AI驅動的助手每個營銷人員都需要

露西（Lucy）由等價3創建，是一名由AI驅動的知識管理助理，讀取和學習您養活她的每個文檔和數據資產 - 她永遠不會離開，永遠不會忘記，每天變得更聰明。

3如何使用人工智能（即機器學習，自然語言生成，自然語言處理，深度學習等）如何使用？

等於3使用自然語言處理技術，機器學習算法，視覺識別技術和自然語言生成的廣度來構建專有引擎，使我們能夠構建知識圖來從數據中找到可以結構化或非結構化的數據的答案。

大多數離式技術已經在公開可用的數據集（即Wikipedia或其他公共資源）上進行了培訓。當提出不是特定領域的問題時，他們傾向於做得很好。但是，傳統的NLP模型無法理解不同的概念，例如遊擊營銷，付費廣告，品牌知名度和其他常見的營銷研究概念。我們創建了自己的特定領域模型來培訓露西，以了解營銷人員的白話。

與大多數AI引擎不同，我們使用了深度學習模型和特定領域的主題專家的組合來幫助我們創建知識。了解問題的意圖以及哪個來源是找到答案的最佳場所，要求我們團隊在結構化和非結構化數據源之間建立意圖本體。現在，當提出問題時，露西有一個內在的知識，可以理解找到答案的最佳地點，並指示要回答最佳存儲庫的問題。

她旨在通過用戶反饋不斷學習和改進。通過機器學習的力量，隨著時間的流逝，她的答案將繼續變得越來越好。

您認為人工智能在營銷和銷售中的未來潛力是什麼？

隨著技術的進步和對域名的投資不斷提高，我們將看到AI技術迅速為營銷人員發展。收益將包括自動化，這將使營銷人員在更少的時間內完成更多工作。此外，AI將需要簡單地跟上營銷人員負責做出的不斷爆炸的數據，無論是在研究，營銷自動化，媒體購買和各種形式的受眾參與中，都可以完成工作。

是什麼使3種與競爭或傳統解決方案不同？

大公司有很多數據。沒有辦法有效利用這一切。特別是，它們有數萬個或更多的文件坐在內部係統上。這隻是太多的數據和信息，無法跟蹤。我們甚至看到了試圖找到信息的情況如此具有挑戰性，以至於客戶實際上正在調試已經完成的工作項目，因為他們甚至不知道工作已經存在。

傳統解決方案需要創建標簽或依賴文件結構的效率極低。每個人的想法都不同，因此事情會根據個人偏好進行分類。當您搜索這些係統時，您通常會提供一長串可能的來源清單，這些資源現在需要打開並閱讀，以查找您在多頁文檔中尋找的特定答案存在的位置。

Lucy可以連接到客戶的文件係統，她可以閱讀每個PowerPoint，PDF，Word文檔，主題演講，視頻和HTML（Word for Word，by Page，by Page，by slide shlide），並永遠記住該內容。她可以回答人們今天對這些數據提出的問題，並在明天變得更聰明，更聰明。為了回答問題，她提供了答案與文檔的答案（即，露西沒有說：“這是文檔的集合，去找您的答案。”她提供了她認為答案的文檔中的特定內容）。

與其他解決方案（包括AI競爭對手）相比，露西（Lucy）如此變革性的原因是，與其他選擇相比，她的部署時間便宜，客戶的時間和負擔是微不足道的，並且找到特定答案的有效性是獨一無二的。

您的原型客戶在公司規模和行業方麵是誰？

如今，露西在所有主要廣告代理公司和許多財富1000強組織中都有露西的實例。露西不是特定領域的，並且正在幫助B2B和B2C研究和洞察力團隊，包括汽車，消費包裝商品，零售，醫療保健，藥品，美容，奢侈品，娛樂，娛樂，金融服務等。

營銷人員和銷售專業人員的主要用例3是什麼？

許多團隊都麵臨著持有大量信息的問題，但無法有效地搜索和發現生活在所有PPT，PDF，視頻，音頻，圖形，數據集和文檔中的寶貴見解。

露西（Lucy）通過處理，閱讀和記住非結構化的數據來實現以前無法想象的效率，這些數據是人類團隊在多年來無法完成的水平。

團隊可以在其組織中詢問報告，手冊，策略甲板，RFP響應，計劃，研究文件和業務視頻的問題，並立即在其居住的源文件中找到答案。

露西幫助團隊解決的常見情況：

• 員工過渡：有人開始，離開或變更團隊，而先前的知識卻丟失了。尋找答案意味著深入探索過程或重複前任的作品。

• 合並/收購：當公司合並或贏得新帳戶時，快速變化意味著團隊正在嚐試加快數據湧入的數據。

• 數據集中化：信息已從硬盤驅動器中移動到數據湖，數字資產管理係統或新的IT供應商中，但是這些工具被證明是不足以找到所需數據的。

您認為AI的局限性是什麼？

人工智能技術需要大量數據來訓練和了解給定的市場或領域。缺乏訓練有素的數據和無法理解上下文的無力是重大局限性。

構建域特異性係統要求機器了解本體論。當前的係統在很大程度上取決於標記數據和訓練係統的能力，這往往非常耗時，而不是可擴展的模型。係統建立自動化本體的能力是深度學習的下一個前沿，它將推動AI係統/景觀內的巨大變化。

關於營銷中AI的其他想法，還是剛剛開始探索AI可能性的營銷人員的建議？

一些東西：

首先，與小說分開的事實。AI中的所有投資和進步也創造了一個場景，任何人和每個人都在產品中添加“機器學習”和“人工智能”標簽，無論其應有的產品是否應有。為此，請確保您真正了解AI的工作原理以及是否合法。

其次，為AI購買AI也沒有任何意義。確保當您開始使用AI產品時，對需要解決的業務問題有清晰的了解，AI將如何解決該問題以及解決此問題的價值是什麼。

最後，將AI帶入組織將是一段旅程。從AI可以提供好處的用例/業務問題的最低懸掛果開始。另外，要知道，這一旅程可以通過長期的觀點有機會創造比采用較慢的技術落後者的競爭優勢。