监测为王：重构营销智能时代基础设施

1962年6月，一个电闪雷鸣的仲夏夜，默默无闻的文学教授马歇尔·麦克卢汉和往常一样毫无预警地在凌晨一点敲响了挚友彼得·德鲁克的家门。他急于向业已成名的管理学大师分享他的顿悟，以至于全然不顾湿淋淋的身体，不停地谈论自己的理念，直到天亮。

不久后，雨夜的呓语被书写成册，麦克卢汉的旷世神作《理解媒介》出版。这本书让他一夜成名，成为最炙手可热的思想明星。在这本薄薄的小册子里，在互联网诞生的四分之一个世纪以前，麦克卢汉就预测道：

“下一个媒体，不管它是什么——它可以是意识的延伸。……它以一台计算机作为研究和沟通工具，检索能力大为增强，它将使大众图书馆变得过时，挖掘出个人的百科全书式的能力，进入自己的专线，快速将数据裁剪为适于销售的形式。……未来某一天，我们可能都有便携式计算机，像听诊器那么大，它让我们的个人体验网络化，大脑与外部世界直接互联。”

起初，大多数人对这些天书似的言论不知所云。直到20世纪90年代，全球化、信息化、网络化、数字化的加速使人赫然醒悟：原来麦克卢汉是对的！他那60年代读不懂的天书，看上去胡说八道的东西，到了90年代末，都明白如话了。

如今，21世纪已然快过去廿载，对于营销人而言，我们是麦克卢汉预测的信息时代的亲历者。互联网和移动互联网的大潮给营销带来了两个深远的影响：1、越来越多的“联网屏幕”（电脑/手机/平板/手表……）出现在人们的生活中；2、这些“联网屏幕”后面的媒体（自媒体/社交软件/短视频/门户……）越来越碎片化。

也就是说，目标受众（TA）将越来越多的时间消耗在了越来越分散的媒体上。但是，为了达到营销目标，需要在单位时间对目标受众进行足够次数的触达。所以，广告主必须投放更多的媒体才能满足对TA单位时间内触达次数的要求。而且，为了达到理想的广告效果，不同类型的媒体需要更加定制化的内容。

所有这些都需要广告主投入更多的预算在数字营销上。随着媒介越来越深入生活、媒体碎片化不断加速，数字营销的费用会越来越高。所以，广告主有强烈的动机降低数字营销成本。他们寄希望于营销技术（Martech）取得突破性的进步，而当下推动Martech发展的最大引擎是人工智能（AI）。

麦克卢汉的媒介理论驻足于信息时代，已经不能让我们更好地理解AI赋能下正在发生的数字营销变革。沿着麦氏的思路，我们亟需重构营销智能时代的基础设施，避免媒介的营销失控。下文正是对这一问题的探讨。

1.从“媒介即信息”到“监测即数据”

“媒介即信息”是麦克卢汉提出的最令人振聋发聩的一句名言。在他看来，真正有意义的信息并不是媒介所传达给人们的内容，而是不断发展和变革的媒介本身。也就是说，人在理解信息时会受到传播媒介的影响，媒介会嵌入到信息之中，产生共生关系。媒介通过改变我们传播和接收信息的方式，从而改变我们的生活方式。

营销人必须通过媒介才能触达TA，但信息时代的媒介越来越碎片化，TA消耗在媒介上的时间越来越长，这导致每一块“碎片”对TA的触达不管是在次数上还是时间上都被极大地稀释了。为了达到有效的“浓度”，营销人必须投放更多的“碎片”，或者在重要的“碎片”上进行更多的投放，才能令TA被触达的频次与其在全部媒介上被各种“噪音”触达的频次之比值，落在有效的阈值内。这不仅意味着媒介投放费用的上升，也意味着更多的花费以用来创作匹配各类媒介的创意内容。

我们无法阻止媒介在时空和数量上的“泛滥”，却可以通过人工智能技术提高对TA的预判。如果发现媒介背后的人不是我们的TA，就不会进行广告投放，以此为广告主节省大量的预算。营销智能时代，这一任务主要通过AI赋能下的营销云（Marketing Cloud）来完成。下图是当今主流营销云的系统架构，主要分为3个核心阶段：

1、数据管理与分析：对企业的营销和运营活动进行数据化管理，一方面沉淀数据资产，包括营销和运营活动中TA与品牌的各类具体交互数据，如经过脱敏处理的用户行为、用户关系链和潜在KOC关键传播用户等；另一方面打破企业内部数据运营孤岛，通过对接全渠道全触点的数据，经数据治理为企业提供统一视角的TA数据管理。

2、广告营销：基于全局的数据管理与分析，让触达阶段的投放和营销策略有“数”可依，同时通过与各渠道各触点的对接管理，实时收集和打通营销活动数据，反哺系统实现实时分析优化，提升流量的利用效率和营销效果。

3、用户运营：基于统一视角的消费者数据管理，对处于交互、转化和留存阶段的用户提供个性化的、并在多个触点保持统一的体验，对已经获得的流量进行不断深化的用户运营以促进更多转化。在广告营销和用户运营的整个过程中，所有触点和活动的数据都会再次回流到企业私域数据池中，数据反哺系统，实现数据收集、打通、应⽤的以终为始的闭环，并通过反馈实现闭环的螺旋上升持续迭代。

在营销云架构里，“数据资产”是“血液”。其重要性首先来自于海量的数据来源。人工智能技术不是一蹴而就的，首先要有数据。如果没有海量的用户在媒介上留下的海量数据作为输入，人工智能技术就是无源之水，毫无用处。

与海量的数据来源同样重要的是数据的“流动性”。用户在媒介上的所有痕迹以数据的形式需要被实时地收集、打通、应用，然后反哺整个系统，通过人工智能技术的不断分析优化，最终提升流量的利用效率和营销效果。这整个过程是数据不断流动的过程，只有让数据流动起来，让人工智能不断地接收到反馈，才能推动其不断进化，变得越来越“聪明”，输出让人更满意的结果。

如上所述，AI需要海量的数据来源与数据的实时流动，而这两者都离不开广告数据监测的参与。广告数据监测的本质就是帮助大型组织和企业采集数据，通过监管的方式采集数据。因为并没有一个非常简单的方法拿到数据，通常监管是最容易拿回来数据的一种模式。比如，国内的秒针和AdMaster就是通过帮助广告主监测媒体网络投放，监测电子商务、微博、微信、官方网站等等，在这些监测过程中进行数据采集。

而数据的流动就更加依赖监测了。所谓数据流动，其本质是一种行动-反馈机制，而这种反馈必须通过监测才能被人工智能感知。虽然监测的是数据，但对人工智能而言，更重要的是监测本身，或者我们可以说——“监测即数据”。其实，“媒介即信息”与“监测即数据”在营销语境里是对同一事件不同角度的描述。站在受众的角度，“媒介即信息”，因为受众无法不通过媒介而直接被信息触达，所以触达受众的不是信息本身而是媒介和信息的“交织体”；站在被AI赋能的企业的角度，“监测即数据”，企业无法不通过监测而直接获得TA的数据与行动的反馈数据，监测端的能力、经验与技术积累变得尤为重要，所以与其说监测数据，不如将监测行为本身理解为一种被AI赋能的“智慧数据”。

如果“媒介即信息”是信息时代的一语成谶，“监测即数据”就是营销智能时代的化解之道，让有限的预算下提高触达TA的效率成为可能。

2.从“媒介是人的延伸”到“监测是企业的延伸”

以上关于媒介和监测的论述或许还是过于抽象、晦涩。当站在两个时代的交接点，只能通过言说过去的话语来表达未来的意义时，往往会让人觉得是痴人呓语。当下一个时代真正来临之后，人们才会恍然大悟，明白那些话语想要传达的含义。麦克卢汉另一个大名鼎鼎的论述——“媒介是人的延伸”，就是这样一种呓语。

这个观点认为，电子媒介是人中枢神经的延伸，其他媒介则是人体器官的延伸。比如，电视是眼睛和耳朵的延伸，广播是耳朵的延伸，轮子是脚的延伸，房子和衣服是皮肤的延伸，计算机则是人中枢神经的延伸——互联网使人有了千里眼和顺风耳，顷刻之间，我们可以到达千里之外的地方，而世界各地发生的事情，瞬息就可以被远在地球另一端的人知晓。所以，媒介不再是冰冷的外化于人的存在，而是身体、精神的延伸。媒介改变了人的存在方式，重建了人的感觉方式和对待世界的态度。

那么，就像媒介之于个人，企业也不能没有依凭地生存，也需要一种“基础设施”以延伸其“身体”和“精神”。下图是营销智能时代主流的企业AI落地路径：

在这个路径中，要实现一个问题求解，首先要感知问题的当前环境，接着基于感知的结果做认知。感知和行动的中间，需有一个有效的功能强大的认知系统，这个认知系统里会涉及到知识图谱技术、推理技术，也会涉及到人类的经验，更需结合行业里具体应用环境和具体知识，从感知到认知到最终的行动的执行，从而形成一个感知—认知—行动的智能闭环。在这个系统中，有以下三个不可或缺的基础设施：

01.通过感知系统进行数据挖掘治理，数据中台必不可少

数据中台能提供一个强有力的数据支持。在感知系统中，需从海量的多源异构信息源里收集信息进行数据治理，为认知系统和行动系统提供信息的梳理和共享。而涉及海量数据的汇聚、存储、治理、分析和共享的数据中台可以圆满完成这些工作，所以数据中台是这个智能闭环必不可少的步骤。

而且，任何人工智能系统，都要从数据开始，才能形成知识，再应用知识解决当前的问题形成智能闭环。也就是说，要想实现有效的问题求解，都要从数据开始。而数据中台提供了有质量保证的经过精心融合的数据环境，为问题求解提供了很多数据支持，同时也给问题求解质量的提高做了技术保证。

02.通过认知系统进行知识推理分析，人机协同能力必不可少

有一个埃森哲的报告曾经分析，人机协作的这种新兴共生关系正在掀动我们所谓的企业转型的第三次浪潮：从最早的福特的时代，他曾经把整个汽车的生产变成流水线作业，使得汽车生产的成本大大降低；再后来出现了流程自动化；到今天我们通过融合计算机语音及图像识别、自然语言处理、深度学习、知识图谱及智能搜索、决策建模等核心技术，实现了人类智能、人工智能与组织智能的“三位一体”，从而构建了人机协同的智能系统。

人机协同中很重要的一点是AI大脑，即AI的知识服务和智能推理的能力，它可以帮助一次广告投放对所有的广告进行排序，也可以帮助一个商品推荐进行排序，也可以帮助一个餐厅对前线的每一个工作人员进行指令的排序和推送。

为了给营销智能提供场景受众定位、推荐与行为决策的技术与理论支持，人机协同能力的背后需要海量多维数据的支持、人机交互优化、消费者认知与决策过程研究、意图预判与趋势预测；还需要研究基于数据驱动的营销策略优化、基于数据挖掘的营销图片视频识别、基于生理与脑科学数据的情感识别、以及智能自动化创意生成等问题。

03.通过打造企业的行动系统形成人工智能反馈闭环必不可少

广告投放的过程，监测是在感知，后台做分析规划其实是认知，最后投出去就是行动。而行动本身又要被监测感知，行动也要做决策，不管投放的曝光还是点击，投放出去的这个行为还要被收回来，形成一个闭环，可以自我迭代、自我优化。

在这个闭环中，企业变成了一个被内外部员工（人类智能）与人工智能共同赋能的组织，拥有了属于自己的组织智能。不妨让我们动用些许想象力，将这个拥有组织智能的企业想象成像人类一样的智慧生命体。

这个智慧生命体通过监测端与外界交互：感知系统中，企业通过监测来的数据感知用户；认知系统中，人类智能与AI大脑进行推理与分析的素材来自监测得来的数据；行动系统中，企业决策后作出的行动需要通过监测来获得反馈。

监测不再仅仅是一个简单的功能，更成为了一种集成了企业人工智能技术能力的智慧基础设施。企业与TA的交互，变成了作为人的延伸的海量媒介与作为企业之延伸的“智能监测体”之间的交互。

3.从“热监测”到“冷监测”

本文最后我们探讨一个有趣的话题。麦克卢汉有一个关于媒介之“冷热”的有趣观点。在他看来，媒介有冷热之分：

“……有一条基本的原理，热媒介只延伸一种感觉，具有‘高清晰度’。高清晰度是充满数据的状态。从视觉上看，照片具有高清晰度，卡通画却只有‘低清晰度’，因为它提供的信息非常之少。冷媒介提供的信息少，大量信息需要由听话人自己填补。热媒介则并不留下空白让接受者去填补和完成，因此，热媒介要求的参与度低,冷媒介要求的参与度高。”

也就是说，热媒介具有高清晰度，由于数据清晰度高，对数据的理解就很难产生偏差，人的参与度就变得低了，比如看一张高清的照片，很难让人调动更多的感官和主观思维参与到对这张照片的理解中去。而冷媒介则是低清晰度、高参与度，比如让人看一张抽象画，由于画作的诠释空间非常大——数据清晰度是非常低的，人必须要调动其他感官或主观思维参与到对画的理解之中。

借用这个比喻，我们不难发现，从信息时代到营销智能时代，监测正在从一种“热监测”进化为一种“冷监测”。早期，监测作为测量广告主所投放广告的触达数量的第三方服务出现，其核心功能是计数，核心目的是防止广告代理商和媒介作弊。这时的监测方就像一个裁判员，主要任务是判断是否有真实用户被触达了。由于监测对象所传递的信息非常简单，也就是说监测结果的清晰度很高、诠释空间很小，不需要广告主其他形式的任何参与就可以被理解，所以我们可以称之为“热监测”。

而本文所描述的作为营销智能时代基础设施的监测，则更像是一种“冷监测”。冷监测的数据清晰度是极低的，因为监测对象变成了始于异构（Heterogeneous）、自治（Autonomous）的多源海量数据，人们无法直接理解这些大数据背后有待挖掘的隐藏含义。因此，冷监测的目的就变成了寻求探索复杂的（Complex）和演化的（Evolving）数据关联的方法和途径（HACE定理），而这就需要通过各类服务于监测端的人工智能技术的高度参与——比如上文提及的数据中台、知识图谱、智能推理等。

所以，营销智能时代的监测方更像一个教练员，作为企业的延伸而参与感知、认知与行动，并不断从中获取反馈与反哺，进而指导整个系统进行自我调整与优化。这位教练员的“带队能力”就决定了企业面对多源海量数据时的核心竞争力。

监测由“热”到“冷”、从“裁判员”到“教练员”的转变，或许是营销智能时代最容易被忽视、却影响极为深远的一个变化，希望这个行业内的头部玩家都能抓住这一时代机遇，加速企业数字化转型、赋能构建认知型企业。

正如当年的麦克卢汉站在工业时代与信息时代的交接处，当下的我们也站在时代的交接处。如何在营销智能时代获取竞争优势，很大程度上取决于我们是否能够比别人更快、更敏锐、更准确地理解人工智能技术进步带来的哲学层面抽象而深刻的变化。

很多技术进步带来的巨大变化往往起于微澜之间，起初甚至连我们的语言都没有做好描述的准备——比如前几年的雾计算与更早前的云计算。监测是一个过去的词，而如今我们暂时仍不得不用它来描述正在来临的新的时代，哪怕这样会产生不少误会与理解上的困难。

当下，我们沿用过去的词诠释未来，同时尽着最大的努力、用最新的技术重构着新时代的基础设施。未来，时代会成为我们当初“呓语”的最伟大的注脚。