新算法、更快的处理速度和基于云的海量数据集的出现使所有主要数字媒体提供商都成为可能。他们出售广告来试验人工智能，以帮助他们的广告客户取得更好的业绩。虽然营销的所有领域都特别适合转型，但我将专注于新客户获取和收入增长领域，因为这是大多数初创公司通常花费最多可自由支配资金的领域。这些领域（统称为客户获取 3.0）对扩大业务增长和释放未来融资轮次的能力具有最显着的影响。 规模和学习的新维度 让我们首先快速将客户获取 1.0 定义为存储在不同物理服务器中的孤立客户数据的阶段，这导致付费用户获取工作的数据不佳，而对其性能没有完全信心。 Customer Acquisition 2.0 能够利用云和数据处理功能将来自多个来源的所有客户数据集成到一个统一的客户数据平台中。有了这个，您可以共享良好的数据，以利用 Facebook、Google、Snapchat 等孤岛运行的主要广告合作伙伴的个人 AI 功能和自动化来帮助您更好地优化预算以实现您的绩效目标。 这将我们带到了我所说的客户获取 3.0 的世界；规模将不再仅仅代表实现成本领先和优化稳定产品供应的传统价值。相反，规模将以新的方式在多个维度上创造价值：扩大公司可以生成和访问的相关数据量，扩大可以从这些数据中提取的学习量，扩大规模以降低实验风险，扩大规模协作生态系统的规模和价值、由于这些因素而产生的新想法的数量以及缓冲意外冲击风险的规模。 学习在商业中一直很重要。正如 的那样，随着累积经验的增长，公司通常可以以可预测的速度降低其边际生产成本。但在传统的学习模式中，重要的知识——学习如何制造一种产品或更有效地执行一个流程——是静态的和持久的。建立动态学习的组织能力将是必要的——学习如何做新事物和“学习如何学习”，利用新技术和庞大的数据集。 布鲁斯·亨德森 50 多年前观察到 如今，人工智能、传感器和数字平台已经增加了更有效地学习的机会——但据 BCG 称，在 2020 年代竞争学习速度将成为必要。 动态、不确定的商业环境将要求公司更多地关注发现和适应，而不仅仅是预测和规划。公司将越来越多地采用和扩大对人工智能的使用，提高学习的竞争门槛。这些好处将产生“数据飞轮”效应——学习速度更快的公司将提供更好的产品，吸引更多的客户和数据，进一步提高他们的学习能力。 然而，学习改进静态过程的传统挑战与在整个组织中不断学习新事物的新要求之间存在巨大差距。因此，要想在学习方面取得成功，需要的不仅仅是将 AI 插入当今的流程和结构中。相反，公司将需要： 追求包含与学习相关的所有技术模式的数字议程——包括传感器、平台、算法、数据和自动决策 将它们连接到可以以数据速度学习的集成学习架构中，而不是被较慢的分层决策所限制 开发能够创建动态、个性化的客户洞察并据此采取行动的业务模型 营销人员从未获得过更多的客户数据。公司通过用户档案收集的第一方数据可以超越基本的姓名和人口统计数据，还可能包括有关参与度、留存率、货币化等方面的下游丰富数据点；公司可以使用它来建立重要的用户群，用于增长团队的潜在客户和重新定位活动。在丰富的用户数据之上提取和处理来自品牌的所有这些第一方数据，使这些媒体合作伙伴能够使用机器学习执行复杂的建模和分析，这在几年前是不可能的。这可以通过新的见解和数据分析更好地定位。 如果您仍然像五年前那样手动优化广告系列，您可能会发现自己在客户获取游戏中迅速消失。与迅速出现以解决低效率问题的新解决方案相比，任何手动过程都可能效率低得多，并且更容易出现人为错误。 Customer Acquisition 3.0 的未来依赖于智能机器，在关键营销平台之间协调复杂的活动——动态分配预算、修剪创意、展现洞察力和自主采取行动。这些机器具有通过更高效的精益团队、由人工智能驱动的不干涉管理方法来推动卓越绩效的潜力。 关于作者 是一位有远见的领导者，拥有 20 年帮助初创企业成长为成功企业的经验。 Lomit 在初创公司扩大增长方面发挥了关键作用，包括 Roku (IPO)、TrustedID（被 Equifax 收购）、Texture（被苹果收购）和 IMVU（收入最高的游戏应用程序）。 Lomit 是一位公众演说家、作家和顾问，在他的整个职业生涯中获得了无数荣誉和奖项，包括被 Liftoff 评为移动英雄。 Lomit 的书 是 Eric Ries 最畅销的“The Lean Startup”系列的一部分。 Lomit Patel Lean AI
