10月11日，明略科技集團副總裁、大模型基礎架構負責人何敏，在2024第八屆營銷科學大會上了發表《生成式營銷必備的體系架構思維和前沿方向》主題演講，深入分享了生成式營銷落地的六個體系架構思維與三個前沿方向。

本文目錄如下：

01 生成式營銷落地的六個體系架構思維：

• 架構思維一：?知識合庫還是分庫？
• 架構思維二：?長文本還是檢索增強問答？
• 架構思維三：?思考系統的切換還是延續？
• 架構思維四：?黑盒分析還是白盒分析？
• 架構思維五：?先規劃平臺還是單點應用？
• 架構思維六：?分析重要還是生成重要？

02 生成式營銷的三個前沿方向：

• 前沿方向一：?結果監督維度的豐富性
• 前沿方向二：基于過程監督獎勵的驗證器（Verifier）與最優過程探索策略
• 前沿方向三：自學推理過程，將推理的思維內隱化到模型中

01 生成式營銷落地的六個體系架構思維

過去一年，很多企業做了大量嘗試，我們和企業交流時發現一個問題：做demo的時候“一馬平川”，一周就可以出效果，但真正落地的時候“舉步維艱”，半年都上不了線。為了解決這類問題，大家的共識是：生成式營銷的落地需要體系架構思維。

體系架構思維一：?知識合庫還是分庫？

在人人都可以搭建大模型智能體的時代，上傳一個產品文檔，寫一個prompt，大模型的回答可以做到精準無比。當產品從一個變成十個時，大模型就從精準無比變成了胡言亂語。這是什么原因造成的呢？

一句話概括，信息濃度決定問答準確率。

只有一個產品時，單一產品信息濃度是100%；十個產品時，單一產品信息濃度會被稀釋為10%。當問到A產品信息時，其它產品還會來“搗亂”，大模型的準確率自然而然就下降了。

通過上面的例子，我們可以思考，精準問答場景，適合采用合庫思維，還是分庫思維？

合庫思維是指把所有的產品放到一個知識庫；分庫思維是指把A產品放在A的知識庫，B產品放在B的知識庫，A產品的問題到A知識庫找，B產品的問題到B知識庫找。顯然，分庫思維更適用于精準問答場景。

當品牌方進行雙十一活動策劃時，需要用到各種知識庫，比如秒針系統有Media的知識庫，Social的知識庫，電商、私域、線下廣告的知識庫。合庫思維更適用于創意探索場景，更容易找到創新點，生成的報告也會更加完整。

總的來說，數據的組織形式，決定了業務效果。

?體系架構思維二：長文本還是檢索增強問答？

與此同時，數據的提取形式，也決定了業務效果。

以知識問答為例，一種方式是長文本問答，另一種方式是檢索增強問答。

長文本問答，指把100頁的文檔丟給大模型直接回答；檢索增強問答，指從100頁的文檔中提取2頁與問題相關的信息丟給大模型。如何在這兩種方式中選擇？主要依賴于企業的業務場景。

長文本問答方式，更適合全文總結場景。比如總結100頁文檔的核心信息，或分析本周周報與上一周相比的進展。

檢索增強問答方式，則適用于精準問答。比如100頁的產品手冊中包含產品介紹、功效、使用方法、原理、注意事項、售后服務等。當用戶咨詢產品功效時，只需找到相關的2頁丟給大模型，無需閱讀100頁。它的優點是準確率更高，且成本更低。因為如果閱讀100頁信息，其它98頁對相關的2頁內容反而會產生干擾。

體系架構思維三：?思考系統的切換還是延續？

提到思考系統，我們可以聯想到最近爆火的OpenAI o1模型。OpenAI o1模型在美國數學奧林匹克 (AIME) 預選賽中躋身美國前500名學生之列，在競爭性編程問題（Codeforces）中百分位排名是89%，并在物理、生物和化學問題 (GPQA) 基準測試中超越人類博士級水平。

為什么它會獲得這樣好的成績？原因是o1采用了體系思考的模式。在訓練與推理階段，思考計算的時間越長，模型的準確率就會越高。

同時，o1模型的發布將《思考：快與慢》這本書帶入大眾視野。書中提到人類有兩種思考模式，分別是系統1和系統2。系統1指的是快思考，類似于直覺思考；系統2指的是慢思考，是有意識、深思熟慮的思考。就像我們解最后一道數學大題時，要理解問題、分析問題、拆解步驟，進行推理，才能得出答案。

接下來，我們就來介紹與思考系統相關的體系思維。

還是從最簡單的選擇題開始。讓大模型執行分類任務，判斷帖子屬于ABCD哪一類，是做大模型應用的常見問題。

通過實驗，我們發現一個非常有趣的現象：如果先選擇結論后分析原因，大模型的答案往往飄忽不定，結論選A，分析后的答案選C；如果先分析原因后選擇結論，分析與結論往往一致。這是什么原因造成的？

回到剛才提到的思考系統，人類在做一道選擇題時，系統1的思維模式是下意識地先給結論，告訴你這道題肯定選A；當我們采用系統2的思維，一步步拆解后會發現答案應該選C。

所以結論的不一致是因為我們的大腦進行了系統1與系統2思維模式的切換。大模型也是類似的道理。基于分析給出結論，答案的一致性、可靠性會更好，因為始終處在同一個系統思維模式里。

?體系架構思維四：?黑盒分析還是白盒分析？

我們經常收到企業市場部的需求，洞察100篇帖子中的內容策略。最簡單的做法是黑盒分析，把這些帖子都丟給大模型。這樣做的好處是速度快，可以做定性分析；缺點是可解釋性較差，難以給出結論背后的原因。

另一種做法是白盒分析，同樣把100篇帖子丟給大模型，但不輸出總結，而是先輸出ABCD等所有特征，然后通過小模型采用聚類分析的方法統計ABCD哪些權重更高，最后再輸出內容策略。白盒分析的好處是可解釋、可回溯。大模型給出的結果基于ABCD權重最高的元素而產生，并且還能找到ABCD的原帖進行分析。因此，白盒分析更適合做定量、可解釋、可回溯的分析。

?體系架構思維五：先規劃平臺還是單點應用？

前面我們講到數據的組織形式、提取形式決定了業務的最終效果。同樣地，只有確定了業務目標，才能更好地定義效果、數據與訓練方法。所以，業務優先、目標優先，是更加落地的方式。相比平臺式的規劃，在實戰中，我們通常建議企業優先選擇單點。

在幫助企業客戶落地的過程中，我們有四層單點應用的業務目標。

• 第一層是元素解析，基于視頻、圖片、文本解析出素材中的客觀元素與主觀情感；
• 第二層是角度探索，挖掘社媒熱點、總結內容核心信息等等；
• 第三層是策略生成，不僅可以應用于營銷內容生成，還可以應用于選品、產品研發策略制定等等；
• 第四層是內容生成，即AIGC，包括文案、圖片、視頻等多種內容形態。

體系架構思維六：分析重要還是生成重要？

上午場明略科技集團創始人、董事長兼首席執行官吳明輝提到了奧運營銷大學生素人發帖的例子，這些學生利用明略科技提供的SocialGrow、SocialX、小明助理等AI工具，通過挖掘奧運熱點來指導創作方向，在生成海量內容后，從中挑選出優質帖發布，并進行了監測與調優，形成了一個正向的創作循環。

整個過程共計發布了1237篇帖子，總互動量23萬+，爆帖率15%。值得注意的是，一些學生的粉絲只有幾十個，但小紅書單帖互動最高做到了7萬+，抖音單帖最高互動做到了6000+。

通過上面的例子可以看出，分析和生成結合起來更重要。分析的產出可以作為生成的輸入，帶來更好的內容效果。這也是InsightFlow CMS（洞察驅動的內容管理平臺）背后的思考邏輯。

02 生成式營銷的三個前沿方向

生成式營銷有很多前沿的研究主線，其中一條，我們可以沿著OpenAI o1模型的思路進行探索。o1的發布引用了OpenAI的一篇文章《Let’s Verify Step by Step》。這篇文章提出了兩種獎勵機制，結果監督的獎勵機制和過程監督的獎勵機制。

通過這兩種獎勵機制，o1模型在數學領域有了大幅提升。我們認為，這兩種監督獎勵方式對生成式營銷的研究也有啟發。圍繞這個思路，我們將闡述以下三個生成式營銷的前沿研究方向。

生成式營銷前沿方向一：?結果監督維度的豐富性

這一研究方向主要借鑒明略科技在ACMMM，以及Adobe在ICLR人工智能頂會發布的論文，闡述未來大模型輸出結果的豐富性。

目前，大模型輸入的內容形態有視頻、語音、文本，輸出的主要是文本，未來在營銷領域會有怎樣的變化？

1. 輸入層引入圈層人群，例：提問不同圈層的群體對同一廣告視頻、短劇是否感興趣？
2. 輸出層引入感觀指標，例：包括腦電、眼動等指標，比如25歲的年輕人觀看短劇后是否感興趣，腦電波是否有波動，眼睛主要關注哪幾幀畫面？
3. 輸出層引入效果指標，例：不同類型受眾對廣告視頻的點擊率與完播率如何？

通過引入感觀指標、效果指標，我們在豐富大模型輸出維度的同時，還可以輔助企業優化內容策略。

生成式營銷前沿方向二：?基于過程監督獎勵的驗證器（Verifier）與最優過程探索策略

這一方向主要借鑒Google DeepMind 8月發表的兩篇文章。

基于過程監督獎勵的驗證器，類似媽媽陪我寫作業場景。相當于在生成大模型Generator的基礎上（想象成“孩子寫作業大模型”），引入一個新的大模型Verifier（想象成“媽媽陪讀大模型”）。這個Verifier盯著Generator輸出時，不僅看結果，還能指出每一步的對錯。因此，基于Verifier的過程監督，生成大模型Generator的成績就很容易得到提高。

什么叫作最優過程探索策略？

舉個例子，生成大模型Generator這個“孩子”解不出題，困在迷宮里了，怎么辦？可以一下子變成七個葫蘆娃兄弟分身，用不同的思路去解。最厲害的是它還結合了“媽媽陪讀大模型”Verifier，可以監督每一步，幫助孩子在迷宮里找到最優策略。打個比方，大娃走了這條路走不通，媽媽就可以告訴二娃，這條路走不通了，繼續找新的路，直到七娃最后走出迷宮，這就是最優解。

應用到營銷領域，這個Verifier相當于營銷策劃的智囊團，當營銷的Generator提供各種營銷策劃方案時，Verifier可以幫助我們驗證營銷的策略、數據、邏輯關系等，同時找到最佳的營銷策略或方法。比如一筆預算到底選哪些渠道，哪類圈層人群，采用何種內容策略，有成千上萬種組合，可以在ROI里找到最優的路徑。

生成式營銷前沿方向三：自學推理過程，將推理的思維內隱化到模型中

這一方向主要借鑒斯坦福大學的STaR和Quiet-STaR兩篇文章。STaR是Self-Taught Reasoner的縮寫，是自學推理過程。

我們繼續前面的比喻，媽媽陪我寫作業寫了1億次，我變成葫蘆娃兄弟走迷宮走了1億次，我們便積累了1億次的自我反思以及1億次多角度探索的過程經驗數據。我們可以使用這些過程數據，用來訓練大模型Generator，提升“孩子”的體系思考能力。當生成大模型自己學會獨立思考之后，就不需要媽媽指導，不需要其他六個兄弟同時做好多遍題找最終的答案，而是在每次解題過程中進行自我反思和多角度思考，再輸出最終答案。這個過程我們稱作思維的內隱化，它形成的思維鏈叫作隱式思維鏈。再通俗一點，這就是內功心法的修煉過程。

應用到營銷領域，營銷大模型可以學習行業和企業的各種決策經驗，包括各種A/B Test經驗數據，從而給出更加落地的答案。此時的大模型就像沉淀了行業最佳實踐、企業多年實戰經驗和體系架構思維的掃地僧，即使簡單輸出幾十token，實際上威力無窮、效果炸裂。因為每一個token輸出的背后都進行了大量思考和計算，其他大模型難以與之相比。類似奧運營銷發帖的例子，素人大學生在體系思考的大模型內功心法加持下，也能一招打出成千上萬的互動效果。

內力凝精髓，普招也暴擊！