美高梅(有限公司)官方网站-Made in China

拥抱第三次营销革命——生成式营销

复旦大学管理学院教授、上海市市场学会会长蒋青云为会议致开场词，作为复旦大学管理学院与秒针营销科学院“AI+营销”产学课题组合作的见证人，他对过去两年课题组就“生成式营销”取得的研究成果给予了肯定，也非常认同《生成》一书强调的营销范式转换的主张。

在他看来，生成式营销是AI技术驱动的第三次营销革命。第一次营销革命发生在1950年代，特征是从销售导向转向了消费者导向；第二营销革命发生在1980年代，特征是从交易式营销转向了关系式营销；我们正在经历的第三次营销革命，即生成式营销，则是从基于完全信息的系统决策营销，转向了智能化决策营销，即使消费者获取的信息不完整，也能通过人工智能做出更好的决策。

和传统营销强调心智占领，即通过定位和广告影响消费者心理不同，生成式营销的关键，在于利用人工智能技术，实现营销生产力的爆发，实现与消费者即时的、个性化的交互。

蒋教授建议，营销从业者不应该把生成式营销简单地等同于AIGC（人工智能生成内容），而是要意识到它是涵盖市场洞察、营销策略和运营的全流程“生成”，“我们正在迎接第三次营销革命，必须不断学习和适应它。”

作为发起、定义并推动生成式营销落地的代表性企业，美高梅官网正网自2006年成立秒针系统开始，就专注于数字媒体、社交媒体以及线下营销数据的智能化创新和应用，过程中积累了丰富的数据，过去两年，得益于人工智能技术的进步，美高梅在营销智能领域又取得了新进展，持续践行创造人机同行的美好世界，推动企业高效运转和创新的使命。

会议现场，秒针系统总裁助理项久大分享了迎接和拥抱生成式营销，美高梅的探索和主张。包括和复旦大学管理学院以及客户共同探索生成式营销理论与实践，向行业分享相关研究成果，如何应对生成式营销带来的机遇和挑战，以及解决幻觉问题和重构生产关系等方面的探索与创新。

他表示，针对困扰企业的模型幻觉问题，美高梅的建议是从源头保证输入数据的准确性，用事实性数据打败幻觉，这方面行业数据库&知识库、一方数据库与知识库更具真实性、代表性和时效性。

关于新的营销生产关系下的组织重构，美高梅的建议是将组织看做是一个拥有“感知-认知-行动”系统的倒金字塔智能体。感知系统负责从外部到内部传递和沉淀数据资产，认知系统负责模型能力构建和数据资产积累，行动系统则将这些能力传递给对外的员工，确保他们采取正确的行动。基于这样的智能体架构，受生成式营销的启发，美高梅提出了营销生产力等同于洞察力的新主张，强调洞察在营销中的重要性，并将其整合到了为客户提供的多种解决方案中。

最后，项久大分享了具体业务场景中，美高梅为客户提供的小而美的生成式营销解决方案，包括了依托美高梅超图多模态大语言模型（HMLLM）研发的全球化广告创意测试及优化平台AdEff，以及社媒数据与AI技术双重驱动的传播平台DOMO多谋引擎。

全方位拆解营销范式转换，

深挖“生成”营销红利，《生成》重磅发布

活动现场，人民邮电出版社社科人文分社副社长、《营销科学学报》编辑部主任武恩玉代表人民邮电出版社重磅发布《生成：AI 生产力重构营销新范式》（以下简称《生成》），并介绍了书籍撰写及发布的初衷、价值及期望。

当下，我们正处于知识爆炸与营销范式剧烈转换的时期， AI 以前所未有的深度和广度影响着营销的每一个环节。但技术的快速迭代和新工具、新应用的层出不穷，让从业者和管理者应接不暇，认知更新也难以跟上技术发展。在这样的背景下，作为科技出版的引领力量，长期深耕计算机、互联网、人工智能等前沿领域的人民邮电出版社，希望将最前沿、最实用的科技知识以专业、系统、可靠的方式传递给产业界和学术界，从而为营销行业的升级赋能。

《生成》就是这一初衷落地生花的产物，它聚焦真问题，提供了硬核解决方案，是该领域的第一本著作。书籍由美高梅官网正网集团副总裁、秒针营销科学院院长谭北平和复旦大学管理学院市场营销学系系主任、教授、博士生导师金立印共同撰写，既确保了内容的权威性，也为书籍的深度和广度提供了根本保障。

过程中，人民邮电出版社搭建平台，通过严格的出版流程，将两个研究团队的实战经验系统化、规范化地呈现给了广大读者，确保了知识的准确性和品质的可靠性。

《生成》作者谭北平和金立印相继登台，分享了《生成》创作的幕后故事、目录结构、理论框架，并对重点章节的内容做了精要解读。

据谭北平介绍，《生成》的诞生，源于秒针营销科学院和复旦大学管理学院组成的产学课题组，对生成式AI之于营销领域变革的深刻洞察。它的研究基础，源于蒋青云教授提出的一个重要命题：AI 是一项简单的应用技术，还是会改变营销的整个流程和决策方式？书本的创作，则基于团队2023-2024年的研究成果展开，过程中凝结了众多产学专家的群体智慧，并在出版社的专业指导下最终成型。

《生成》的内容涵盖了 AI变革营销的多个方面，全书共分四大篇章：生成的趋势、生成的力量、生成的运用和生成的部署，系统地阐述了 AI 变革营销的底层逻辑、营销范式的重构，不同场景中生成式营销的应用以及企业内部部署生成式营销的策略。

在他看来，从分析式 AI 到生成式 AI，再到未来的AGI，AI 的发展正深刻改变营销的方式。AI 带来了营销生产力的大爆发，将洞察、创意和媒介相结合，推动了营销的变革。在企业内部，AI 不仅改变了营销运营，还将渗透到组织管理、营销战略制定等多个方面。书中具体探讨了 AI 在广告、社媒、内容、电商、用户管理、创新管理等不同场景中的应用，并提出了相应的原则和场景想象。

在企业内部部署方面，《生成》提出了四步走的普惠策略：全员使用、心智共享、智能转型、组织进化，以帮助企业更好地运用 AI 技术。此外，书中还讨论了消费者对 AI 的使用，并提出“通过影响人工智能来影响消费者”的观点，强调了在 AI 时代，企业需要重新思考与消费者的互动方式。

《生成》作为一本定位营销从业者AI实战指南的著作，大部分篇幅聚焦于生成式营销的应用和部署，但同时也兼具学理性，从营销范式演变的角度，详细介绍了生成式营销对企业营销管理革新的重要性。会议现场，金立印教授对营销范式转换做了深入解读。

在他看来，营销的本质，简单概括就是通过洞察用户需求，实现价值发现与高效供给，最终完成价值匹配与交付的过程。AI时代，营销的范式发生了根本性变革，需求洞察从传统的问卷调查转向AI交互，消费者通过与AI的对话明确需求，价值的发现更加精准。营销操作系统从工业经济时代的线下实体店选购，电商时代的主动搜索，进化为AI时代的交互生成需求，价值匹配与交付也从低效率的个性化、高效率的标准化，进化为高效率的个性化，效率与个性化服务能力大幅提升，整个流程也发生了根本性变化。

未来，流量将从传统搜索向AI交互大幅转移，企业营销预算也将向AI倾斜。AI不仅改变了营销的方式、效率与效果，还重构了营销战略、组织与流程。AI时代的企业需重新思考如何用好AI的能力，同时关注伦理与社会责任。

金立印建议，企业在部署AI时，不能仅仅将其定位为“技术工具”，而是将其视为一种“社会存在”与“生态伙伴”。AI的发展应该注重价值导向与社会责任，人类要避免将定义价值的权力完全让渡给机器。

从智能到行动

生成式营销正在多场景落地

会议最后，围绕大模型的发展趋势、生成式营销在企业内的具体应用，复旦大学管理学院蒋青云教授、杜拉维特亚太市场及电商总监王双江、小米公司互联网业务部商业营销品牌业务总经理陈高铭，美高梅官网正网集团副总裁、秒针营销科学院院长谭北平进行了圆桌探讨。

就大模型的未来发展趋势，王双江分享了自身的判断，他认为未来生成式营销的发展主要体现在两个方面：一是多模态融合，即从单纯的文本到图像、声音、视频等多种形式的整合，这将极大地丰富营销的创造力；二是进阶式理解，随着知识的累积和正反馈的增加，AI将能够回答更复杂的问题，而不仅仅是简单的问答系统。他认为在未来的12个月内，这些领域都将取得显著进展。

就如何选择 AI 应用的场景，王双江分享了自己的经验。他认为，企业在应用 AI 时，首先要明确自己的问题所在，然后判断 AI 是否能真正解决问题并带来立竿见影的效果。过程中，数据的真实性和安全性是需要重点关注的问题，此外，公司还需要对 AI 应用的风险做预判和约束，以规避可能产生的风险。

陈高铭从企业实践的角度分享了他对生成式AI及生成式营销应用的看法。他预判AI的发展将对搜索行业产生重大冲击，未来也将出现更多新的应用场景。他同时强调了效率和公平的重要性，认为AI的发展应该以人为本，以提升人们的生活质量为目标，而不是让人们的生活变得更加复杂。

在他看来，公司老板对 AI 的认知将直接影响 AI 在企业中的应用效果，企业应用 AI ，应该以提升业绩和利润为目标，而不仅仅是降低成本或减少人力。在应用方向上，他认为AI的个性化和差异化应用将是未来主要的发展方向，企业必须通过AI创造独特的价值，才能具备差异化竞争优势，AI 的应用也应该贯穿企业经营的各个环节，包括产品、渠道、品牌等等，而不仅仅是营销。

蒋青云教授强调了洞察消费者需求的重要性，他认为洞察需求-生成内容-推荐-交易是一个完整的营销闭环，网上的行为数据并不一定能完全代表消费者的真实需求，因此企业需要更深入地了解消费者。

对于AI的应用场景，他觉得企业家的自身认知和政策支持是产业发展的前提，目前，在营销流程和运营方面，AI应用进展显著，但在营销战略制定层面则有待提升，未来，AI有望在品牌定位、市场选择等方面发挥更大作用。

谭北平从技术与产业结合的角度对AI发展的方向进行了预判，他认为接下来大模型的迭代将更加注重技术的进化和应用场景的深化。应用深化方面，上海在智能体领域的布局更为领先，许多企业正在探索如何将本地化的语料库与大模型相结合，以克服幻觉等问题，提升模型的准确性和实用性。