2024 年機構改變遊戲規則的見解 [免費電子書]

如果您今天經營一家行銷機構，您可能會在一個充滿障礙的迷宮中航行，這些障礙比以往任何時候都不同且更加複雜。 當然，您可以前所未有地存取更多的客戶數據，數量多到您不知道如何處理。 但您也要兼顧不斷變化的演算法、破解新的資料隱私法、讓客戶滿意，並為觀眾創造內容，其註意力持續時間就像金魚喝濃縮咖啡一樣。

承擔所有這些責任，同時與似乎每天都在變化的行業趨勢保持聯繫並不適合膽小的人。 要成功做到這一點，需要的不僅僅是創造力或數位眼光。 您的機構的成功需要將兩者結合起來，並以及時且永恆的見解為指導。

為了幫助您走出這個迷宮，我們製作了《2024 年機構必備的專家見解》電子書。 它是對 2023 年機構高峰會上專家提出的 10 項見解的提煉。 這些熟練的專業人士找到了走出迷宮的出路，並獲得了不可或缺的經驗教訓，將幫助您的機構繼續成功發展和擴大規模。 無論您需要有關利用人工智慧這頭猛獸的建議，還是需要了解和證明社交媒體投資回報率，請將此視為您在未來的代理世界中不僅生存而且蓬勃發展的指南。

以下是電子書中針對代理商的兩個行銷技巧。 如需完整版本，請立即下載免費副本。

見解一：人工智慧不會搶走你的工作。 但知道如何使用人工智慧的人會這麼做。

資料來源： Christopher Penn，如你所知，這就是你的機構的終結

在代理高峰會期間，我們採訪了 Trustinsights.ai 的共同創辦人兼首席資料科學家 Christopher Penn。 Penn 分享了人工智慧現在如何使用、未來如何使用以及它對行銷機構意味著什麼的詳細資訊。

以下是佩恩分享的主要要點：

文字就在牆上。 人工智慧不僅僅是一個流行詞，它是企業運作方式的巨大轉變。 從自動化日常任務到數據分析和客戶參與，人工智慧正成為創新的支柱。

Gartner 預測，到 2025 年，在行銷職能中使用人工智慧的組織將把 75% 的員工業務從生產轉向更具策略性的活動。

對於那些不在技術圈的人來說，恐懼是真實存在的：“機器會搶走我的工作嗎？”

答案是微妙的。 確實，人工智慧將（並且已經）顯著改變就業市場。 但是，雖然人工智慧將取代某些角色，但它也將創造我們尚無法想像的新角色。

精通人工智慧的工人更有可能取代不擅長人工智慧的工人的工作。 這裡的關鍵是適應性和靈活性。 行銷人員需要提陞技能和再培訓，才能在就業市場上保持競爭力。

學習人工智慧、資料科學的基礎知識，甚至如何有效地將人工智慧工具整合到你的工作流程中，可以讓你變得不可取代。 您絕不需要在一夜之間成為一名成熟的資料科學家。 但了解如何與這些新技術進行協作將使您領先於那些不了解這些新技術的人。

立即註冊 Agorapulse 免費試用！

重新訓練技能同樣重要。 如果您的工作非常容易受到自動化的影響，那麼讓您的技能多樣化可以提供安全網。 例如，行銷專業人士現在需要熟悉採用人工智慧演算法的數據分析工具和客戶關係管理軟體。

這意味著理解和學習有效的提示工程是不可忽視的。

見解 2：立即學習快速工程，否則就有被拋在後面的風險。

資料來源：Christopher Penn，如你所知，這就是你的機構的終結

在行銷營運中使用 ChatGPT 或 Bard 等人工智慧工具將減少摩擦並消除冗餘。 它們允許行銷人員將預算和資源轉移到支持更具活力的行銷組織的活動上。

各機構現在應該開始確保員工不僅接受即時工程培訓，還接受人工智慧其他用例的培訓，包括自動化日常任務、通話轉錄、編寫程式碼等。

如果您想學習即時工程，那麼了解基於 LLM（大型語言模型）的 AI 工具的工作原理至關重要。

以下是賓州大學網路研討會的快速入門：

首先，什麼是大語言模型？ 這一切都始於 1957 年約翰·魯珀特·費斯 (John Rupert Firth) 的一句話，當時他說：“你會通過它所陪伴的人來認識一個單詞。” 這是所有大型語言模型工作的基礎。

那麼這到底是什麼意思呢？

像 GPT-4 這樣的人工智慧語言模型的核心是在大型文字資料集上訓練的大規模神經網路。 它們本質上是模式識別器，根據前面的單詞，使用統計機率來預測序列中的下一個單字。

訓練包括向模型提供大量數據並調整內部參數，以便它學會做出準確的預測。 在此階段，模型基本上試圖最小化其錯誤率，調整其內部「知識」以便下次做得更好。

經過訓練後，模型可以根據給定的提示生成文字。 它利用在訓練過程中學到的知識來預測接下來應該出現什麼單字，以模仿人類語言的方式有效地「完成」提示。

然而，這些模型沒有意識，它們不理解上下文或擁有任何形式的意識。 他們只是非常擅長識別數據模式。 因此，當您設計提示時，您實際上是在以與模型在訓練資料中看到的模式一致的方式建立問題。

GPT-4 和類似模型是機率性的，而不是確定性的。 這意味著他們會給你他們「認為」最有可能的下一個單字或短語。 但引導他們找到你真正認為有用的答案或結果取決於你。

“理解提示工程的關鍵要點是，您在提示中使用的相關詞語越多，提示的效果就越好，結果也越好。” （克里斯多福潘飾）

提示對於獲得良好的結果至關重要，因為它為模型的輸出奠定了基礎。 這就像給某人一個即興創作的主題：你說得越清晰、越具體，答案就越接近你的期望。

如果您在建立提示時遵循一些簡單的規則，那麼引導語言模型獲得有用的結果會更容易：

• 精確。 考慮提示您設定模型運行的邊界或參數的方式。 模糊的提示可能會為您帶來技術上正確的答案，但並不是您真正想要的答案。 因此，最好是精確並使用特定的語言來製作提示。 您可以問“提高電子商務客戶保留率的創新策略是什麼？”，而不是問“告訴我有關行銷的資訊”。
• 情境. 提供足夠的背景資訊。 模型不知道它不知道什麼，所以一些框架會有所幫助。 例如，您需要提供請求的最終目標、目標受眾是誰、格式、語氣以及是否存在特定字數等限制。
• 限制。 限制問題的範圍。 如果您詢問“改進電子郵件行銷的方法”，您會得到各種各樣的答案。 但如果您詢問“提高社交媒體行銷機構電子郵件行銷活動開啟率的三種方法”，您可能會得到更有針對性的答案。
• 迭代。 如果第一個答案不完美，請完善您的提示並再次詢問。 將其視為對話，您可以將模型推向您想要的答案。
• 多重提示。 有時，以不同的方式問相同問題會有所幫助。 這樣做可以為您提供更廣泛的答案可供選擇或突出同一問題的不同觀點。
• 直接命令。 您可以指示模型在確定答案之前逐步思考或辯論利弊。 像「給出詳細解釋」或「總結要點」這樣的命令也可以引導輸出。例如，如果我得到的答案太基本或太籠統，我會告訴 ChatGPT。 所以我回答：「這感覺非常普通和基本。 我知道你的寫作水平比這高得多。” 然後它通常會回覆類似這樣的話：“你是對的——謝謝你的推動。” 然後繼續提供更多更深入、更複雜的資訊。
• 反饋迴路。 取得模型提供的內容，對其進行改進，然後將其回饋到模型中。 此過程可以幫助您獲得更細緻或更複雜的答案。

這絕對不是一門精確的科學，我想說它更像是一種藝術形式——你可以透過練習變得更好。

有時，您從 ChatGPT 得到的回應會讓您感到驚訝。 它會提供您甚至沒有考慮過的見解或觀點，因此值得嘗試。

行銷技巧資訊圖

要獲得更多見解，請立即下載免費的「機構必備專家見解」副本。