7月1日，盛夏伊始，万物竞秀。华为开发者大会2024于6月21日在东莞松山湖盛大开幕。活动期间，以AI为主题的《AI注入品牌营销新动力》闭门会圆满举办。

　　赛诺贝斯集团副总裁，科技制造事业部总经理李喆，应邀参与本次闭门会圆桌讨论，与诸多业界重量级伙伴共同探讨了AI在品牌营销当中的应用现状与挑战，前景与趋势。并向与会者分享了赛诺贝斯对于AI在B2B营销中的价值与作用的思考与实践心得。

　　以下将为您呈现此次演讲的精华内容，让我们一起走进这场思想的盛宴！

　　B2B与B2C营销中AI应用的差异

　　这个话题可以有很多种解读和答案。但如果从AI三要素——华为云混合云总裁在《大模型混合云十大创新技术》发布会上提及的数据、算力、算法——的角度来看，数据是二者最大的差异所在。具体体现在两个方面：

　　一是数据体量，受限于客户数量、成单频率、数字化程度（例如电商业务的比重）等诸多因素，B2B营销中积累的数据相比B2C营销中的海量数据有着相当大的差距。尤其是对单个企业来说，这种差距表现得更为明显。

　　二是数据开放性，B2C营销层面，社会化的因素占据了相当大的比重，有大量开放的数据和内容可以供模型训练之用。而在B2B营销领域，相应的沉淀都存在于企业的私域中，很大业务认知甚至没有数字化的存在。

　　三是数据治理的挑战，在《大模型混合云十大创新技术》发布会上，华为混合云的三位负责人以及两位客户代表，在演讲中都不约而同地提到了数据治理的重要性。如果说算法与算力是发动机，那么数据就是供给发动机的燃料，燃料品质如果得不到保证，发动机的效率自然会差强人意。就目前而言，B2B营销领域的数据在标准化程度，业务链路的覆盖程度，以及反映业务的准确程度方面，相比B2C营销所面临的挑战更大。

　　AIGC之外的B2B营销AI切入点

　　除了AIGC，我们看到的当下诸多B2B企业在考察和考虑AI在营销的应用时，都首选了获客环节。坦率地说，我们认为这一选择并不是从AI的现状实力和价值出发，而是从企业最急迫的诉求出发做出的选择。

　　在经济下行的大环境下，企业普遍生存艰难，获客难成为绝大多数B2B企业最迫切的难题。新技术、新应用的出现，往往都会被赋予解决当前最迫切的难题的重任——寄望其能够点石成金，而不是锦上添花。所以，这两年风头无限的AI自然被给予了打破获客僵局的厚望。

　　令人遗憾地是，虽然在客户画像的形成，目标客户的圈选层面，AI起到了不错的积极作用，但从获客整体效果而言，AI的表现并不理想。

　　B2B营销AI应用的本质

　　对于这一现象，赛诺贝斯与AI技术战略合作伙伴时和云途的魏鑫老师进行过深入的分析和探讨。形成了一些明确的共同认知：

　　大家都知道GPT包含了三个因素，T是Transformer算法，P是Pre-Trained，G是Generative，前两者可以说是对应了前面AI三要素提及的算法与算力，G则是AI的应用目的——内容生成。

　　对于B2B营销而言，T与P这两个技术理念与AI应用的底座并不需要改变，但应用的目的肯定是不同了，内容生成只是表象，获客提升只是冰山一角，她们的核心应该是业务驱动，也就是B——Business。

　　所以，AI在B2B营销中所依赖的，是基于算法的业务预训练模型，其目标是使用预训练模型，通过目标特征的调试、优化、迭代，打造成针对特定行业、企业及业务场景的定制化模型，为前者的业务推进提供驱动力。

　　基于这一认知，对于AI的应用，就不应该拘泥于获客环节，而应该从企业整体的业务流程入手，既要覆盖M2L的增量业务，也要包含L2G的存量业务，二者融合为一个整体去寻找AI的发力点。

　　AI应用的关键：找到场景抓手

　　本地圆桌会议另一位嘉宾，中国品牌建设促进会常务理事姚承纲老师在分享时提到，AI的未来在于AI基建和想象力。其中的想象力，我们可以姑且将其狭义地理解为AI应用的场景。在当下的环境中，我们不应该奢望AI对整体业务体系的赋能与改造，而应该脚踏实地地去寻找当前的业务环节加以改造，或者创造场景对当前的业务流程做出调整。

　　在这一过程中，我们要意识到，BPT方向的努力是可能触及当前业务流程、业务规则的改变，对于可能出现的阻力要有充分的心理准备。举例来讲，通过AI模型进行线索再分配，就需要改变企业现有的线索流转规则和政策，相应的激励、考核也需要随之调整；而AI应用的另一个典型场景——老客激活——老客户的定义本身就是一个颇具争议的话题，而从基于规则的静态定义，演变成基于算法的动态定义，面临的阻力和挑战可想而知。

　　总而言之，对于AI在B2B业务中的应用，战略层面需要从宏观入手，以全局视角、整体地梳理业务体系。战术层面则需要聚焦微观，寻找合适的环节，锁定价值场景，既不小视效率提升类的小改变，也不惧怕流程变革的大变化的艰苦，聚沙成塔，汇流成河，成为推进业务的持续驱动力。