專訪費馬崔興龍：用人工智慧做營銷不是追風口 我們有AI「大腦」

隨著理論和技術的日漸成熟，人工智慧（AI）這一60多年前就被提出的概念，在近兩年開始大放異彩，成為浪潮之巔上的新風口，與此同時，不少弄潮兒也隨之湧現出來。

在這一風口之上，華為推出了集成NPU的AI晶元，加持AI技術的Google助手能夠用高度模仿人的語調給人類打來以假亂真的電話，商湯、曠世、寒武紀等專註AI的企業，更是迅速成長為各自領域新的獨角獸。而在高度成熟的營銷行業，人工智慧同樣能夠帶來不一樣的想像力，如費馬人工智慧推出的AI營銷方案——MarMIND系統工具即是一例。

費馬人工智慧創始人崔興龍

近日，筆者有幸採訪到了北京費馬智略科技有限公司（以下簡稱費馬人工智慧）創始人崔興龍和聯合創始人郭寧，二位針對費馬研發的MarMIND人工智慧營銷系統工具進行了深入解讀，而這也是費馬人工智慧首次公開對外分享他們的產品形態和技術積累。

AI賦能營銷

目前，社會資源越來越集中、固化，傳統的營銷及傳統的生活場景已基本被互聯網化，然而，很多企業發現，把傳統的營銷方案生搬硬套在新的場景下，已經"不靈了"。而隨著算力的提升，AI的應用有望為營銷帶來新思路。

作為國內AI營銷先行者，費馬人工智慧團隊歷經將近一年時間，研發出了MarMIND系統工具。

據悉，MarMIND基於費馬群體心智模型的方法以及人工智慧的演算法來作為其分析的基本原理，通過品牌及媒體營銷渠道與用戶畫像、心智模型等大數據分析、擬合、匹配，制定最優營銷方案，甚至能夠預測用戶行為，幫助企業提前預測營銷，做出決策。

MarMIND系統工具架構

費馬人工智慧創始人崔興龍表示，MarMIND系統工具是將營銷的基本要素：用戶、媒體/通道、品牌/產品進行量化分析，把他們各自建模，對用戶群體心理畫像、對媒體畫像、對品牌/產品精準量化，然後通過不斷的擬合優化來達到一個最理想的值。

費馬對媒體通道的分析量化

以往，諮詢或營銷公司都是通過漏斗分析或傳統的分析方法來獲得用戶畫像，給用戶貼上一系列標籤，比如90後、二次元、年齡性別、消費類型、時尚偏好等等，這些用戶畫像更多的是停留在用戶的自然屬性和社會屬性方面，且描述得很粗，其實是"不可被營銷的"。

除了知道你的用戶是誰，你還必須知道他心裡真實的想法喜好，甚至行為趨向，也就是"心智模型"。

為了更深層次地了解用戶心智，崔興龍告訴筆者，費馬的團隊曾經花費大量時間去學習認知心理學和行為心理學的知識，至少看了2500份論文之後，發現"用戶心智其實不是靜態而是動態的。"

用戶的動態行動軌跡和特徵劃分

也就是說，用戶的場景是持續變化的，你的營銷也必須隨之變化。除了知道用戶的自然屬性和社會屬性，"企業在營銷時更需要知道用戶每天在城市中實際的物理動線。比如在哪兒住，去哪兒上班，如何出行，使用哪些 APP，更重要的是，要知道用戶每天不同時期大致的心理狀態如何，以及心理偏好，喜歡什麼樣的辭彙和傳播方式。"崔興龍補充道。

具體而言，費馬結合POI描畫路徑以及凸包和莫蘭指數等演算法，對用戶的行動軌跡和特徵進行劃分。

MarMIND採用經典的Convex-Hull凸包演算法來大致確定活動邊界

從APP數據監測公司獲得基礎數據後，費馬並不只是簡單把這些數據連成線就成了動線和熱點圖分布，而是通過兩大演算法來描述。一方面是經典的Convex-Hull凸包來大致確定活動邊界；另一方面，則是使用Moran"s空間自相關模型來進行空間和動線特徵的描述，這裡面需要3大類的數據 ：用戶的完整路徑、用戶使用APP的全景數據、採用MarMIND自己的畫像演算法對APP特徵和媒體特徵的量化值。

全局莫蘭指數的計算公式

比如25-35 歲的使用 iphone 手機的人群，通過獲得 POI 數據，可以知道這一類群體一天大致的軌跡點和熱力圖。通過經驗模型里比較常用的 Convex-Hull 凸包、全局 Moran"S 等模型可以大致勾勒出一個群體實際動線和特徵。

崔興龍說，"這些在以前很難實現，現在通過大量的數據採集，AI學習傳統的經驗模型，以及不斷優化資深的演算法，已經可以基本擬合出用戶每天如何在城市怎麼活動，甚至怎麼思考。"

對於"大量"數據的來源問題，崔興龍透露，費馬的數據來源包括國家公開的各種資料庫、費馬自採的合法數據、以及TalkingData友盟等合作夥伴提供的數據。除了MarMIND的合作數據和自采數據外，企業還可以導入自己的第三方介面數據和內部數據給費馬，以獲得個性化、定製化的分析結果。

雖然數據基礎是一個 AI 訓練模型建立的基礎，但數據並非越多越好。有了數據，如何用工具分析才是最關鍵的。

而對用戶畫像的核心就是通過用戶使用的APP進行描述分類、以及創傷理論分析分類。比如每天不停刷抖音的人，那肯定不會是愛學習的學霸，而看知乎和看頭條的人肯定也有著不一樣的特點，手機里裝王者榮耀的人和玩豆瓣的人也是不一樣的，不同的APP有不同的氣質，通過分析這個用戶用得做多的APP是什麼，看到他把時間都花費在哪兒了，能夠大致分析出他是一個什麼樣的人。

與此同時，費馬還通過認知心理學的"創傷"理論分析對用戶進行分類，比如有的用戶對"火車站"、"搬家"、"海鮮"、"小肚子"這些關鍵詞有心理"創傷"，看到火車站就想到髒亂差，看到搬家就感覺顛沛流離，看到海鮮就想起曾經的過敏住院，看到小肚子就好像在提醒自己肥胖，那麼，品牌在營銷時，就一定要避開這些關鍵詞，避免引起用戶的反感。

消費者在做出消費決策時，往往都是"理性分析，感性決策"，而做營銷就是佔領用戶心智，洞察了用戶心智，在不同的場景下通過不同的方式滿足它的喜好，避開它的"創傷"，你才能成功營銷給他。

只有你的量化夠精準，你後面的結論還會有價值。通過在動態的場景下對用戶精準畫像，對媒體渠道、品牌產品進行清晰的量化分析之後，當用戶提出更多的需求時，就可以用AI的演算法機器人對其進行分析和擬合，逐漸逼近用戶真實需要的模型邊界，在營銷時"投其所好"。

崔興龍表示，MarMIND通過量化得出數學模型的流程和以往麥肯錫埃哲森在流程上其實並沒有太多不同，只是費馬的數據量更大，模型更多。麥肯錫依靠商業邏輯的經驗模型，而費馬是靠數學模型，費馬的機器人不僅會學習傳統的營銷理論，還會學習自己以及新的營銷案例，根據收到的數據反饋不斷去修正模型，最終極大可能地趨近最理想值。

可以說，費馬的AI營銷模型是站在傳統營銷方法論的巨人肩膀上建立起來的，通過費馬群體心智模型的方法以及人工智慧的演算法賦能，讓數據更精準，更趨於"真相"。

一句話，"（費馬人工智慧）做的事兒其實就是將企業的營銷、公關、戰略定位等過程，用數學的方法建立大數據樣本，把營銷三要素與環節量化，用AI的方法學習歷史上的經驗模型，之後不斷優化AI演算法擬合到一起。"在這一過程中，對用戶心智的把握、對用戶動態行為的分析、模型對傳統經典營銷方法的學習以及持續的自學習能力顯得尤為重要。

除了主動營銷，費馬人工智慧還能夠幫助企業更加明智得處理負面、危機事件。比如能夠預測一個負面事件的傳播半徑和周期，將各個因素例如熱度，周期，負面爆發的數量級，參與大V的層級和數量，極端負面出現以及引入虛擬變數 ( Dummy Variables) 的引入等諸多情況進行，定義這個模型在最大化極致出現時的控制能力以及如何調整因素。

費馬人工智慧能夠幫助企業實施一套自己的後台，包括營銷的媒體量化，用戶量化及群體心理畫像，以及品牌，產品和輿情的監測等系統。可以實時知道，在何時以何種方式，進行正向的產品營銷，品牌差異度的尋找及確立，以及負面的策略、周期，使用媒體和方式等，為企業提供定製化的24小時的決策支持服務。

深耕中小企業

至於為什麼會選擇中小企業作為公司的重點客戶定位，崔興龍解釋道，大公司一般都會有自己的營銷團隊和方法，他們的核心數據也十分敏感一般不會對外開放，相比之下，在激烈競爭中掙扎的腰部中小型企業，無疑面臨著更迫切的生存需求。

一方面，對於中小企業來說，公司自己養市場和商業數據團隊成本偏高，還缺乏一套可以量化的營銷系統，大量的工作由第三方公關公司或自媒體完成，不僅效果有限，更容易滋生腐敗，而公關公司的經驗模型雖然也使用數據，但基本屬於自說自話。

與此同時，目前整個互聯網資源和利潤已經板結化，除了頭部公司，中型公司突圍的路徑選擇成本高，還缺乏方案式的產品。中小型公司缺乏一個低成本的解決定位，營銷和公關的綜合性產品，企業對品牌及定位的認知，與真實目標用戶對企業的認知存在偏差，且這些偏差在時刻的變化中逐漸拉大。

很顯然，中小企業、中小品牌更需要費馬人工智慧的AI營銷工具打開局面。

目前，費馬人工智慧已經在汽車、房產、家居、手機、化妝品、娛樂行業以及互聯網金融服務等行業有過成功案例。崔興龍坦言，費馬最想做最靠近用戶的行業，因為"我們做AI的長遠目的並不只是做營銷，而是希望AI能夠學習人腦的創造性思維，並發思考能力甚至創傷。"

模擬大腦思考需要從人腦的輸入設備入手，比如視覺迴路、聽覺迴路、觸覺，或者從思維模擬和學習入手，而最能體現人思維的結果就是商業，"這是我們從這裡入手的原因"。"

就在前不久，費馬還剛剛幫助一家面膜品牌完成了一次量化分析。據了解，這家知名國產化妝品品牌主要受眾為二線城市以下18歲-25歲的年輕用戶，品牌方認為它們的客戶已經從少女走向了更有消費能力的輕熟女，推出一款價格在2500-3000左右的面霜高端面霜可以自然而言的被他們的用戶接受。

而經過費馬MarMIND系統採集的數據及對其用戶心智分析和媒體量化分析之後，得到的結果卻和品牌方自己的推斷大相徑庭。

費馬MarMIND通過科學的數據分析得出的結果顯示，這家品牌雖然受眾雖然更有消費能力，但受眾對他們的品牌並沒有認同感。早期的所謂忠誠度大多是建立在預算有限的情況下，隨著年齡增長、對品牌認知更加成熟，用戶已經清晰地將該品牌劃入到中低端領域。

品牌方自以為"勝券在握"的更有消費能力的客戶，可能不僅不打算消費它們的"高端面霜"，反而還希望與該品牌"心裡隔離"，也就是從內心深處並不希望他人知道自己曾經用過該品牌。

最終，在看到費馬給出的數據後，這家品牌也只好放棄了進軍高端的計劃，將一款很可能慘敗的產品"扼殺在搖籃"里，及時止損。

值得一提的是，這些分析全部是通過MarMIND系統來完成，並不需要傳統的分析師、市場營銷人員做各種表格PPT，不得不承認，這就是技術所帶來的更高效、更精準的生產力革命。

互聯網老炮兒的新征程

作為一家成立不過一年的公司，費馬人工智慧無疑還非常"年輕"，但其實，他們的創始團隊早已是混跡互聯網圈子十幾年的老兵了。

費馬人工智慧合伙人包括創始人崔興龍以及郭寧、於岳陽、石俏等聯合創始人。

其中，創始人崔興龍是北京大學計算機系碩士、加州理工學院計算機與神經系統碩士，曾供職於Google創新實驗室，負責跨語翻譯搜索項目及PIM數模編碼項目，在美期間，多次獲得矽谷技術大獎，曾被圈內稱之為"矽谷華人技術天才"。回國後，其主要從事互聯網及演算法與商業領域結合行業，先後供職於新浪樂居等公司，並於2014年與郭寧聯合創立金融科技公司--千壹理財。其他幾位創始人及眾多核心演算法開發團隊，也多是有著名校名企背景。

聯合創始人之一的郭寧，畢業於哈爾濱工業大學計算機系，是 JBOSS開源項目早期的負責人之一，還（多了個還字）360早期技術合伙人，國內頂尖的商業應用類技術領域專家。 曾供職於新浪家居集團任CTO。後聯合創立了千壹理財，負責AI，產品及技術平台的搭建。

於岳陽則是北京大學計算機系學士，哥倫比亞大學數學系博士，2009年加入Google參與Google街景項目和無人駕駛項目。2014年，加入高盛，負責AI量化投資和AI基本面策略項目。於博士多次發表SCI期刊論文，是AI及金融科技領域中的傑出代表。

另一位聯合創始人石俏則是中國政法大學法學碩士 ，北京大學心理學碩士。 是神經科學及心理學專家，女性創業者的代表人物之一，畢業後於2010年6月開始創業，先後創辦北京殼殼蟲電子商務有限公司、北京識本電子商務及SCRM平台公司。率先將AI智能客服系統，量化分析系統與客服，CRM結合，其系統輸出近百家電子商務平台。

可以看出，費馬的創始團隊大都是計算機或數學背景出身，不僅如此，費馬人工智慧的核心技術團隊也同樣如此，除了計算機系，最多的就是數學系出身或有著數學專業的背景。

的確，計算機科學、數學與人工智慧的關聯性不言而喻。"人工智慧被認為是計算機科學的一個分支，而數學其實是多種學科的基礎科學"，Google知名科學家、《數學之美》作者吳軍博士也曾表示："信息的數字化和信息的數學處理已經成為幾乎所有高科技項目共同的核心技術。從事先設計、制定方案，到試驗探索、不斷改進，到指揮控制、具體操作，處處倚重於數學技術。"

同時，吳軍博士也是人工智慧技術的推崇者，他認為，大數據和人工智慧是生產力，使得我們的效率能夠提高。同時，人工智慧不是一個虛的話題，它在商業上的收益其實是可以看得見的。

儘管趕上了人工智慧的風口，但崔興龍卻有著自己的堅持，而不只是盯著"商業上的收益"看。作為一位連續創業者，一路走來，他始終懷揣著最初在Google時"賺錢不必作惡"的價值觀創業，而費馬秉承的企業文化也正是"極致 不作惡" 。

他認為，AI無論和哪些領域結合、應用是深是淺，其目的都應該是更好的為企業、為人服務，AI與品牌定位、產品營銷以及公關等領域的結合尤其如此。這是一個既古老又新穎的結合，未來還有很長的路要走。"我們的目的不是幫助企業作惡，而是希望更多優秀的中小企業能夠更好地活下去，同時，為人工智慧的發展與落地盡綿薄之力。"

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！