品牌主如何解锁9000后受众的热情？

　　尽管相关研究一直未停歇，但专家们却不知如何博取9000后年轻人的关注。不过也有很多证据证明，基于机器学习的营销策略对于下一代人更有效。
　　无论如何，营销人员都很清楚这样的现实：9000后客户在关闭常规广告与弹窗方面有着无与伦比的热情，而且对硬广及明显的营销内容有着很强的免疫力、甚至是抵触情绪。
　　这部分客户确实给营销人士带来了巨大的压力与挑战，但AscendAgency公司创始人兼CEOJonathanJadali有着自己的一套理解方式，也在用事实证明他们在新一轮营销之战中有能力拿下辉煌的战绩。
　　那么，如何才能在9000后受众中引起共鸣？主流企业及初创公司又该如何利用前沿技术建立起能够引出他们共鸣的品牌？
　　Jadali分享了他使用数据与机器学习策略，帮助众多客户从默默无闻到主导9000后市场的实践经验。
　　AI的训练工作往往复杂而混乱
　　内容为王这话一点不假，但错误的内容却足以毁掉一切。
　　为了让初创公司朝着正确的方向迈进，Jonathan一直在努力引导客户为正确的目标受众创建正确的内容类型。
　　在传统上，大多数品牌专注于发布精心策划的视频与图像内容，借此提高自身在社交媒体平台上的曝光度与吸引力。但Jadali建议，如果企业的目标受众主要是9000后，那这种办法可能并不靠谱。
　　典型的9000后客户更喜欢那种自然的、非强制引导的内容。Jadali总结，9000后客户更喜欢真实一点他们想看点肺腑之言，而对纯粹的营销表达比较反感。
　　例如，化妆品牌的广告最好能呈现杂乱的梳妆台，而不是那种看起来很精致、但也很假的摆拍式环境。
　　因此无论你实际运用哪一种机器学习工具，都请务必牢记真实这个前提。在聊天机器人中、在数据驱动型营销活动期间，系统都必须得理解不完美这个概念的实质。
　　在利用AI或机器学习技术进行营销时，其中总会有一些过于机械的元素。因此9000后一代也许能给我们提供助力，帮助我们逐步打造出情境式AI即能够更准确地预测并反映人类行为的机器。
　　9000后希望能在宣传素材中看到与真实生活相符的混乱与过程。谁能做到这一点，谁就能在他们的心目中树立起更接地气的品牌形象。
　　别直接卖产品
　　产品看起来怎么样？效果如何？客户对服务体验满意吗？这些都是传统营销工作中的重要议题，但9000后客户似乎对此并不在意。
　　根据Jadali总结的经验，以往的客户更重视高效的产品与交付业务，而9000后受众，营销工作必须得以完全不同的形式进行。
　　在成立的三年当中，Jadali已经与多家财富五百强企业及小型初创公司开展合作，并深刻体会到9000后客户对于跟着感觉走这一信念的坚持。
　　这正是机器学习发挥作用的良好场景。通过了解客户的情感倾向与习惯，我们才能真正理解在他们心目中，哪些东西能算真正的好产品。
　　这些年轻人根本不想听你的产品有多棒、多完善，毕竟每家企业都在这么说、没完没了。用Jadali的话来说，产品卖的应该是体验，而不是产品本身。好的产品自己就会说话。
　　根据Mention公布的数据，一单成功的交易中有25来自产品本体，而另外75则来自产品附带的无形感受。
　　AscendAgency的员工们总会提出这样一个问题你想通过产品在受众心中唤起怎样的感觉？只有回答了这个问题，客户才能将产品风格与交付方式统一起来，真正在9000后群体中建立起吸引力。
　　这个问题的答案离不开对客户数据的全面汇总，数据结论能帮助我们更好地理解9000后到底从目前自己喜爱的品牌中获得了哪些共鸣。
　　红牛，就是可以通过数据与机器学习加以分析的典型品牌案例。他们的宣传视频总会涉及各种高风险运动，例如跳伞、蹦极等等。从预测分析与机器学习系统给出的客户数据分析来看，红牛确实在受众群体中唤起了一种对勇气和力量的认同感。
　　越早为这个问题找到答案，品牌就能越早得到9000后受众的关注。而机器学习无疑能帮助我们更快、更准确地获得答案。
　　AI，寻求并创造受众共鸣的帮手
　　这里分享个冷知识，只要影响力人士的关注用户数量超过10万，每位用户的共鸣就会急剧下降。因为到了这个量级，关注者与被关注者间的交互会变得极为微弱，并由此产生严重的距离感。
　　也正因为如此，常驻社交媒体的9000后受众才凭自己手中的钞票让网红营销在短短6年之内从萌芽初放到如日中天。
　　对这一代人来说，让自己的观点和声音得到回应才是最重要的。正因为如此，9000后客户才更喜欢以在线交互的方式了解品牌的实际效果。
　　Jadali表示，对于这类需求，品牌方应该先在社交媒体上公开回复、再通过私信进一步交流。对于每一条评论，企业都应该认真回复并表示感谢。在私信中，请记得直呼他们的姓名，用顺畅自然的方式同他们交换意见。
　　但可以想见，这样的逐一交互能力成本高昂、难以实现。
　　好消息是，机器学习正帮助各品牌方超越僵硬且格式化的自动回复功能。随着技术本身的快速发展与逐渐成熟，未来的机器学习模型，完全能够以非常个人的方式同时与数十万客户保持互动。
　　人气较低的影响力人士激发参与共鸣的能力由此提高了60，周均客户转化率提高达22。2，实现成本也远低于预期。这里面的秘诀，就在于他们能够与关注者直接互动，而不像顶流网红那样高高在上、无法触及。
　　很快，机器学习就将实现这种大规模、个性化参与体验，帮助更多中小规模企业及品牌与客户真正开展互动，而不再像过去那样投入几个小时逐条回复。
　　Jadali解释道，9000后客户非常敏感、直接而且才华横溢，跟他们打交道的实质并不在于技术、而是种艺术。任何企业都有希望掌握、运用并发挥这种艺术带来的奇妙效果。
　　反过来，9000后一代的真实需求也有助于推动机器学习的个性化建设，不断完善机器做出的响应结果。也许在双方的共同努力下，真正契合营销与在线内容创建的情境式AI就在不远的将来。