Kimi广告神话背后的关键词战略
如果你生活在中国,你可能不认识ChatGPT,但你一定知道Kimi。无论是学生党还是打工人,都无法避开Kimi的广告。
刘同学在B站上搜教学视频时,弹出了一则软广,上面写着:“作业有问题,直接问Kimi”。
每天5G冲浪的小王,在刷段子的空闲时间里看到了一个应用推荐:“Kimi智能助手,帮你实时了解网络热梗。
”就连夏倩(化名)也发现了她想要吐槽视频下方引起注意的一行字:“万万不能让导师发现的论文神器!!Kimi智能助手,一键生成论文”。
还有社畜打工人通过使用Kimi“每天都能准时下班”获取AI大饼;
退休阿姨也加入其中,在听说免费后立马下载查菜谱。
由于这些疯狂投放广告,Kimi用户数量急速增长。数据显示,三月份月活跃用户较上个月环比增长达321%,达到1261万人。其他大模型厂商纷纷关注并效仿这样的战略,并展开线上营销攻势。
那么,Kimi是如何成功实现这样的投放广告神话的呢?关键词成为打开流量大门的秘密。在主流平台上对Kimi进行搜索测试后发现,不同平台的咒语设置揭示了他们投放思路和宣传重点。
在B站上,Kimi进行硬广和软广双管齐下。科技博主是Kimi起步的土壤,通过视频讲解等方式与ChatGPT相关热词获取流量。考虑到B站用户属性,Kimi针对学生、大学生、职场人等群体进行定向推送广告,在这一平台上取得了良好效果。
豆包则在抖音上称王。作为字节旗下亲儿子,豆包几乎把所有与AI有关的投放关键词充斥于抖音平台,并借助豆包官方账号直播及合作达人推动产品销售。
其他大模型厂商也纷纷加码营销活动。智谱清言通过线下广告海报投放,覆盖机场、地铁站以及写字楼等场所;MiniMax星野则将重心放在海外市场,并只在国内选择性投放。相比之下天工公司参与进来更像是跟风,投入资金但存在感较低。
大模型公司之间的营销争夺战并不可持续。关键在于大模型应用的下载是免费的,如果只是完成引流任务却无法促成直接转化,这将使得企业越来越陷入亏损局面。解决办法可能是提高付费用户比例或通过增值服务获取收入。
同时各家大模型公司针对同一批目标用户展开竞争。由于功能相差不大,容易产生同质化感觉。为了解决这个问题,Kimi在小红书上发布话题,“Kimi居然还能这样”,收集用户Prompt以挖掘更多使用场景,并进一步细化用户画像。
借鉴国外经验,中国大模型应用公司可以探索新的聚合方式、供给方式和商业利润分配方式。电子邮件平台Poe就提供了一个参考案例,在该平台上集成多种AI大模型,并让用户根据需求自由切换使用。除此之外,产品不能仅仅依赖营销活动本身,在优于竞争对手的产品思维基础上展开营销行动才能取得成功。
Kimi通过紧随产品逻辑进行投放广告,而其他大模型公司则将重点放在商战上。然而,在中国也可以探索新的大模型应用聚合方式、供给方式以及商业利润分配的方式,这将是一个新议题。
如何学习大模型 AI ?
由于新岗位的生产效率,要优于被取代岗位的生产效率,所以实际上整个社会的生产效率是提升的。
但是具体到个人,只能说是:
“最先掌握AI的人,将会比较晚掌握AI的人有竞争优势”。
这句话,放在计算机、互联网、移动互联网的开局时期,都是一样的道理。
我在一线互联网企业工作十余年里,指导过不少同行后辈。帮助很多人得到了学习和成长。
我意识到有很多经验和知识值得分享给大家,也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑,所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限,很多互联网行业朋友无法获得正确的资料得到学习提升,故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
第一阶段(10天):初阶应用
该阶段让大家对大模型 AI有一个最前沿的认识,对大模型 AI 的理解超过 95% 的人,可以在相关讨论时发表高级、不跟风、又接地气的见解,别人只会和 AI 聊天,而你能调教 AI,并能用代码将大模型和业务衔接。
- 大模型 AI 能干什么?
- 大模型是怎样获得「智能」的?
- 用好 AI 的核心心法
- 大模型应用业务架构
- 大模型应用技术架构
- 代码示例:向 GPT-3.5 灌入新知识
- 提示工程的意义和核心思想
- Prompt 典型构成
- 指令调优方法论
- 思维链和思维树
- Prompt 攻击和防范
- …
第二阶段(30天):高阶应用
该阶段我们正式进入大模型 AI 进阶实战学习,学会构造私有知识库,扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架,抓住最新的技术进展,适合 Python 和 JavaScript 程序员。
- 为什么要做 RAG
- 搭建一个简单的 ChatPDF
- 检索的基础概念
- 什么是向量表示(Embeddings)
- 向量数据库与向量检索
- 基于向量检索的 RAG
- 搭建 RAG 系统的扩展知识
- 混合检索与 RAG-Fusion 简介
- 向量模型本地部署
- …
第三阶段(30天):模型训练
恭喜你,如果学到这里,你基本可以找到一份大模型 AI相关的工作,自己也能训练 GPT 了!通过微调,训练自己的垂直大模型,能独立训练开源多模态大模型,掌握更多技术方案。
到此为止,大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗?
- 为什么要做 RAG
- 什么是模型
- 什么是模型训练
- 求解器 & 损失函数简介
- 小实验2:手写一个简单的神经网络并训练它
- 什么是训练/预训练/微调/轻量化微调
- Transformer结构简介
- 轻量化微调
- 实验数据集的构建
- …
第四阶段(20天):商业闭环
对全球大模型从性能、吞吐量、成本等方面有一定的认知,可以在云端和本地等多种环境下部署大模型,找到适合自己的项目/创业方向,做一名被 AI 武装的产品经理。
- 硬件选型
- 带你了解全球大模型
- 使用国产大模型服务
- 搭建 OpenAI 代理
- 热身:基于阿里云 PAI 部署 Stable Diffusion
- 在本地计算机运行大模型
- 大模型的私有化部署
- 基于 vLLM 部署大模型
- 案例:如何优雅地在阿里云私有部署开源大模型
- 部署一套开源 LLM 项目
- 内容安全
- 互联网信息服务算法备案
- …
学习是一个过程,只要学习就会有挑战。天道酬勤,你越努力,就会成为越优秀的自己。
如果你能在15天内完成所有的任务,那你堪称天才。然而,如果你能完成 60-70% 的内容,你就已经开始具备成为一名大模型 AI 的正确特征了。