# 将生成式 AI 整合到个性化工作流中的 3 个建议
  
  ## 北欧区副总裁 Harry Hanson-Smith 分享了他在优化数据、掌握 AI 提示词训练以及探索先进工具以提升效率和业务影响方面的建议。
  
  从我的 LinkedIn 动态来看，我开始感觉到市场对生成式 AI 的喧嚣感到有些不知所措。在与个性化团队和业务领导者交流后，很明显，AI 在文化讨论中的普及速度远快于其在业务和个人流程中的实际应用。我在这里是为了拨开迷雾，告诉大家：团队不仅*可以*在今天就将 AI 整合到工作流中，并优化结果和效率（无论是对个人职业生涯还是整体业务影响），而且*应该*尽快行动。
  
  虽然 AI 扩大了个人在创作和分析方面的可能性，但它仍然依赖于个人的专业知识。例如，虽然营销人员可以使用生成式 AI 为新活动创建数百个不同的文案选项进行 A/B 测试，但该营销人员仍需要编写一个能够传达品牌及其受众信息的提示词（prompt），并编辑输出结果，以确保它们感觉自然且植根于真实的人类情感。此外，虽然营销人员可以使用先进的机器学习工具来预测并满足客户需求，但只有在数据馈送（data feed）准确无误的情况下，它才能实现精准预测。
  
  总之：人们需要将生成式 AI 落实到工作流中，才能获得真正的收益。虽然这些准备工作和质量保证（QA）对个性化团队来说可能显得既昂贵又困难，但现在就开始行动至关重要。幸运的是，有很多方法可以让这段旅程看起来不那么令人生畏。以下是我在个性化从业者、团队和领导者中看到的行之有效的三大关键策略。
  
  ## **立即投资于你的数据：**
  
  你的操作系统中可能已经内置了许多 AI 驱动的推荐工具（我们稍后会提到），但为了确保最大影响，你需要有效地收集和利用数据。AI 的能力完全取决于它所接触的数据质量和数量，因此你的团队需要确保所有数据都是相关且一致的。
  
  这不是一项简单的任务，但非常值得。以 home24 为例：随着公司个性化项目的增长，他们发现其产品馈送并不完美，这是因为之前的策略更注重上市时间而非数据完整性。为了保持竞争优势，home24 必须彻底重组其产品馈送结构，清除任何重复、无关或不一致的属性，并添加及时的属性。虽然这是一个技术性极强、耗时且复杂的项目，但它是提高 AI 驱动推荐质量并确保项目规模化时数据完整性的唯一途径。
  
  虽然团队可能想推迟这项工作，但现在就是整理产品馈送的时候，因为这将保证你的竞争优势。
  
  ## **探索 AI 提示词训练：**
  
  营销人员可以使用 Gemini 或 ChatGPT 等文本类 AI 工具，或 Canva 等图像类工具来辅助工作流，为 A/B 测试创建不同的文案和视觉版本。我从我的社交网络中了解到，团队在采用 AI 时面临的最常见挑战是不知道如何写出完美的提示词——而这可以通过适当的培训轻松解决。你需要明确表达需求，才能创建出符合品牌和目标的可用资产。你为文本类 AI 工具提供的上下文与你使用的工具类型同样重要。众所周知，AI 仍是一项会犯错的技术，但不断尝试编写 AI 提示词会让你更好地了解工具所需的具体程度，以满足你的需求。
  
  营销人员需要使用 AI 的实用技巧，我发现哈佛大学的这份资源是一个极佳的起点。你可以向工具提供任何数量的指令，比如你希望包含或排除的内容，以及你希望如何呈现。反馈也至关重要。如果你对输出不满意，请告知工具，以便它纠正错误。如果你在创建提示词时遇到困难，可以请 AI 帮你生成一个。在提供适当的上下文和方向时，AI 可以产生令人惊叹的结果。
  
  ## **尝试不同的 AI 工具：**
  
  除了生成式 AI，还有一些先进的 AI 驱动工具可以直接接入你的个性化服务商，从而改善用户体验和产品推荐。例如，在客户寻求高度个性化数字体验的世界里，复杂的生成式 AI 驱动的聊天机器人可以创造一种模仿店内咨询体验的对话式商务体验，利用机器学习能力识别并展示视觉上相似的产品。你还可以通过深度学习来改进推荐，深度学习可以处理跨用户的输入数据，从而识别客户行为中的趋势和模式。
  
  ## **未来已来**
  
  随着 AI 继续革新营销人员与消费者的互动方式，利用 AI 来保持高效和领先地位的压力也随之而来。尝试现有工具需要时间和耐心，但一旦你拨开虚饰，你将看到的收益将远超任何成长的烦恼，并帮助你发现更具创新性和更高水平的个性化策略。我希望这些实用的例子能为你日常工作提供一个起点。