优势
概述
BlueOceanAI(以下简称 BlueOcean)使用人工智能(AI),使营销人员能够为其品牌做出更明智、更快速且更具影响力的决策。作为营销领域的专业人士,BlueOcean 的联合创始人深知场景化数据的重要性:它能帮助营销人员制定有理有据的战略决策,并更清晰地理解自身市场定位。但是,信息的指数级增长给需要解析分散的数据集,并从中快速得出见解的营销人员带来了挑战。
为此,BlueOcean 向 Amazon Web Services(AWS)寻求帮助,并开发了 Spark。这是一款基于 Amazon Bedrock 构建的始终在线、多代理且针对特定领域的框架,而 Amazon Bedrock 正是借助基础模型(FM)构建和扩展生成式人工智能应用程序的便捷方法。营销人员可通过自然语言查询与品牌数据交互,询问关于市场定位、竞争优势、战略机遇的问题,同时即时解读数据,并将自身与竞争对手进行对标分析。
关于 BlueOceanAI
BlueOceanAI 由营销专业人士于 2019 年创立,提供专为营销场景设计的人工智能代理。这些代理可帮助营销人员释放创造力、加快产品上市速度,并为其品牌带来可量化的影响。其客户包括 AWS、Cisco、SAP、Intel、Roche 等。
机会 | 使用 Amazon Bedrock 降低客户的营销成本
营销人员通常依靠调研问卷和市场研究来了解品牌认知、衡量营销活动效果和评测竞争定位。这些输入能帮助营销人员定位和制作广告活动,通过针对目标受众的高度个性化互动来提升消费者体验。例如,企业品牌可能会委托开展消费者调研以测试宣传概念、聘请机构组织焦点小组、购买研究报告以跟踪市场份额,每个数据来源的年度成本可能达到 2 万至 40 万美元。再加上数据处理、建模、战略咨询等额外成本(年度费用通常在 25 万至 120 万美元),传统品牌情报的成本会高得让人望而却步。此外,传统营销活动周期可能长达 42 周,而在此期间,市场状况可能已发生变化,导致任何见解在在最终实施时都不那么切实可行。
BlueOcean 正通过快速、经济、数据驱动的品牌管理与竞争分析来改变这一流程。它在 AWS 上构建了一个数据采集管道,整合了公开可用的营销数据和竞争情报(如客户评价、社交媒体、市场研究、行业报告)。该数据基础为 Spark 提供支持,Spark 是 BlueOcean 针对特定领域的人工智能代理框架,彻底改变了营销人员与品牌情报的交互方式。如今,营销人员无需再等待数周并花费 5 万至 25 万美元来购买传统的一次性报告,只需向 Spark 直接提问(例如,“在该品类中,哪些主题能让我们的品牌脱颖而出?”),即可立即获得定位建议、内容策略方案以及竞争分析结果。
但是,日益复杂的营销工作流程日益复杂(例如围绕品牌优势制定 90 天、特定于渠道的活动策略)给 BlueOcean 原型产品所依赖的开源大语言模型(LLM)带来了压力,导致延迟、正常运行时间不稳定和数据限流等问题。BlueOcean 首席技术官 Adam Carr 表示:“我们在尝试满足客户增长需求及他们对 LLM 的使用需求时遇到了重大障碍。Amazon Bedrock 团队与我们合作,共同探索了 Spark 的推进方向。Amazon Bedrock 帮助解决了容量问题,更关键的是,我们在未知领域中共同探索了新的解决方案。”
解决方案 | 将 BlueOcean 客户的运维效率提升 97%
BlueOcean 优化了其提示工程策略,以实现跨不同模型和使用场景的性能提升,进而加快处理速度并提高响应准确性。Spark 采用开源多代理框架和 Amazon Bedrock 来连接数据来源,并为代理式人工智能提供工具支持。通过在 Amazon Bedrock 中使用 Anthropic 的 Claude 模型,该公司可并行运行不同的基础模型,从而将数据处理时间从 5-6 天缩短至几小时。它主要使用 Anthropic 的 Claude 3.5 Sonnet 和 Claude 3 Haiku 模型来对历史数据进行注释,同时依赖 Anthropic 的 Claude 3.7 Sonnet 混合推理模型为 Spark 提供按需支持。
Spark 提供预设提示,以帮助用户获取特定于角色的相关响应。营销人员可以自然语言提问:“如何在竞争中脱颖而出?”或“本周我们需要解决哪些紧迫的问题?”及其他类似问题。BlueOcean 联合创始人兼总裁 Liza Nebel 表示:“我们利用特定于角色的提示库和品牌专属数据对人工智能代理进行训练,使其能够为不同角色生成量身定制的输出。例如,为产品营销人员和品牌营销人员提供截然不同的可操作建议。我们的目标是帮助有探索欲的客户提出正确问题,并尽可能高效地推动其实现价值。”
Spark 扮演始终在线的策略师的角色,协调一组针对特定领域的人工智能代理,每个智能体都有各自的专长,例如衡量品牌表现、生成内容或解读认知等。当营销人员提出复杂问题时,由多代理框架和 Amazon Bedrock 提供支持的 Spark 会将问题分解为多个子问题,并分配给可访问特定数据集的专业代理。然后,这些智能体将协同工作,以提供战略建议和分析,而这类成果在过去需要数周人工调研及多份供应商报告才能获得。
BlueOcean 的人工智能代理在 Spark 推出后的一个月内就实现了约 12 亿个 Token 的处理量,相当于通过 BlueOcean 的专有数据回答了超过 1 万个特定于营销的问题。BlueOcean 客户的运营效率提升了 97%,原本需要约 5 天完成的任务,现在仅需 2 小时。BlueOcean 联合创始人兼首席执行官 Grant McDougall 表示:“我们的独特之处在于,我们是借助 AWS 实现企业级规模的多代理框架投产的首批公司之一。”
成果 | 通过人工智能重塑营销的未来
借助 Amazon Bedrock,BlueOcean 将自身的运维支出降低了 21%。其客户的营销分析成本也降低了 66%-96%,且不再产生数据来源成本(该成本已包含在其产品/服务中)。此前无法负担品牌分析模拟方法的公司现在可以将数据作为决策的核心方面。同时,BlueOcean 客户的营销投资回报速度显著加快,部分客户报告其投资回收期(即营销投资收回初始成本所需时间)较传统方式缩短了 4 倍。
Nebel 说:“任何人都能使用 BlueOceanAI,因为它的学习曲线非常简单,只需知道如何提问即可。个人在做决策时会更有信心,向利益相关者提出想法与战略方向时也更从容。”
BlueOcean 将继续与 AWS 合作,利用可通过 Amazon Bedrock 访问的独特数据集进行内容创作。此外,该公司正在构建一款新产品,主动为营销人员提供一系列见解,并预测下一步应采取的最佳行动。
McDougall 表示:“我们为营销新时代制定了一个 5 年的愿景,这是推动企业持续、稳定创造价值最重要的杠杆。在 AWS 的支持下,我们仅用 6 个月就开发出了产品,并交付到营销人员手中。”
BlueOcean 的架构
Amazon Bedrock 团队与我们合作,共同探索了 Spark 的推进方向。Amazon Bedrock 帮助解决了容量问题,更关键的是,我们在未知领域中共同探索了新的解决方案。
Adam Carr
BlueOceanAI 首席技术官