广告是新时代的曙光。人工智能和数据利用将颠覆这个行业，我们今天看到的还只是冰山一角。如果可以精准定位到有明确购买需求的1000万目标客户，为什么还要想方设法吸引1亿人呢?中国的腾讯(通过微信平台收集数据)就在使用预测型AI并开展预测型营销。

当公司用AI来锁定特定人群并收集其数据时，他们可以预测该人群的需求。预测性AI有3种预测方法：

——贝叶斯网络(Bayesian networks)，一种概率图形模型；

——决策树(Decision trees)，树形结构的决策路径，所有可能的决策选项都以树枝的形式表示；

——朴素贝叶斯法(Naïve Bayes)，一种可以预测情绪的算法(用于短消息或垃圾邮件等)。使用这种统计方法的操控较难，因为先验概率会根据某些情况的变化而发生很大变化，类似混沌理论。

内容词的重要性在亚马逊网站及其产品评论区可见一斑。但人们也普遍认为，55%的沟通是肢体语言，38%是语气，7%才是实际所说的话。你就明白了，为什么电视和油管(You Tube)上有那么多广告都是消费者的现身说法：网民们亲眼看到消费者讲述使用感受时可以看到其肢体语言，这样，他们才会对产品有信心。动态面板数据模型显示，积极情感内容对转化率的影响是不对等的，因此客户评论中正面评价的增加对后续转化率的影响较小。评论中负面评价的变化则不会发生渐弱效应。此外，多种多样的正面情感表达，以及多多采用与产品利益群体一致的语言风格，都会直接提高转化率。这些发现表明，针对不同产品类别，管理人员应积极识别最具影响力的评论并做大力推广，对评论者如何撰写有力的评论给出清晰的指导，同时调整自己的评论风格去适应相关产品类别。

换句话说，想要增强产品营销的效果，还必须在营销方式中加入有过产品体验的买家好评。有些营销把重点放在买家评论语言上，有些则把评论语言放在第二重要的位置，其他因素还包括晒图、评论语气、星级、评分、多少人“点赞”，以及所有因素是否一致共同塑造了消费者对产品的认知等。以上所有要素都是进行预测性学习的金矿。360私人旅游公司(360 Private Travel)使用AI根据客户点击的照片来识别客户的兴趣。AI通过对自身属性和生态系统的智能诠释，为消费者提供“第七感”，努力让消费者转型成为购买过程的主人，并迅速而准确地推动他们朝着自己梦寐以求的方向发展。(www.daowen.com)

预测性营销是一种使用数据科学来收集大量信息并进行预测性分析的技术，该技术被用来科学地指导营销人员采取最佳营销措施。也就是说，预测性营销是一种可以通过分析你过去的数据来预测哪些营销活动很可能成功、哪些营销很可能失败的方法。通过分析过去的数据，人工智能可以预测未来。人工智能使用数学、统计分析、数据挖掘和机器学习的方法进行预测。现在，科学已经足够成熟，可以提供高度准确的预测结果。预测性营销已在亚马逊、脸书和网飞等多家公司普及，这些公司都在使用复杂的算法吸引客户并提高销量和广告效率。

网飞推出的电视剧《纸牌屋》(House of Cards)，就是一个著名的预测性营销案例。网飞使用了其数百万美国订阅者的数据，包括免费试用会员(为付费会员数量的两倍，而在新冠疫情期间数量增至四倍)在内，将同名英国节目按照美国人的喜好做了调整，打造了一部热门连续剧。从个体层面来说，如今网飞已经能做到向你推荐符合你个人口味的电影，因为它知道你过去喜欢过哪类电影。收集有关消费者体验和需求的数据并非新现象。公司营销部门一直在收集消费者数据，以确认产品和服务的反馈，并了解哪些地方仍需改进。这不仅是想提高消费者体验，更是为了鼓励重复购买。实际上，预测分析对于网飞的商业模式至关重要。2009年，公司设立100万美元的奖金，用于奖励改进其推荐算法的小组或个人。亚马逊是预测性营销的另一个著名案例，它根据用户过去的行为向他们推荐一系列产品和服务。

随着更多技术的运用，人们交流的方式将会有新的发展(例如视频会议、文本消息或在线聊天、社交媒体、产品评论或疫情期间用Skype组织酒会等)。为了更有效地推广产品，公司将必须采取新的策略来了解新时代的消费者行为。如何将前述的精准营销转化为预测性营销?为了与消费者沟通以促其购买更多产品，预测性营销需要通过Zoom(多人手机云视频会议软件——编者注)，Slack(企业内部沟通协作软件——编者注)，Star Leaf(企业视频会议服务——编者注)，BlueJeans(在线会议视频服务平台——编者注)和其他视频通信工具收集大量数据。随着沟通的发展，AI将分析来自这些新工具的新信息以了解消费者的行为，之后，公司将据此预测消费者的需求，以操控他们的购买。

在线生成的数据量以不停歇的速度持续增长。大众每天发送的推文超过3亿条，每月写就的博客超过7000万篇。存储和处理这些数据需要一套与传统数据处理应用程序不同的技术。预测性营销算法使用的是从万维网挖掘来的大量数据，且数据存储不断更新，因此需要具备大数据处理能力。数据挖掘是计算机科学的一个领域，是指从大量数据中找出数据集的规律。数据挖掘也可以处理非结构化数据，这在数字领域非常重要。如今，大多数数据都以零散形式遍布于无数网站、博客、社交网络和在线数据库。数据挖掘是从网络上收集数据，并将其转变为有意义的营销指标。例如，客涯网(Kayak.com)通过对以往数据的分析来预测旅行服务的未来价格趋势，可以告诉你是应该立即购买机票还是等等再看。

我们可以看到，数据收集是大众操控过程中重要且不断发展的一个环节。数据收集之所以要了解消费者的过去，是为了懂得他们的未来，才能预测他们的需求并影响他们的购买!我们并非要将历史上的政治宣传家与21世纪任何一家公司的首席执行官进行比较，我们只是试图分析并找到不同说明程序之间的关联性。公司不再使用传统的精准营销方式，转而采用预测性营销法——锁定消费者是一回事，而预测消费者的需求则是另一回事。对未来进行预测的关键点是，数据收集将使公司能够代你做出决定，正如米尔格拉姆的实验展示的那样，而你，大概率会默许这一切的发生。

在接下来的部分中，我们将看到品牌获取购买者数据的不同策略。