5月12日消息，“12人、12個月讓電子渠道的GMV提高2.95%” VS “8人、3個月，讓電子渠道GMV提升6.34%”，人力減少1/3，開發周期縮短3/4，營銷效果翻倍，這是亞馬遜云科技加持后，AI驅動營銷帶來的提升效果。

國內人口紅利催生的互聯網流量經濟近幾年已經從增量競爭進入存量競爭。在數字化營銷領域，企業獲得有效流量的成本越來越高，迫使企業正經歷從粗放式向精細化運營能力模式發展、苦練內功的歷程。

Convertlab成立于2015年，創始團隊來自于SAP。作為2021年國內唯一一家入圍《Forrester亞太區最重要的10家全渠道營銷管理廠商》名單的企業，Convertlab在AI驅動企業數字化營銷領域已經頗有建樹，服務400家以上客戶，幫助他們完成營銷領域的數字化轉型。

Convertlab聯合創始人兼CTO李征介紹，中國企業的數字化營銷正面臨著諸多挑戰。一方面，企業獲得流量越來越困難，企業必須要經營好存量客戶，把新來的客戶轉化成消費者，讓消費者產生更長期的生命周期價值。另一方面，企業獲取客戶的渠道越來越分散，如線上電商、私域電商、線下門店、社交媒體等等。一般企業想具備完整的細分客群的經營能力，需要有30-40個主要場景被營銷覆蓋，如果要更精細化滿足全部客戶的各種消費要求，它大概要覆蓋大約100-200種客戶經營場景。在這樣情況下，傳統的方式，通過人或者業務迭代的方式就不足以支撐如此精細的業務挑戰。

“今天在對很多細分客群做營銷時，就必須要擴展企業的數字基礎設施能力，把數據化驅動、AI決策能力都包含進來。”李征強調。

2021年Convertlab開始和亞馬遜云科技合作，雙方在底層的“智能湖倉”架構、機器學習模型優化效率等方面均有廣泛合作。

從“12個業務專家、用12個月時間進行數據洞察進行策略設計，實現電子渠道的GMV提高2.95%”到現在的“8個人用3個月時間，實現電子渠道GMV提升6.34%”，這正是李征披露的雙方合作后為某世界500強零售頭部品牌帶來的效果。

在李征看來，在機器學習中，65%以上的時間是花費在數據本身質量提升和處理上，而不是真正執行機器學習訓練、算法選擇、參數優化、特征分析。為了提高AI決策效率，首先要把數據質量做好，其次AI模型迭代速度要快起來。這些對數據存儲調用計算效率都提出了更高要求。

一場AI驅動的營銷活動，其完成過程包括：把企業數據脫敏導出來做模型，模型生成算法后再把結果導回去，然后根據結果做營銷活動。就之前傳統營銷活動而言，這一整個周期大概要一個月，快也要兩三周。

但是企業營銷環境瞬息萬變，營銷機會可能稍縱即逝。在消費者的互動中，需要更多關心實時發生的行為，在這樣場景下不光需要離線數據集，還需要實時數據存儲和訓練能力。

李征介紹，2021年Convertlab跟亞馬遜云科技共同聯合創新，利用亞馬遜云科技最新的“智能湖倉”架構，實現了對“實時營銷”技術的革新。通過結合Amazon SageMaker豐富的模型管理能力和機器學習工程化能力，Amazon Athena對各個數據源快速聚合數據的能力，以及和“智能湖倉”框架聯動，Convertlab完成了模型迭代、實驗、上線的整個過程。

據悉，通過Convertlab和亞馬遜云科技雙方的聯合創新，和傳統的技術架構相比，通過“智能湖倉”架構，數據流轉的時效性提高了約32%，同時，基于Amazon SageMaker比較豐富的工具集和高效的彈性數據能力，讓機器學習模型迭代能力效率提升30%以上。

基于底層表現卓越的 “智能湖倉”架構，Convertlab在上面構建了數據管理平臺、營銷智能決策平臺，在此之上完成了基于用戶業務場景的抽象，包含消費者畫像、客戶各渠道的行為采集、行為采集所觸發的最佳的推演，跟營銷相關的模型庫的構建，自動化優化和決策。

目前，Convertlab支持一場AI驅動的營銷活動，即從科學家產生模型，到模型上線、模型評估，可以在1-2天內完成的。較之從前的2-3周到一個月的周期，大幅縮短時間，全面提升效率效果。

截止目前，Convertlab支撐客戶營銷領域的決策包括客戶生命周期的旅程，了解客戶生命周期價值量、客戶購買概率預測等等。李征透露：“現在有20多個AI模型被頭部客戶使用，并且實際產生效果。”