营销AI效能释放关键：品牌语境与组织协同的深度融合

一个词汇，例如“date”，可以承载多种含义：一次浪漫的约会，一种香甜软糯的果实，或者一年中的某个特定日期。没有背景和上下文，我们无法准确理解词汇的深层含义。同样，在与人工智能工具互动并对其进行有效训练时，语境的缺失将带来巨大障碍。如果营销工具在训练时未能融入对过往业绩表现和策略的深度洞察，它们在优化未来营销成果方面将举步维艰。

营销编排平台Auxia的首席执行官兼联合创始人Sandeep Menon指出，若要充分释放人工智能的潜力，必须让其深入理解特定品牌的独特语境，并融合营销团队每一位成员的专业知识。

他表示，Auxia的开发初衷正是为了解决人工智能蓬勃发展所必需的“语境与智能层”问题。

Auxia旨在解决营销领域的三大核心挑战。Menon首先指出，营销“本质上具有部落性”，即每家公司都拥有其独特的内部方法，这些方法难以在不同品牌或行业间轻易复制。例如，他提到谷歌的生命周期营销策略与优步（Uber）的策略截然不同。

另一个普遍存在的挑战——尤其是在多渠道营销平台（MCP）兴起之后，许多企业正致力于解决——是营销人员跨平台使用的工具种类繁多。“这些工具各自表现出色，”Menon表示，“但它们之间缺乏有效沟通。” 同样，任何一位员工也无法完全掌握所有工具和任务的语境，因此，Auxia的另一个目标就是打通整个营销活动的工作流程。

第三项挑战在于，营销是一项“多人协作”的体验，因此为该行业构建的任何人工智能工具都必须能够被团队成员广泛共享和访问。

Auxia坚信其正在通过其端到端的智能体营销平台解决这些挑战。该平台包含两款产品：Auxia Decisioning（一款跨渠道工具，为每位客户建立独特的画像，以判断他们可能对哪些广告做出响应）以及Auxia Agent Studio（其较新的产品，于八月推出，由多种智能体组成，能够衡量营销活动绩效并执行相应调整）。

Menon表示，营销人员不会满足于仅仅停留在分析阶段的工具，因为那样他们会困惑“接下来该怎么做？” Auxia能够连接到客户现有的内容存储库，并整合来自Figma和Salesforce等外部平台的数据。与这些平台的集成使Auxia的智能体能够提出下一步的行动建议，例如哪些素材可能更适合特定受众，或者哪些创意需要更新迭代。

这些智能体基于企业自身的第一方和第三方数据进行训练，且不会将一家公司的数据用于影响另一家公司的决策。Menon指出，这种方法直接解决了“部落性”的担忧，确保品牌语境得到充分考量，并严格遵守数据隐私。他补充道，即使员工调岗或离职，他们的知识也已融入智能体套件中，从而避免了工作流程中的知识断层。

智能体工作室集成了从实时营销活动优化到竞价追踪等不同角色的专业智能体，也将营销人员的工具集整合到一处。Menon表示，营销人员无需跟踪数十种不同的智能体或工具，也无需判断哪一个最适合特定任务，因为智能体工作室充当了一个中央“控制平台”，由它来决定哪个子智能体最能胜任当前任务。

Auxia的智能体在用户层面测试并分析表现，包括他们的过往行为和参与度。Auxia的大部分优化工作都集中在客户自有的运营渠道上（而非谷歌或Meta等大型第三方广告平台），因此Auxia拥有丰富的直接来自客户的第一方数据。

实时获取这些第一方数据，使Auxia能够将恰当的广告匹配给合适的受众。例如，Auxia可以针对出版商客户的读者，投放与他们近期阅读文章相关的广告。同时，它也能追踪其他网站行为，例如读者是否通过其他广告进入网站，并利用这些信息来判断何种内容能够引起他们的共鸣。

然而，人工智能在行业中的应用尚处于早期阶段。Menon将其比作19世纪末20世纪初电力兴起的时期：他指出，当电动机最初被引入工厂时，它们只是简单地替换了蒸汽机，而没有真正改变工厂的整体结构。

他认为，当新技术出现时，只有当流程本身发生根本性变革，而非仅仅是新旧技术的简单替换，生产力才能实现真正的提升。他表示，目前“我们正在努力推动的正是这种转型。”

Menon表示，对于Auxia而言，这种“转型”意味着与首席营销官（CMO）合作，协助他们改变团队的组织结构。人类应专注于战略决策，而机器则应承担更多手工性和重复性的工作。

他补充道，充分利用人工智能“并非一个技术问题，而是一个组织问题。”