3年之后的2023年，数字营销又有什么黑科技呢？尤其是ChatGPT之类的AIGC之外的黑科技，又有什么呢？

1 AIGC

AIGC不用多说了，之前介绍过它在数字营销领域里的应用。

但是，未来远不只是我讲的这一点。比如，只要你的显卡足够好，AI可以把一张照片在极短的时间内3D化，然后，再动态化。Adobe也向我们展示了它利用文字进行图片处理和创作的新能力。

对AIGC来说，现在只能算刚刚冒芽，未来它在数字营销应用上的空间，不说无限大，至少也是巨大的。

2 低代码或无代码

但今天在数字营销上的应用扩展了太多。想象一下，市场营销的负责人，通过鼠标拖拽，就轻松做出一个包含各种复杂互动的页面，而且这个页面还可以立即被推送到包括小程序、网站、公众号、app等各种平台上。

如果再与AIGC结合起来，一个非技术专业的营销人不依赖于IT不依赖前端不依赖设计搞定一次完全“独立自主”的数字营销活动，真的不是梦。

所以，所谓低代码或者无代码，在数字营销上的应用，主要指只依靠少量代码甚至不依靠代码就能实现的与消费者的数字化互动体验。

今天，低代码或无代码的解决方案已经有不少的产品亮相，为数字营销进一步“个人特种兵”化进一步铺平了道路。

当然，对企业而言，也是极大的效率提升和成本的节约。

3 RPA

RPA今天在数字营销上的应用已经相当常见了。

RPA的全称为机器人流程自动化(Robotic Process Automation)，主利用软件来执行业务流程的一组技术，按照人类的执行规则和操作过程来执行同样的流程，被人亲切的称为“数字员工”。

• Robot：指它能模仿人类在软件上的行为动作：如点击、打开应用、输入、页面下拉等

• Process：指模仿的行为是一系列的有先后顺序的具体步骤

• Automation：指在设置步骤后可以在无人工干扰的情况下，自动化完成设置的步骤任务

图片来自亿欧智库

一些枯燥重复的数字营销工作，全部都可以让RPA完成。

你说，RPA不就是以前的鼠标自动点击脚本工具吗？不，并不一样，RPA更智能化，能做的事情也更加复杂，并且能够在多界面中穿梭工作。

今天，RPA广泛应用在电商场景和数字营销中。例如，自动巡店、物流拦截、价格监控、内容发布、数据抓取、批量获客等等领域，以及这些领域组合起来进行应用。

RPA是数字营销“个人特种兵”武器库中的另外一件“大杀器”。这篇文章后面，将再有一篇文章专门介绍RPA，大家关注我的公众号记得星标，以免错过后面的文章。

将如此多的“权力”（AIGC、低代码或无代码、RPA）交到个人的手中，将极大增加数字组织的生产力。

隐私计算对今天的数字营销至关重要。

在个人信息保护法和媒体平台围墙花园的双重压力下，广告主基于自有数据的应用无法离开隐私计算，尤其是纵向联邦学习。

5 深度投放

深度广告投放，是指广告的自动优化能力向更深度发展的新的广告类型。

例如，字节千川、阿里万相台，以及近期推出的腾讯的商品广告。这些广告都是以商品转化为优化目标的广告投放方式，而且优化也是自动自主完成的。

除了中国，国外也同样有这样的投放方式，例如Facebook上的DPA广告。

除了以商品为目标，今天的广告优化还有更多样化的优化能力。例如谷歌的为app推广提供的广告产品，可以不仅仅以app的下载为目标，还可以以app的留存率、活跃率等其他核心业务指标为投放目标。

深度投放，是一种指哪儿打哪儿的投放方式，背后当然也是机器学习和人工智能的驱动。但它确实进一步降低了投放的门槛，也降低了广告主“钱包的深度”。

6 一体化营销系统

曾经的中台，正让位于一体化营销系统。或者说，一体化营销系统，自己正在慢慢变成一个中台。

有朋友曾经问我，宋老师，我们在选择MarTech系统工具的时候，是选择各类工具最好的厂家的产品，拼合在一起，还是选择一家的产品给一个整合的解决方案呢？

All-in-one（一家提供整合方案）还是Best-in-breed（选择每类最优产品），确实是一个问题。我的答案是，随着一体化营销系统越来越成熟，all-in-one可能是更好的选择。Best-in-breed对于系统整合协同的要求太高了，坑太多了！

一体化营销系统正在被AI整合起来，从而能够发挥更大家价值。例如，我们都知道CDP是无法单独发挥价值的，但CDP与MA和DAM甚至PIM的整合就很有必要。但是这种整合，如果只是API级别的打通，使用者仍然要花费大量的时间操作这些系统，而一体化软件，则是在智能化的帮助下，在一个界面下调度不同的数字营销系统。

这是下一代MarTech工具的正确打开方式。

个人信息保护法所导致的后果，是无论你用什么ID追踪受众，都需要获得每个受众个体的授权。

因此，完全不使用ID，而采用别的方式追踪匿名化的受众以投放广告，是一个很令人期待的方法。

这个方法可行吗？

行业中通常有两个方法解决这个问题。

第一个方法，多特征混合方法（blending features），类似于过去的Canvas Fingerprints的方法，不过比后者先进的地方在于，在特征中混入了很多随机变量，以尽量去标识化。这种方法，我个人认为，在法律上仍然属于个人信息，只不过即使泄露，产生的后果也很微小。

据说新的Google Analytics 4，也在废弃cookie之后，采用的这种ID方法 。

第二种方法，就是利用一次性的ID。用过即废。类似于苹果的SKAdnetwork的解决方案。

第三种方法，则是我下面马上讲到的新上线文定向广告。

8 全面革新的上下文广告

本来，在RTB等程序化广告发展到今天这么成熟的时代，已经没有上下文广告什么事儿了，但是个人信息保护法让很多靠ID定向的广告变得艰难。

这给了上下文定向的广告机会。

不过，今天的上下文定向广告已经完全不是过去的那种简单的“关键词”触发的定向广告，而是加入了对于内容的真正理解。

Next-Gen Audiences，这是一种人工智能工具，可以从用户设备捕获数据信号，根据这些因素将营销人员与相关受众无缝连接起来。这个由Verizon提出的方法，据称功能超越了营销人员经常用来向相关网站内容投放广告的传统上下文定位：使用在出价请求中收到的内容和其他实时信号来高度准确地推断受众，并通过有意义的广告体验吸引他们。

甚至，也有广告从业者将大型语料库用在识别包括URL及各种文字、图形、图像、视频的识别上，从而精确判定内容，从而帮助实现更符合受众兴趣的定向广告。

AR在广告上的发展，一直受制于设备本身。

人们对于AR和VR的新奇与兴趣，在沉重的头戴设备的打击下，很快就消失殆尽。

AR这几年一直不温不火，设备没有根本性进化是一个主要原因。

不过，AR在广告上的发展并没有停步，尤其是在现实世界中，AR和全息广告的结合，是一个很好的让消费者拥有更新奇体验的方向。

10 数字孪生@数字营销

第一个方向，是我们可以为营销目的制作客户的数字双胞胎。客户的数字双胞胎是客户的虚拟代表或数字化身。它可用于了解潜在的客户行为并模拟或预测客户结果。客户通常是个人，但也可以是角色、一群人，甚至是机器。

第二个方向，产品或者营销策略的数字孪生。在你真的上市这些产品，或者执行这些策略之前，就能够进行真实消费者的测试。

第三个方向，可能有点邪恶，但也不是不可能，即数字孪生你的数字营销团队。毕竟有AIGC，有RPA，有低代码或无代码，这个团队的大部分工作都可以让机器代替。不过，人显然不可能被完全替代，但数字孪生数字营销团队的价值绝对是巨大的。

好了，先写到这里。大家如果有任何想讨论的，欢迎留言。