2024 年机构改变游戏规则的见解 [免费电子书]

如果您今天经营一家营销机构，您可能会在一个充满障碍的迷宫中航行，这些障碍比以往任何时候都不同且更加复杂。 当然，您可以前所未有地访问更多的客户数据，数量多到您不知道如何处理。 但您还要兼顾不断变化的算法、破译新的数据隐私法、让客户满意，并为观众创造内容，其注意力持续时间就像金鱼喝浓缩咖啡一样。

承担所有这些责任，同时与似乎每天都在变化的行业趋势保持联系并不适合胆小的人。 要成功做到这一点，需要的不仅仅是创造力或数字眼光。 您的机构的成功需要将两者结合起来，并以及时且永恒的见解为指导。

为了帮助您走出这个迷宫，我们制作了《2024 年机构必备的专家见解》电子书。 它是对 2023 年机构峰会上专家们提出的 10 条见解的提炼。 这些熟练的专业人士找到了走出迷宫的出路，并获得了不可或缺的经验教训，将帮助您的机构继续成功发展和扩大规模。 无论您需要有关利用人工智能这头猛兽的建议，还是需要了解和证明社交媒体投资回报率，请将此视为您在未来的代理世界中不仅生存而且蓬勃发展的指南。

以下是电子书中针对代理商的两个营销技巧。 如需完整版本，请立即下载免费副本。

见解一：人工智能不会抢走你的工作。 但知道如何使用人工智能的人会这么做。

资料来源： Christopher Penn，正如你所知，这就是你的机构的终结

在代理峰会期间，我们采访了 Trustinsights.ai 的联合创始人兼首席数据科学家 Christopher Penn。 Penn 分享了人工智能现在如何使用、未来如何使用以及它对营销机构意味着什么的详细信息。

以下是佩恩分享的主要要点：

文字就在墙上。 人工智能不仅仅是一个流行词，它是企业运营方式的巨大转变。 从自动化日常任务到数据分析和客户参与，人工智能正在成为创新的支柱。

Gartner 预测，到 2025 年，在营销职能中使用人工智能的组织将把 75% 的员工业务从生产转向更具战略性的活动。

对于那些不在技术圈子里的人来说，恐惧是真实存在的：“机器会抢走我的工作吗？”

答案是微妙的。 确实，人工智能将（并且已经）显着改变就业市场。 但是，虽然人工智能将取代某些角色，但它也将创造我们尚无法想象的新角色。

精通人工智能的工人更有可能取代不擅长人工智能的工人的工作。 这里的关键是适应性和灵活性。 营销人员需要提高技能和再培训，才能在就业市场上保持竞争力。

学习人工智能、数据科学的基础知识，甚至如何有效地将人工智能工具集成到你的工作流程中，可以让你变得不可替代。 您绝不需要在一夜之间成为一名成熟的数据科学家。 但了解如何与这些新技术进行协作将使您领先于那些不了解这些新技术的人。

立即注册 Agorapulse 免费试用！

重新培训技能同样重要。 如果您的工作非常容易受到自动化的影响，那么使您的技能多样化可以提供安全网。 例如，营销专业人士现在需要熟悉采用人工智能算法的数据分析工具和客户关系管理软件。

这意味着理解和学习有效的提示工程是不可忽视的。

见解 2：立即学习快速工程，否则就有被抛在后面的风险。

资料来源：Christopher Penn，正如你所知，这就是你的机构的终结

在营销运营中使用 ChatGPT 或 Bard 等人工智能工具将减少摩擦并消除冗余。 它们允许营销人员将预算和资源转移到支持更具活力的营销组织的活动上。

各机构现在应该开始确保员工不仅接受即时工程培训，还接受人工智能其他用例的培训，包括自动化日常任务、通话转录、编写代码等。

如果您想学习即时工程，那么了解基于 LLM（大型语言模型）的 AI 工具的工作原理至关重要。

以下是宾夕法尼亚大学网络研讨会的快速入门：

首先，什么是大语言模型？ 这一切都始于 1957 年约翰·鲁珀特·费斯 (John Rupert Firth) 的一句话，当时他说：“你会通过它所陪伴的人来认识一个单词。” 这是所有大型语言模型工作的基础。

那么这到底是什么意思呢？

像 GPT-4 这样的人工智能语言模型的核心是在大型文本数据集上训练的大规模神经网络。 它们本质上是模式识别器，根据前面的单词，使用统计概率来预测序列中的下一个单词。

训练包括向模型提供大量数据并调整内部参数，以便它学会做出准确的预测。 在此阶段，模型基本上试图最小化其错误率，调整其内部“知识”以便下次做得更好。

经过训练后，模型可以根据给定的提示生成文本。 它利用在训练过程中学到的知识来预测接下来应该出现什么单词，以模仿人类语言的方式有效地“完成”提示。

然而，这些模型没有意识，它们不理解上下文或拥有任何形式的意识。 他们只是非常擅长识别数据模式。 因此，当您设计提示时，您实际上是在以与模型在训练数据中看到的模式相一致的方式构建问题。

GPT-4 和类似模型是概率性的，而不是确定性的。 这意味着他们会给你他们“认为”最有可能的下一个单词或短语。 但引导他们找到你真正认为有用的答案或结果取决于你。

“理解提示工程的关键要点是，您在提示中使用的相关词语越多，提示的效果就越好，结果也越好。” （克里斯托弗·佩恩饰演）

提示对于获得良好的结果至关重要，因为它为模型的输出奠定了基础。 这就像给某人一个即兴创作的主题：你说得越清晰、越具体，答案就越接近你的期望。

如果您在创建提示时遵循一些简单的规则，那么引导语言模型获得有用的结果会更容易：

• 精确。 考虑提示您设置模型运行的边界或参数的方式。 模糊的提示可能会给您带来技术上正确的答案，但并不是您真正想要的答案。 因此，最好是精确并使用特定的语言来制作提示。 您可以问“提高电子商务客户保留率的创新策略是什么？”，而不是问“告诉我有关营销的信息”。
• 语境。 提供足够的背景信息。 模型不知道它不知道什么，所以一些框架会有所帮助。 例如，您需要提供请求的最终目标、目标受众是谁、格式、语气以及是否存在特定字数等限制。
• 限制。 限制问题的范围。 如果您询问“改进电子邮件营销的方法”，您会得到各种各样的答案。 但如果您询问“提高社交媒体营销机构电子邮件营销活动打开率的三种方法”，您可能会得到更有针对性的答复。
• 迭代。 如果第一个答案不完美，请完善您的提示并再次询问。 将其视为一次对话，您可以将模型推向您想要的答案。
• 多重提示。 有时，以不同的方式问同一问题会有所帮助。 这样做可以为您提供更广泛的答案可供选择或突出同一问题的不同观点。
• 直接命令。 您可以指示模型在确定答案之前逐步思考或辩论利弊。 像“给出详细解释”或“总结要点”这样的命令也可以引导输出。例如，如果我得到的答案太基本或太笼统，我会告诉 ChatGPT。 所以我回答道：“这感觉非常普通和基本。 我知道你的写作水平比这高得多。” 然后它通常会回复类似这样的话：“你是对的——谢谢你的推动。” 然后继续提供更多更深入、更复杂的信息。
• 反馈回路。 获取模型提供的内容，对其进行改进，然后将其反馈到模型中。 此过程可以帮助您获得更细致或更复杂的答案。

这绝对不是一门精确的科学，我想说它更像是一种艺术形式——你可以通过练习变得更好。

有时，您从 ChatGPT 得到的回复会让您感到惊讶。 它会提供您甚至没有考虑过的见解或观点，因此值得尝试。

营销技巧信息图

要获得更多见解，请立即下载免费的“机构必备专家见解”副本。