+
从传播看大模型客户选择
王智远
2023.08.28
赞 0浏览 1262评论 0收藏 0

“通用大模型是自嗨”,一位高管谈道。

最近,与一些B2B管理者,以及市场营销负责人交谈,聊到对大模型实际应用、公关传播上的看法。感到意外的是,许多人对大模型公司的做法,是批判的。

比如:

这些公司发布一个新模型后,往往迅速组织发布会,试图制造快速关注,随后,与自媒体合作,进行一系列公关活动。

但背后问题是,尽管大家已经听过你的大模型,但很难理解,这个模型到底有什么价值,它如何帮助客户的业务,或者它具体应用于哪些细分场景,以及如何给业务带来效益。


这些问题让我开始思考,是公关正在失去传播效果,还是大模型公司,根本就没有用好公关手段,找到客户选择;或者大模型没定好位,是一场空欢喜?

一位高管告诉我,解决这个问题,要从“为什么”开始,也就是,大模型公司什么最重要,内核是什么?

数据最重要,可是要什么数据呢?

openAI原来有近一万亿文字数据,但他们没直接用这么多,因为发现直接从网上抓来的数据质量不行。

所以,他们选择了用质量好的数据来训练,最后得到了大家都知道的那个1750亿参数的模型。这些质量好的数据主要来源五个地方

a) 经过筛选的网上数据

b) Web Text2这个数据集

c) 一号图书馆数据

d) 二号图书馆数据

e) 英文版维基百科

当你开始用GPT时,你会觉得它真的挺厉害,好像什么都懂,但如果你学过专业的人工智能prompt(文本提示),去问它行业深度问题,会发现,它的答案有时候太笼统,就像在说空话。

因为它对专业领域的深入了解不够,所以,通用大模型应用场景,也停留在「通用下」。

这也是,为什么我们仍然需要更专业的知识来辅助决策、或解答一些深层次问题。那这问题就来了,通用都没有深度,专业领域怎么办?

一位高管表示,大家很想用大模型,但不愿意直接用,当中有三个原因:

1. 不懂公司需求‍‍

我们是一家B2B公司,为了竞争优势,必须建立壁垒。

在数据安全领域,我们的业绩还不错,已经涉足了车企、教育和医疗等多个领域。对于所服务的每一个客户,他们都有自己独特的数据和经验,而这些信息是宝贵资产,不可能随便公开。

这就造成了一个问题,那些提供大模型的公司希望能从这些数据中学习,以提供更好的服务,但因为安全和隐私的考虑,很多公司不想把数据放在公有云上。怎么解决这个难题呢?

还有,中国云市场和美国市场完全不一样。

美国,公有云非常受欢迎,即便IBM收购了RedHat,私有云的市场也不太大,许多政府部门,也会选择了微软和亚马逊的公有云。

中国不一样,很多企业老板都非常关心数据存储的位置,以及各种数据平台间的互通问题。比如说,有些B2B公司选择的是华为云,而一些B2C需要获客、管理私域,他们通常使用腾讯云或字节云。

这意味着,中国的混合云和私有云市场的潜力远远超过美国,我做一个通用型大模型,或者引入一个通用大模型,卖给他们,根本没有用。

2. 不懂业务属性

你应该看过“百度”起初那个搞笑典故,给大模型一段话,让它给你画个图,比如,贾宝玉倒拔垂杨柳,孙悟空三大白骨精,它真的能给你凭空捏造一个图出来。

这些图完全不切实际,但你也别笑,这种想象力是智慧的结晶,国内能做到Midjourney的很少。

不过这对TOC来说并不重要,如果把种胡编乱造放在公司里就会出现问题,比如,我们想把这种大模型连接到公司的系统里去帮助决策,但如果大模型数据有问题,那结果就会出事。

举个例子:

就像金融行业,想象一下用大模型做数据分析和决策。把所有的经济学书籍和金融报告都教给它,听起来确实很酷。

但如果大模型随手给你一个投资建议,你可能会想调教它,告诉它这建议不行,希望它能优化。但问题是,这模型建议能有多准确?

你敢不敢用它做投资建议,怎么确保建议是值得信赖?而且,如果它所依赖的数据过时,又怎么办?

同样地,如果在中医领域,我把所有秘方都教给机器人,它真的能准确地帮你配药吗?即使能抓,配的要你敢吃不。

所以,不同类型公司和行业有着不同的挑战,这些需求就像SaaS产品定制化一样,想定制多点,那最后不如私有化部署;定制少了吧,大模型公司卖不上价格。

值得一提,还有数据问题。

作为B端公司,我把数据给到大模型公司,即便签署协议,我怎么知道他会不会拿我的数据练手,再给其他公司提供服务?现在对用户隐私如此严格,这不是技术问题,还涉及到信任和责任。

因此,尽管大模型很吸引人,其中也隐藏着许多问题。

每当有公司发布大模型,我们都会密切关注,那些仍然只发布通用模型的公司,“在我看来,可能还没真正融入这个竞争激烈的领域,当然它们也可能只想先试试水”。一位B端公司高管谈道。

02

显然,这意味着大家不会共同拥有一个公开的行业专用模型,很多公司会建立自己的专属模型。

比如:

一个医院用它所有的病例资料来训练一个大模型,训练好后,他们会用这个模型提高自己的业务,但不会把这个模型分享给其他医院用。

一个有上千家私域大客户的公司,会收集和分析大量的用户数据和购买习惯,当他们拥有了这样的大模型,尽管它能给整个行业带来巨大的价值,但很可能会选择保密,仅为自己的业务服务,以维护竞争优势。

至于行业大模型,是不是伪命题,大家没有给出答案,只不过,一些老板认为做大模型的公司,把业务逻辑搞反了。

一方面,自下而上看,只有在垂直领域掌握足够多数据的公司,才有可能进化出细分大模型,基于细分做行业通用,是很好的选择。

另一方面,自上而下看,专业训练大模型的公司,想打造行业级很难,需要考虑所有的参与者和他们的需求,这几乎是不可能的。

因为不同企业,即使在同一个行业,运营模式、客户群、业务流程都有可能存在差异;想要创建一个能够满足所有这些不同需求的大模型,难度非常大。

所以,我好奇发问需求方,什么大模型才是刚需呢?得到两点:

1.专业的垂直

专业垂直,简单讲,在某个具体的领域、工具中特别擅长,积累了大量的客户。

比如:

人力资源有它特定的系统,销售有CRM,生产有ERP。设想你的CRM系统已经服务了2000多个客户,而这些客户遍布教育、快消、供应链、医院等多个行业。这时候,你的CRM+大模型解决什么问题呢?

对于教育领域,它可以深入分析学生的学习数据、课堂反馈等,帮助教师给出更有针对性的教学建议,并为学生制定合适的学习方案。

当谈到供应链管理,大模型则能够实时追踪货物流通、库存状态,预测市场需求,为企业优化存货和调整物流方案。

有点像有赞SaaS这种软件服务,大模型在此起到桥梁作用,它既连接各行各业的数据,也确保这些数据为模型的训练提供了宝贵的资料;这样,大模型就能为各个专业领域量身定制解决方案,满足真实的业务需求。

2. 边缘专业化

什么意思呢?你在某个特定应用、领域中非常专业。就是说,它是在某种特定的环境、特出需求下进行深度优化应用的。

比如:

你有一家公司专门为高山地区设计、制造无人机。这些无人机针对高海拔、低氧和低温环境进行专门的优化,使其能够在恶劣环境中更加稳定和高效地工作。

普通的无人机,在这样的环境中可能会遇到飞行不稳、电池耗电快等问题,但你的无人机数据大模型,由于经过特别的设计和调整,可以很好地应对这些挑战。

通俗一点说,就像你的家里有各种鞋子,但如果你要爬山,你会选择专业的徒步鞋,而不是一双普通的运动鞋。

这双徒步鞋就是为山地行走设计的,拥有更好的抓地力、支撑和防水功能。

说得更直白点,现在市面上大模型大多是“全能型”,能处理文本、图片、对话等。

但如果你专门针对文本,并且专注于教育或医药这样的特定领域,再进一步只专注于学术研究,那你的模型就像是精准狙击手,其价值和效果会远超那些“大而全”的模型。

值得一提的是,他们还提到,企业垂直化也有很多机会。‍

就是说,企业在某个领域特别成功,不仅要专注于这个领域,还得把企业里的独特经验和知识融入其中,类似于一个米其林三星餐厅。

它不仅是因会做菜获得三星,而是它将特烹饪技巧、原材料选择、菜品创意、服务等独特的经验和知识完美融合,这才使得它在众多餐厅中脱颖而出。

听了我突然明白,企业不需要全才,需要专才。

这和前几年TOB做SaaS的基本逻辑有些相同。明白这些,就可以思考大模型公关传播,是失去了效果,还是没用好。

公关,即公共关系,能干什么?

就像名字所暗示,是指品牌与公众间的各种利益相关者之间的关系。而这些利益相关者,不仅仅是消费者,还包括政府、非营利组织、投资者、企业员工等。

简单来说,公关就是「建立关系」和「有效传递信息」。

但沟通不仅仅是说话,更重要是,能够在关键时刻传递正确的信息,让人们了解大模型公司在做什么、有什么价值、客户怎么找到你。

注意是“有效、正确”,从大模型的角度看,通常可以分为点评类、立场类、新闻类、教育类四种传播方式。

其中,点评对某个大模型公司、事件或人物的评论,提供一个评价或看法。立场更多从媒体角度,表达一个人或组织的观点,通常是有针对性的。新闻类则侧重于报道事实和事件,目的为公众提供客观、及时和准确的信息。

这三种方式,目前被归成一类使用较多。

虽然是目前公关最常见、最通用,但它们的价值也是最低的,毕竟只涉及基础信息的传播,没有更深入的为需求方提供额外价值。

身边一位高管聊起,前几天他关注钉钉的升级发布会,主题是“骑上AI的背上”,发布会做得非常不错。

但发布会结束后,各种自媒体的报道,让他感到有些困扰,结果一天内取消关注了好几个知名公众号。

我好奇地问:“为什么这么做?”

他解释说,一个重要发布会,主流媒体平台肯定都会有报道。而自媒体为了蹭热度也纷纷跟上,但其中很少有真正对B端用户带来增量价值的内容,这让他看了感到很是无趣。

因此,对于需求方来说,真正关心的是“教育类”内容。

而在实际应用中,教育类型公关,又细分为互动类和劝说类,这两类经常在传播中被忽略。

“教育”是关于传递知识、技能和如何使用某种工具的信息。这里的核心是帮助我,理解我需要改变的认知,你为我提供了哪些洞察,怎么样帮助业务降本增效。

而“互动”更加重视的与需求方的双向交流。

这意味着发大模型的公司需要更加接地气,找到像我这样的客户,收集反馈、建立关系,甚至创造一个平台或通道让我们能在某个社群中进行讨论。

至于“劝说”,这点相对容易理解。主要为推广产品或服务,目的是影响我的决策或购买行为。

我理解了。

很多需求方想要更多的是深入、有实质性的内容,他们希望通过大模型公司的公关活动,真正了解产品价值、使用方法、如何为业务带来效益,也希望与此进行更真实的互动,得到实时反馈和支持。


自媒体不具备撰写各种深度内容的能力吗?

实际上,由于他们难以获取企业深层信息,往往只能从行业角度出发,选择写“点评类”文章。

比如:

我周围的一些科技博主,每当大厂发布新的大模型时,都会立即关注。他们主要从功能和使用方法入手,但是,就产品背后为什么要做,更深层次的思考根本拿不到。

如同,像前一段时间“小米折叠屏手机”,如果雷军不说那个龙骨卷轴,自媒体并不知道这个东西,也不知道它生产难度在哪?跟友商有什么区别。

这些东西恰巧设计到专利技术,保密协议,早期不能说出去,当对外可以说时,又没有团队能简单把这一切讲明白,才导致,客户对动机的了解仅停留在表面。

明白这些,你也就理解需求方角度,所需要的信息传播什么样,简单说,有三方面:

1. 讲清楚你有什么

身边一位高管说,有些大模型公司为了显得自己技术能力强,会把各种专业性术语堆积起来,自语言技术、多模态能力、交叉学习,听起来高大上的词汇,让很多人眼花缭乱。

理解完简直累死。这种做法,看似可能为公司赢得了一些“技术领先”的声誉,但长远看,这种难以理解的技术堆砌并不利于产品的推广和用户的接受。

你想想看,我算是高知人群,我可以理解,我下面的总监们,他们不一定理解啊。

这意味着,信息差会把它们拒之门外,当他们发现一个工具,唉,尽管好用,但真正了解它是什么时,如此复杂,就可能会选择放弃。

其实,技术巨头应该将复杂的技术简化,让普通用户也能够轻松上手,普通人上手了,公司才可以引用,而不是仅仅把注意力放在显示自己有多么高深的技术上。

2. 一群人怎么用

所谓“怎么用”,关注一整套用户操作流程,就像SOP。

以SCRM为例:

当我们考虑将大模型整合进来时,需注意:虽然我们为B端客户服务,其中有些客户在企业微信上拥有数百万活跃用户,但这并不表示可以让客户的每一位私域运营人员随意与社群用户进行对话,或在多个社群中散发信息。

因此,我们需要构建一套明确的SOP。

在这套流程中,如运营人员在撰写文案时遇到问题,他们可以借助大模型的知识库,进而优化文案,简化操作,让新手也能快速掌握。

再以医生行业为例,医生在为患者提供远程医疗服务时,可能会依赖于一款基于大模型的诊断助手软件。这款软件不仅提供常规医学查询功能,还能深入协助医生的诊断过程。

当医生面对某些少见疾病或复杂症状时,除依赖自己的经验,还可以利用此软件与现有的医学资料库进行对照,从而更为准确地确诊。

所以,解决一群人怎么用的问题,大模型公司才有更多数据,才能更好。

3. 我需要改变什么

一位高管谈道,我始终坚信,大模型落地与B2B产品的成功之路有相似之处,都需要找准切入点。这个切入点,恰好是如何使‘业务流程’变得更为高效。

比如说,有一个大型饮料制造商的客户。在他们的生产和分销过程中,经常遭遇库存不稳定、中间代理商、终端渠道囤货问题。


如果大模型能根据历史进货,门店销售、以及市场波动来推进供应链的生产,那就能加速新品推向市场的速度,提高市场竞争力。

但是,这个数据大模型到底从哪里切入?哪些是关键数据,以及如何为模型提供这些数据?需要哪些部门配合,都不是一个简单的问题。

所以,需要走到业务流程中去,才能发挥真正价值。

我明白了。你有什么、一群人怎么用、公司需要改变什么,这三点是B2B需求方,对大模型比较关注的。

总的来说:

大模型,很多路要走。

未来5年,也许所有工具都将插上大模型的翅膀,比如SCRM+AI,ERP+AI,OA+AI……

别总想试图造个汽车出来。多多思考下,还怎么在现有轮子上,做创新。市场不需要那么多,上来就革命的企业。

本文由作者原创发布于TopMarketing,内容为作者独立观点, 不代表TopMarketing立场。如有转载需求,请联系作者本人。
创作不易,点个赞鼓励作者吧~
收藏 0
0
评论请文明发言,异常行为可能被禁言
2000
全部评论0
一键投稿
营销日历
2024 5
认领材料
*可补充证明材料,比如发布后台截图、名片、认证截图等
*如无其他证明,请点击请点击《认领声明》
+