AI营销（微课版） 课件 第1章 AI 与 AI 营销

AI与AI营销AI营销（微课版）01目录1.1AI概述1.2AI营销本章小结1.3课堂实训1.41.1.1 AI的定义、类型及要素AI领域的先驱之一约翰·麦卡锡（JohnMcCarthy）认为，“人工智能是制造智能机器的科学和工程，特别是智能计算机程序”。AI领域的先驱之一马文·明斯基（MarvinMinsky）表示，“人工智能是一门让机器完成人类需要智力才能完成的事情的科学”。AI专家、斯坦福大学人工智能研究中心教授尼尔斯·约翰·尼尔森（NilsJohnNilsson）认为，“人工智能是关于知识的学科

──怎样表示知识以及怎样获得知识并使用知识的科学”。计算机科学家、麻省理工学院教授帕特里克·温斯顿（PatrickWinston）认为，“人工智能就是研究如何使计算机去做过去只有人才能做的智能工作”。AI领域中，机器一般是指计算机——用来研究AI的主要物质基础以及能够实现AI技术的机器。1．AI的定义1.1.1 AI的定义、类型及要素从本质上讲，AI是研究、设计和应用智能机器或智能系统，以模拟人类智能活动的能力，从而延伸人类智能的科学，即AI是研究人类智能活动的规律，构造具有一定智能的人工系统，研究如何让计算机去完成以往需要人的智力才能胜任的工作，也就是研究如何应用计算机的软硬件来模拟人类某些智能行为的基本理论、方法和技术。1.1.1 AI的定义、类型及要素2．AI的类型AI可以分为多种类型，不同类型AI的特点和应用范围不同。强AI（StrongArtificialIntelligence，SAI）强AI也称为通用AI（ArtificialGeneralIntelligence，AGI），是指能够理解、学习和应用各种知识和技能的智能系统。强AI的目标是开发出具有类似人类智能的智能系统，使其能够在广泛的领域中自主决策和解决问题。强AI不仅能够执行特定任务，还能在不同情境下进行推理和创新。弱AI（WeakArtificialIntelligence，WAI）弱AI也称为狭义AI或窄AI（ArtificialNarrowIntelligence，ANI），是指专注于完成特定任务的智能系统。专注于执行特定任务，能够在特定领域;不能自主地扩充或深化知识，无法进行类似人类智能的广泛学习和推理活动，对新的任务领域缺乏通用的智能和应对的灵活性，需要重新训练和事先部署。（1）

弱AI和强AI1.1.1 AI的定义、类型及要素（2）

决策式AI和生成式AI决策式AI：

是指能够收集、分析数据并做出明智决策的智能系统。它通过获取、处理、分析大量的数据，挖掘其中的规律和趋势，为决策者提供决策支持。决策式AI通常用于需要明确、可预测结果的场景。决策式AI的特点如下。数据驱动实时性可解释性生成式AI是指能够创造新的、原创内容的智能系统。与决策式AI不同，生成式AI更具创新性和灵活性，它不仅能够生成具体的数据，还能够创造出抽象的概念和理念。但是，生成式AI的缺点是它生成的结果可能难以解释和控制，因为它的内容生成过程涉及大量的数据和运算，所以很难追踪和理解其具体的工作原理。1.1.1 AI的定义、类型及要素决策式AI和生成式AI在技术路径和应用方向等方面存在差异。决策式AI主要基于机器学习（MachineLearning，ML）技术，通过收集和分析大量数据做出决策

；生成式AI则更依赖深度学习技术，通过训练来生成新的内容。决策式AI主要应用于金融、医疗等需要智能决策的领域，而生成式AI主要应用于营销、设计、文化娱乐和艺术创作等需要内容创作和创意的领域。值得注意的是，决策式AI和生成式AI并不是对立的，它们可以结合使用，相辅相成。从技术角度看在应用方面1.1.1 AI的定义、类型及要素3．AI的三要素（1）数据数据是智能系统的燃料，算法需要大量数据来训练和优化。高质量、标注好的数据对于训练有效的AI模型（在AI领域中，模型是基于算法建立的数学模型，即模型是算法的实例化，它通过具体的参数和数据执行算法定义的指令）至关重要。数据处理、清洗和增强是确保智能系统性能的关键步骤。（2）算法算法是智能系统的大脑，定义了一系列计算步骤来解决特定问题或执行任务。机器学习和深度学习算法尤其重要，它们使计算机能够从数据中学习和提取模式（提取模式通常是指从大量数据中识别和提取有规律的信息或数据结构的过程）。常见的算法包括决策树、支持向量机（SupportVectorMachine，SVM）、神经网络、遗传算法等。（3）算力算力是指执行算法所需的计算资源，包括处理器（如CPU和GPU）、内存和其他硬件。随着AI模型变得越来越复杂，其对算力的需求也在不断增长，特别是在训练大型神经网络时。高性能计算（HighPerformanceComputing，HPC）和专用AI芯片的发展对于推动AI的进步至关重要。1.1.2 AI的发展历程1950年，英国计算机科学家、数学家阿兰·图灵（AlanTuring）发表论文《计算机器与智能》“ComputingMachineryandIntelligence”，该论文探讨了“机器能思考吗？”的问题，为后来的AI科学提供了开创性的构思，是AI的直接起源之一。图中所示为图灵测试的示意图。1．起步发展期（1950—1972年）图

图灵测试的示意图1.1.2 AI的发展历程1956年，约翰·麦卡锡、马文·明斯基、纳撒尼尔·罗切斯特（NathanielRochester）、克劳德·香农（ClaudeShannon）等科学家发起达特茅斯会议，讨论机器智能的问题。这次会议具有重要的历史意义，标志着AI作为一门独立学科正式建立。1959年，亚瑟·塞缪尔率先提出“机器学习”的概念。1957年，赫伯特·西蒙（HerbertSimon）、艾伦·纽厄尔（AllenNewell）等人编制了“一般问题解决器”（GeneralProblemSolver，GPS），这是一款具有普适性的问题解决程序。在问题求解方面约翰·麦卡锡于1958年发布AI编程语言LISP，其成为此后AI的主要编程工具。在编程语言方面1958年，美籍华人数理逻辑学家王浩编制的程序在IBM-704计算机上用不到5分钟的时间证明了《数学原理》中“命题演算”的220条定理。在定理证明方面1959年，奥利弗·塞尔弗里奇（OliverSelfridge）推出模式识别特征分析模型

；1963年，劳伦斯·罗伯茨（LawrenceRoberts）提出将物体简化为几何形状加以识别，像“搭积木”一样推理出任何复杂的三维场景，开创了以理解三维场景为目的的计算机视觉研究。在模式识别方面斯坦福大学的爱德华·费根鲍姆（EdwardFeigenbaum）自1965年开始主持研究开发化学分析专家系统DENDRAL，1968年完成并投入使用。在专家系统方面1.1.2 AI的发展历程1966—1972年,美国斯坦福国际研究所研制出机器人Shakey,它是首台采用AI的移动机器人,能解决简单的感知、运动规划和控制问题。1966年,约瑟夫·魏岑鲍姆(JosephWeizenbaum)发布世界上第一个聊天机器人ELIZA。ELIZA的智能之处在于“她”能通过脚本理解简单的自然语言,并能产生类似人类的互动。1.1.2 AI的发展历程1973—1979年,AI的发展遭遇瓶颈。由于缺乏进展和实际应用,对此类研究提供资助的机构逐渐缩减资助规模或停止资助。1977年,约瑟夫·魏岑鲍姆在第五届国际人工智能联合会议上提出“知识工程”(KnowledgeEngineering)的概念,该概念对以知识为基础的专家系统的普及起到重要的推动作用。2．反思发展期（1973—1979年）1.1.2 AI的发展历程世纪70年代末，大多数人接受了约瑟夫·魏岑鲍姆关于以知识为中心对AI展开研究的观点。由此，20世纪80年代起，关于AI的研究又迎来以知识为中心的发展新时期。世纪80年代才是专家系统遍地开花并更广泛投入实际应用的时期。这一时期，专家系统在技术和应用上都得到显著的发展，更多类型的专家系统研发成功并投入使用。专家系统的广泛成功，为AI中模式识别、自然语言理解等领域的发展提供了支持，解决了许多理论及技术上的问题。因此，各界又重拾对研发AI的热情，除了大型企业，一些国家的政府机构也重启对关于AI的研究的资助。3．应用发展期（1980—1987年）1.1.2 AI的发展历程4．低迷发展期（1988—1993年）到了20世纪80年代末期，AI进入第二次低谷阶段。首先，随着应用规模的不断扩大，专家系统在应对复杂的现实环境中逐渐暴露出诸多问题，如应用领域狭窄、缺乏常识性知识、推理方法较单一等，这些问题阻挠专家系统的进一步发展。其次，20世纪80年代末，个人计算机（PersonalComputer，PC）的技术革命和推广给专家系统造成冲击。图

LISP机1.1.2 AI的发展历程5．稳步发展期（1994—2005年）经历了短暂的低迷发展期后，AI开始进入稳步发展期。早在20世纪七八十年代专家系统的研发和应用过程中，一些科学家就已经认识到获取知识是这种智能系统的瓶颈所在。到了20世纪90年代，机器学习逐渐成为AI研究的主流。例如，1995年，科琳娜·科尔特斯（CorinnaCortes）和弗拉基米尔·瓦普尼克（VladimirVapnik）开发了机器学习的代表性算法之一——支持向量机。同时，在20世纪90年代，网络技术特别是互联网技术的发展加速了AI的创新研究，促使AI进一步走向实用化。例如，1997年，IBM（InternationalBusinessMachinesCorporation，国际商业机器公司）的“深蓝”（DeepBlue）计算机战胜了国际象棋大师加里·卡斯帕罗夫（GarryKasparov），成为首个在标准比赛时限内击败国际象棋世界冠军的计算机系统。1.1.2 AI的发展历程6．蓬勃发展期（2006年至今）从2006年开始，得益于计算机性能的进一步发展，以及云计算、大数据等新兴技术的爆发，AI开始进入一个更加蓬勃发展的阶段。2006年，

杰

弗

里·欣

顿（GeoffreyHinton）

提

出“深

度

信

念

网

络”（DeepBeliefNetworks，DBNs），并给与多层神经网络相关的学习方法赋予了一个新名字“深度学习”（DeepLearning，DL）。深度学习的概念由此诞生。2007年，在斯坦福大学任教的华裔科学家李飞飞发起创建了ImageNet项目，号召民众上传图像并标注图像内容，为业界研究AI算法提供了一个强大的图片数据样本库支撑。2009年，大型图像数据库ImageNet正式发布。1.1.2 AI的发展历程2016年，专注于深度学习技术的AI公司DeepMind开发的AI围棋程序“阿尔法狗”（AlphaGo）对战世界围棋冠军、职业九段选手李世石，并以4∶1的总比分获胜，震惊了全世界。2018年，OpenAI发布第一版GPT系列模型——GPT-1。2022年，OpenAI发布基于GPT-3.5模型的聊天机器人程序ChatGPT。深度术索（全称为杭州深度求索人工智能基础技术研究有限公司）于2024年正式推出AI工具DeepSeek，其于2024年12月和2025年1月分别正式发布的DeepSeek-V3和DeepSeek-R1模型，性能卓越，在世界范围内主流的AI模型中位列前茅。1.1.3AI的核心技术机器学习是AI的核心分支之一，是使计算机具有智能的有效途径，它使计算机能够像人一样具备学习能力，能够从数据中自动分析并获得规律。亚瑟·塞缪尔将机器学习定义为“赋予计算机无须明确编程即可学习的能力的研究领域”。机器学习主要分为监督学习、无监督学习、强化学习3种类型。监督学习（SupervisedLearning）：给机器提供大量已知结果（带有正确答案）的数据，使其通过这些样本数据去学习一个预测模型，对新数据做出预测。无监督学习（UnsupervisedLearning）：不提供已知结果的数据，让机器通过探索数据的内在结构来进行学习，用于发现数据中的隐藏模式。强化学习（ReinforcementLearning）：通过让机器与环境不断进行交互尝试，优化其行为策略。机器学习011.1.3AI的核心技术深度学习是机器学习的重要分支，它是使用深度神经网络（DeepNeuralNetwork，DNN）的一种机器学习方法。深度学习是当前主流的AI技术之一，它通过模拟人脑用多层神经元构成深度神经网络（“深度”对应着神经网络中众多的层），使计算机像人类一样具有分析学习能力。采用深度神经网络的深度学习与采用传统神经网络的机器学习相比，因深度神经网络具备的多层结构和大量的神经元，深度学习的模型复杂度更高，需要更大的数据量来训练，表现更好，但是机器学习的模型通常更容易解释和理解，而深度学习模型的解释性较差。因此深度学习对计算资源的要求也更高

；在处理复杂任务时，深度学习一般比机器学习的深度学习021.1.3AI的核心技术计算机视觉（ComputerVision）是计算机处理视觉信息的关键环节，是AI的重要分支。简而言之，计算机视觉是研究用计算机“看”世界的科学，是用摄影机和计算机代替人眼观察、分析、理解图像和视频，对其中的目标进行识别、跟踪和测量。计算机视觉使用计算机及相关设备模拟人类视觉，它的工作原理与人类视觉基本相同，形象地说，就是给计算机安装上眼睛（摄像机）和大脑（算法），使计算机能够感知环境，分析和理解图像中相应场景的三维信息，完成人类视觉所承担的任务。计算机视觉03例如，对于图中所示的图像，人能够轻易识别出这是草原上的两只长颈鹿，同时通过它们的体形和动作，可以推断出这两只长颈鹿可能是一对母子，母亲正在轻抚孩子。计算机视觉常应用于人脸识别、自动驾驶、医学影像分析、农业生产、智能制造等领域，主要用于甄别物体特征、定位、测量并检测等。图

草原上的两只长颈鹿1.1.3AI的核心技术简单来说，自然语言处理是指通过人为的对自然语言的处理，使得计算机能够阅读和理解人类语言。自然语言处理主要应用于机器翻译、自动摘要、文本分类、问题回答、文本语义对比、语音识别、情绪分析等领域。目前，自然语言处理常应用深度学习模型，通过对生成的单词或短语进行学习，以完成自然语言分类、理解的过程。与传统的机器学习相比，基于深度学习的自然语言处理技术能够掌握更高层次、更加抽象的语言特征。自然语言处理04语音识别是将语音信号转化为可理解的文本形式的技术，它通过分析和处理输入的语音信号，将其转化为对应的文本输出，目的是使计算机能够“听懂”人在说什么，并做出相应的反应。2010年左右，基于深度学习的语音识别技术逐步得到应用，它充分利用深度神经网络和并行计算的优势，取得最优结果，实现由语音输入直接转换为文本输出。语音识别051.1.4 AI的未来趋势01从技术层面看可以预见，未来的一段时间是属于AIGC的时代，生成式AI仍将是AI领域发展的重点。同时，生成式AI的能力边界不断拓展，如目前生成文本的技术相对成熟，文本内容质量较高，未来会增强生成图像、视频的能力，如使图像更加逼真、视频质量更高等。03从伦理层面看治理AI引发的道德伦理问题，将注重法治与德治并举、他律与自律互补。各国政府既要通过立法推动人工智能领域法治体系的建设与完善，又要重视通过教育提升人工智能服务提供者的伦理道德素养水平，以建立健康有序、良性互动、相辅相成的人工智能法律法规体系和道德伦理规范体系，使AI更好地服务于人类社会，而不是成为潜在的风险源。02从立法层面看AI的迅猛发展带来了数据隐私与安全、算法偏见与歧视、人机关系复杂化等问题，这些问题不断冲击着现有的社会秩序与立法体系。对此，各国政府一直在努力应对AI带来的挑战。我国高度重视AI领域法治体系的建设。04从人才需求层面看中国科学院院士白春礼认为，从发展维度看，AI是一项革命性、颠覆性技术，有可能引发新一轮科技革命，进而引发产业革命。目前，各国都十分重视AI的发展。目录1.1AI概述1.2AI营销本章小结1.3课堂实训1.41.2.1 AI营销的概念1．AI营销的定义是指企业发现或发掘消费者需求，让消费者了解产品进而购买产品的过程。它是企业以满足消费者需求为中心进行的一系列活动，包括营销调研、产品开发、渠道管理、促销活动等，其最终目的是推广和销售产品，实现赢利。是应用AI技术对营销活动进行智能化升级，提升营销的效率和效果，发现和创造消费者需求并不断满足消费者需求的营销模式。一方面，AI营销本质上是为企业的营销活动服务的，它是营销领域中技术变革的结果，利用AI技术来推动形成和优化营销活动的策略和方法，提升整个营销运作流程的效率。另一方面，AI营销由AI技术支撑，不仅涉及机器学习、深度学习、自然语言处理技术，还涉及大数据、云计算等技术。营销AI营销1.2.1 AI营销的概念2．AI营销的特点一方面，AI技术本身是快速迭代变化的；另一方面，营销也随着社会、经济等方面的变化不断创新，因此AI营销具有较强的动态性。（1）动态性AI营销通过对大量数据的挖掘和分析，能够深入了解市场和消费者，为企业提供精准的营销决策支持。（2）数据驱动AI营销运用先进的算法和模型，实现营销活动的自动化和智能化。（3）智能化AI营销可以实时收集和分析数据，快速响应市场变化。这种实时性使企业能够及时抓住市场机会，调整营销策略。（4）实时性AI营销能够根据消费者需求和特点，提供个性化的营销方案，提升消费者的参与度和购买意愿，提高消费者的品牌忠诚度。（5）个性化1.2.1 AI营销的概念3．AI营销的优势和不足通过对营销活动的自动化和智能化处理，可以提高营销效率，降低营销成本；通过实时分析大量数据、挖掘关键信息，可以加快决策过程，使决策更加科学和精准；个性化营销能力强，能够满足消费者的个性化需求。首先，开展AI营销需要AI工具和专业团队的支持，这无疑会提高技术准入门槛和增加成本投入；其次，AI营销需要高质量的数据支撑，数据质量会影响预测和决策质量；最后，AI营销的算法能存在偏差，导致不公平或不准确的结果。AI营销的优势AI营销的局限1.2.1 AI营销的概念为充分发挥AI营销的优势，开展AI营销需注重人机协作：

一方面，充分利用AI的计算能力和数据分析优势，提高营销效率和精准性；另一方面，保留人类的决策、创新和沟通能力，确保营销策略的人性化、灵活性和可靠性。1.2.2 AI营销与其他营销模式1．AI营销与其他营销模式的关系传统营销是市场早期的营销模式，主要依赖电视、广播、报纸和杂志等传统媒体投放广告，广告形式包括电视广告、广播广告、报纸广告、杂志广告、户外广告（如广告牌、公交车车身广告、地铁广告）等，可以覆盖广泛的消费者群体，并传递产品信息。AI营销是基于AI技术实现营销目的的一种营销模式。AI是数字技术的一种重要应用，利用计算机和相关技术模拟人类智能。从技术角度看，AI营销可归属于数字营销范畴。需要指出的是，AI营销不仅与数字营销紧密相关，其涉及的技术手段还能够服务于传统营销，提高传统营销的效率，如传统营销中的广告内容可以使用AI工具生成。1.2.2 AI营销与其他营销模式2．AI营销理论策略要素的重构4P营销理论是产品（Product）、价格Price）、渠道（Place）、宣传（Promotion）4种基本策略的组合。它以企业的产品为核心和导向，制定吸引消费者并能促进产品销售的价格、渠道和宣传策略。4C营销理论重新设定了4P营销理论策略组合的4个基本要素，即消费者（Consumer）、成本（Cost）、便利（Convenience）和沟通（Communication）。它以消费者的需求为导向，根据消费者的需求提供产品，从消费者购买成本的角度考虑定价，从如何为消费者提供更大便利的角度来确定企业的各项服务，并与消费者建立双向、有效的沟通，从与消费者的沟通中找到合适的宣传方式。4P4C1.2.2 AI营销与其他营销模式4P和4C在现代营销模式中被广泛接受和应用，但总体来说更偏向、适用于传统的生产为先、流程固化、弹性较小的营销环境。在AI的加持和推动下，营销理论策略的要素加快演变为4D，如图所示，即需求（Demand）、数据（Data）、传递（Deliver）、动态（Dynamic）。图

营销理论策略要素演变1.2.3 AI营销的应用场景洞察是对事物本质的理解和认识。营销最基础的一步就是市场洞察，只有获得真正有效的市场洞察，才能做出正确的营销决策。AI在市场洞察方面的应用场景如下。AI收集和分析来自社交媒体平台、电商平台等多种渠道的消费者数据，通过数据分析，可以了解消费者的需求、兴趣爱好、消费心理和购买行为等，从而为消费者提供更加个性化的营销内容、产品和服务。AI基于大量历史数据和最新信息，如行业报告、新闻报道和社交媒体话题等评估市场环境，预测未来的市场趋势和消费者需求变化，识别和把握营销机会。（1）消费者行为分析（2）市场趋势预测（3）竞争对手分析（4）企业自身评估AI能够收集和分析竞争对手的市场活动、产品特性和价格策略等信息，识别出竞争对手的优劣势，为企业制定差异化竞争策略提供参考。AI能够评估企业自身的产品、服务、营销效果和市场表现，识别关键业绩差距和潜在的改进领域。1．市场洞察1.2.3 AI营销的应用场景2．内容创作01AI能够生成文本、图片、音频和视频等多种形式的内容，实现内容的高效创作，降低内容的创作成本。文本生成：AI可以根据用户输入的指令（内容生成要求），生成广告文案、短视频脚本、朋友圈文案、微博文案等营销文案。图片生成：AI可以根据用户输入的指令生成相应的图片素材，还可以通过用户添加的描述信息和上传的参考图生成图文海报。音频生成：AI可以合成人声、音乐、歌曲等音频元素，制作出广播、播客、音乐等营销内容。视频生成：AI可以根据给定的视频素材和视频脚本生成视频。数字人生成：AI可以生成数字人（DigitalHuman/MetaHuman）。1.2.3 AI营销的应用场景图

潮玩风格（上）、赛博朋克风格（下）海报图

2025蛇年AI音乐春晚1.2.3 AI营销的应用场景02AI能够对已有的各种内容进行高效的编辑和优化处理，提升内容编辑效率和内容质量。在文本优化方面，AI能够对营销文案进行语法检查、优化语言表达、扩展内容，以及识别其中的违规和敏感内容，还可以一键进行多语言翻译；在图片优化方面，AI可以一键提高图片清晰度、去除水印、局部替换图片中的元素，以及更换图片背景和风格等；在视频优化方面，AI可以优化剪辑效果，如智能修复画质、补帧、识别字幕、配音等。1.2.3 AI营销的应用场景3．信息传播通过分析用户的兴趣、行为、浏览历史等数据，AI可以为每位用户定制个性化的广告内容，并在合适的时间和渠道推送给他们，提高广告的点击率和转化率。在广告投放过程中，AI还可以根据实时数据动态调整出价，确保广告主以最优的价格获得最佳的展示位置和效果，同时优化广告投放策略以提升投资回报率。根据用户的社交关系和兴趣偏好，AI可以为用户推荐相关的内容、话题和活动，促进产品或品牌信息的传播，同时提升用户在社交媒体平台上的参与度和增强用户黏性。同时，AI可以实时监测社交媒体平台上关于品牌、产品或话题等的讨论和情感倾向，帮助企业及时了解公众的看法和态度，以便快速做出响应和决策。（1）广告智能投放（2）社交媒体平台分析与监测1.2.3 AI营销的应用场景4．销售转化AI在销售转化方面的应用场景众多。智能客服通过收集和分析消费者反馈，了解和挖掘消费者需求和偏好，为消费者推荐个性化的产品，为企业提供有针对性的营销建议；智能客服提供全天候的客户服务，解答消费者的问题、提供产品推荐服务、引导消费者完成购买等，提升响应速度和服务质量；智能客服对客户服务过程进行实时监控和评估，发现潜在问题，及时改进产品或优化服务流程，提升消费者满意度和忠诚度。1.2.4 AI营销的市场现状1．明确人设定位01AI营销的市场规模据华经产业研究院编制、华经情报网发布的《2025—2031年中国AI营销行业市场深度研究及投资策略研究报告》，我国AI营销市场规模自2020年的约209亿元迅速扩大至2024年的530亿元，复合年增长率达26.2%，彰显了AI营销在中国市场的强劲增长动力和广阔发展前景。02AI营销第三方服务商概况根据IBM于2024年3月19日发布的《2023年全球AI采用指数》，85%的受访中国企业（调研对象是规模超过1000名员工的企业）表示未来将加大在AI方面的投入。AI巨大的发展潜力促使越来越多的企业布局AI行业，AI营销市场的第三方服务商的竞争日益激烈。百度、阿里巴巴、腾讯等企业凭借本土市场的深厚根基和创新能力崭露头角。同时，还有众多新兴企业通过技术创新和产品优化在市场中脱颖而出。1.2.4 AI营销的市场现状企业AI平台/工具主要业务场景百度文心一言文本生成与智能问答观星盘数据洞察与营销策略制定基木鱼智能建站（网站建设）与客户联络（智能客服机器人）百度智能云一念图片、视频创作阿里巴巴通义文本生成、智能问答与音视频解析通义万相图片创作AI生意助手智能建店（网店建设）与客户联络万相营造图文创作深度求索DeepSeek文本生成与知识推理腾讯腾讯元宝文本生成与智能问答妙思广告创意科大讯飞讯飞星火文本生成与智能问答讯飞绘镜视频创作表

国内部分AI营销第三方服务商概况1.2.4 AI营销的市场现状企业AI平台/工具主要业务场景明略科技小明助理营销策略洞察与生成筷子科技AI助理小K运营分析与创意洞察京东京准通广告智能投放言犀客户联络抖音剪映图文、视频创作穿山甲广告智能投放快手可灵AI图片、视频生成磁力智投广告智能投放网易网易天音音乐创作声网凤鸣AI引擎音频处理天下秀灵感岛文案、图片和视频创作续表1.2.4 AI营销的市场现状03消费者对AI营销的认知度和接受度《哈佛商业评论》的评论文章称，通过调研发现中国适龄用户对网购时使用生成式AI工具的满意度普遍较高。“千禧一代”（一般指2000年以后达到成年年龄的一代人）对生成式AI的满意度很高；“X世代”（一般指1965—1980年出生的人）对生成式AI则“毁誉参半”。中国消费者愿意使用生成式AI工具的原因包括速度更快、效率更高、体验更好、个性化程度更高等。尽管多数消费者开始认识到AI在营销中的潜在好处，对AI营销的认知度和接受度在逐步提升。但一些消费者对AI仍持怀疑态度。1.2.4 AI营销的市场现状04AI营销面临的挑战（1）技术炒作与现实差距AI行业可能存在过度炒作的现象，部分企业可能夸大AI的实际效果，导致市场对AI营销的期望过高。实际上，尽管AI在营销中的应用已经取得一定的成果，但技术本身仍然存在一些不成熟之处。此外，AI在理解复杂的人类情感和语境方面也存在一定的局限性。当对AI的期望过高，而其与现实差距明显、无法达到预期时，就可能误导市场，同时影响AI的健康发展。（2）道德与安全问题AI营销引发的道德与安全问题受到世界各国的关注。这需要各国政府和企业加强对AI道德与安全治理的重视，制定更加严格的法规和标准，督促从业者在应用AI时遵守规章制度，提高伦理道德素养水平；同时需要加强技术创新和人才培养，提高AI道德与安全治理的能力和水平，确保AI的健康、可持续发展。（3）AI营销人才短缺AI营销人才是掌握AI与营销两方面的复合型知识，能够应用或创造AI营销技术或营销工具，解决营销领域问题的人才。AI营销人才一方面要具有营销专业知识，具备洞察、分析、策划等基础能力；另一方面要具备Al技术理解能力，具备Al通用工具和Al营销工具的应用能力，甚至能够开发和维护智能系统。1.2.5 AI营销的发展趋势在AI领域，大模型不再局限于生成式AI产品，而是可以向垂直领域发展为精通特定领域的决策式AI的专家系统。其通过专业的模型设计与数据训练，集成至金融、医疗、法律、传媒、文旅等垂直行业的营销业务场景中，直接赋能于决策与服务环节。垂直领域模型深化，赋能垂直行业决策环节01它不仅支持多种模态（文本、语音、图像、视频）的信息输入，使人机交互的方式更加灵活与便捷，且输出能力更强，如生成的图像更加真实、生动，生成视频的时长更长、视频画面质量更好，使输出的内容更符合营销需要，从而拓展营销应用场景。多模态能力增强，拓展营销应用场景02AI正在与PC、手机、智能穿戴设备、智能家居设备、车载信息系统等信息平台深度融合，其对信息平台的智能化改造，提升了信息平台的流量获取能力和用户体验。AI融入信息平台，提升流量获取能力031.2.5 AI营销的发展趋势随着AI应用平台和场景的逐渐丰富，对AI的功能需求更多元化。这给AI技术服务商提供了发展的契机与挑战，促使AI技术服务商持续探索和整合最新的AI技术，以提升其服务能力和效率，满足AI营销市场多元化的需求。AI推进营销新势力崛起，AI技术服务商不断升级04随着AI的不断发展，其在营销全链路的应用将进一步深化，AI营销的自动化、智能化、实时性和精准性水平将进一步提高，进而推动AI在营销领域的全面融合与创新，这可能使营销活动突破传统营销的限制，构建一套新的营销机制，变得更高效、精准。但需要注意，营销全链路的变革源于机器智能和人类智慧的协同，而非单纯的AI工具应用。AI变革营销全链路，提高营销效率05虽然AI在未来不会替代营销人员，但随着AI在营销领域的广泛应用，使用AI的营销人员可能会替代不会使用AI的营销人员。同时AI营销对营销人员提出新的能力要求，营销人员不仅要掌握专业的营销知识，还要懂AI技术基础，并具备应用AI工具的能力。AI+营销复合型人才竞争力凸显06目录1.1AI概述1.2AI营销本章小结1.3课堂实训1.4本章小结目录1.1AI概述1.2AI营销本章小结1.3课堂实训1.4实训1 梳理AI发展史提炼总结AI发展历程中的重要事件,利用AI工具制作关于AI发展史的思维脑图,以加深对AI的认识,同时掌握AI工具的使用方法。结合正文对AI发展历程的介绍,总结AI发展历程中的重要事件,将结果保存为文本文档。利用可制作思维脑图的AI工具生成思维脑图并适当优化,以人机协作的方式完成实训。1．实训要求2．实训思路实训1 梳理AI发展史step01搜索用于制作思维脑图的AI工具。通过百度搜索引擎等途径查询资料，了解目前常用的可制作思维脑图的AI工具。最终查询到常用的制作思维脑图的AI工具有TreeMind树图、亿图脑图MindMaster、妙办画板、知犀AI、GitMind等。选择合适的AI工

具。

对

比

找

到

的AI工

具

的

功

能，

发

现TreeMind树图、亿图脑图MindMaster、妙办画板、知犀AI这几款工具可根据输入的一句话主题如“AI发展时间线”自动填充内容生成思维脑图，而GitMind能够根据长文本或文档自动生成思维脑图。因此本次实训选择使用GitMind，根据自己提供的内容制作思维脑图。梳理AI发展历程中的重要事件。根