作者｜李飛
編輯｜鄧艷琴
ChatGPT 的應用不僅僅局限於 AIGC 領域，而圍繞其核心技術生成式大模型已出現了 AIGA、AIGS 等一系列衍生概念，可用於解決機器控制、群體協作、業務規劃等系統決策性問題。近日，數勢科技算法負責人李飛博士在 QCon 全球軟體開發大會·廣州站分享了題為《AIGA 在營銷領域的探索與創新》的演講，探討了 AIGA（AI Generated Actions）在企業經營決策和營銷領域的創新價值，並通過生成式大模型在某頭部證券公司的案例，詳細闡述了如何通過 AIGA 實現營銷策略的自動化生成，從而幫助企業大幅提升營銷效率和策略執行準確性。本文由此整理。
完整幻燈片：
https://qcon.infoq.cn/2023/guangzhou/presentation/5288
1AIGA 的演化，是新一代決策系統的趨勢
ChatGPT 背後能力的應用，並不僅局限於 AIGC 領域。AIGC 僅僅聚焦於機器與人的交互問題，如語言交互、視覺交互等。而面對機器控制、群體協作、業務規劃等系統決策性的問題，AIGC 是無法解決的。因此，圍繞其核心技術 - 生成式大模型，已出現了 AIGA(AI Generated Actions)，AIGS(AI Generated Software) 等一系列衍生概念。
由於大模型在邏輯推理、任務規劃方面能力的湧現，越來越多的研究人員開始關注 Action 的生成。在營銷領域，AIGA 技術可以對軟體工具進行重新的賦能，例如幫助營銷人員制定目標、策略和流程，對營銷活動進行自動化管理等。這些原本由企業員工去執行的動作，演變成由大模型，即智能體去自動化的執行。
因此，AIGA 將是新一代決策系統的趨勢，不僅可以減少設計和執行方案的時間和人力成本，還能夠提高執行方案的準確性和效率。
2大模型在實際應用中驅動軟體執行的四大核心步驟
生成式大模型已經成為各領域實現複雜任務的重要工具之一。而在實際應用中，如何驅動軟體執行也顯得尤為關鍵。對此，下文將從四個主要步驟進行詳細介紹。
首先，大模型的驅動過程以任務規劃為開始，制定好任務後再進一步進行模塊的規劃和設計。這個步驟非常關鍵，需要考慮到整個系統中所有模塊、任務的順序和關係，任務規劃的好壞直接關乎整個程序執行的效率和準確度。
接下來是 模塊喚醒，它指的是根據任務規劃中的先後順序，逐個調用模塊，讓整個大模型逐步「喚醒」。這個步驟包括模塊的初始化和參數的配置，並且需要對模塊的運行狀態進行實時監測，以確保程序的穩定性和可靠性。
第三個步驟是模塊執行，即各個任務執行完畢後，模塊進行具體的執行工作。在這一步驟中，模塊需要對大量數據進行處理，從而實現任務的完成。同時，模塊需要結合任務規劃中的指令來調用其他模塊，並及時反饋執行結果給調用方。
最後一個步驟是回答生成，它是整個大模型執行過程的精華所在。當模塊執行完畢後，需要根據任務規劃中的指令，按照一定的方式對數據進行處理、分析，最終生成輸出結果。這個過程非常複雜，需要考慮到數據處理的效率和準確度。
總而言之，大模型如何驅動軟體執行，是一個極為複雜和系統的過程。只有針對每一個步驟進行嚴格的規劃和監測，才能夠確保整個程序的效率和準確性。
3AIGA 將重構營銷領域的方法論與應用
結合過去在金融和零售領域的經驗，李飛博士所在的數勢科技團隊將生成式大模型驅動企業經營的四要素總結提煉出來，並以大模型作為自動駕駛艙，實現「目標拆解」、「分析診斷」、「策略制定」和「疊代優化」四個核心要素（GASO 模型）的全流程閉環，提高人員的使用效率，進而提高企業經營效率。這是營銷產品和大模型在底層方法論的融合。
首先是制定目標，確定決策的標準。具體指企業營銷團隊如何聯動公司今年的 OKR 或 KPI 制定營銷活動的目標，並基於目標的制定和拆解，設計相應的衡量指標，指導後續數據分析和策略的制定。
第二步是分析，洞察數據背後的業務規律。這一步需要基於目標，對當前業務進行全面的分析，挖掘業務異常原因，並預測業務發展趨勢。
第三步是制定策略，設計和選擇合理的具體方案。基於目標和分析結果，結合人類知識經驗和人工智慧算法模型，來制定合理的行動方案。
最後是優化，即根據策略後數據的實時反饋進行策略優化。在這一步，全面的 AB 測試以及實施的數據採集和分析必不可少，它們讓每一次行動都能迅速全面地得到反饋和優化。通過這一步我們能夠獲知這一場營銷策略執行的效果到底和最開始制定的目標之間多大差距，那麼團隊又需要通過什麼樣的優化手段，如工具或模型，來進行彌補，讓策略能夠不斷疊代，縮小最終效果與目標之間的差距。
企業若能夠研發基於大模型的智能決策引擎，在引擎的最下層，需要包含數據智能處理中樞、智能規則中心、垂域模型中心、公有大模型服務中心和運行監控中心等模塊，通過聯動，形成基於大模型的自動駕駛艙，將這些模塊有機地結合，形成用戶智能、分析智能以及策略智能的 AI 能力，再向上賦能到具體的行業應用，智能地服務到各個業務場景。
具體實現來講，在構建基於大模型的自動駕駛艙之前，需要在以下四個方面進行細化，即產品信息補全、Prompt 設計、意圖規劃和知識庫構建等。
產品信息補全：補全功能和規則信息並「喂」給大模型，幫助大模型對齊和理解使用意圖，示例如下：
Prompt 設計：包括頁面當前信息、用戶角色信息以及用戶需達成的目標、任務和示例信息，即 Context+Role+Goal+Example；
意圖規劃：由於大模型的上下文字數限制，我們可以設計一套基於產品模塊和頁面的意圖分級模型，然後在判斷用戶在當前模塊輸入的內容意圖時，進行一輪初篩，以便於模型能夠更精準的判斷其意圖類別；
知識庫構建：主要是指私域知識庫的構建，通過大模型將已有營銷領域專家的知識和常見策略形成知識庫，用於模型理解調用，示例如下：
4AIGA 賦能營銷產品，助力策略的自動生成和編排，提升決策效率
AIGA 在營銷領域的應用將賦能策略編排，具體實踐路徑分為「輔助駕駛」和「自動駕駛」兩個階段。「輔助駕駛」是通過大模型的能力簡化了傳統的構建策略畫布的步驟，由過去通過業務人員手動拖拉拽各類控制項構建方法，升級為通過對話交互式方式，自動轉化生成策略組件和邏輯，再按需微調控制項內容，提升策略畫布生成效率。而未來，大模型將基於數據工程、知識工程和算法工程能力，賦能策略自動生成和編排，實現業務人員通過語義描述某一行業下的營銷策略，即可實現端到端的智能化策略畫布生成，並支持微調策略畫布的複雜程度和具體控制項內容，如自動填充零售行業和金融行業的文案內容，更高效地觸達客戶。具體步驟如下：
Step1：生成行業場景下的營銷策略畫布
Step2：微調控制項編排，讓策略更貼合時下場景
Step3：自動填充證券文案內容、自動圈選人群
數勢科技的營銷雲則是一個很好的案例，通過大模型賦能，產品交互變得更加簡單，能夠在人群圈選、人群分層、物料匹配、渠道選擇和文案生成等方面實現營銷鏈路自動閉環，降低運營人員使用成本。比如，數勢科技智能營銷雲不但能夠通過規則或者私域算法圈選觸達人群包，還能夠通過大模型去判斷適合的人群包，然後自動去填充到營銷控制項中，並匹配合適的物料和觸達渠道。值得注意的是，針對某一具體的垂直行業營銷，如零售和金融行業，數勢科技營銷雲也結合業務知識，不斷完善知識庫搭建，提升大模型賦能下的策略生成精準度。
落地實踐：大模型在某證券公司的應用方式
總結與展望：大模型在營銷領域的應用仍面臨一些問題，但其革新作用未來可期
雖然大模型在營銷領域的應用和探索進行得如火如荼，但當前我們確實面臨著一些問題。譬如，大模型在和產品交互的過程中次數普遍多，效率較低，成本較高，那麼如何減少模型交互次數，提高生成性能是亟待解決的問題；另外，大模型的通用屬性較高，如何進一步與細分場景結合下鑽，提升行業效率是另一個問題；最後是關於智慧財產權和數據安全，如何更全面地實現敏感性和合規性過濾，防止模型中的內容或是生成給到客戶的內容涉及敏感和合規的問題也值得重視。
但我們可以相信的是，大模型 /AIGA 在營銷領域應用的未來發展值得期待。在針對 B 端用戶的應用方面，大模型未來將能夠提供更加細緻入微的客戶洞察、靈活的營銷策略設計體驗以及及時主動的指標響應機制；對於 C 端應用，它也將為客戶帶來高度定製化的客戶體驗、顧問式智能服務模式以及極簡交互方式，從而帶來強大的品牌忠誠度；在技術革新和行業發展方面，它也將讓多模態行業模型的行動成為可能，甚至推動行業標準的重新定義，釋放營銷人員效能，讓專業的人更加專注創造性、創新性的內容生產，實現營銷效率的大幅提升。
作者簡介
李飛博士，數勢科技算法專家。負責數勢科技智能算法的開發，包括內容推薦，文本生成，知識圖譜挖掘等算法技術。英國紐卡斯爾大學博士，在智能算法領域學術與工作經驗豐富。在學術研究方面，擁有 10 項智能算法相關專利並發表 4 篇國際期刊，也曾主導由歐洲瑪麗居里計劃資助的國際項目，在研究期間，共發表了 3 篇期刊文章、1 篇會議文章和 1 篇 Chapter；在工作方面，曾就職於京東零售數據中台，負責人工智慧技術在營銷領域的相關落地，多次獲得優秀員工及集團戰略項目獎。QCon 廣州 2023 演講嘉賓。
活動推薦
以「啟航·AIGC 軟體工程變革」為主題的 QCon 全球軟體開發大會·北京站將於 9 月 3-5 日在北京•富力萬麗酒店舉辦，此次大會策劃了大模型應用落地、面向 AI 的存儲、AIGC 浪潮下的研發效能提升、大前端融合提效、LLMOps、異構算力、微服務架構治理、業務安全技術、構建未來軟體的程式語言、FinOps 等方向。