人工智能在营销领域中的典型应用
作者：杨晨
原发刊：《华南理工大学学报：社会科学版》 2025-5
复印期刊：《市场营销文摘》 2026-01
随着人工智能技术的迅猛发展，其在营销领域中的应用不断扩展，并引发了广泛关注。为了厘清人工智能在营销情境中的研究基础，我们首先探讨人工智能的基本概念，并梳理其在营销中的典型应用场景。 一、人工智能的定义 目前学术界对人工智能的概念尚未形成共识，不同领域的学者给出了众多解释。在计算机科学领域中，Minsky提出人工智能是让机器完成那些本需要人的智能才能做到的事情的一门科学；Kaplan等认为商业领域中的人工智能是能够准确地收集、解读外部数据，并通过灵活地适应和学习来实现特定目标和任务的一种系统性的能力；Shankar从零售业的视角出发，认为人工智能是指那些能够展示出智能的程序、算法、系统和机器；Xu等基于客户服务的视角，提出人工智能是一个能够利用外部数据来对实时服务场景进行智能化评估，以便为客户的咨询或客户遇到的问题提供个性化的建议和解决方案的技术支持的系统；此外，还有学者基于服务和销售的视角，认为人工智能指的是那些能够模仿、表现出人类智能的机器。虽然不同学者对人工智能的具体理解不同，但通过分析可以总结出人工智能的两个特性：能够通过连续和重复的数据处理进行自我学习，以及具备自主、灵活、及时适应各种情况的能力。因此，参考Xu等对人工智能的界定，以及对已有文献的梳理，我们认为人工智能指的是利用算法、机器学习等计算机技术来模拟人类智能，从而为人类解决问题，创造价值的程序、系统和机器。 二、人工智能的分类 研究人员对于人工智能有着不同的分类标准。Shankar按照分析数据的类型，将人工智能划分为数字分析类人工智能，文本分析类人工智能，语音分析类人工智能和图像/视频分析类人工智能。Huang等以能力为标准区分了四种不同的人工智能，即机械型人工智能，分析型人工智能，直觉型人工智能以及共情型人工智能。机械型人工智能涉及自动执行常规重复任务的能力。对于人类而言，机械过程并不需要太多的创造力，因为这些过程已经被执行了许多次，所以只需很少的思考就可以完成。对于人工智能而言亦是如此，机械型人工智能仅具备有限的学习和适应能力，它们完成的基本都是非技术性任务。机器人、智能搜索引擎就是典型的应用。与人类相比，机械人工智能可以在任务完成过程中表现出高度一致性和标准化，以非常可靠的方式来响应环境，并且不会像人类一样产生疲劳。分析型人工智能具备处理信息以解决问题并从中学习的能力。人类通常需要经过认知思维的训练、专业知识的学习才能获得这些技能，而分析型人工智能则能够利用算法从数据中迭代学习以找到有价值的信息。机器学习和数据分析就是分析型人工智能的主要应用。基于大数据，这种人工智能能将服务机器人等独立机器进一步推向产生集体智慧的联网机器，它们同时也被认为是人工智能迄今为止带来的最深刻、最广泛的变化。直觉型人工智能具备创造性思维、洞察力和理解能力，能够有效适应新环境。其中，理解能力也被视作直觉型人工智能区别于分析型人工智能的关键特征。目前，直觉型人工智能也有着越来越广泛的应用，在服务领域，那些复杂、有创造性的、依靠经验的职业，如市场营销经理、销售经理、管理顾问、律师、医生等都能在直觉型人工智能的辅助下更好地完成工作任务。共情型人工智能是指一种有感觉或者是能够表现出自己有感觉的机器，具备识别和理解情绪、对情绪作出适当反应并影响他人情绪的能力。区别于前三种人工智能，这类人工智能最大的特征就是“体验”（experience），即具备“切身体验”事物的能力。共情型人工智能是最先进的一代人工智能，但目前仍处于起步阶段，在服务领域的应用还较少，主要是一些能够为用户提供心理安慰的聊天机器人、可进行情绪分析以提高客户体验和参与度的智能应用软件。Huang等后来又将这四种人工智能简化为机械型人工智能，思考型人工智能和感觉型人工智能。其中，思考型人工智能可以看作是分析型人工智能和直觉型人工智能的结合，它指的是具备理性（或有限理性）分析和决策能力的人工智能，能够自主地从数据中系统地学习和适应，如自动驾驶汽车。而感觉型人工智能则与前面提到的共情型人工智能本质上一致，是指能够识别、模仿人类情绪并对其作出适当反应的一种人工智能，它们通过理解和经验来进行学习和适应。 三、人工智能与其他相关概念的关系 要理解人工智能，特别是营销领域中的人工智能，就不可避免地要厘清它与算法（algorithm）、机器学习（machine learning）、自动化（automation）和拟人化（anrhropomorphism）等概念的关系。它们的含义相近或相关，往往使初涉这一领域的研究者感到困惑。因此，厘清人工智能与这些概念之间的联系与区别，有助于相关学者在阅读文献和进行后续研究时更加精准地把握人工智能的概念内涵以及理解营销领域中人工智能对消费者的影响。 1.人工智能与算法 随着科技的发展，算法（algorithm）已经逐步深入我们生活的方方面面，如在线搜索引擎中对于用户搜索内容的排序算法、公共场所中对于大规模人群的特征识别算法以及商业银行中对于贷款申请者的还款风险评估算法等。虽然算法这一概念在现实生活中早已耳熟能详，但学界对其具体定义并没有形成高度共识。整体而言，在计算机科学领域中，算法是指对于一个问题的解决方案的准确而完整的描述，是一系列解决问题的清晰指令，它同时代表着用系统的方法描述解决问题的策略机制。从广义上而言，可以简单将其理解成为了解决一个问题而采取的方法和步骤。人工智能的发展离不开算法，算法就像是人工智能的灵魂，它的优劣直接决定了人工智能水平的高低。 2.人工智能与机器学习 机器学习（machine learning）指的是计算机根据所获取的数据来调整自身行为的能力。机器学习需要有一个特定的目标以及一套定义失败或成功的规则，这样才能使计算机根据经验来不断调整决策。这个过程需要大量的数据用以训练。经过适当的训练后，人工智能便能够利用新出现的相似数据作出准确的决策，并在必要时调整自身行为。机器学习是一种算法系统，是目前人工智能研究中最重要的一个分支，是实现人工智能的一种方法，其被应用于各个领域，特别是在当前的大数据环境下，机器学习在营销领域中所发挥的作用也越来越强大。例如，它能够帮助品牌评估客户忠诚度并提高客户满意度；也可以帮助用户预测在线评论的有用性，以增强客户的在线购物体验，甚至还能改善客户生命周期价值预测体系等。 3.人工智能与自动化 自动化（automation）指的是计算机遵循预先编程好的规则，以代替人类执行那些单调、重复性的任务。借助于控制技术、传感器技术和网络通信等技术，人工智能也可以制定自动化过程所遵循的规则，并根据经验和反馈进行及时的学习和调整，以实现任务自动化，如盒马鲜生的炒菜机器人和送餐机器人、京东的库存管理系统等。在现实中，可以将人工智能看作自动化的一个分支，将其理解为能实现自动化却并非简单、重复的自动化的一种技术。自动化和人工智能都能在一定程度上解放人类劳动力，这两个术语常常被互换使用，二者之间互有交叉却也不尽相同。具体而言，由于自动化严格地遵循预先设置好的编程规则，因此其产生的行为及其结果都具备确定性；而人工智能则是根据获取的数据进行自主学习和适应，其作出的决策大多是未知的。此外，人工智能涉及学习、判断和决策，而自动化并不包括任何学习过程。 4.人工智能与拟人化 将人类的特征赋予非人类实体的行为称为拟人化（anthropomorphism）。从理论上而言，人工智能是用以模仿人类智能的技术，它在某种程度上可以看作是一种拟人化技术。但实际上，并非所有的人工智能都能被用户感知到拟人化。在不同的领域和应用场景，消费者对于人工智能的感知拟人化（perceived anthropomorphism）程度更是不尽相同。例如，有研究表明：对以实体形式展现出来的人工智能（如服务机器人等）进行拟人化时，其形态、面部表情、眼神、肢体动作等应当成为重要的拟人化线索；而对非实物形式的人工智能（如聊天机器人、车载智能系统等）进行拟人化时，名字、个性、声音等线索将能促进消费者对于人工智能的拟人化感知。 拟人化可以唤起人类图式（human schema），这会导致个人对待拟人化的非人类实体的方式与他们对待人类的方式类似。在服务领域中，有诸多研究表明，由于一些服务机器人能够与人类进行沟通互动，有时甚至还能表现出像人类一样的表情和手势，消费者同样会将它们看作社会实体，对它们表现出和对人类相似的反应。近年来，拟人化已经被认为是影响消费者对于人工智能的感知、态度和使用意愿的重要因素。例如，Waytz等发现，拟人化提升了人们对自动驾驶汽车的信任感；此外，Moussawi等提出，拟人化可以增强人们与智能音箱互动时的感知愉悦感，进而增加他们的使用意愿。 四、人工智能在营销领域的典型应用 1.服务机器人 服务机器人（service robots）是指一种基于计算机系统的能够与客户进行交互、沟通并向其提供服务的自主、自适应的端口。依赖于计算机程序，它们可以在无特别指令的前提下自主运作，以执行各类物理或非物理任务。Wirtz等提出，服务机器人具备三大主要特征和属性：表现（representation）、拟人化（anthropomorphism）和任务导向（task orientation）。也就是说，首先，服务机器人可以是具体的实物表现形式，也可以是虚拟、非实物的表现形式；其次，它们可以是人形服务机器人（即拟人化），也可以是非人形服务机器人（非拟人化，如家庭清洁机器人）；最后，服务机器人都是任务导向的，它们可以利用潜在的计算能力完成认知分析任务（如用于医疗诊断的图像分析助手），也可以完成情感社交任务（如接待型机器人）。机器人技术与人工智能技术的结合给服务领域带来了新的机遇，服务机器人也是当前人工智能最典型的应用。 我们结合零售店的应用场景，对服务机器人在营销中的应用进行更具体地描述：第一种是适用于迎宾导览场景的机器人。此类机器人通常布置于门店入口，用于迎接顾客、介绍店铺布局和促销信息，提升客户到店的第一印象。例如，日本的软银公司开发的Pepper机器人，已被广泛应用于服装、电子、餐饮等多个零售门店，能够主动打招呼、识别顾客性别和年龄，并推荐相应产品。通过自然语言处理与人脸识别技术，Pepper可以与顾客进行简单对话，实现个性化服务。第二种是智能导购机器人。相比传统人工导购，服务机器人可以每天不间断工作，提供稳定而一致的信息服务。它们能够接入商品数据库、会员系统和库存系统，为顾客提供基于其偏好、购买历史的个性化推荐。第三种是移动库存管理与补货助手。服务机器人不仅能面向顾客，也能服务于零售终端的后台管理。例如，沃尔玛等超市引入的货架扫描机器人（如Bossa Nova），通过巡检货架及时发现缺货、错位或价格标签错误等问题，并向后台系统自动发送补货或调整通知，提高了门店运营效率与库存准确率。 2.聊天机器人 聊天机器人是一种能够进行类似人类的聊天对话的在线程序。聊天机器人依赖于机器学习和自然语言处理（natural language processing，NLP）等人工智能技术，能从先前的对话数据中自主学习，并以与人类相同的方式对客户作出回应。除了能进行经验学习，聊天机器人也能在与客户聊天互动时不断学习，它们接触到的数据越多，需要分析和学习的材料就越多。通常，聊天机器人不仅能够与客户对话，回答一些常见的问题，还能够帮助客户下单或跟踪订单，处理付款等。部分高端零售门店引入具备初级共情能力的服务机器人，用于提升客户体验与品牌亲和力。这些机器人可通过语音语调识别顾客情绪，给予安慰或鼓励性回应，在顾客投诉、退换货等敏感场景中协助缓解情绪冲突，提升服务满意度。 3.专家系统 专家系统（expert system）是一种交互式的计算机解决方案。具体而言，它指的是能够模拟诸如问题解决、视觉感知和语言理解等人类认知技能的计算机程序，能够对那些需要大量的人类专业知识才能解决的复杂问题进行推理。专家系统自身具备大量的专业知识和经验，能够进行自动推理和判断，模拟人类专家的决策过程并处理复杂的问题。它主要由四个部分组成：知识库、推理机、验证/调度程序和用户界面。知识库是存储规则、事实以及从人类专家获得的专业知识的数据库；推理机是指一组基于知识库的规则来协调搜索、推理的问题解决程序，也被称作是专家系统的“大脑”；验证程序负责解答专家如何以及为什么会得到一个解决方案，而调度程序则是用来协调和控制议程，决定下一步完成什么工作；用户界面为用户提供查询的端口，以便于系统和用户之间的交流和交互。 从人工智能的定义、分类及应用场景的发展可以看出，人工智能的使用已发生转变：从以往将人工智能视为执行特定任务的工具，到如今人类已将人工智能赋予情感识别、交互能力并作为“伙伴”参与消费者旅程的全过程。这一转变不仅是技术进步的结果，而且是营销理念从“以产品为中心”向“以顾客为中心”演进的体现。另外，人工智能应用已从数据处理、客户细分等后台功能逐渐扩展至前台场景，如担任智能客服、服务机器人与虚拟代言人等。这一演进反映了人工智能不仅是效率提升的工具，而且正在重塑顾客体验本身。如何评估人工智能角色对品牌关系的长期影响，人工智能是否应拥有“品牌人格”等，这些议题值得进一步探索，也对营销研究提出了新的挑战。 原题为《营销领域中的人工智能应用研究回顾与展望》
