《AIGC与网络营销技能实战（慕课版）》课件 第6章 AIGC 与大数据营销

第6章AIGC与大数据营销AIGC与网络营销技能实战（慕课版）引导案例绝味AI会员智能体树立“AI+会员营销”新标杆目录01大数据营销概述02AIGC与大数据营销的实施03AIGC与大数据营销策略01随着数字技术的飞速发展，大数据已成为重塑网络营销格局的核心驱动力。在AIGC与营销深度融合的背景下，深入理解大数据营销的底层逻辑，成为行业从业者的必备能力。大数据营销概述6.1.1大数据的内涵与特征大数据的内涵可以从数据、技术和应用3个维度来分析，核心是用技术激活数据价值，而非数据规模的堆砌。大数据的内涵数据维度传统数据多为结构化数据，如数据库中的表格数据，有固定格式和字段，而大数据的数据源已扩展到全类型，包括：结构化数据半结构化数据非结构化数据技术维度大数据的实现依赖技术突破，核心是解决海量数据无法高效处理的痛点，关键技术包括：数据采集数据存储数据计算数据挖掘应用维度大数据的最终目的是创造价值，其应用逻辑经历了3个阶段：1.描述性分析，回答“发生了什么”2.诊断性分析，回答“为什么发生”3.预测性/指导性分析，回答“未来会发生什么”“该怎么做”6.1.1大数据的内涵与特征特征核心定义举例Volume

（规模性）数据量达到PB级甚至EB级，远超传统数据处理能力某互联网企业的用户行为日志每月存储量达50PBVelocity

（高速性）数据实时产生、实时流动、实时处理，延迟需控制在毫秒/秒级金融交易系统需实时处理每秒数万笔订单，避免延迟导致损失；交通监控系统需实时分析车流数据，动态调整信号灯（延迟需<1秒）Variety

（多样性）数据类型结构化、半结构化、非结构化并存，来源分散某电商平台的数据包括：订单（结构化）、用户评论（文本非结构化）、商品图片（图像非结构化）、物流轨迹（半结构化）Value

（价值性）数据整体价值高，但单条数据价值密度低，需通过挖掘提取价值单条用户的浏览商品行为无意义，但千万条此类数据可用于训练推荐算法，提升用户购买率Veracity

（真实性）数据存在噪声、冗余、虚假信息，需清洗和验证以保证准确性社交平台中存在“水军”评论、虚假用户数据，对此我们需通过算法识别并剔除，否则会导致推荐结果出现偏差Visualization

（可视化）将复杂的大数据分析结果转化为图表、地图、动态模型，便于理解和决策政府“城市大脑”平台将交通、医疗、能耗数据转化为动态热力图，使管理者可直观掌握城市运行状态大数据的6V特征体系6.1.2大数据营销的内涵与特点大数据营销的核心内涵大数据营销的本质是用数据读懂人，用技术匹配需求，其内涵可拆解为两个核心维度。（1）数据基础大数据营销中的核心数据覆盖用户全生命周期行为轨迹，主要包括3类数据：行为数据、态度数据、场景数据。这些数据通过数据中台整合后形成完整的用户画像，为后续营销提供立体的用户认知。（2）营销目标传统营销更关注短期成交量，而大数据营销的目标更长远，即通过持续跟踪用户在“认知—兴趣—决策—复购—推荐”各阶段的行为，制定差异化策略。数据类型说明行为数据用户在数字场景中的具体动作，如App点击、网页浏览、商品加购/收藏、社交媒体互动（点赞/评论/转发）等态度数据用户对品牌、产品的主观反馈，如问卷调研结果、评价内容、舆情评论（正面/负面/中性）等场景数据用户行为发生的环境信息，如设备类型（手机/平板电脑/计算机）、地理位置（城市/商圈/具体门店）、时间（工作日/周末、白天/夜间）、网络环境（Wi-Fi/5G）等大数据营销的核心数据类型6.1.2大数据营销的内涵与特点大数据营销的核心内涵大数据营销的本质是用数据读懂人，用技术匹配需求，其内涵可拆解为两个核心维度。（1）数据基础大数据营销中的核心数据覆盖用户全生命周期行为轨迹，主要包括3类数据：行为数据、态度数据、场景数据。这些数据通过数据中台整合后形成完整的用户画像，为后续营销提供立体的用户认知。（2）营销目标传统营销更关注短期成交量，而大数据营销的目标更长远，即通过持续跟踪用户在“认知—兴趣—决策—复购—推荐”各阶段的行为，制定差异化策略。大数据营销的典型特点精准化：大数据营销通过用户画像锁定高意向人群，可实现“千人千面”的精准触达。实时化：大数据营销可通过实时数据处理技术，在用户产生需求的“黄金30分钟”内推送相关信息，大幅提升转化率。个性化：大数据营销可基于用户画像定制内容，让用户感受到营销内容“与我相关”。可量化：大数据营销可追踪“广告曝光—点击—加购—下单—复购”的全链路数据，清晰计算每个环节的转化率、投资回报率（ROI），并基于数据反推哪些策略有效、哪些策略需要优化。场景化：大数据营销不再是生硬的广告推送，而是将营销内容融入用户的日常场景，让用户在需要时自然看到，减少抵触心理。6.1.3大数据营销的基本流程01营销人员要明确营销目标，避免数据泛滥与焦点缺失，让后续数据采集与分析有明确指向，确保营销动作与业务目标匹配。明确营销目标的关键动作有两个，即拆解业务目标、定义关键指标。明确营销目标，锚定数据方向02这一环节的核心目标是收集与用户行为、属性、需求相关的全维度数据，为后续用户画像与分析提供素材，避免数据片面导致决策偏差。多渠道采集数据的关键动作包括以下两个，即明确数据采集范围、确保数据合规。多渠道采集数据，构建用户数据池03这一环节的核心目标是解决数据碎片化、冗余化问题，通过标签化让抽象数据转化为具象的用户画像，为精准营销奠定基础。其关键动作包括数据清洗、数据整合、搭建标签体系和生成用户画像。数据清洗与整合，构建用户画像数据类型核心采集渠道示例数据用户属性

数据注册表单、会员信息、线下门店登记、第三方数据合作（如合法的DMP数据平台）年龄、性别、地域、职业、收入水平、肤质（美妆场景）、宝宝月龄（母婴

场景）用户行为数据官网/App/小程序（点击、浏览、加购、收藏）、社交媒体（点赞、评论、转发）、线下门店（到店次数、停留时长）浏览某粉底液详情页3次、加购后未付款、在小红书转发品牌试色笔记、每月到店2次交易数据电商平台订单、线下POS系统、会员消费记录购买过2支口红（色号#123）、客单价300元、上次购买时间为2个月前反馈数据问卷调研、客服聊天记录、评价留言、售后工单“粉底液卡粉”（差评）、“希望推出小瓶装”（问卷建议）、客服咨询“是否适合干皮（干性皮肤）”数据类型与核心采集渠道6.1.3大数据营销的基本流程01营销人员要明确营销目标，避免数据泛滥与焦点缺失，让后续数据采集与分析有明确指向，确保营销动作与业务目标匹配。明确营销目标的关键动作有两个，即拆解业务目标、定义关键指标。明确营销目标，锚定数据方向02这一环节的核心目标是收集与用户行为、属性、需求相关的全维度数据，为后续用户画像与分析提供素材，避免数据片面导致决策偏差。多渠道采集数据的关键动作包括以下两个，即明确数据采集范围、确保数据合规。多渠道采集数据，构建用户数据池03这一环节的核心目标是解决数据碎片化、冗余化问题，通过标签化让抽象数据转化为具象的用户画像，为精准营销奠定基础。其关键动作包括数据清洗、数据整合、搭建标签体系和生成用户画像。数据清洗与整合，构建用户画像05这一环节的核心目标是将制定的策略通过用户偏好的渠道触达目标用户，确保信息传递的精准性与时效性，提升用户接受度。其关键动作包括渠道匹配、内容个性化和分时段触达。全渠道执行，精准触达04这一环节的核心目标是基于用户画像与数据规律，挖掘用户需求、行为痛点、转化机会，制定有针对性的营销策略，避免盲目投放。其关键动作包括多维度数据分析和结合业务场景制定策略。数据洞察，制定策略06这一环节的核心目标是量化营销效果，发现策略漏洞，持续调整优化，提升投入产出比。其关键动作包括监测核心指标、归因分析和策略迭代。效果监测，迭代优化6.1.4大数据营销伦理过度收集数据、未经授权使用数据是最突出的大数据营销伦理风险，营销人员应尊重用户对自身数据的知情权、控制权和删除权，避免数据掠夺。具体伦理要求和争议场景如下。（1）数据收集：“最小必要原则”与过度索权（2）数据使用：授权范围内的合理利用与超范围滥用（3）数据安全：全周期防护与泄露风险用户数据权益保护大数据营销依赖算法实现精准推送，但算法若基于有偏见的数据进行训练，会产生算法歧视，导致部分用户被不公平对待。常见的算法歧视场景包括人群歧视、价格歧视和机会歧视。算法公平性的实现路径包括以下3个层面。（1）数据层面：消除偏见数据，避免用带有历史歧视的数据训练算法。（2）算法层面：加入公平性校验，在算法模型中设置反歧视模块。（3）人工层面：算法决策不能完全替代人工，因此营销人员要保留人工干预机制。算法公平性大数据营销的精准性容易让用户陷入被动接收状态，如果营销过程不透明，如隐藏广告属性、夸大产品效果，就会破坏用户信任，甚至构成欺诈。保证营销透明度的核心要求如下。（1）明确广告属性，避免隐性营销（2）保证信息真实，拒绝夸大/虚假营销营销透明度大数据营销不仅影响个体用户，还可能对社会价值观、群体行为产生隐性影响，在伦理层面需避免利用人性弱点或传播具有不良价值观的营销内容，守住社会责任边界。（1）避免利用人性弱点的掠夺式营销（2）拒绝传播具有不良价值观的营销内容社会影响边界6.1.4大数据营销伦理在大数据营销伦理备受关注的当下，每日互动与蒙牛的合作堪称典范。自2022年携手以来，双方持续深挖数据智能潜力，优化蒙牛营销策略。每日互动依托海量数据沉淀，借大数据联合计算平台，严守安全、合规底线，在数据收集环节，遵循“最小必要原则”，只采集与营销紧密相关的数据，杜绝过度索权，保障用户权益；在数据使用上，严格限定授权范围，防止数据滥用与二次贩卖，对用户数据安全高度负责。以特仑苏合作项目为例，每日互动施展数据清洗与特征挖掘专长，精心筛选特征、反复调试参数，为特仑苏量身打造专属智能预测模型。经实践检验，运用此模型精准定位的投放人群，展现了强劲转化实力，投放ROI较行业定向人群与历史均值大幅跃升，有力推动品牌“种草”与下单转化。2023年，每日互动乘AIGC、大模型技术的东风，推出“AITA智选人群”工具。蒙牛在当年11月营销项目中率先尝鲜，使该工具优势尽显。其无须样本数据与烦琐建模，仅通过简单自然语言交互，就能快速圈定目标人群。它既提升了营销效率，又拓展了数据应用边界，让蒙牛营销更智能、更安全，还降低了操作门槛。案例在线每日互动携手蒙牛，合规数据驱动营销效果实现突破02在数字化浪潮下，AIGC与大数据营销的结合开启了营销新时代。它们在数据采集、处理、分析等环节中协同运作，为企业提供了一条从海量数据到精准洞察的捷径。AIGC工具以高效、智能的方式完成传统营销中耗时费力的工作，帮助企业构建生动的用户画像，写作深刻的分析报告，同时优化营销决策。AIGC与大数据

营销的实施6.2.1使用AIGC工具辅助数据采集01数据源的质量直接决定采集效果，AIGC工具可通过信息检索、合规分析、质量评估等方式，帮助筛选出匹配需求的优质数据源。（1）数据源精准推荐（2）合规性与合法性校验（3）数据源质量评估选择合适的数据源AI小课堂｜数据源推荐的“逻辑内核”AIGC并非随机推荐数据源，而是基于“需求—属性—合规”三维匹配逻辑。它先解析采集目标，如“新能源汽车销量”对应的结构化数据需求，再匹配数据源属性，如官方平台权威性、社交平台非结构化特性，最后叠加合规过滤，确保推荐的数据源既贴合需求又合法，避免使用者“踩坑”。6.2.1使用AIGC工具辅助数据采集01数据源的质量直接决定采集效果，AIGC工具可通过信息检索、合规分析、质量评估等方式，帮助筛选出匹配需求的优质数据源。（1）数据源精准推荐（2）合规性与合法性校验（3）数据源质量评估选择合适的数据源02部分集成了AIGC能力的采集工具可通过智能识别、规则适配等功能，自动完成数据抓取，适用于中低复杂度的采集任务。使用爬虫工具采集数据应用垂直领域AIGC采集工具整合采集多源数据中低复杂度的数据采集03对于需要定制爬虫、处理动态网页、大规模数据抓取等高复杂度的数据采集任务，AIGC工具可通过生成定制化采集策略、代码、脚本等，赋能技术落地。（1）生成定制化采集策略（2）生成采集代码与脚本（3）采集过程问题诊断与优化（4）大规模采集任务的自动化调度高复杂度的数据采集6.2.2使用AIGC工具辅助数据处理01数据清洗主要操作包括处理缺失值、异常值、重复值，以及对数据格式进行标准化处理。营销人员可借助AIGC工具辅助数据清洗工作，向AIGC工具输入“数据场景+问题”，即可生成有针对性的清洗规则。数据清洗02数据集成的主要操作包括数据源对接、数据关联与合并，以及解决数据冲突问题。AIGC工具可以帮助营销人员生成数据源对接方案；AIGC工具还可以智能解决数据冲突问题。数据集成03数据转换的主要操作包括特征工程、格式转换。营销人员输入营销目标和原始数据维度，AIGC工具便可生成需构建的特征；对于非结构化数据（如用户评论文本），AIGC工具可辅助转换为结构化特征。数据转换05数据存储的主要操作包括选择存储载体、数据分层管理、备份与容灾。AIGC工具可以在以下3个方面提供辅助：辅助选择存储载体、辅助数据分层管理、辅助备份与容灾。数据存储04数据脱敏主要操作包括部分隐藏、加密处理和数据匿名化。AIGC工具可以辅助数据脱敏，定制化脱敏策略。营销人员在AIGC工具中输入数据类型和合规要求后，AIGC工具可生成符合法规的脱敏方案。数据脱敏06AIGC工具可辅助数据可视化，提升决策效率。对于非技术人员，AIGC工具可直接生成BI工具或Python可视化代码。在营销人员输入可视化结论或原始数据后，AIGC工具可从业务视角输出营销建议。数据可视化与营销建议6.2.3使用AIGC工具辅助数据分析01AIGC工具可以自动对大量数据进行快速汇总，计算均值、中位数、标准差等基本统计量，并用简洁的语言或直观的图表进行呈现。通过机器学习算法，AIGC工具能够识别数据中的异常值和离群点，并向营销人员发出警报，以便进一步调查。描述性分析02AIGC工具可以通过分析数据之间的相关性和因果关系，帮助营销人员找出问题或现象的原因。AIGC工具能对大量历史数据进行深度挖掘，发现隐藏在数据中的模式和规律。诊断性分析03对于时间序列数据，AIGC工具可以使用ARIMA、LSTM等模型进行预测。AIGC工具可以根据用户的行为数据、历史记录等，预测用户可能面临的风险。预测性分析04AIGC工具可以根据数据分析的结果和预设的目标生成多种可能的解决方案。在营销和客户服务领域，AIGC工具可以根据用户的个性化特征和需求生成个性化的推荐方案或服务建议。指示性分析6.2.4使用AIGC工具辅助构建用户画像01AIGC工具可以连接多个数据源，如社交媒体、电商平台、CRM系统等，自动提取相关数据。AIGC工具利用自然语言处理和机器学习能力，自动识别和处理数据中的缺失值、重复值、异常值等。数据收集与预处理AI小课堂｜数据清洗的智能策略处理缺失值时，AIGC工具不只是依赖简单的删除或填充方法。当面对数值型数据缺失时，若缺失比例较低，如在销售金额数据中，缺失值占比小于5%，它会利用K近邻算法（KNN），基于数据特征的相似性，从邻近数据点推算缺失值；若缺失比例较高，AIGC工具则可能调用回归模型，结合其他相关特征预测缺失值。处理缺失值对于重复值，AIGC工具通过哈希算法对数据进行快速编码，对比编码值，精准识别并删除重复记录，提升数据的唯一性与质量，确保后续分析基于“干净”的数据。处理重复值6.2.4使用AIGC工具辅助构建用户画像01AIGC工具可以连接多个数据源，如社交媒体、电商平台、CRM系统等，自动提取相关数据。AIGC工具利用自然语言处理和机器学习能力，自动识别和处理数据中的缺失值、重复值、异常值等。数据收集与预处理02AIGC工具可以提取用户的文本数据特征和行为数据特征。对于用户的评论、反馈等文本数据，AIGC工具可以通过自然语言处理技术进行词法分析、句法分析、语义分析等，提取关键词、主题、情感倾向等特征；AIGC工具可以根据用户的行为数据，如浏览记录、购买行为、点击次数等，通过机器学习算法提取用户的行为模式和特征。用户特征提取03AIGC工具可以根据用户的特征数据，使用聚类算法、神经网络等技术将用户分为不同的群体。用户分群04AIGC工具可以将用户画像以直观的图表、仪表盘等形式进行呈现，便于企业管理层和业务人员理解和使用。AIGC工具可以根据实时更新的数据不断优化用户画像，确保用户画像的准确性和时效性。画像可视化6.2.5使用AIGC工具辅助写作数据分析报告01营销人员首先要明确报告需要解决的业务问题或需展示的关键洞见，可通过提示词告知AIGC工具写作数据分析报告的核心目标。营销人员要识别受众需求，根据受众特征调整报告的深度与语言风格，可以在提示词中指定受众。明确需求02数据分析报告的框架包括背景与目标、数据来源与方法、核心发现、可视化展示、结论与建议，营销人员可以使用AIGC工具生成上述框架的具体内容。结构化引导03营销人员可以使用AIGC工具对数据分析报告进行多轮优化：第一轮生成基础内容，聚焦完整性；第二轮优化语言与逻辑，要求AIGC工具调整表达方式；第三轮增强说服力，要求AIGC工具补充数据支撑。多轮优化04基于分析目标与数据特征，营销人员优先选择Python可视化库或Tableau完成图表主体制作，再通过AIGC工具精准优化图表的信息标注层。实操时，可以向AIGC工具输入包含数据维度、图表类型、核心信息点的明确提示词。可视化生成05在写出数据分析报告后，营销人员要核查数据的准确性，检查AIGC工具引用的数据是否与原始数据一致，验证统计方法的适用性，修正AIGC工具未考虑的业务约束，补充行业背景知识，审查伦理与合规性，确保报告不泄露敏感数据，检查AIGC工具生成的内容是否存在偏见，如在用户分群方面是否隐含歧视性标签等。人工校验03在大数据营销中，AIGC工具凭借自然语言处理、生成式建模等能力，可深度结合用户数据与业务目标，推动营销策略从“广撒网”向精准化、个性化、场景化升级，解决传统营销中策略同质化、效率低、转化难等问题。AIGC与大数据

营销策略6.3.1使用AIGC工具制定精准营销策略01精准营销的前提是找对人，AIGC工具可快速处理海量用户数据，完成自动化分层与群体特征提炼。企业可以将用户数据导入AIGC工具，通过提示词明确分层需求，AIGC工具会快速输出分层结果；如果数据量较大，还可结合Python自动化脚本，实现“数据清洗—分层—标签生成”的全流程自动化。锁定精准目标群体AI小课堂｜目标群体锁定的智能算法逻辑AIGC分层用户时，并非简单按单一维度划分，而是运用RFM模型（最近消费、消费频率、消费金额）与K-Means聚类算法结合的混合策略。例如，处理“消费频次+品类偏好+复购意愿”三维数据时，先通过自然语言理解将“复购意愿”这类模糊需求转化为可量化指标，如30天内回购概率，再用K-Means聚类算法自动划分最优群体数量，最终生成的特征标签包含“显性特征+隐性关联”，如“高频购买户外装备+周末活跃+关联购买防晒用品”，比人工分类多挖掘30%以上的潜在关联特征。6.3.1使用AIGC工具制定精准营销策略01精准营销的前提是找对人，AIGC工具可快速处理海量用户数据，完成自动化分层与群体特征提炼。企业可以将用户数据导入AIGC工具，通过提示词明确分层需求，AIGC工具会快速输出分层结果；如果数据量较大，还可结合Python自动化脚本，实现“数据清洗—分层—标签生成”的全流程自动化。锁定精准目标群体02不同目标群体的触达渠道偏好差异显著，AIGC工具可基于群体特征与历史数据，推荐最优投放渠道。若需进一步验证，营销人员还可让AIGC工具生成渠道测试方案，以确保渠道匹配的精准性。匹配精准营销渠道03AIGC工具可根据目标群体特征生成适配的文案、视觉素材与活动方案。生成精准营销内容04精准营销需要持续迭代，AIGC工具可实时分析投放数据，输出策略优化建议。营销人员根据建议调整后，再通过AIGC工具跟踪数据变化，形成“投放—分析—优化”的闭环，确保精准营销策略持续适配用户需求。调整策略优化营销效果6.3.2使用AIGC工具制定个性化营销策略01个性化营销策略的前提是懂用户，AIGC工具可整合多源用户数据，如浏览记录、消费历史、咨询对话、社交动态等，生成精细化用户画像与需求标签，替代人工碎片化分析。如果用户数据存在模糊点，AIGC工具还可生成需求验证话术，进一步补全需求信息，确保后续策略精准匹配个体痛点。AIGC工具辅助深度洞察个体用户需求，为个性化营销打基础02个性化营销内容是吸引用户的核心，AIGC工具可基于用户需求标签，生成文案、图像、视频等多形式内容，并且风格、卖点与用户偏好高度契合。AIGC工具定制多模态个性化营销内容，适配用户偏好03个性化营销不仅要求内容适配，还需在交互环节贴合用户行为习惯，AIGC工具可赋能智能客服、个性化推荐、场景化触达等交互场景，让策略更人性化。AIGC工具优化个性化交互场景，提升用户体验04用户需求会随场景、时间变化，AIGC工具可实时分析营销数据与用户行为变化，输出策略调整建议。确保个性化营销策略始终贴合用户最新需求，避免因需求脱节而导致营销失效。AIGC工具迭代个性化营销策略效果，动态适配需求变化6.3.3使用AIGC工具制定关联营销策略01关联营销的前提是明确哪些产品/服务适合绑定推荐，AIGC工具可快速处理海量交易数据、用户行为数据，挖掘隐藏的关联规律，替代人工手动分析。AIGC工具辅助挖掘精准关联规则，找到高价值关联组合02找到关联组合后，营销人员需要通过场景化方案引导用户接受绑定消费。AIGC工具可基于关联组合的用户特征与使用场景生成包含优惠策略、营销文案、视觉素材的完整方案，避免生硬推荐。AIGC工具生成场景化关联营销方案，增强用户购买意愿03不同关联组合的用户触达渠道偏好不同，AIGC工具可基于用户特征与渠道数据，推荐最优投放渠道，确保关联方案高效

触达。AIGC工具适配关联营销渠道，提升触达精准度04关联营销策略需要根据用户反馈与数据变化持续迭代，AIGC工具可实时分析投放数据，定位问题并输出优化建议。调整后，营销人员再通过AIGC工具跟踪数据变化，形成“投放—分析—优化”的闭环，确保关联营销策略持续有效。AIGC工具优化关联营销效果，动态调整策略6.3.3使用AIGC工具制定关联营销策略在数字营销浪潮中，利欧数字凭借其前瞻性布局成为行业内运用AIGC技术推动变革的先锋。2023年，利欧数字重磅推出AIGC生态平台“LEOAIAD”与营销领域大模型“利欧归一”，为广告投放智能化转型奠定坚实基础。利欧数字开发的“LEOAIAD”生态平台具备强大的AIGC工作流自定义组件，能够对接内部多个自研系统，如程序化购买系统等。通过将该平台与内部不同的TradingDesk产品相结合，进一步强化了AIGC技术在广告投放中的优势。在京东平台的广告投放中，利欧数字旗下的盘古引擎发挥了关键作用。盘古引擎是利欧数字专门面向百度营销、华为广告等多媒体平台开发的交易桌面，涵盖百度搜索、百度信息流和华为信息流广告等资源。借助“LEOAIAD”生态平台的能力，盘古引擎对搜索广告和信息流广告的前端内容创作流程进行了重构，包括智能生成投放关键词和撰写搜索广告文案。以投放关键词为例，盘古引擎能够依据行业特性和用户需求，从不同角度生成多样化的投放关键词。并且，通过自定义AIGC工作流功能，进一步识别用户搜索关键词背后的意图，进而撰写差异化的文案内容，实现“千人千面”的个性化创作，极大地扩充了搜索引擎营销内容撰写的广度和深度。案例在线利欧数字利用AIGC技术赋能京东“双11”大数据营销6.3.3使用AIGC工具制定关联营销策略案例在线利欧数字利用AIGC技术赋能京东“双11”大数据营销2024年“双11”期间，盘古引擎助力京东平台广告投放取得了显著成效。与2023年同期相比，在广告投放任务数量增加37%的复杂情况下，使广告交易操作次数实现了惊人的增长。广告投放消耗金额也比2023年同期增长了40%，高峰期交易操作处理规模高达4.6万次/分钟。与此同时，大规模批量操作的交易处理延迟时间相较于“6·18”降低了约44%，广告在盘古引擎的加持下持续、稳定输出，高峰期广告点击规模超过10万次/分钟。不仅如此，“利欧归一”的“AI电商投手”也在京东平台展现了强大的效能。在“双11”期间，“AI电商投手”能够智能提取商品利益点，并基于AI图像模型智能组装商品广告素材，