通过使用交易数据、用户行为数据 ， 搭建预测和用户商品推荐模型 ， 包含“用户跃迁预测模型”、“货找人推荐模型”、“人找货推荐模型”、“货找货推荐模型”等模型搭建 ， 分析“谁更可能在未来一段时间内价值升阶”、“谁更可能喜欢什么商品” 。 而结合了 MA 的 AI 营销算法不仅能告知品牌主“人-货如何更好匹配” ， 同时帮助品牌主通过营销自动化的方式触达用户 。 也就是说 ， AI+MA 的智能工具组合 ， 不仅告诉品牌主“你该做什么” ， 而且能够帮助品牌主“将该做的事自动化做掉” 。

文章图片
图3：AI 全域加持营销自动化
千人千面的营销不再只是愿景 GrowingIO 将自研 AI 模型赋能 MA， 同时与 GrowingIO 长期以来的品牌主伙伴共同探索 To C 应用场景 ， 模型落地流程打通并完成了模型效果有效性测试 ， 真正实现基于企业营销场景落地应用的 AI+MA 的“千人千面”营销 。
在 GrowingIO 与某头部美妆品牌的营销活动中 ， GrowingIO 运用 AI 模型对会员数据进行分析 ， 得出“每个人最有可能对哪一种商品感兴趣”的商业洞察 ， 并将人货推荐结果自动输出至 MA 工具 。 当粉丝登录小程序时 ， GrowingIO 通过营销自动化方式 ， 将适合该粉丝的商品促销海报通过小程序弹窗推送 ， 实现“人-货-物料”精准匹配 。
GrowingIO从核心指标（GMV、客单价、CVR）、兴趣（弹窗关闭、打开次数）、转化（因弹窗转化的订单数）三个角度衡量 AI+MA 相较于人工推送（对照组）是否有效 。

文章图片
图4：GrowingIO 服务头部美妆品牌 AI+MA 产品试点效果
不难看出 ， GrowingIO 自研的以 AI 驱动的营销自动化系统能够有效提高弹窗栏位的转化率 ， 实验人群对弹窗的兴趣明显提升 ， 最终实现 GMV、客单价、CVR 等核心指标的有效提升 。
结语 对于营销自动化工具来说 ， 实现的是“消费者采购决策链不同阶段和营销内容的匹配” 。 而 AI 加持的营销自动化工具更在此基础上实现了“不同消费者在不同阶段和营销内容的匹配” ， 从根本上解决由于人力因素限制如“不知道如何设置流程”、“不知道该给谁推送什么内容” ， 从而导致“MA用不起来”的困境 。
GrowingIO 已帮助十余家头部品牌客户完成 AI 智能化应用 ， 用 AI 能力赋能市场营销全渠道运营 。 GrowingIO作为一站式数据增长引擎方案服务商 ， 将先进的营销方法论与工具相结合 ， 通过“数据+AI智能+营销” ， 赋能品牌伙伴商业决策 ， 实现业绩增长 。