共同进化大会 · 品牌增长的数据智能于2019年9月8日在北京 UCCA 尤伦斯当代艺术中心盛大召开,和150位品牌营销、增长、创新专家一同见证特赞产品技术创新,解密创意数据智能,共同进化!

    在本次大会上,特赞联合创始人&COO王喆表示,把创意数据变为创意的智能,用CMGO四个对应的产品,在不停深层次积累了创意的能力。

王喆.jpg

    以下为特赞联合创始人&COO王喆在“共同进化大会 · 品牌增长的数据智能大会”上精彩演讲实录,由云现场整理 。


    谢谢,这些CMO开始做产品和技术了。现在人类每天产生数据的速度实在是太快了,我前两天看了一个报道,有90%的数据都是在过去的几年中,尤其是移动端高速发展,数据产生这么快,几乎一半数据在过去两年中产生,这些数据利用率到现在5%都不到,人类进化这么快,尤其大家说我们处在人类进化基点上,我们有越来越多的科技手段帮助我们把过去的经验开始变为数据,数据教我们什么是对的,什么是错的。

    数据一个最难的领域,最非标的数据,在创意的维度如何积累这些创意数据,和利用创意数据产生创意智能的故事分享给大家,我们创意智能除了让我们资源可以丰富起来,达到多快好省,今天也想把我们创意智能背后带来的功能带到每一个市场人每一天的工作中。今天我会详细介绍一下CMGO中,除了C后面的几个核心功能。

    通过供给平台积累了大量的创意方。对于我们而言,创意的数据不仅仅是出街的广告片,当数据变为一种资产之后是有很多的原数据来描述的,比如说一年做了五个KV、两个TVC这是表现的创意,创意背后的内容后面的数据包括了不是哪一个品牌,哪一个行业,这一波的目前是什么,这个数据在哪些渠道投放了,这波内容跟其他竞争对手相比好与不好,这是我们把创意的数据变为创意资产的过程。

    对于很多的快销公司而言,它的营销能力是它非常核心的价值。而过去这些大量的核心价值并没有很好的去沉淀。通过Assets产品把大家做的大量内容做为资产,当你把数据变为资产的过程中是一次一次把数据的维度变丰富,把数据的深度变深厚,把数据的维度变得机器学习理解和再利用,这就是我们不停把数据变为资产的过程。

    Assets把大家平时很乱,平时没有整理过的散落在各处的资源慢慢变为资产。通过一站式的创意资产管理可以把全渠道所有的资产在一个平台区管理起来,当管理了之后除了管理这个内容本身,还有更深维度的数据,像源数据可以把创意数据变为更好创意的资产,变为资产就可以利用特赞来进行合规检测,以及利用我们资产做重新的组合。平时工作中每个人都有常见的画面,我经常不记得我某一个内容是在微信群里面发生,还是在邮件以及电脑里面,每当一次战役中,当我跨团队协作的时候我经常会搞不清楚哪一个版本是最终的版本,尤其是当你有很多内外部合作的时候,大概只记得这个画面本身,我忘了这个背后到底是应该放在哪里,通过我们自己的Assets这些表面内容通过全方位数据整理沉淀在一个平台上,沉淀这个平台上我们可以通过这些数据开始一些轻微的智能,比如做一个集团的品牌,很容易按照不同的品牌,不同的战役把资产做分类以及排布,之所以可以做这样的智能和排布的原因是因为我们对于这些数据背后有描述,而且这些描述在今天不需要大量的人去做很多的整理,我们可以做到智能的描述,我们会用我们的特赞AI来观察每一个创意的素材,这个创意素材可能背后包括是哪个品牌的,准备放在哪个渠道,应该用在什么样的,是哪一次战役,这些战役可能跟哪个品牌有跨界,这个画面到底突出哪个代言人,这个产品卖点到底是在功能上还是在效果上,还是在描述上。

    因为特赞AI不同训练我们做这些标注的数据,开始变得相对来说经济,也变得相对来说准确,使得创意资产在今天有了更大的发挥价值。

    如果没有人工智能标注这些数据大家可以想像,大量的内容如何清晰的标注?这样数据每天产生的数据都比之前更快。我们可以把这些素材做智能分类,一方面可以方便我们查找,另一方面我们团队分享。大家知道大的集团品牌,有品牌部、电商部,经常会对一些效果比较好的素材做补量,补量的时候可能找到一些当时原始的对应TV进行再次延展和操作。这些都可以很轻易的通过我们素材管理找到它。

    在特赞AI不管是在标注还是在整理的过程中,我们也在背后偷偷的做扫描,保护每一个企业的安全。因为大家知道,当我的质量内容越多,我的审核成本越高,我其实在外面暴露的风险也会很高。比如说我经常会不知道我的合作伙伴到底有没有第一时间记录我企业购买的自体,有没有不小心用到别的字体,尤其当我在渠道做的时候可能有渠道的创意合作伙伴,大家可能用到一些参考素材,这些素材会不会让我在PR上有风险,有一些行业大家经常用明星,大家知道明星也很难管理,明星的素材经常是在特定的渠道、特定的场合只有特定的有效时间,有的时候大家根本不知道我这个照片到底可以用多久,可以在哪里发放。素材管理,在管理的背后都会利用AI把我们在创意背后的原数据每一个进行标注,把创意源数据的背后标签可以进行实时的扫描,保证所有出街的内容,不管是在文字上、还是在内容上,还是在广告法合规上,还是在艺人的使用上,都可以做到全方位的安全。

    当然,这些扫描除了在图片本身,我们还会把这种技术应用到视频,当应用到视频之后我们可以动态的识别图像里面每一个关键帧,在关键帧中有没有更好的合规。因为人看图片是很快,可以一眼扫十个图片,但是人看视频的时候很慢,很谈有时间一帧一帧的放,这个时候人工智能体现的合规检测这个价值更大了。

    当我们这些合规检测之后所有的素材都是安全的,都是可信的,我就可以很轻易的,不管是对内跨团队的协作,还是跟外部的合作伙伴形成联动,所有联动这些素材又可以方便在品牌之间,在品牌和外部合作伙伴之间去传播。通过结合我们核心的素材的沉淀,把我们的素材变为一种创意的资源,让这个资源可以被更丰富的标签描述,在描述的过程中又可以保护每一个品牌的合规效应,就会沉淀出来各种各样的功能。

    对于一个品牌来讲,所有的应内容,比如说海报、TVC只是数字资产的一部分,作为快销的企业,或者是一个营销的企业,除了营销的内容,在营销内容一层一层深厚,每一个产品跟消费者形成体验的过程中,也是企业的核心资产。除了外面这些出街的广告,这个包装消费者看到之后是感受是如何,除了包装大家看到瓶子是什么感受,我作为一个消费者是蛮有意思,每两周在天猫超市买水,每一次买水会看上一个最时尚一好看的瓶子产生一个水的购买,所有水的味道差不多,有的时候在家里买一瓶水放在桌子上你只是想找一个好看的,像这个产品本身的设计包括背后的配方,也是应该被企业当成一种资产来管理的。数据到资产,核心还是用多维的方式描述这些数据。用我们积累了这些不同行业,生产过程中,从配方到瓶身的包装再到外面的设计以及出街营销,把每一种内容都当为资产来管理起来。当我们把内容变为资产之后是被多维度描述的,我们会知道这个瓶子大概是什么样的怎么样配合,我们知道它会跟外面的设计,结合起来更快,这样我就知道过去产品要创新,我知道消费者有一些变化,我其实并不知道我自己的供给能力有多少,可能回到原始时代打开一个表格去猜测这些人可能有这样的包装,这样的配方,而我们把每一个生产环节做资产化管理之后,我们就可以动态查找搭配组合,这些搭配组合也会大大加速创新速度,可以快速推向市场,进行一些概念的测试。

   不管是背后关于产品,关于设计,关于包装,关于配方再到前端关于营销的无聊全都做资产化之后,可以使产品上线周期缩短一两个月,产品概念测试速度也是过去的5-10倍,这是当我们把一些创意的数据变为创意资产之后产生的价值,这些价值可以方便每一个品牌更快的对消费者的市场变化产生反应。

    积累了这些创意的数据,尤其是更多维、更丰富的数据之后,人工智能在这里面发挥的价值就更大了。

    特赞做人工智能的生成到今天,也有一段时间。大家讲到的这个话题,大家并不觉得说创意做人工智能、做一些组合生成并不是一个特定的话题,特赞跟其他人工智能有什么区别?特赞之所以可以做更好人工智能,是因为特赞有的很好品牌类的素材作为训练的依据,传统做人工智能大家会用渠道的信息,甚至是一些消费者的信息。大家会经常发现我好想打开很多电商网站,我看到所有的商品料都差不多,甚至换一个产品都不觉得违和。但是基本的人工智能,我们自己讲人工智能会有一个概念:图灵测试。所有的这些图灵测试达到30%之后,我们认为机器有初级智能,达到初级智能之后就会发现在往上爬坡、爬质量,爬更好CTR转化,更好的消费者体验变得越来越难了,难的原因是这些训练并没有把深层次的数据拿出进来,特赞其实开始从第一天起做品牌类的内容就开始思考,品牌类的内容应该如何做标注?品牌类的内容应该如何做分类?像我所说的,内容表面是内容,内容背后每一层信息都是可被加工的,比如所有的元素、背后的行业属性这些都是可以被复用,这些复用的过程中可以形成品效结合的内容生成,来提高我突破了图灵测试率之后,能否做的比初级设计师看上去更好,能否产生一些新的框架,能否让人觉得我这个分布好像之前没有见过,消费者可能会喜欢,这是特赞在人工智能这个领域上不停的去学习的,兼顾品牌和效果的机器学习。

    今天到现在为止,机器累计完成了差不多50多万次的设计,在这背后也是上亿次的运算,这些运算包括我们对于元素的处理、框架的处理以及合规的处理,正是这些运算使得特赞眼对内容有更深的理解,有了更多的支持,这些支持从图片开始思考,能否把这个图动起来,让平面的智能变为视频的智能,在我理解好这些图片空间感和画面元素之后能否让时序上产生更多的价值。

    团队做了一个实验,我挑了一个团队特别喜欢的广告,利用人工智能的技术在这里面做处理。请大家看一下特赞眼的人工智能再处理动态的视频上有甚么样的效果。

    这就是我们利用特赞AI应用在视频的技术处理上。大家可以看到,刚刚短短不到两分钟的视频,背后也有大量的技术。我们在每一次场景切换中,机器知道这个时间点有没有场景切换,当我们发生场景切换之后到底谁是画面新的重点,这个新的重点到底是因为人物产生,还是因为情节转换产生而是有一个关键物在串联,这是处理我们每一帧图像思考的内容。当我们处理这些内容的同时我们除了做智能转场的识别,我们还要做每一个转场之后画面的识别,基于画面的中心,我们还要找到这个画面新的中心中,我们做智能的尺寸、变化的时候,如何去找到画面的边缘,如何去处理它,不管是在1:1这样看上去比较方形的尺寸还是3:4,9:16相对长形的尺寸,可以很好适应每一个屏幕,这样就可以大大提高所谓内容的利用率或者是资产的利用率。我们会不停的利用我们人工智能的技术,把我们这些看上去创意的内容,背后学习可以复用,使得我们在不同的渠道,不同的尺寸下给用户最好的感受。

    在这背后我们处理这些图像之外我们每一帧也会试图建立它背后的标签。

    除了视频本身我们做的不存的处理之后,我们也开始试图把内容进行解构和分析,这些内容包括上到底谁出现过、出现的时间点、当我把转一场背后标签拿出来了之后,这个画面里面所有举起快乐水,喝饮料和大家抖肩的动作重复频率很高,当我们把这些桥段拿出来剪成一个短视频,看上去很像一个快闪视频。如果把所有男主和女主曾经出现过的镜头和相互出现的关系剪辑起来像男女之间跟爱情有关的视频。当我们把产品拿出来的前后更像一个产品串联的情节。

    我们用特赞AI处理这些视频,你会发现机器对每一帧打出动态标签机器会产生新的联想,把导演构思里面打散,打散之后对每一个场景标签进行解构,机器可以看到什么东西出现频率高,哪些动作的组合出现的频率高,当这些组合的出现的时候,是不是意味着他们有更多相关性,这样就可以让我们把一条视频变为多条视频,而且你会发现之所以不同的消费者,就是对于同一个视频里面不同的点感兴趣,大家才会被这个广告打动。我们就是把感兴趣的点用机器找出来并放大,这样方便我们批量把内容从小规模的测试,到更大的规模。应该用长视频跟消费者互动还是用短视频跟消费者互动,如果用短视频,男女对商业感兴趣还是对搞笑感兴趣,你到底用这个视频哪一个桥段跟他互动,我们对视频处理能力使得大量的测试成为了可能性。

    刚刚出现的短视频我们简单按照人物的题材、情绪的题材、动作的题材分了几类,我们剪出了三个不同的版本。

    通过Assets把创意内容变为一种资源管理起来,利用人工智能的技术把少量的资源变为更多的资源,变为更多的内容,最后我们就要把这些内容送到对的消费者手里面,如何把这个东西送对,消费者和渠道每天都在变化,我们是不是应该对自己的内容的理解,也应该有自己解构的方法,我们处理过这么多,不管是静帧和动帧,我们是否可以用多维的方式发现这些目的,有一些跟美化相关,有一些跟品牌相关,有一些跟内容相关,当我处理完这些内容之后是否可以更方便的动态推往每一个渠道,推到每一个渠道会得到消费者对我这些内容的反馈,可能在点击率、CTR以及视频完播率,在线下测试里面可能是一些感受,当我们把这些内容开始尝试解构的时候我们开始思考我们对于图片的理解不只是一层,当把内容变为资产,是多维度进行原数据的处理。

    我们做多维处理的时候,每一层都是不同的信息的提取,这个提取大家有时候会觉得我的素材率是不是长变短,不是,素材是多维度,包括关联性等等,所有这些关联性是可被利用,需要用合适的方法积累这些内容和结果,当我们把这些内容进行处理的时候我们会发现,精彩做一些策略表达,经常拉新的时候有甚么画面特点,在元素上。当我的产品卖点的时候,什么时候大家对我的文案感兴趣,当我跟AIPO不同人群表达素材,大家感受点是什么,什么时候突出文案,什么时候突出品牌,什么时候突出特效,什么时候突出折扣,这些都是我们适当在内容背后增加的一些智能,这些智能可以方便我们把合适的内容推给合适的消费者,在合适的时间、合适的渠道。当我们构建了这些背后的逻辑的匹配关系,第一次产生基于创意维度的投放计划。

    过去投放计划可能是在一个渠道选了人群,创意只是一个匹配。而今天,我会有更好的内容,可以跨渠道思考这些内容应该怎么样做跨渠道的分发,这些内容优化、曝光、品牌导向还是优化点击还是优化效果,当我优化不同目的的时候应该如何改变我的内容信息,如何放到最合适的人群,最合适的渠道,我们对内容有了一种新的理解的新可能,可以做基于内容的计划,把合适的内容做出来了之后再匹配合适的渠道,然后再看效果的转化,甚至我的内容做多了之后在投放之前还知道在渠道的一些大概率的表现,这个表现基于相似的内容,相似的行业,在相似人群里面历史平均表现,在投放之前会有一个大概的判断,更好的指导你不要把内容错投了,因为有的时候大家会发现,有的媒体的点位,有的时候来不及做这个适合渠道的内容,有甚么内容投方面这个效果往往很差,这个效果差是大家做内容成本没有降。我们有了人工智能,有了背后素材管理可以根据渠道选择最好的内容和场和人之间的组合,当我把这些内容做到跨渠道分发之后,过去大家可能去每一个渠道去看,去下载一个表格,把不同的表格在不同的里面做关联,做这些繁杂的数据分析。有了我们的方式,把好的内容放到好的渠道,可以实时的跨渠道的对比,内容的分析,可以指导下一次内容的计划和投放。当今天的体验和内容做到千人千面,大家已经感受到我在不同的渠道看到的商品是不一样的。

    想让消费者快速有一些时候他们经常使用很游戏化的画面,你会发现这样的转化,首先是很难找到当时前后的关联,但这个也不能怪营销人员,毕竟当你做一个落地页的时候是技术的产品,在内部协调产品开发资源,常做市场人就知道,在公司里面作为市场人员想协调产品研发人员做落地页是很难的,因为产品研发有自己的排期,技术有自己的考虑。当我想把不同的效果广告用不同广地页承接,过去大家没有这样做,这样做成本很高。我们把所有落地页做动态产品,承接不同的渠道流量,这些不同渠道流量根据消费者的来源、背后的标签来做动态的H5生成,这个H5不用任何的开发,而且这些H5针对不同的消费者人群可以用不同的内容承接。每一次内容的承接都可以知道背后的点击。

    当我用这些H5创造出来这些落地场景的时候可以快速把它做小批量的流量,可以很容易把流量的1%针对不同落地页一些初步尝试,再把后面大的流量再用更多的H5做更多的优化,这样可能比较快捷的实现不同落地页,千人千面的优化的过程,可以把媒体的渠道消费者的标签和落地页的内容的素材做更好的关联,大家知道投了这么多的广告最后发现落地页的优化,过去大家很难做的东西,做的内容很有限,有了这样的工具和这样的内容的理解,会方便大家更好的去把前端优化过,不能再优化所有的CTR最后在落地页里面做更好的收尾,做更好的分析,做更好的AB测试,甚至是做多组的测试。这些都可以大大提高,不管是内容的利用率还是整体从前到后完整的优化的空间。

    把创意数据变为创意的智能,用CMGO四个对应的产品,在不停深层次积累了创意的能力。今天把这些能力,思考带给更多的市场人,让大家面对不同的消费者群体,不同的目的做内容的时候,有更多的经验的参考。大家把过去一直基于自己多年的市场经验变为很好的数据,变为可以被数据赋能的全方位的优化,从最开始的内容到渠道、到消费者。

    看完了这么多的内容,等一下邀请我们内部负责优化的施良,过去一年中优化的几十个流量,请他和他的朋友分享一下有这个产品之前和有这个产品之后大家有甚么新的体验和变化。有请施良。