個是如何能夠實時快速的通過仲裁算法來提升效率，因為在廣告的邏輯中，整個的反饋時間不到1秒鐘，這必然無法通過模型的跑批結果再批量部署到線上，以滿足大家的需求。因為接到的需求方是實時的，供給方能給予你的流量位置也是實時的。中間的促成、程序化購買過程也是基于算法，通過機器交易實現的。

?    我們要關注MOT（關鍵時刻）

計算廣告學的三要素，就是廣告、用戶、上下文，這三者通過一次一次的迭代優化，找到最佳的模式，并爭取從收益-成本的最大化。反過來看，在拉新之外的營銷戰場上（更多是已有流量和用戶如何營銷方面），價值最大化是企業追求的目標之一。在獲取新流量方面，依據流量本身的屬性和質量是考慮的大前提。而在存量流量和用戶的營銷上，如何更好的借助數據的力量，還原用戶，通過策略制定挖掘更大的潛力必須實現快速敏捷的提升。

簡單說，我們希望在純粹新流量戰場之外，存量市場的營銷可以實現向計算廣告一樣的實時化策略實施。MOT要抓住的是如何實時的反饋最佳信息和內容給目標群體。如今企業都在建設自己的流量體系，比如在線的小程序、微信、APP、H5和PC，而線下也在不斷重構。營銷確實依賴于將高度離線化的策略實施于用戶，或者前置很久，或者后滯很久，我們沒能夠在與用戶的最佳互動時刻進行營銷，即MOT（關鍵時刻）。所謂的MOT就是在與客戶發生互動的關鍵時刻節點做出應有的策略和營銷建議。這幾乎是實時反饋的方式，一則是通過你能提前預制多少的模板來控制和出發，另一則就是通過對用戶的反饋和互動數據進行監測，實時做出優化和調整，所謂的被動式營銷也多是說當用戶達到或者滿足一定的條件，就出發某些策略下達。這種策略更多通過離線的引擎或者策略庫進行支持。

而我們希望未來有大部分可以借助推薦引擎一樣的邏輯來進行實時的策略迭代。而推薦引擎更關注高密度流量本身的反饋或者所需被推薦內容的關系推薦。但無論是這種高密度還是低頻度的互動，只要是從客戶側的觸點和數據產生的變化，我們就需要實時做出關鍵策略調整。一句話，我們希望將很多離線的模型和策略，通過實時的數據收集和客戶反饋，進行部署、迭代優化、評估監控，進而實現大規模的機器部署策略應用，一則降低人力的策略構建壓力，二則更為關鍵和個性化的把控客戶的關鍵時刻。

總的說來，在營銷這件事情上，計算廣告的理想目標是對于廣告營銷建立機器的、大規模的控制和分發。而對于企業自有的客群和營銷能力上，廣告營銷中所談及的迭代優化思想，對于auc三要素的把控以及效果的循環使用和對資源及預算的控制，是值得借鑒的。我們一直在談的營銷智能化，實則就是希望一方面提升決策效率，另一方面提升營銷策略的最終效果，即成本下降、收益提升。

在流量端不均衡的市場環境下，計算廣告的技術和理念在落地時必須考慮實際的商業背景和商業利益。但是計算廣告本身的技術理念和架構，可以在企業的存量市場營銷上發揮非常好的作用。廣告的程序化購買市場已在智能化角度上取得了極大進步，這反過來對于企業的存量營銷智能化具有巨大的推動作用。