奇点到来：AIGC 引爆增长新范式

范磊黄志坚杨永强王山雨

扉页
版权信息
+书签
内容简介
作者介绍
序一奇点到来：AIGC引爆增长新范式
序二
序三洞悉智能时代，启发AIGC创新
前言
认识篇
第1章什么是AIGC
1.1 源起达特茅斯会议
1.2 人工智能三大流派
1.2.1 符号主义
1.2.2 连接主义
1.2.3 行为主义
1.2.4 历经三次热潮：螺旋上升
1.3 裹挟其中的AIGC
1.3.1 早期萌芽阶段（1950—1990年）
1.3.2 沉淀积累阶段（1990—2010年）
1.3.3 快速发展阶段（2010—2021年）
1.3.4 爆发与破圈阶段（2022年至今）
第2章用户增长与演进
2.1 什么是增长
2.2 演进1：获客——以获取客户为中心
2.2.1 供给驱动增长
2.2.2 品牌驱动增长
2.2.3 活动驱动增长
2.2.4 渠道驱动增长
2.2.5 营销驱动增长
2.2.6 小结
2.3 演进2：留存——精细化用户运营
2.3.1 客户体验优化
2.3.2 客户关系管理
2.3.3 用户生命周期管理
2.3.4 客户忠诚度计划
2.3.5 重新激活流失客户
2.3.6 小结
2.4 演进3：盈利——追求可持续增长
2.4.1 调整定价策略
2.4.2 提高生产效率
2.4.3 精细化运营管理
2.4.4 小结
2.5 增长实践案例
2.5.1 瑞幸咖啡
2.5.2 海底捞
第3章 AIGC增长新范式
3.1 增长主要模型
3.1.1 AARRR
3.1.2 4P
3.1.3 AIPL
3.1.4 FAST
3.1.5 5A
3.1.6 GROW模型
3.1.7 小结
3.2 内容困局
3.2.1 为什么内容营销如此重要呢？
3.2.2 流量思维转变
3.2.3 未来内容营销的需求
3.3 AIGC——数字内容新范式
3.3.1 AIGC带来了什么
3.3.2 数字内容生产新范式
3.3.3 数字内容应用新范式
3.3.4 互动交互新范式
3.3.5 数字内容成本新范式
3.4 增长新范式
3.4.1 营销社交化新范式
3.4.2 个人营销价值重估新范式
3.4.3 MCN向SaaS工具化转变新范式
应用篇
第4章 AIGC×产品
4.1 从概念到产品
4.2 产品市场定位
4.3 工业设计
4.4 质量提升
4.5 功能升级
第5章 AIGC×用户理解
5.1 什么是用户理解
5.2 传统用户理解：用户访谈和问卷调查
5.2.1 用户访谈
5.2.2 问卷调查
5.3 现代用户理解：用户行为流水理解及画像语音输入的实践应用
5.3.1 使用用户数字化流水
5.3.2 利用社交媒体倾听和学习
5.3.3 对用户行为进行预测和建模
5.4 未来用户理解：全新的用户信息获取和表达与提升用户体验
5.4.1 AIGC优化获取用户信息方式
5.4.2 AIGC优化表达用户描述
5.4.3 AIGC助力电商行业提升用户体验
5.4.4 AIGC助力娱乐游戏行业提升用户体验
5.5 AIGC在用户理解中面临的挑战
5.5.1 知识产权挑战
5.5.2 安全挑战
第6章 AIGC×营销创意
6.1 营销创意的价值
6.2 AIGC重新定义创意生成
6.2.1 文本创意生成
6.2.2 音频创意生成
6.2.3 乐曲歌曲创意生成
6.2.4 图像创意生成
6.2.5 视频创意生成
6.2.6 多模态创意生成
6.3 AIGC颠覆广告投放模式
6.3.1 AIGC在文本素材的使用
6.3.2 AIGC在图片素材的使用
6.3.3 AIGC在视频素材的使用
6.4 AIGC重构SEO内容创作
6.4.1 SEO工作介绍
6.4.2 AIGC对SEO全链路升级
6.5 营销创意案例：阿里鹿班（鲁班）
6.5.1 鹿班创意工具介绍
6.5.2 鹿班的核心技术
6.5.3 鹿班的商用案例
第7章 AIGC×客户服务
7.1 客户服务——筑牢盈利基本盘的护城河
7.2 客户服务的发展新趋势
7.2.1 优化客户服务的移动端体验
7.2.2 全渠道即时响应成为新标准
7.2.3 个性化的客户体验期望
7.2.4 自助式服务需求增加
7.2.5 社交媒体互动和其他消息渠道越来越受欢迎
7.2.6 主动式客户服务
7.3 客户服务自动化——企业降本增效的必然趋势
7.3.1 图文聊天机器人
7.3.2 语音助手
7.3.3 情感分析
7.3.4 工单分配和优先级管理
7.3.5 自动化流程和任务管理
7.3.6 数据分析和持续优化
7.4 AIGC——让自动化客服更智能
7.4.1 ChatGPT——真正智能的Chatbot
7.4.2 基于ChatGPT的商业应用案例
7.4.3 ChatGPT+RPA：下一代全智能化客户服务系统
技术篇
第8章 AI技术入门
8.1 机器学习基础
8.1.1 从统计说起——概率论
8.1.2 试图让机器学习（机器学习）
8.1.3 机器学习更复杂的隐含知识（深度学习）
8.1.4 不断从决策中学习（强化学习）
8.2 AIGC技术的重要基石
8.2.1 序列到序列模型和编码器／解码器结构
8.2.2 注意力机制
8.2.3 Transformer-Attention is All You Need（注意力足矣）
8.3 自监督学习与预训练模型
8.3.1 什么是自监督学习
8.3.2 自然语言处理中的自监督学习和预训练模型
8.3.3 计算机视觉的自监督学习
第9章 AIGC技术入门
9.1 文字生成文字——大语言模型
9.1.1 什么是大规模语言模型
9.1.2 大模型的技能举例
9.1.3 提示学习
9.1.4 思维链
9.1.5 基于人工反馈的强化学习
9.1.6 如何评估LLMs模型
9.2 图像生成模型
9.2.1 生成对抗网络
9.2.2 变分自编码器
9.2.3 扩散模型
9.3 跨模态模型技术
9.3.1 什么是多模态
9.3.2 早期多模态模型介绍
9.3.3 最新多模态模型介绍
9.4 未来研究方向
第10章 AIGC技术实战
10.1 手把手玩转ChatGPT
10.1.1 快速上手
10.1.2 ChatGPT是什么
10.1.3 ChatGPT能做什么
10.1.4 ChatGPT提问技巧
10.1.5 ChatGPT实用插件
10.1.6 高阶玩法：开发自己的ChatGPT
10.2 手把手玩转Stable Diffusion
10.2.1 Diffusion是什么
10.2.2 Diffusion WebUI使用教程
10.2.3 Diffusion提问技巧
10.2.4 Diffusion实用插件
10.2.5 高阶玩法：开发自己的Diffusion模型
10.3 企业级大模型解决方案
10.3.1 腾讯云智能TI平台
10.3.2 阿里云PAI平台
10.3.3 百度飞桨——文心大模型
10.3.4 封神榜
10.3.5 澜舟科技
展望篇
第11章未来与挑战
11.1 AIGC技术未来的发展方向
11.1.1 发展趋势
11.1.2 应用场景
11.2 AI技术面临的挑战和担忧
11.2.1 一封公开信
11.2.2 深深的隐忧
11.3 增长的挑战与展望
第12章结束语

简介

版权

奇点到来：AIGC 引爆增长新范式