现代汽车美国公司(Hyundai Motor America)的首席营销官Dean Evans计划推出其新型Kona小型SUV有近一年时间了。为了这次发布的成功,他想了解更多关于目标受众——积极的千禧一代,而不仅仅是以前各种研究方法提供的那些基本知识。所以他转向了由Influential提供的采用人工智能的社交智能工具测试版。
Evans说:“我们主要围绕两个方面与Influential展开合作。首先是利用人工智能的力量来更好地定义受众群体,利用社交媒体和社交内容来帮助实现这一目标。其次,是在市场中寻找真正有影响力的人,帮助我们通过更有机的、更丰富的内容来进行宣传。”
在这个过程中,他和他的团队了解到,活跃的千禧一代并不完全是那些他们经常在其他广告中扮演的、一成不变的冲浪者。“我们在深挖的时候发现,他们是那些喜欢日常活动的城市居民,无论是今天去跳蚤市场,明天去艺术品拍卖会,还是去洛基山露营。这次Kona车发布的广告,以及我们如何与观众交流的方式,都与我们以前所想的有些不同。”
据Influential公司首席执行官Ryan Detert称,现代汽车公司所使用的基于人工智能的工具现在是面向所有市场营销人员使用的。“我们的核心业务一直基于将品牌的心理特征与品牌向受众传递的、受众眼中的品牌形象相匹配。我们通过Big 5理论做到这一点,就像Myers-Briggs一样——品牌的个性由47个属性组成的。我们使用了IBM的一个Watson API——Personality Insights,我们可以收集社交媒体上分享关于品牌内容的信息,并提供关于品牌健康状况和受众心理特征的信息。”
Detert认为,在Influential Social Intelligence发布之后,营销人员可以更明聪明地吸引所有媒体的核心受众,而不仅仅是社交媒体。“我们还使用另一个Watson API——Natural Language Understanding,来分析所有关于品牌的言论,以及那些关注品牌的人,帮助确定新产品进入市场的最佳方式。我可以把赞助费投在哪儿?我的观众更喜欢NFL还是NBA?他们是否更喜欢某些名人来代言?我是否因Conde Nast或Hearst与GQ或其竞争对手的关系而花钱?这些预测性和规定性的特点,帮助我们找出营销人员用来改善他们在电视、广播、赞助、线下活动和数字节目上投入的效果。”
Detert在利用人工智能改善营销效果方面充满激情。“我们生活在一个社交媒体的时代,如果我们能够利用这一点,我们就可以预测未来。”
<来源:福布斯;编译:科技行者>
G
M
T
检测语言 世界语 中文简体 中文繁体 丹麦语 乌克兰语 乌兹别克语 乌尔都语 亚美尼亚语 伊博语 俄语 保加利亚语 僧伽罗语 克罗地亚语 冰岛语 加利西亚语 加泰罗尼亚语 匈牙利语 南非祖鲁语 卡纳达语 印地语 印尼巽他语 印尼爪哇语 印尼语 古吉拉特语 哈萨克语 土耳其语 塔吉克语 塞尔维亚语 塞索托语 威尔士语 孟加拉语 宿务语 尼泊尔语 巴斯克语 布尔语(南非荷兰语) 希伯来语 希腊语 德语 意大利语 意第绪语 拉丁语 拉脱维亚语 挪威语 捷克语 斯洛伐克语 斯洛文尼亚语 斯瓦希里语 旁遮普语 日语 格鲁吉亚语 毛利语 法语 波兰语 波斯尼亚语 波斯语 泰卢固语 泰米尔语 泰语 海地克里奥尔语 爱尔兰语 爱沙尼亚语 瑞典语 白俄罗斯语 立陶宛语 索马里语 约鲁巴语 缅甸语 罗马尼亚语 老挝语 芬兰语 苗语 英语 荷兰语 菲律宾语 葡萄牙语 蒙古语 西班牙语 豪萨语 越南语 阿塞拜疆语 阿尔巴尼亚语 阿拉伯语 韩语 马其顿语 马尔加什语 马拉地语 马拉雅拉姆语 马来语 马耳他语 高棉语 齐切瓦语 | 世界语 中文简体 中文繁体 丹麦语 乌克兰语 乌兹别克语 乌尔都语 亚美尼亚语 伊博语 俄语 保加利亚语 僧伽罗语 克罗地亚语 冰岛语 加利西亚语 加泰罗尼亚语 匈牙利语 南非祖鲁语 卡纳达语 印地语 印尼巽他语 印尼爪哇语 印尼语 古吉拉特语 哈萨克语 土耳其语 塔吉克语 塞尔维亚语 塞索托语 威尔士语 孟加拉语 宿务语 尼泊尔语 巴斯克语 布尔语(南非荷兰语) 希伯来语 希腊语 德语 意大利语 意第绪语 拉丁语 拉脱维亚语 挪威语 捷克语 斯洛伐克语 斯洛文尼亚语 斯瓦希里语 旁遮普语 日语 格鲁吉亚语 毛利语 法语 波兰语 波斯尼亚语 波斯语 泰卢固语 泰米尔语 泰语 海地克里奥尔语 爱尔兰语 爱沙尼亚语 瑞典语 白俄罗斯语 立陶宛语 索马里语 约鲁巴语 缅甸语 罗马尼亚语 老挝语 芬兰语 苗语 英语 荷兰语 菲律宾语 葡萄牙语 蒙古语 西班牙语 豪萨语 越南语 阿塞拜疆语 阿尔巴尼亚语 阿拉伯语 韩语 马其顿语 马尔加什语 马拉地语 马拉雅拉姆语 马来语 马耳他语 高棉语 齐切瓦语 |
文本转语音功能仅限200个字符
选项 : 历史 : 反馈 : Donate | 关闭 |
好文章,需要你的鼓励
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。
浙江大学研究团队通过OmniEAR基准测试揭示了当前AI模型在物理世界推理方面的严重缺陷。测试显示,即使最先进的AI在明确指令下能达到85-96%成功率,但面对需要从物理约束推断行动的任务时,成功率骤降至56-85%。研究发现信息过载反而降低AI协作能力,监督学习虽能改善单体任务但对多智能体协作效果甚微,表明当前架构存在根本局限性。
纽约大学和Aimpoint Digital Labs的研究团队首次揭示了Transformer模型训练中"大规模激活"的完整发展轨迹。这些影响力比普通激活大千倍的"超级激活"遵循可预测的数学规律,研究者开发出五参数公式能以98.4%准确率预测其变化。更重要的是,通过调整模型架构参数如注意力密度、宽深比等,可以在训练前就预测和控制这些关键激活的行为,为设计更高效、量化友好的AI模型提供了全新工具。