【亿邦原创】日前，由SparkXGlobal&Xmars主办的第二届出海AI营销生产力峰会在深圳落幕。SparkXGlobal CBO Richard Zhang、亚马逊广告亚太大客户销售总监Susan Lai、亚马逊云科技解决方案架构师总监Sijie Han、Jackery华宝新能副总经理周传人、Momcozy品牌市场&运营负责人孙驰围绕“基于AMC数据，探索AI驱动的营销新价值”这一主题展开讨论。
Susan Lai指出，AMC基于亚马逊云科技架构，一方面可以为广告主提供安全的用户行为数据，另一方面借助AI决策引擎可以更深度地挖掘AMC数据价值，实现精准的用户触达和品效合一的效果衡量，确保广告花费的每一分钱都在刀刃上。
Sijie Han从技术的角度解释道，AMC作为一个数据平台，归纳起来主要是用到两个技术，数据技术和AI技术。数据技术包括分析、洞察，以及在数据治理层面涉及到的安全性和隐私性问题；而AI技术则可以更好地预测数据的属性、内容，用高颗粒度的数据，通过智能、高速的数据分析，更好地洞察消费者需求，使得投放更为精准。
在具体的业务应用场景中，周传人表示，AMC数据可以提供购买转化路径、触达次数、人群标签的渗透率等核心数据。“通过对这三个指标的持续追踪和分析，可以更好地分配广告预算，从而提升广告转化效率，最终让我们的营销决策的精准度大幅提升。同时我们也会通过数据的分析去关注到一些高潜力，但是低渗透的细分人群或者是细分场景。”
孙驰谈到，Momcozy会根据AMC数据来判断消费者所处的不同阶段和不同需求，藉此来精准找到相关用户推荐产品，并带动同类产品的关联购买。
此次峰会以“智启无界 · 向实生长”-AI Powering Tomorrow为主题，聚焦AI在全球营销生态的落地应用，通过前沿趋势洞察、全球AI营销大咖和出海行业专家的观点交锋、中美不同品牌的AI实践经验和案例分享等多维度内容，以期提供最前沿趋势洞察与最落地的应用实践。
（温馨提示：本文为速记初审稿，在不影响原意的基础上，由亿邦动力编辑整理，或存疏漏，敬请见谅。）
以下为圆桌对话实录：
Richard Zhang：大家下午好！我是SparkXGlobal的Richard，今天我们在很多环节都提到数据，尤其是早上吴晓波老师也谈到人机结合。人机结合当然也离不开数据，今天我们借数据和AI这个角度来谈。
当然，说到数据，也有很多种，今天我们会选择AMC数据来讨论。
主要有四大关注点：一是怎么用数据，用数据无非是挖掘更多的生意，因此怎么挖掘更多潜在的客户，这是第一点；第二是AI驱动广告的策略，如何通过AI技术与AMC数据的结合，实现更加精准和高效的广告投放；第三是更未来的方向，AI技术如何进一步增强AMC数据的应用效能；最后是数据安全和隐私保护的问题，我们把数据给到代理甚至是平台，是不是真的安全。
说了这么多，接下来，有请台上的各位嘉宾先来做下自我介绍。
Susan Lai：大家好，我是亚马逊亚太大客户行业总监Susan Lai，我负责的是家电和3C行业，非常感谢SparkX的邀请，有机会在这里分享如何利用AMC数据帮助大家更加精准地触达用户，同时做到品效合一。我也想再次声明一下亚马逊广告的愿景，就是希望可以帮助更多的中国品牌成为世界品牌，希望大家今天能有所收获。
Sijie Han：大家好，我是来自亚马逊云科技解决方案架构师团队的Sijie Han，这个团队的主要角色是技术角色，帮助我们的客户更好地部署他们的系统和应用。我所在的团队主要是聚焦在广告媒体行业，也积累了很多客户利用新技术更好地进行业务创新和增长赋能的能力，很高兴被邀请到这个平台上跟大家分享相关案例。
周传人：大家好，我是来自华宝新能的周传人，主要负责Jackery品牌的营销与销售工作，很荣幸今天在这里跟大家分享和交流。
孙驰：大家好，我来自Momcozy，一个母婴出海品牌。我们的产品覆盖了妈妈的孕前、孕中、孕后全生命周期。我们使命是致力于打造全球领先的一站式母婴品牌。
01 AMC是什么？有哪些应用场景？
Richard Zhang：平时我们经常会问AMC到底是什么，接下来我们将简单通俗地介绍一下AMC。
AMC全称Amazon Marketing Cloud亚马逊营销云，一般情况下我们日常关注的重点是关键词，而这些关键词会转化为销售。无论是关键词还是其他行为，实际背后都有人，这个部分希望大家能将切入点放在人身上。
想象一下，当一个人进入亚马逊生态后，所有动作都会被记录下来，包括曝光、点击、互动，甚至包括最终是否加购，是否购买，是否产生了复购，以及从做出动作的时间点、地点以及所在的网站等等。
这些平时看似简单的行为，背后却能衍生出多条细致的数据。在这么细颗粒度的数据下，有着很高的可塑性和想象空间，我们可以通过不同形式的交互来分析这些人背后的行为动机，也可以再结合一些AI技术，进一步分析消费者是在什么情境下做了这些行为和决策，这些都值得被继续挖掘。
接下来进入正式问答环节，第一个问题比较宽泛。我们刚刚提到了AMC，以及这些高精度的数据，从不同的背景角度来看，有哪些更好的利用方式，或者说你们目前是如何利用它的呢？接下来，Susan Lai，请您先分享一下你的观点。
Susan Lai：我想从三个维度来回答这个问题。
首先，AMC是一个非常庞大的数据库，基于亚马逊云科技架构，在确保用户隐私的情况下提供了非常安全的环境，让我们的广告主能够挖掘到亚马逊庞大的用户信号，从而获得更多消费者的行为数据，包括消费者的搜索行为、浏览行为，以及购物行为。此外，我们还可以了解消费者与广告的互动结果，从而更好地为AI决策引擎提供有效的输入。因此，第一点是数据。
第二，AI决策引擎是非常重要的精准触达的导航仪。在座的广告主肯定都非常在乎自己投放的广告不会浪费，AI决策引擎可以帮助我们在AMC的庞大数据中实现精准触达，从而确保每一分广告费都用到刀刃上。
此外，在如此庞大的AMC数据中，AI决策引擎还可以快速捕捉到潜在用户群体，比如，为那些从未购买的用户找到他们可能感兴趣的内容，并进行精准触达。
第三，通过AMC数据分析可以帮助我们更好地实现品效合一。可以让我们看到用户从品牌接触到最终购物转化的整个链路，我相信这也是在座广告主非常渴望实现的目标。
因此，综合来看，这三点就是：数据，精准触达以及品效合一。
Richard Zhang：非常感谢Susan Lai对AMC数据的精准解释。接下来，我想请周总分享一下您的观点。
周传人：我也希望用通俗易懂的语言简单阐述一下，作为品牌方是如何看待这个问题的。
首先，AMC提供的高颗粒度数据可以帮助品牌方更精准地衡量广告效果，以及发掘客户行为背后的潜在需求。这对我们的决策流程起到了非常关键的作用。
第二，通过不同行业、不同兴趣人群的数据表现，AMC可以帮助我们挖掘到新的潜在消费场景，也就是说，我们的营销工作能够更有效地展开。
第三，数据的丰富性决定着我们离客户的距离。正是因为有着这样高颗粒度的数据，结合智能的、高速的数据分析，我们可以精准洞察消费者需求，做到离客户更近、更懂我们的消费者。
而这些需求不仅仅用在如何提升我们的广告投放效率上，也可以将其前置地放在我们的产品研发路线图中，更好地实现从消费者广告数据洞察到反哺产品力提升的闭环打造，从而让品牌保持在品类的核心竞争力。
Richard Zhang：周总刚才讲的很多内容，我们都非常期待在接下来的对话中，你可以提供更多具体的应用。接下来请孙总分享。
孙驰：我们始终认为，平台、数据或工具的使用是基于解决一定的业务目的或业务问题的。
Momcozy是一个母婴品牌，在这个行业里有两个问题要解决，第一是如何精准地找到目标人群，即妈妈群体，找到妈妈之后，我们还需要知道这个妈妈现在处于什么阶段，她是怀孕阶段，还是产后阶段，亦或是她的宝宝现在有多大，这背后都对应着消费者不同的需求。AMC这样高颗粒度的数据可以帮我们准确判断用户的画像以及她目前的需求，从而让我们的营销行为更准确，这是第一点。
第二，对于消费者而言，因为妈妈群体毕竟是少数的，比如全美一年只有300多万的出生人口，所以我们要解决的第二个问题是，如何能够持续满足消费者在不同阶段的需求？
针对这个问题，AMC的数据也能告诉我们，如何做交叉购买的决策，如何提供多场景服务的解决方案，从而让消费者与品牌有更多的联系，让我们的产品，持续不断地满足消费者不同阶段的需求，让消费者一买再买。这是我们生意增长非常重要的方向。
总结来说，我觉得AMC的数据应用，对于解决母婴行业这两个重要的增长问题，有非常大的帮助。
Richard Zhang：孙总带出了很重要的一个概念。这么细颗粒的数据，一是从空间上有很多交互的灵活性，第二是从时间维度上也有很多交互的可能性。所以稍后也非常期待你分享你们企的实践。接下来交给Sijie Han，从技术的角度分享一下你的看法。
Sijie Han：AMC作为一个数据平台，底层有各种各样的技术支撑，归纳起来主要是数据技术和AI技术。
数据技术最核心的是数据处理和数据治理这两个部分，AMC本身是基于亚马逊云科技架构，可以支撑各种应用场景，通过提供比较完整的工具和方案，让用户更方便地部署。而数据治理本质上是管理数据的安全性和隐私性。AI技术则可以更好地预测数据的属性、内容等等，更高效、更精准地完成内容的生成和区分。
02 AMC的业务价值：挖掘人群场景 整合营销带来新价值
Richard Zhang：接下来进入第二个问题，大家平时是怎么用AMC数据的？对你们来说有哪些挑战？
首先有请孙总，刚刚你也分享了Momcozy针对消费者的一些挑战，比如希望从数据上知道用户什么时候怀孕，怀孕之后是不是有其他的产品需求，整个生命周期有多长等等，那回到AMC数据层面，具体是怎么用的呢？
孙驰：在这里简单和大家分享一下AMC数据怎么应用到我们的广告投放和市场营销。在这件事情上，我们和Xmars的团队紧密合作，有一些还不错的案例，我想对大家是有帮助的。
首先，我们会通过AMC数据判断消费者所处的阶段，从而精准找到目标受众。举例而言，我们有一款托腹带产品，主要是解决妈妈孕晚期腹部支撑的问题。基于这样的产品解决方案，我们需要找的用户就是那些孕晚期的妈妈，AMC可以精准地帮助我们找到并向她们推广我们的产品。
其次，母婴行业有很多关联购买，通过AMC数据，找到这些关联购买行为，对于我们的广告投放甚至站外营销，都有非常强的指导意义。比如我们有一些产品是专门为妈妈带娃出行服务的，如背带、腰凳、便携式暖奶器等等，在AMC数据中我们也发现它们有非常强的关联性。因此，在广告投放过程中，我们就可以将它们通过场景化的方式进行广告素材的创作进行投放，在站外推广的时候也会以场景化的方式联合推广这些产品，从而让我们的投放和推广更加精准高效。
Richard Zhang：孙总谈到了母婴市场特殊的情况，以及特殊的做法。接下来请周总谈一下AMC怎么应用到储能行业，以及现在的成功实践。
周传人：我们团队的合作是非常顺利的，会以周为单位进行数据分析。数据分析现在主要侧重在这样几个关键指标上，这几个指标也是只有AMC才能提供的，而非传统的站内广告后台能解决的。
第一是我们会比较关注购买转化路径，第二是触达次数，第三是人群标签的渗透率。通过对这三个指标的持续追踪和分析，可以更好地分配广告预算，从而提升广告转化效率，最终让我们的营销决策的精准度大幅提升。同时我们也会通过数据分析去关注到一些高潜力，但低渗透的细分人群或者是细分场景。
举例而言，第一是北美市场，通过数据的分析会发现在带有“工业设备”“自行车装备”这类标签的人群身上，他们对储能产品会表现出极大的关注度，这样我们就可以针对这些新的群体去做更具有确定性的人群增长策略。
另外在日本市场，从2019到2021年，我们的主打场景是户外露营，通过数据分析，我们发现应急备灾在日本市场，与我们品类的结合度远远超过户外露营，基于这样的洞察，我们会做出一系列的调整，如文案、视觉图片，以及视频的优化等，会更加贴近应急备灾场景。
此外，通过对收入层级数据的分析，我们将更有针对性地向不同收入能力的群体推荐不同档次的产品。我们的低价产品大约在100到200美元之间，而高价产品可能会达到2000美元，这就要求用户的数据颗粒度得足够细，包括年龄、家庭状况等等。
Richard Zhang：周总刚刚提到一个词是潜力的用户，但渗透率很低，意思是说从数据的角度，我们发现尽管只触达了很少的人群，却贡献了很多的GMV，而且效率很高。但是它的渗透率又很低，这就意味着我们可以对这些标签的人群再加强，有可能将获得更高的回报。
刚刚两位是从各自的行业比较深入的分享了垂类的经验。Susan Lai平时接触的卖家也特别多，相信她也有很多不同类型客户的经验和成功案例分享给大家。
Susan Lai：刚刚两位嘉宾讲的很多是专门找到客户群体，精准触达。我从营销效果衡量的角度说说AMC可以怎么为大家赋能。
首先是通过分析AMC的数据，可以更好地进行全渠道整合营销。以某手机客户为例，新品推广时，不仅投了下层搜索广告做转化，同时也借助上层品宣广告引流曝光，通过AMC数据分析，我们发现这种多广告组合的投放，对比仅投放SP广告，购买转化率提高了1.8倍，转化效率提高了4倍。
第二是如何借助AMC做定制化的多渠道归因分析更有效进行预算分配。举个例子，我们帮某客户做Multi-touch attribution多触点归因分析，同时也做了传统的最后点击归因的分析。通过多触点归因，发现品宣广告对最终转化的作用明显，用户转化效率提高了1.2倍，特别是被品牌广告触达过的用户，购买意愿提高了21%。也就是说，通过多触点归因模型，可以更科学地帮助客户进行不同阶段的预算分配和优化，实现整体广告效益的最大化。
第三是一个汽车客户的案例，我们将第一方的DTC数据与AMC数据整合，通过更全面的数据洞悉用户人群的画像，包括分别是被哪些广告触达的，以及购买的方式等。通过一方数据的上传，再加上AMC的加持，结合亚马逊广告更好地精准触达，最后我们发现这个汽车客户的CPA降低了39%。
综合以上三个案例，可以看到AMC能够帮助客户更好地提升效果。
03 AI如何与AMC数据更好地结合？
Richard Zhang：前面这个问题信息量有点大，我在这里简单总结一下，大家主要记住四点：
第一是，从AMC数据挖掘更有潜力的消费场景，同时这个场景可以延伸到顾客的生命周期；
第二是，从数据中挖掘潜在人群；
第三是，基于AMC更好地衡量不同广告类型对最终转化的贡献度，从而进行更有效的预算分配；
第四是，AMC有很灵活的融合能力，可以结合第一方数据不断扩充数据池，实现更高维度和更精准的用户洞察，帮助品牌在亚马逊和DTC两大生态实现闭环营销和策略的反哺。
那么，展望未来，随着AI技术的进步，大家觉得还可以怎样更好地利用AMC数据？
Sijie Han：AI技术在提升工作效率方面发挥着重要作用，但它并不是要取代我们的工作，而是作为辅助工具，帮助我们更快地完成那些原本耗时较长的工作。AI的应用主要体现在两个方面：历史数据分析和新数据生成。
针对历史数据分析，尤其是在广告行业，AI技术的应用场景非常广泛。例如，通过分析用户行为来创建用户画像，过去我们可能需要定制特定的模型来实现。而现在，利用大型AI模型，我们可以更全面地考虑多种因素，从而对用户行为进行更深入的分析，发现与传统画像不同的新特征。
AI技术在处理大量文本数据时也显示出了其强大的能力。过去，对文本进行摘要和汇总可能需要耗费大量时间，但借助AI模型，我们能在几分钟内快速提取出核心要点，之后我们再根据这些要点进行判断和修改，大大提高了工作效率。
在新数据生成方面，例如，在广告创意环节，AI可以帮助我们生成广告素材、图片，甚至视频。在产品上架时，AI还能根据产品描述生成相应的文案，供我们进行调整和优化。
Richard Zhang：在使用数据层面，大家对未来还有哪些期待，希望通过AI解决哪些问题？
周传人：我有两个小小的期待。第一是希望可以更智能地预测并且发掘到产品新的使用场景。
举个例子，我们现在已有的场景是A和B，通过AI技术、高频分析用户的评价和数据，可以从现有场景中发现潜在的C和D场景。
第二是降低对人的依赖。希望AI未来能够在在数据分析和策略优化这两个场景下形成自闭环，自动完成优化任务，节省时间，真正做到从数据分析、策略建议，再到优化执行的全链路。
当然这也不意味着人的价值被弱化了，反而在我看来，对人的要求是进一步提升的，是需要人具备更强的商业洞察、机会洞察，以及面向AI的策略输入能力。正如上午有嘉宾讲到的，我们真正要追求的是人机协同。
孙驰：我们觉得AI技术的应用体现在两个方面，业务发展和能力提升。
业务层面，刚才谈了很多，第一是如何利用AI和AMC的数据做更加精准的广告投放和站内外营销；第二是如何给到更多交叉购买的建议或者场景化营销的建议；第三是通过数据分析指导产品开发，满足消费者未被满足的需求，从而提升产品开发的成功率。
第二个是组织层面，能否借助AI实现组织能力的提升。
AI的应用，短时间内可能没办法决定你的能力上限，但是很大概率能够提升组织能力的下限。通过设计高效合理的AI交互流程，让所有同事都能够掌握和AI对话的能力，解决他们所遇到的部分业务问题，可以使组织里每一位同事的能力都得到提升。其次，再通过在某个领域AI应用的钻研，训练AI帮助我们解决一些更高层次的问题，两者结合，能够让我们的组织能力实现质的飞跃。这也是我们对AI应用的期待。
Richard Zhang：前面嘉宾也都提到，希望借助工具来提升工作效率，释放我们的潜力，让我们有更多空间去进行深度思考和策略规划。这也正是我们今天大会的核心话题——人与AI的结合。
今天的分享就到这里，感谢大家的参与和关注。
亿邦持续追踪报道该情报，如想了解更多与本文相关信息，请扫码关注作者微信。
