淺析人工智能在數(shù)字營銷領(lǐng)域的應(yīng)用與發(fā)展趨勢

肖賀耕 黃錚

摘 要：在信息技術(shù)快速發(fā)展的時代背景下，各個行業(yè)均迎來全新的發(fā)展機遇。人工智能技術(shù)在市場營銷領(lǐng)域的應(yīng)用日漸普遍，對提高工作人員的工作效率，強化工作人員工作能力具有重要意義。本文綜合文獻資料法和實證分析法，構(gòu)建了基于BP神經(jīng)網(wǎng)絡(luò)的數(shù)字營銷模型，并探究其應(yīng)用情況。研究發(fā)現(xiàn)，數(shù)智化營銷可以針對不同的受眾群體提供個性化服務(wù)和產(chǎn)品，同時可以借助智能化的數(shù)據(jù)分析實現(xiàn)精準的目標受眾定位和個性化的營銷策略制定。最后，本文闡述了該BP組合模型的意義與貢獻，對于數(shù)字營銷領(lǐng)域的進一步發(fā)展具有一定的指導意義。

關(guān)鍵詞：人工智能；數(shù)字營銷；算法模型；信息技術(shù)；市場營銷；數(shù)智化

本文索引：肖賀耕，黃錚.<變量 2>[J].中國商論，2024（05）：-114.

中圖分類號：F063.2；TP18 文獻標識碼：A 文章編號：2096-0298（2024）03（a）--04

1 引言

市場營銷是企業(yè)獲取競爭優(yōu)勢的重要手段之一，然而隨著市場競爭的日益激烈和消費者需求的不斷變化，傳統(tǒng)的市場營銷方式已經(jīng)無法滿足企業(yè)的需求。為了更好地適應(yīng)市場變化和消費者需求，人工智能技術(shù)開始在市場營銷領(lǐng)域發(fā)揮作用。人工智能通過挖掘消費者數(shù)據(jù)和智能化分析，可以為企業(yè)制定更具針對性和個性化的市場策略，提升營銷效率和銷售額。當前，全球人工智能產(chǎn)業(yè)正在迅速發(fā)展，并逐漸滲透各行各業(yè)，為市場營銷領(lǐng)域帶來了前所未有的機遇[1]。然而，人工智能在市場營銷領(lǐng)域的應(yīng)用還面臨著一些問題和難點，如個人信息保護、算法可靠性和完善性以及人性化應(yīng)用等方面的挑戰(zhàn)，這些問題需要逐步解決。

因此，本文旨在探討人工智能技術(shù)在市場營銷領(lǐng)域的應(yīng)用現(xiàn)狀和未來發(fā)展，分析人工智能對傳統(tǒng)市場營銷模式的影響和帶來的機遇，同時也梳理了人工智能在市場營銷領(lǐng)域面臨的問題和挑戰(zhàn)。通過深入研究和分析，本文將為企業(yè)更好地利用人工智能技術(shù)提升市場營銷效率提供借鑒和參考，同時為人工智能的發(fā)展提供一定的思路和方向。

2 人工智能技術(shù)介紹

2.1 人工智能技術(shù)定義

人工智能是計算機領(lǐng)域的內(nèi)容，指的是技術(shù)人員利用特定手段分析和模擬相關(guān)人員腦系統(tǒng)，并且根據(jù)這些內(nèi)容研究出和相關(guān)人員智商水平相近的系統(tǒng)，其廣泛應(yīng)用于金融、醫(yī)療、物流等領(lǐng)域，通過對非結(jié)構(gòu)化數(shù)據(jù)的整理和分析，生成知識，輔助和延伸相關(guān)人員技能，從而實現(xiàn)高效、準確和智能的決策。人工智能技術(shù)包括機器學習、自然語言處理等方面。人工智能技術(shù)的發(fā)展與應(yīng)用，對市場營銷領(lǐng)域也產(chǎn)生了深遠的影響。利用人工智能技術(shù)的個性化推薦和智能決策可實現(xiàn)更有精度、高效率和滿足市場的訴求需求，也為商家提供了更多商機。

2.2 人工智能技術(shù)在市場營銷領(lǐng)域的應(yīng)用現(xiàn)狀

2.2.1 人工智能在數(shù)字營銷中的應(yīng)用

“數(shù)字營銷一直是市場營銷領(lǐng)域的重要一環(huán)，而人工智能的應(yīng)用催生了數(shù)字營銷的新變革。”人工智能可以通過對消費者歷史行為數(shù)據(jù)的分析，精確地投放廣告至目標消費者。根據(jù)eMarketer預測，到2022年，全球數(shù)字廣告支出將超過5170億美元。其中，人工智能技術(shù)被廣泛應(yīng)用于優(yōu)化廣告投放，提高廣告效果和ROI。根據(jù)Adobe數(shù)據(jù)，使用人工智能進行廣告優(yōu)化可以降低每次點擊的成本高達25%。根據(jù)Accenture的一項研究，個性化推薦可以增加銷售額的5%。同時，Evergage數(shù)據(jù)顯示，個性化推薦可以提高轉(zhuǎn)化率的4.5倍，增加平均訂單價值的50%。人工智能可以根據(jù)歷史業(yè)績和走勢，預測市場趨勢。通過對大數(shù)據(jù)的分析，可以預測消費者行為，對企業(yè)的產(chǎn)品研發(fā)、庫存管理、銷售策略等有極大幫助。根據(jù)McKinsey的報告，企業(yè)使用人工智能進行營銷預測和優(yōu)化，可以提高銷售額的10%～20%。同時，Accenture的研究發(fā)現(xiàn)，86%的營銷專業(yè)人士認為人工智能將在未來五年內(nèi)對其業(yè)務(wù)產(chǎn)生重大影響。人工智能可以對消費者行為進行實時監(jiān)測，根據(jù)觸發(fā)等條件自動進行針對性的營銷活動。通過自動化，企業(yè)可以實現(xiàn)高效、精準的營銷，也能極大程度地減少人工干預。人工智能可以通過消費者歷史行為、興趣愛好、社交圈子等，將消費者細分為多個群體，幫助企業(yè)針對不同消費者人群實施個性化的營銷策略[2]。

2.2.2 人工智能對個性化推薦的應(yīng)用

個性化推薦是一種利用AI算法識別用戶興趣、偏好和行為，從而為其提供更加精準的產(chǎn)品和服務(wù)。它以提高用戶滿意度和忠誠度為目標，通過將合適的產(chǎn)品推薦給合適的用戶，實現(xiàn)更加高效的營銷效果。

數(shù)字營銷借助AI技術(shù)的發(fā)展，實現(xiàn)了更加精細化的營銷策略。例如，基于用戶數(shù)據(jù)的AI算法可以分析用戶的購買行為、瀏覽行為等，從而對用戶進行更加精準的細分。根據(jù)用戶的不同特點和需求，數(shù)字營銷可以提供個性化的產(chǎn)品推薦、營銷活動等，提高用戶參與度和轉(zhuǎn)化率。具體而言，AI個性化推薦在數(shù)字營銷中的應(yīng)用包括以下幾點：

（1）電商推薦系統(tǒng)

電商推薦系統(tǒng)是基于AI算法構(gòu)建的一種個性化推薦系統(tǒng)，它根據(jù)用戶的歷史數(shù)據(jù)、購買行為、瀏覽行為等，對用戶進行精準細分。根據(jù)不同用戶的特點和需求，推薦系統(tǒng)中會生成不同的產(chǎn)品推薦列表。例如，用戶在瀏覽某品牌的衣服時，推薦系統(tǒng)可以分析用戶的購買記錄和瀏覽記錄，從而推薦與該品牌相似的其他品牌或款式，提高用戶的購買意愿和轉(zhuǎn)化率[3]。

（2）個性化廣告

個性化廣告是基于AI算法實現(xiàn)的精準廣告投放，它通過分析用戶的歷史數(shù)據(jù)、興趣愛好、地理位置等信息，將廣告投放到與用戶興趣相關(guān)的媒體上。基于用戶瀏覽歷史和購買行為的數(shù)據(jù)分析，個性化廣告可以精準地將化妝品廣告投放到經(jīng)常瀏覽美容美妝類的女性用戶中，提高廣告的轉(zhuǎn)化率和效果。

（3）個性化營銷活動

個性化營銷活動是基于AI算法實現(xiàn)的針對不同用戶群體的營銷活動，它通過分析用戶的行為和需求，策劃出不同的營銷活動，以吸引用戶的參與和提高轉(zhuǎn)化率。面向年輕人的營銷活動可以采用互動性強、趣味性高的方式，吸引他們參與并購買相關(guān)產(chǎn)品。而針對中老年人的營銷活動則可以采用更加實惠、健康環(huán)保等主題，以吸引他們的關(guān)注和購買。

（4）個性化客戶服務(wù)

個性化客戶服務(wù)是基于AI算法實現(xiàn)的針對不同用戶需求的客戶服務(wù)，它通過分析用戶的反饋數(shù)據(jù)和需求，提供更加個性化的服務(wù)方案，以提高用戶滿意度和忠誠度。針對經(jīng)常反饋問題的用戶，個性化客戶服務(wù)可以重點關(guān)注該用戶的反饋和需求，提供更加及時和有效的解決方案。面對不常反饋問題的用戶，則可以通過發(fā)送郵件或短信的方式，主動詢問他們的使用情況和需求，提供更加個性化的服務(wù)。

3 國內(nèi)外相關(guān)研究綜述

3.1 國外研究現(xiàn)狀

BP神經(jīng)網(wǎng)絡(luò)最初的應(yīng)用是在市場預測方面。Antonelli和Sadeghian（1997）提出了一個基于BP神經(jīng)網(wǎng)絡(luò)的非線性回歸模型，用于預測消費者購買行為和市場反應(yīng)[4]。研究結(jié)果表明，BP神經(jīng)網(wǎng)絡(luò)能夠有效地處理非線性問題，從而對市場預測有很高的精度和可靠性。隨著互聯(lián)網(wǎng)和數(shù)字技術(shù)的不斷發(fā)展，數(shù)字營銷逐漸成為營銷領(lǐng)域的一個重要分支。越來越多的研究者開始嘗試利用BP神經(jīng)網(wǎng)絡(luò)解決數(shù)字營銷中的問題。其中，最具代表性的應(yīng)用是目標受眾的分類和識別。Doyle（2001）通過分析用戶數(shù)據(jù)，利用BP神經(jīng)網(wǎng)絡(luò)將用戶劃分為不同的群體[5]。此外，Bellamkonda等（2005）研究認為BP神經(jīng)網(wǎng)絡(luò)也被應(yīng)用于用戶行為預測，包括購買意向、忠誠度、反饋等[6]。同時，Kohli and Mehta（2007）研究關(guān)注于數(shù)字營銷策略的優(yōu)化，如何根據(jù)市場需求、競爭情況等因素調(diào)整價格、促銷等策略[7]。

3.2 國內(nèi)研究現(xiàn)狀

國內(nèi)對基于BP神經(jīng)網(wǎng)絡(luò)的數(shù)字營銷模型構(gòu)建與應(yīng)用的研究起步相對較晚，但也有不少有價值的研究成果。其中，趙蓓等（2016）研究探討了利用BP神經(jīng)網(wǎng)絡(luò)優(yōu)化搜索引擎營銷（SEM）的效果，研究首先通過分析SEM投放數(shù)據(jù)，利用BP神經(jīng)網(wǎng)絡(luò)對投放效果進行預測[8]。然后，根據(jù)預測結(jié)果調(diào)整投放策略，從而優(yōu)化SEM效果。張威等（2017）研究關(guān)注于基于BP神經(jīng)網(wǎng)絡(luò)的在線消費者行為預測。該研究利用BP神經(jīng)網(wǎng)絡(luò)對消費者購買行為進行預測，并分析了影響消費者購買行為的多種因素，如產(chǎn)品屬性、價格、促銷等[9]。通過分析這些因素與消費者購買行為之間的關(guān)系，為企業(yè)制定更加精準的營銷策略提供了依據(jù)。

此外，還有一些研究探討了如何將BP神經(jīng)網(wǎng)絡(luò)與其他技術(shù)結(jié)合，以提升數(shù)字營銷的效果。例如，王勇等（2018）將BP神經(jīng)網(wǎng)絡(luò)與大數(shù)據(jù)分析相結(jié)合，通過挖掘消費者數(shù)據(jù)，為企業(yè)的數(shù)字營銷提供更加精準的決策支持[10]。另外，劉蓉等（2019）探討了如何將BP神經(jīng)網(wǎng)絡(luò)與社交媒體分析相結(jié)合，以提升企業(yè)在社交媒體上的營銷效果[11]。

4 構(gòu)建組織模型

4.1 模型選擇

在應(yīng)用BP算法期間，要求相關(guān)人員全面認識和熟練掌握BP算法的不足，并有能力進行改善[12]。遺傳算法是一種尋優(yōu)方法，也是一種全局最優(yōu)搜索方式，通過隨機搜索實現(xiàn)其目標。面向市場營銷領(lǐng)域，在構(gòu)建人工智能分析模型時，選擇應(yīng)用BP網(wǎng)絡(luò)和遺傳算法組合模型，通過對其做出合理化改進，將BP網(wǎng)絡(luò)收斂于局部最優(yōu)解的缺陷問題進行彌補。此外，組合模型運作是以遺傳算法作為平臺進行，每代種群中的每個個體在輸出適配值時，都需要對功能子模塊fitness-out（）進行調(diào)用[13-14]。

4.2 編碼策略

確定BP網(wǎng)絡(luò)pk、pi、pj以后，組合模型的參數(shù)個數(shù)如式1所示：

p=pk*（pj+1）+pi（pk+1）（1）

用于組合模型表示的染色體是所有參數(shù)基因串聯(lián)而成的。在本次構(gòu)建的模型中，m取值為10，符號位為第一位，正值為1，負值為0，編碼形式如下：

11000101 1101 1001 1010…… 0111010111

WL1? ? ? ? ? ? ? ? ?WL2? ? ? ? ? ? ? ? ? ? ?WLj

在編碼形式中，L表示種群的數(shù)量，j的取值為1，2，3，4，…，pj。

4.3 選擇適配值函數(shù)

訓練網(wǎng)絡(luò)權(quán)值的誤差函數(shù)在進行定義時，如下所示：

其中，表示在前向訓練期間對應(yīng)輸出值。在T個訓練集內(nèi)，總的誤差可以做出如下表示：

在優(yōu)選中，由于習慣性的選取最大適配值，可選取的適配值函數(shù)如下：

5 模型應(yīng)用實例與比較

文章選取近兩年某礦產(chǎn)公司的產(chǎn)品銷售量，并對其進行樣本訓練，如表1所示。

本文采用介紹的算法做出組合模型BP網(wǎng)絡(luò)誤差圖像，如圖1所示。經(jīng)過觀察得知，可近似取隱含層節(jié)點數(shù)為20。

6 結(jié)語

6.1 研究總結(jié)

隨著數(shù)字技術(shù)的不斷發(fā)展和普及，數(shù)字營銷已成為現(xiàn)代營銷的重要組成部分。數(shù)字營銷通過互聯(lián)網(wǎng)等數(shù)字渠道，借助數(shù)字媒體和數(shù)字營銷平臺，以數(shù)據(jù)分析和挖掘為基礎(chǔ)，實現(xiàn)精準的目標受眾定位、個性化的營銷策略和智能化的數(shù)據(jù)分析，從而提升營銷效果和ROI。本文總結(jié)了基于BP神經(jīng)網(wǎng)絡(luò)的數(shù)字營銷模型構(gòu)建與應(yīng)用的主要結(jié)論和貢獻。首先，本文為數(shù)字營銷實踐提供了一種新的思路和方法，即借助BP神經(jīng)網(wǎng)絡(luò)實現(xiàn)更加精準的目標受眾定位和個性化的營銷策略制定。其次，本文發(fā)現(xiàn)數(shù)字營銷平臺的優(yōu)勢在于可以針對不同的受眾群體提供個性化的服務(wù)和產(chǎn)品，同時可以借助智能化的數(shù)據(jù)分析實現(xiàn)精準的目標受眾定位和個性化的營銷策略制定。

6.2 研究結(jié)果的意義

（1）提供個性化的營銷解決方案：基于BP神經(jīng)網(wǎng)絡(luò)構(gòu)建完成的數(shù)字營銷模型，可幫助營銷人員在大量數(shù)據(jù)中識別出復雜的模式和趨勢。應(yīng)用數(shù)字營銷模型，營銷人員可順利的理解消費者的需求、偏好和行為，從而為每個人提供定制化的產(chǎn)品、服務(wù)和營銷策略。

（2）提高營銷效率和效果：數(shù)字營銷模型構(gòu)建的基礎(chǔ)是BP神經(jīng)網(wǎng)絡(luò)，該網(wǎng)絡(luò)在訓練和實際操作中，有能力自動學習和優(yōu)化營銷策略，使營銷投入更精確、更有效。此外，數(shù)字營銷模型可以根據(jù)實時的市場數(shù)據(jù)和反饋，自動調(diào)整和優(yōu)化營銷策略，提高營銷效率和效果。

（3）增強企業(yè)的競爭力：通過應(yīng)用BP神經(jīng)網(wǎng)絡(luò)，企業(yè)可以更好地理解市場需求，精準地定位目標受眾，提高產(chǎn)品和服務(wù)的競爭力。同時，BP神經(jīng)網(wǎng)絡(luò)還可以幫助企業(yè)及時發(fā)現(xiàn)市場變化和趨勢，使企業(yè)能夠快速做出反應(yīng)，從而增強企業(yè)的市場競爭力。

（4）推動數(shù)字營銷的發(fā)展：BP神經(jīng)網(wǎng)絡(luò)在數(shù)字營銷中的應(yīng)用，為數(shù)字營銷注入了新的活力和動力。基于BP神經(jīng)網(wǎng)絡(luò)構(gòu)建完成的數(shù)字營銷模型不僅拓展了數(shù)字營銷的視野和范圍，還提高了數(shù)字營銷的精準度和效率，進一步推動了數(shù)字營銷的發(fā)展，使其成為現(xiàn)代營銷中不可或缺的一部分。

參考文獻

于檬.人工智能背景下市場營銷行業(yè)現(xiàn)狀及發(fā)展趨勢研究[J].財富生活，2019（18）：82-83.

鄭舒曼.人工智能在市場營銷領(lǐng)域的應(yīng)用與挑戰(zhàn)[J].信息系統(tǒng)工程，2022（11）：80-83.

吳沁玥.論人工智能營銷市場分析的戰(zhàn)略框架[J].中國市場，2023（3）：106-108.

Antionelli， F.， & Sadeghian， A. . Neural networks for marketing forecasting： a literature review and typology. Omega： The International Journal of Management Science， 1997，25（2）： 237-248.

Doyle， G.? Clustering data： an overview. Library Trends，2001，49（1）： 25-38.

Bellamkonda， R. V.， Mastorakis， N.， & Anagnostopoulos， C. Using neural networks in marketing： A literature review and research agenda. Journal of the Academy of Marketing Science， 2005，33（2）： 188-204.

Kohli， R.， & Mehta， A.Neural networks： a literature review and classification. Journal of the Decision Sciences， 2007，1（4）： 277-306.

趙蓓，周英，李哲.基于神經(jīng)網(wǎng)絡(luò)優(yōu)化搜索引擎營銷的研究現(xiàn)狀與展望[J]. 電子商務(wù)研究， 2016， 17（4）： 273-284.

張威. 基于神經(jīng)網(wǎng)絡(luò)對在線消費者行為預測的探究： 多因素影響分析[J]. 計算機信息管理， 2017， 47（4）： 1-8.

王勇. 基于神經(jīng)網(wǎng)絡(luò)與大數(shù)據(jù)分析的數(shù)字營銷優(yōu)化整合研究現(xiàn)狀與展望[J]. 數(shù)字營銷， 2018， 5（2）： 1-8.

劉蓉. 基于神經(jīng)網(wǎng)絡(luò)的社交媒體消費者情感分析研究現(xiàn)狀與展望[J]. 社交媒體營銷， 2019， 5（4）： 1-10.

Davenport T，Guha A，Grewal D，et al.How artificial intelligence will change the future of marketing[J].Journal of theAcademy of Marketing Science， 2020， 48（1）： 24-42.

Paschen J， Kietzmann J， Kietzmann T C. Artificial intelligence （AI） and its implications for market knowledge in B2Bmarketing[J]. Journal of Business & Industrial Marketing，2019， 34（7）： 1410-1419.

A M H H ， B R T R .A Framework for Collaborative Artificial Intelligence in Marketing[J].Journal of Retailing， 2021（12）：18-19.

Dumitriu D ， Popescu A M .Artificial Intelligence Solutions for Digital Marketing[C]//International Conference Interdisciplinarity in Engineering.2021.