最近的一项调查显示，全球的首席营销官（CMO）对于通用人工智能（GenAI）未来提高生产力和创造竞争优势的能力持乐观和自信的态度。70%的人已经在使用通用人工智能，19%的人正在测试中。他们正在探索的主要领域包括个性化（67%）、内容创造（49%）和市场细分（41%）。

然而，对于许多消费品牌来说，期望与现实之间的差距很大。想要创造无缝、神奇的客户体验的营销人员必须认识到，人工智能的有效性取决于高质量的底层数据。没有这些数据，人工智能的表现就会大打折扣，让营销人员面临着不那么神奇的现实。

失败的人工智能驱动营销
让我们更深入地看看数据质量差的人工智能驱动营销可能是什么样子。假设我是一家综合体育用品和户外商店的顾客，我正在为即将到来的年度滑雪旅行做准备。我很兴奋地使用个性购物助手人工智能，希望它能为我提供一种简单且定制化的体验。

我需要在我的滑雪衣橱中填补一些空缺，所以我请个性购物助手人工智能推荐一些购买项目。但是，人工智能根据的是关于我的数据，这些数据散布在品牌的多个系统中。没有清晰的了解我是谁，它让我提供一些它应该已经知道的基本信息。稍微有点烦人……我习惯于在网上购物时输入我的信息，但我希望人工智能升级的体验能让事情变得更容易。

因为我的数据非常分散，人工智能礼宾只有两年前与我的名字相关联的订单，那实际上是一份礼物。没有完整的了解我，这个个性购物助手人工智能无法生成准确的见解，并最终分享了一些无帮助的推荐。

最终，这种次优体验让我对从这个品牌购买的兴趣减少了，我决定去其他地方购买。

数据质量差导致的断裂和非个性化的生成式人工智能体验是罪魁祸首——数据质量差 = 客户体验差。

成功的人工智能驱动营销
现在，让我们重新审视这个户外体育零售商的情景，但想象一下个性购物助手人工智能是由准确、统一的数据驱动的，这些数据完整地记录了我与品牌的首次购买到最后退货的所有互动。

我输入我的第一个问题，立即得到了一个超个性化和友好的回应，开始创造与一位有帮助的销售助理一对一连接的体验。它自动引用我的购物历史，并将我的过去购买与我当前的购物需求联系起来。

根据我的提示和回应，礼宾提供了一套量身定制的推荐来填补我的滑雪衣橱，连同直接购买链接。然后，人工智能能够生成关于我作为顾客的复杂见解，甚至可以根据我的过去购买预测我可能想要购买的产品类型，提高我购买的可能性，并可能扩大我的购物篮，购买额外的物品。

在这次体验中，我实际上能够使用礼宾下单，而不必去别处导航。我也知道我的退货或任何未来的购买将被纳入我的个人资料。

因为它知道我的历史和偏好，生成式人工智能能够为我创造一种超个性化和方便的购买体验。这是一个我将继续回购未来产品的品牌。

换句话说，当谈到营销中的人工智能时，更好的数据 = 更好的结果。

那么，你该如何实际解决数据质量挑战呢？在这个新的人工智能世界中，那又会是什么样子呢？

解决数据质量问题
实现有效人工智能策略的关键第一要素是统一的客户数据基础。困难的部分在于，由于其规模和复杂性，准确统一客户数据是很困难的——大多数消费者至少有两个电子邮件地址，一生中搬家超过十一次，平均使用五个渠道（如果是千禧一代或Z世代，实际上是十二个渠道）。

许多统一客户数据的熟悉方法是基于规则的，使用确定性/模糊匹配，但这些方法是僵硬的，当数据不完美匹配时就会崩溃。这反过来会创建一个不准确的客户档案

，实际上可能错过了客户与品牌一生中的大部分历史，也不能考虑到最近的购买或联系信息的变化。

构建统一数据基础的更好方法实际上涉及使用人工智能模型（与营销中的生成式人工智能不同的人工智能风味）来找到数据点之间的联系，以判断它们是否属于同一个人，具有相同的细微差别和灵活性，但规模庞大。

当您的客户数据工具可以使用人工智能统一客户旅程中的每一个接触点，从第一次互动到最后一次购买以及更多（忠诚度、电子邮件、网站数据等），结果是一个全面的客户档案，告诉您您的客户是谁以及他们如何与您的品牌互动。

生成式人工智能中的数据质量如何驱动增长
大多数情况下，营销人员可以访问同一套生成式人工智能工具，因此，您输入的燃料将成为您的区别因素。

数据质量为人工智能提供动力在三个领域提供好处：

突出的客户体验——更个性化、更有创意的优惠、更好的客户服务互动、更顺畅的端到端体验等。
为您的团队带来的运营效率提升——更快的上市时间、更少的手动干预、营销活动的更好投资回报率等。
减少计算成本——更了解情况的人工智能不需要与用户反复交流，这可以节省积累起来很快变得昂贵的API调用费用
随着营销中的生成式人工智能工具继续发展，它们承诺恢复到客户在他们最喜欢的商店中期望的一对一个性化水平，但现在是在大规模上。但这不会自发发生——品牌需要向人工智能工具提供准确的客户数据，以实现人工智能的魔法。

营销中人工智能的注意事项
人工智能是许多行业的有益助手，尤其是营销——只要适当利用。这里有一个快速的“备忘单”，帮助营销人员在他们的通用人工智能旅程中：

做：

明确指出您计划使用数据和人工智能的具体用例，并指定预期结果。您期望达到什么结果？
仔细评估Gen AI是否是您特定用例的最合适工具。
优先考虑数据质量和全面性——建立统一的客户数据基础对于有效的人工智能策略至关重要。
不要：

急于在所有领域实施通用人工智能。从一个可管理的、需要人工参与的用例开始，比如生成主题行。