有很多关于人工智能的讨论可以——从图像生成到自动社交媒体复制，然后是不可避免的咒语:“人工智能将取代我们的工作!”(剧透:不会。)但没有多少人想过它是什么不能做什么，或者这项技术可能会产生什么问题。

不要错过营销教授的播客，订阅我们的免费时事通讯！

在《营销智慧》的第533集中，克里斯托弗·潘和主持人乔治·b·托马斯就开始讨论这个问题。

“对于所有人工智能模型，我最担心的是……“这些模型是在人类内容的语料库上训练的，”克里斯托弗说。“这就是他们做事的方式。这也意味着他们继承了我们所有的偏见，我们所有的偏见，所有这些其他的东西。”

例如，Open AI倾向于与欧美人的名字建立更积极的联系，而不是与非裔美国人的名字。

“假设你有一个营销自动化系统，你有你的名字和你的潜在客户的姓氏，你要生成一些营销副本半自动发送一些东西，”他继续说。“如果潜在客户的名字是拉蒂莎，这个模型会怎么做?”如果客户的名字是乔治，这个模型会怎么做?如果客户的名字是Hiroki，模型会怎么做?”

因此，人类应该总是检查AI输出的内容是否有问题或完全错误。在这样的事情上有人类在身边是件好事。

底线是:人工智能是一种工具，而不是替代品——工具是不完美的。

“人工智能不会抢走你的工作，”克里斯托弗坚持说。“如果你是B2B营销人员，人工智能不会成为B2B营销人员。但使用人工智能的B2B营销人员将取代不使用人工智能的B2B营销人员。游戏到此结束。”

想要了解完整的讨论，包括如何使用人工智能让你的工作更轻松的技巧，请收听上面的链接中的第533集，或者下载mp3方便的时候听。当然，你也可以在iTunes上订阅“营销智慧”播客或通过RSS不要错过任何一集。

---

“Marketing Smarts”主题音乐由胡安尼托·帕斯夸尔作曲 签名的音调．

---

全文:AI基础、未来和更多B2B营销深入研究

乔治B.托马斯:人工智能风靡一时。我有机会和克里斯托弗·潘坐下来谈谈。我这么说吧。通常，在这些播客中，我有一些我想要讨论的问题，并确保我们讨论了障碍，如何开始，以及作为B2B营销人员围绕我们所涵盖的主题需要知道的所有事情。这次采访，不是案子。通过第一个问题的第一个答案，我知道开始的问题必须被抛到窗外，所以我们就开始了一段旅程。

这是一场精彩的B2B营销之旅，涉及到大多数事情，如果不是所有的事情，你应该围绕人工智能和营销思考和尝试。请注意，系好安全带，准备好你的笔记本和笔，你的iPad，粉笔和墙壁，没关系，准备好做一些笔记，准备好开始为你的B2B营销玩一些人工智能。

好东西来了。事情是这样的。你要么看到这个标题，超级兴奋，作为一个书呆子营销，或者你看到这个标题，你说，“哦，不，我们开始吧，”因为有时当你想到人工智能，机器学习，数据科学，你的大脑会觉得它要爆炸了。我们会试着解决这个问题。今天我并不孤单，和往常一样，我带着一些聪明的人来参加我们在这期营销智慧播客上的旅程。

克里斯托弗·潘，你今天过得怎么样?

克里斯托弗·佩恩:我做得很好。在我们录制这段视频的时候，我可以说新年快乐。当你听到这首歌的时候，我还是祝你新年快乐，不管是哪一年。

乔治:好了。现在可能是2030年了，但我们仍然祝你新年快乐。我想深入研究这个问题，我想从我一直喜欢的地方开始。我认为，尤其是在这个话题上，有很多地方会让人失眠。就你个人而言，是什么让你夜不能寐当你想到B2B营销，人工智能，机器学习，这些话题的时候，你会怎么想哦，天哪，我睡不着，或者你可能会哭着睡着，不管怎样?

克里斯托弗:我不经常哭着入睡，但我现在40多岁了，所以背痛是一件事。

对于所有的人工智能模型，我最关心的事情是，特别是那些已经存在的生成模型，比如ChatGPT或Stable Diffusion，这些模型是在人类内容的语料库上训练的。这就是他们做事的方式。这也意味着他们继承了我们所有的偏见，我们所有的偏见，所有这些东西，以至于这些东西出现了问题。确实存在记录在案的问题。每个人，尤其是营销人员，都不会问这样的问题:“会出什么问题?”这个模型有什么问题吗?”

我给你们举个例子。在ChatGPT中，这是每个人最近都在谈论的模型，请注意这个限制。这在开放人工智能网站上披露:“我们在运行X基准测试的模型中发现了偏见的证据。例如，我们发现，与非裔美国人的名字相比，我们的模型更强烈地将欧洲裔美国人的名字与积极情绪联系在一起，并将黑人女性的负面刻板印象联系在一起。”想想看。每个人和他们的亲戚都在用这个东西来创建内容，这是在这个模型的警告标签上。它不是隐藏的，他们不是假装不存在，它在警告标签上。然而，没有人谈论它，没有人关注它，没有人考虑如果我用它来生成某些类型的内容，会出现什么问题。

假设你有一个营销自动化系统，你有你的名字和你的潜在客户的姓氏，你要生成一些营销副本半自动发送一些东西。如果客户的名字是拉蒂莎，模特会怎么做?如果客户的名字是乔治，这个模型会怎么做?如果客户的名字是Hiroki，模型会怎么做?偏见是存在的。

前几天我们在DALL E-2上做了一个测试。我们说，让我们取一个有X个标准的墨西哥人，一个白人，一个黑人，然后它创造了这些图像。机器吐出的东西有一些非常明显的偏差，这是不对的。

对我来说，最让我担心这些模式的是，尤其是当营销人员盲目地使用这些模式时，他们不知道这些模式会出什么问题，可以做什么，可以把什么放进他们甚至没有考虑过的内容中，因为他们没有问自己，“我创造的内容是否会对一部分观众造成问题?”

乔治:这很有趣。我很快就会在这里偏离常规。我脑子里的一部分在和你刚才说的作斗争，试图诊断是克里斯说我们不应该使用它，还是克里斯说我们应该使用它，但作为营销人员，我们应该小心，不要仅仅为了完成工作而以惊人的速度前进，而是要花时间有策略地使用它。我将从这里开始。这整个开始的问题是一个营销人员，打住，还是这里有一些你应该采取的生姜步骤?

克里斯托弗:这是第二个。使用这些工具是完全可以的，只要你，一个人，正在检查它的输出，并说，“我在寻找问题。”理想情况下，在您的组织中，您拥有。

每个人都和他们的堂兄弟姐妹一起，不断提高DEI的主动性——多样性、公平性和包容性。除了研讨会和所有平常的活动、游戏和角色扮演，你的DEI委员会应该和你的内容营销委员会一起审视你所制作的内容，并指出“这是有问题的”。你的DEI委员会应该与你的人工智能团队、机器学习团队、数据科学团队合作，说:“看那个。这看起来不太对劲。”

我给你们举个例子，几年前我参加的一个市场展览。我看到一个供应商说:“我们会为你找到完美的客户，理想的客户。你只要给我们你的数据，我们就会把它放在地图上，可视化，这就是你的客户。”这是一个B2C的例子。他们放了一张波士顿的地图，他们放了唐恩都乐，标出了波士顿的城市，然后说，“这些红点是你们的理想顾客，去买吧。这些黑点不是。”如果你不知道波士顿的布局，那么这个城市的南部是历史上黑人居住的地方，也是历史上不那么富裕的地方。那里没有理想的客户。他们都在剑桥，在金融区，等等。

对于我们的国际听众，如果你不熟悉，Dunkin' Donuts是一个美国品牌的咖啡，我主要把它描述为奶味淡咖啡。在波士顿市和周边地区，只有不喝唐恩都乐的人才是死人，这是事实。每个人都喝唐恩都乐，因为它便宜，到处都是，而且足够好。这家公司绘制了一张地图，上面写着在城市的黑人区没有理想的客户，这是我们西班牙朋友所说的排泄物这是完全不真实的。每个人都喝唐恩都乐。

所以，这个软件是用统计数据、人口普查数据之类的东西构建的，基于机器学习，产生了一种叫做红线的现象。这个词最早出现在20世纪30年代的房地产业和保险业，人们会在城市地图上画上红线，在他们不想做生意的地方画上红线。同样，历史上的黑人或少数民族，历史上城市的贫困地区。没有人停下来说，“这看起来很奇怪，这看起来不对。”一个运作中的DEI委员会的成员会看着它说:“你只是重新定义了红线。这真的很糟糕。也许我们应该关掉这个软件。”

另一个经典例子是，早在2018年，亚马逊就创建了一种预测算法，用于筛选领英(LinkedIn)上理想候选人的个人资料，以减少招聘工程师的延迟。他们打开了它，并立即停止雇佣女性。就停止了。为什么?因为他们在所有男性开发者身上训练它，结果，它学会了这个特征。当然，亚马逊因此受到了很大的批评，因为这是显而易见的。没有人停下来问:“会出什么问题?”

回答你的问题，不，我们不应该停止使用这些系统，但我们绝对需要人类在整个过程中说，“会出什么问题?”你需要利用你在DEI上的投资，让那些人特别问，“会出什么问题?看来出了问题。”

乔治:超级有趣。我的大脑正朝着两个不同的方向思考我们正在打开的东西。一方面，我们谈论的是我们可能向我们想要服务的人执行的内容，我们想要人性化，我们想要解决问题或帮助他们实现他们的理想目标。使用人工智能，在过去的3个月、6个月、9个月、12个月里发生了什么变化，以及你认为它将走向何方。我认为大脑的第二部分更重要，所以这可能是我接下来要问你们的问题。告诉我们它发生的路径，速度，速率以及你认为它将走向何方。

这是我之前的问题。有什么是我们应该做的吗?我理解那些人看和说一些是错误的,但即使是在你开始生成,在你选择你要使用的工具,因为我们可以开始列出如碧玉,GoCharlie,所有不同的那些可能将回来,在我的假设,一个主要系统做他们在做什么,说我通过这个路线图我做出聪明的决定作为一个营销人员如何使用合适的工具,有正确的清单，这样我就不会发现自己是我的制造公司，汽车租赁公司，餐馆的亚马逊。你的大脑怎么想的?

克里斯托弗:有一系列非常明确的过程。当你考虑使用人工智能、机器学习和数据科学时，在很多情况下，你实际上是在谈论软件开发，无论你是开发软件的人还是与供应商签订合同的人。这就立即进入了需求收集阶段。软件应该做什么?谁会使用它?

我们在Trust Insights有一个框架，我们称之为5p:目的(purpose)，人(people)，过程(process)，平台(platform)，表现(performance)。目的;你想用的这个东西的目的是什么?人;谁会使用它?此外，谁会受到其结果的影响?理解硬币的两面，不仅仅是你的员工，还有你的客户。

平台;它背后的技术是什么?它是如何制作的?同样，很多公司都在创建人工智能模型，但他们对使用哪种模型并不十分开放。他们说，“我们用的是专有的东西。”不，你不需要。您拥有hug Face部署的五个开源模型之一，并且正在幕后对其进行微调。没关系，你就这么说，诚实地面对吧。我确实有机会和GoCharlie的首席人工智能科学家交谈，她和我聊了聊幕后发生的事情。我不能和其他公司沟通，但我已经和一个人谈过了，了解了技术细节，所以我可以说他们知道自己在做什么。

然后流程。您将使用哪些流程来创建、测试、部署和对您正在部署的软件进行QA ?即使您使用的是供应商，您仍然需要进行测试、部署和QA，因为您需要确保您所做的是预期的。例如，你的DEI委员会应该成为QA过程的一部分，以查看你是否做了不该做的事情。

举个很简单的例子:你在做文化挪用的事情吗?如果你在Instagram账户上发布的社交媒体内容使用了Mashantucket Pequot部落的图片，而你的公司里没有人是Mashantucket Pequot部落的人，即使人工智能建议这样做，你可能也不应该使用它。如果你是Mashantucket Pequot，那就完全是另一回事了。

最后,性能。你在做什么，软件，程序达到目标了吗?这又回到了目的。首先要问的一件事是，像减少或减轻偏见这样的事情是否是你的目标的一部分，也是衡量你的标准的一部分。如果答案是否定的，你可能要考虑把它放进去，因为这应该是现代人工智能的一部分。这就是我解决这个问题的方法。你想要处理这些东西的去向。

乔治:这就是问题所在。有太多事情需要我们去思考。我会告诉你，我认为有两个，也许更多，但我现在要把它分成两个听众来听这个播客。我并不是说我是克里斯托弗·佩恩，但像你和我这样的人喜欢新事物，让我们尝试一下，让我们测试一下。顺便说一下，你会尝试，测试，打破它。我是闪亮的新玩具，作为早期采用者，我能做些什么呢?有些人听了会说不，不适合我。这正在改变我们做生意的方式。这正在改变我们完成事情的方式。我同意我们谈话的第一部分，你必须建立基础，流程，人员来确保你不会把事情搞砸。

让我们和那些说不的人谈谈。我要回到这个问题上，在过去的3个月，6个月，9个月，12个月里，你见过任何事情像围绕人工智能和内容生成人工智能的讨论那样获得如此快的速度吗?你觉得它会去哪里?大致描绘了我们是如何走到今天进行这个对话的。顺便说一下，我是在B2B论坛上看到Christopher谈论GoCharlie的时候想到的，当时我很兴奋，我知道我们必须做一个采访。和观众谈谈我们是如何走得这么快的，以及你认为我们未来会走向何方。

克里斯托弗:我们没能这么快赶到这里。我们谈论人工智能已经有70年了。今天使用的许多算法和东西都是在20世纪50年代开发的。今天不同的是我们都拥有的计算能力。我们口袋里装着这些名副其实的超级计算机，它们提供了很多这样的功能。

这个话题已经改变了，尤其是在过去的四年里，因为一种叫做变形金刚的架构。不是那些80年代的玩具，而是这些人工智能算法。在不深入技术层面的情况下，基本上这些基于变形金刚的模型，结合了大型语言模型，比如ChatGPT，允许我们做所谓的生成式人工智能。

人工智能有三种不同的基本类别，三种用例。

还有回归，就是我有一大堆数据，找到有结果的东西，找到和结果相似的东西。这就是推荐引擎背后的原理。当你打开网飞，它说“你可能也会喜欢”，这八部剧和其他八部剧一模一样。当你在TikTok上看到穿着芭蕾舞服的狗时，出于某种原因，你的整个TikTok feed都是穿着芭蕾舞服的狗，这是一个推荐引擎，这是回归。

人工智能的第二个主要类别是分类。这就是你看到很多公司在做客户之声的事情。带来数十亿的社交媒体更新，带来电话，采访，呼叫中心，只是分类盒子里的东西。在我们呼叫中心接到的最近2万个电话中，人们抱怨的五个主要话题是什么，让机器能够消化这些问题。

回归和分类这两件事已经成为人工智能的一部分，并且已经在生产环境中部署了多年。当你看到你的营销自动化系统和客户关系管理系统时，你会看到像自动潜在客户评分这样的东西，这就是那里正在发生的事情。当你使用像Demandbase这样的软件来推荐人们应该看的内容时，这就是回归算法。这很简单。我有机会和一位气象首席数据科学家聊天，我们又一次深入讨论了他们应该使用哪种算法，这归结为回归的东西，软件非常好。

过去5年发生的变化是生成式人工智能。这就是当你说我想让人工智能开始把输入转换成以前从未见过的输出。在过去的六个月里，当人们开始了解并开始理解生成式人工智能的能力。这是从DALL E-2开始的，它是一个图像生成器，然后是Stable Diffusion，一个开源模型。突然间，你看到很多人用电脑生成外太空玩滑板的狗的图像，以及类似的有趣的东西。生成的人工智能。

然后在过去的三个月里，ChatGPT的推出，这是一个基于聊天的界面，一个叫做GPT 3的语言模型，目前的版本已经在市场上大约两年半了。在过去的两年半里，懂行的人一直在成功地使用它。许多以自动化方式生成内容的大公司都在使用它。我们写了一些软件来连接它，我们用它来写预测性博客。

聊天版本是一种完全非技术的用户可以支持并说，“我知道如何聊天，我不知道温度或软最大层的P值是多少，但我知道如何聊天。”现在有了DALL E-2和Stable Diffusion，人们就会说:“我可以给我的狗拍一张穿着骑士盔甲骑在马上的照片。”现在他们可以说，我可以让这个东西给我写博客，或者更新社交媒体，或者把《Gangster’s Paradise》的歌词改写成B2B营销。你可以用这些大的语言模型做一些事情。这就是改变的地方。

在接下来的几个月里，这些模型将得到增强。模型越来越大了。Open AI在2023年的路线图中表示，GPT 4的规模将是GPT 3的8倍，这意味着更自然的对话，更真实的输出，更难以检测机器生成的版本。这一切都将到来。

这些东西的用例将会急剧增加。我们刚刚对一些不同的用例做了一个完整的直播。我正在为我的书的第四版收集它们，因为你现在能做的是不可思议的。

我会给你一个非常简单的例子，这对我来说节省了很多时间。和很多人一样，我录下了我们的电话会议，并披露了电话正在被录音。然后我有一个人工智能，水獭。啊，把它抄下来。里面全是他的废话。然后我将其输入Open AI，并将其总结为会议记录和行动项目，它会给我两段内容，然后我们就完成了。我不需要VA，我不需要其他任何东西，我只需要会议记录和行动计划。行动项目直接进入我的待办事项清单，每个客户打电话，我都不会错过任何事情。这是最简单的用例之一。节省时间，节省金钱，让客户更开心。

乔治:首先，刚才有一小段停顿，因为我的脑子被炸飞了。等等，什么?一拍不漏的想法。在这里讲几件事。第一，我听说它已经存在了，并不是什么新鲜事。只是我们人类利用它的方式被简化了。现在它被简化了，我听说将来它会被最大化，我们能做的会更多。

我很高兴你给出了那个用例，因为我脑子里有下一个问题。我想知道，当你想到B2B营销人员现在正在听这一集的时候，事实上，你有一个基础，你有你的人在关注，你有一个过程，你知道你不会有鸡蛋在你的脸上，这里有两件事，三件事，四件事作为2023年及以后的营销人员，以所有的神圣，不要浪费时间和金钱，让人工智能做这些事情。

克里斯托弗:任何重复性和中等价值的内容都可以交给AI，至少对于初稿来说是这样。我给你们举个简单的例子。同样，在大型语言模型中。我有一个预先写好的提示。实际上，让我把它拉上来，这样我就可以大声读给你们听了。这很简单。

它对机器说:“你是一位专业的社交媒体经理，你擅长撰写社交媒体帖子，在Twitter、TikTok、Instagram和LinkedIn等服务上获得高参与度。作为社交媒体创建者，您将在Twitter上创建促销推文，吸引观众下载我们的新电子书。以下是电子书的详细信息。这是URL。以下是这本电子书的内容。这是目录的节略表。使用上述细节写10条推文，推广电子书并鼓励人们下载它。使用提供的内容细节和好处作为人们应该下载它的理由。严格按照技术规范操作。”

我把它放入一个大型语言模型中，它会吐出10条推文和一个标签，这些标签的语言能够吸引用户，避免我告诉它要避免的事情。我复制并粘贴这个，然后把它带到agorappulse，把CSV文件放进去，我这周的推广推文就完成了。

然后我对语言模型说:“给我10个Instagram创意。这是格式，建议的照片，附带说明。”它吐出了一张电子书封面的照片，标题是:“你试过下载这个吗?”以此类推。这是所有的语言模型。

我认为人们应该思考这个问题的方式如果你有一个新的实习生，从临时工中介或其他地方找来的，你会给他们什么指导来完成一个相当简单的营销任务?把它们写出来。这是给机器的提示。然后机器来做，你对结果进行质量保证，说它已经准备好了。

昨晚我在做一个小说写作实验。有一个写作小组，我是其中的一员，他们有一个每月的比赛，这个月的比赛的提示是梦想。如果你这么做，有三个限制和三个奖励。我把这些作为提示写了出来，然后说:“我们要把这个故事分成四部分，每部分750字。我要你先写故事大纲，给每个部分起标题，然后写每个部分。”在大约15分钟的时间里，我写出了一篇3000字的故事，我提交了它。

它是连贯的。很棒吗?不，不是很好。这是你在很多相似的故事中都会看到的东西。但我不需要花三个小时来写，我在15分钟内就完成了。考虑一下你的博客。如果你有一篇博客文章，你知道你必须写一个好的初稿，你说，“我想让你概述一下。我要你为我写一份社交媒体策略。我想让你给我写一份TikTok战略。”

前几天我做了一个，因为凯蒂和我经常谈论我们是B2B营销人员，我们用TikTok做什么。我说:“这是我们公司在这些方面的信息。给我制定一个TikTok策略，给我10个适合B2B营销人员的TikTok视频创意。”它提出了以下10个想法。其中有四个确实是好主意。其中6个不太好。你猜怎么着?我们将开始尝试这些东西。

所以，对于你有问题的事情，比如“我应该怎么处理这个东西”，这些都是很好的起点。我认为，对于坐在那里的B2B营销人员来说，你很有压力，你的待办事项清单上有82件事，明天还有20件事要做，这是一种加快构思阶段和改进阶段的方法。

我喜欢做的另一件事是，我几乎不愿意告诉你，我参加了很多会议和事情，由于疫情等原因，我只能开车，如果它在开车距离之内。我有这些神奇的P100口罩，它们是生物战口罩，它们工作得很好，但如果我能在自己舒适的车里开7个小时的车，或者像沙丁鱼一样挤在飞机上3个小时，我宁愿选择这7个小时。我有一个小录音机，我只要把它插上，在车里的时候，我就可以随心所欲地口述自己的想法，或者我听播客，对着录音机大声喊叫。

然后我拿着文字记录，把它放到一个大型语言模型中，然后说:“用正确的语法、标点、拼写、句法和格式重写它。”这些语言模型在创造方面很好，但它们在转换、重写和提炼方面也很出色。我可以把一个小时的自我对话变成10到15页清晰连贯的内容，那就是我。我还是我，不是机器。这是我的原话，但是精炼，连贯，有逻辑。

突然间，我解决了我的内容营销问题，因为我正在利用我可用的时间。当你去杂货店的时候，你有10分钟的时间在车里。打开你的录音机。把它扔进机器里，然后清理干净，然后，你就有了比你知道该怎么做的更多的内容。

乔治:我的天啊。我只是作为一个有32000个问题的书呆子坐在这里，我试图弄清楚如何让它保持在轨道上，以便给听众带来最大的价值。这些都是很棒的方法。再说一遍，这是为了节省时间，为了有创造力。我喜欢你省略了迭代过程，转换过程这些词。我们大多数人考虑的是我如何说一些真正简单的东西并提取很多价值，而不是我如何添加很多价值并迅速装扮成可用的。

正如你在上一篇文章中所说的，我真的想问Chris关于AI内容作为起点和成品的问题。但当你给提示的时候，我感觉他在教婴儿走路。然后我想，实际上，从代理的角度来看，他所做的，我来自历史的地方，是他给它提供了创造性的简介。他把创意简报交给人工智能机器，然后说现在为我做这件事。

克里斯托弗:完全正确。

乔治:太神奇了。

克里斯托弗:有了这些提示和这些机器，他们就能输入一两个句子。不。这是一份完整的创意简报。你可以用一整页的文字把所有的细节都写进去。这是所有这些模型的特点，这是一个重要的教训，这是它们背后的基本逻辑。我第一次听到这个是在一个机器学习播客上。什么人认识什么话。

如果我把乔治·b·托马斯放进去，收集所有关于乔治·b·托马斯的语料库中与这个词相关的信息，所有公开的文本，哪些词是最接近的?HubSpot, Marketing Smarts，营销，社交媒体等等。机器可以根据乔治·b·托马斯(George B. Thomas)附近的单词知道他的意思。如果我输入marketingprof，会出现什么词?安·汉德利，B2B论坛，等等。

这就是这些工具的工作原理，它们的工作原理是基于对单词的接近度和对语言的理解。没有人把语法规则或类似的东西写下来。这一切都是通过单词在其他单词周围的统计分布来了解的。我们说的是数以亿计的数学计算。所以这些东西才这么大。

这也意味着，当你构建提示来指导这些机器时，如果你使用了正确的单词，并且使用了大量的单词，你会得到更好的结果。如果我把“滑板上的狗”输入到一个图像生成器中，我们将得到一只滑板上的狗，但这将是机器的选择。如果我输入“12岁的Pitbull shapei，黑色和白色的皮毛，红色的项圈，在一个阳光明媚的日子里，在科罗拉多州的一个公园里，托尼霍克2012年的滑板上”，我将得到一个更好的结果，因为有更多的单词可以处理，更多的东西可以判断是否接近。

当我们谈论这些提示，这些创意简报时，我们都遇到过这样的创意总监，他会说:“搞什么鬼?我不知道该怎么处理这个创意简报。你需要更多的细节。”这就是你在用这些机器做的事情，你在建立一个广泛的创意简介。

当我建立一个做推文的东西时，我会说URL是TrustInsights。ai/ga4, URL应该在每条推文中使用，使用谷歌Analytics，分析数据，数据科学，至少使用这四个标签中的一个，每条推文不要使用超过两个，包括URL在内的总字符数应该在280或更少。我在这些提示中给出了这些说明，我得到了我想要的，因为我是具体的。

Andy Crestodina在B2B论坛上说，专用性与转化率相关。我喜欢这句话。特异性与人工智能的成功相关。

乔治:这很有趣，因为这不是一个新原理。当我们谈论营销、沟通或内容营销时，这正是我的大脑所想到的，我经常说的一件事是，专一性赢得了胜利。了解与你交谈的人，他们希望你如何与他们交谈，然后更进一步。你说的就是那样。

另一个突然出现在我脑海里的东西是，我知道有市场营销人员在说，“来吧，那要花更多的时间。我只想要一只狗在滑板上。”我的大脑立刻想到，你花了三个小时写那篇大概1000字的博客文章，而你本可以花30分钟把你想要的创意摘要打出来。我们可以回到刚才关于改进的话题。这是一种神奇的混合，你可以进入。

有趣的是。这整个对话与我们在一份文件中提出的开始问题毫无关系，我们将在这次对话中使用这份文件，因为这就是我们生活的世界。有些事情总是在变化的。作为一个营销人员，你要有一个计划，你要有目标。在这些计划和目标中，你有内容。你听说过我们今天的谈话，关于人工智能和机器学习，你试图找出它们在哪里适合在一起。希望今天的对话对你有所帮助。

克里斯托弗，你已经失去了很多价值，但你比我认识的任何人都更了解这些东西你经历了一段旅程，这意味着你在这个话题上有一些智慧。当我们把观众送回他们正常的一天时，你有什么最后的至理名言想留给他们吗?

克里斯托弗:考虑到所有这些东西，现在人们正在试验，他们正在玩它，这是很棒的，也是我们想要的。你必须考虑如何将其投入生产。所有这些工具都有api，应用程序编程接口，软件可以与之对话。

我给你们举个简单的例子。我有一个SEO关键词列表。我可以利用这个词的搜索量，我可以使用预测分析，机器学习，来预测在接下来的52周内，这个词什么时候会被搜索最多。非常简单。这是老数学，不是新东西。如果我有一个包含800个关键字的关键字列表，我为我的公司做的，我预测所有800个关键字，以找出每周哪个关键字将成为当周的前五个关键字。这曾经是我们制定内容策略的方式。

然后出现了ChatGPT和GPT模型。我们试用了它，然后我们看着这个小代码按钮，说现在我们可以把它投入生产了。现在我们做的是，每周把前5个关键词输入AI，然后说，“给我写5个本周的博客提纲。”现在我已经有了当周最重要的内容，我可以把它交给作家来整理。

我已经从编写一个很酷的提示并让它做一些事情，到将它投入生产，现在它可以扩展。不是一篇博客或20条推文，而是200条或2000条推文。这就是将赢家与输家区分开来的原因。

人工智能不会抢走你的工作。如果你是B2B营销人员，人工智能不会成为B2B营销人员。但使用人工智能的B2B营销人员将取代不使用人工智能的B2B营销人员。游戏到此结束。如果你是一名不使用这些人工智能工具的营销人员，你就处于危险之中，你的职业生涯就处于危险之中，因为使用这些工具的其他人操作得更好，更快，甚至可能更便宜，并且可以比你做得更多，只是因为这些工具的性质。

这是我的临别赠言。使用人工智能的营销人员将击败不使用人工智能的营销人员。这就像一个篮球运动员第一次穿上球鞋，突然间比赛就改变了。

乔治:《营销智慧》的听众们，你们做了很多笔记吗?我得问你，在这期播客之后，你的首要执行机会是什么?一定要联系我们，在我的收件箱或推特上使用#MPB2B标签告诉我们。

我还想问你是marketingprof社区的免费会员吗?如果没有，请访问Mprofs.com/mptoday。你不会后悔额外的B2B营销教育，你将添加到你的生活。

我们希望你能在你最喜欢的播客应用上给我们打分或评论，但我们也希望你能和同事或朋友分享这一集。在我们与Mark Schaefer讨论B2B营销胜利的社区和品牌建设的原因、内容和方式之前，我希望你只做几件事。第一，联系我们，让我们知道你接下来想听什么对话。第二，专注于每天在你的技能上提高1%。最后，记得做一个快乐、乐于助人、谦虚的B2B营销人员。我们下一集营销智慧播客见。

不要错过营销教授的播客，订阅我们的免费时事通讯！

发表在2023年2月16日