ZD至顶网CIO与应用频道 08月16日 人物访谈(文/王聪彬):“CMO所掌握的IT预算将超过CIO。”这一理念在2012年就被Gartner提出,同时还预测到2016年市场部门80%的技术资源都是来源于外部。纵观现在的市场虽然比重还达不到80%,但“营销IT”的趋势已经非常明显。
“营销IT”是应用技术手段来辅助企业营销,归根结底帮助企业快速将数据利用起来。时趣正是这样一家“营销IT”服务提供商,将技术与营销结合为企业创造新的价值场景。
而且现在数据驱动的商业变革还仅仅是第一阶段,未来人工智能将是营销的主要驱动力。尤其在数据规模和管理能力逐渐建立后,营销会逐渐向个人层面沟通层面发展,实现千人千面。
从单一到分散再到单一
企业在营销这件事上,一直随着媒体和消费者行为的不断变化而发生转变。纸媒、电视媒体、网媒、移动社交,媒体渠道的变化对企业营销产生了巨大的变化,这也让消费者获得信息的来源发生转变,逐渐转移到移动端。
在时趣CEO张锐看来,移动社交时代的到来,让企业营销正从多渠道重新回到单一渠道的发展期。
时趣CEO张锐
这一明显的变化是2011年企业数字营销模式发生了巨变,社交平台变成企业重要的营销接触点。从微博到微信,营销变得更加简单和低成本,借助社交网络企业和消费者建立数字连接后可以展开更加丰富多样的营销活动。
今天移动社交营销毫无疑问已经成为数字营销的核心,占据整体营销的70%,另外一个增长迅速的领域是可以融入各种碎片化时间和场景中的视频广告。
在拥抱移动社交营销上企业也有快慢之分,B2C要比B2B企业更快,B2C企业尤其是数字化程度较高的企业正在迅速的从社交移动上获取价值,B2B则因为营销复杂度在于要找到精准的人群。
在移动社交营销这一趋势的影响下,企业对于营销技术的要求越来越高,因为迁移到移动端后,数据的获取变得更加复杂和困难。“营销IT”也成为新的趋势,主要变成基于技术挖掘数据发现价值的过程。尤其社交网络的特性可以通过大量的互动沉淀用户行为数据,从中获取更多价值。
虽然“营销IT”在中国还是一个很新的领域,但越来越多的企业已经逐渐理解为什么需要通过技术手段来进行营销。目前中国20%的企业已经有明确的营销IT体系,另外80%还处在观望和准备阶段。
从数据中诞生的“营销IT”
时趣正是伴随中国移动社交生态成长起来的一家新型社交营销解决方案提供商,5年间在中国北上广已经拥有800多名员工。
时趣的服务相比传统营销服务更加混合,其将传统营销和IT进行结合,形成了“营销IT”的新模式。一方面解决企业运营燃眉之急,一方面使用软件帮助企业在移动社交营销中积累和挖掘数据,从中创造出新的价值场景。
时趣的业务主要分为四部分,第一、移动社交营销服务;第二、SocialCRM客户管理平台,管理社交数据和社交关系;第三、大数据管理平台、打通企业不同来源数据并挖掘价值;第四、程序化广告投放。
从时趣的整体业务看来,传统移动社交营销业务目前还是占比最大,因为其余三大业务均为技术型服务,这也和“营销IT”的接受度有一定的关系。张锐为了让更多企业能够了解“营销IT”的价值,其做法是提供移动社交营销作为基本服务,将“营销IT”作为增值服务。
但传统的营销人员并非技术出身,如何更好的使用“营销IT”软件来进行营销也成为新的问题。慢慢的营销部门中出现了一类新的人员,他们了解营销的需求,同时对技术有很好的使用能力,在中国这一类职位被称作新媒体营销。
凑齐了技术和使用者还要看看最终使用结果。根据时趣的客户反馈,“营销IT”先行的企业在营销竞争中已经感觉出明显的价值提升。而且在“营销IT”领域甚至不断产生出一些经典案例,也让整个营销行业越来越认真看待“营销IT”。
数据应用是“营销IT”的核心,基于不同的专业分工,时趣做的是帮助企业快速整合数据,实现数据价值挖掘。张锐说,发现新的商业场景,同时创造新的业务流程需要大量的算法驱动,时趣可以通过算法实现数据自我迭代和自我驱动的过程,未来人工智能和营销的结合将成为最大的趋势。
好文章,需要你的鼓励
这项研究提出了ORV(占用中心机器人视频生成)框架,利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比,ORV能提供更精确的语义和几何指导,实现更高的时间一致性和控制精度。该框架还支持多视角视频生成(ORV-MV)和模拟到真实的转换(ORV-S2R),有效弥合了虚拟与现实之间的差距。实验结果表明,ORV在多个数据集上的表现始终优于现有方法,为机器人学习和模拟提供了强大工具。
这项研究由Writer公司团队开发的"反思、重试、奖励"机制,通过强化学习教导大型语言模型生成更有效的自我反思内容。当模型回答错误时,它会生成反思并二次尝试,若成功则奖励反思过程。实验表明,该方法在函数调用和数学方程解题上带来显著提升,最高分别改善18.1%和34.7%。令人惊讶的是,经训练的小模型甚至超越了同家族10倍大的模型,且几乎不存在灾难性遗忘问题。这种自我改进技术为资源受限环境下的AI应用开辟了新方向。
FuseLIP是一项突破性研究,提出了通过早期融合离散标记实现多模态嵌入的新方法。与传统CLIP模型使用独立编码器不同,FuseLIP采用单一编码器同时处理图像和文本标记,实现了更自然的模态交互。研究证明,这种早期融合方法在多种多模态任务上表现优异,特别是在需要理解图像结构而非仅语义内容的任务上。研究还开发了创新的数据集和评估任务,为多模态嵌入研究提供了宝贵资源。
ByteDance与浙江大学合作开发的MERIT是首个专为多语言多条件语义检索设计的基准数据集,包含320,000条跨5种语言的查询和135,000个产品。研究发现现有模型在处理多条件查询时过度关注全局语义而忽略特定条件元素,为此提出CORAL框架,通过嵌入重建和对比学习相结合的方式,使检索性能提升45.9%。这项研究不仅识别了现有方法的关键局限性,还为多条件交错语义检索领域的未来研究奠定了基础。