企业数据与营销技术公司Predactiv近日发布了一款面向营销场景的AI基础模型——Predactiv People Model。该模型目前已应用于Predactiv旗下Custom Audiences产品，为营销人员提供受众构建、行为预测和客户洞察等能力。Predactiv首席执行官Dana Hayes Jr.表示，Predactiv一直以数据和技术见长，People Model将两者以新的方式结合在一起，使Custom Audiences产品能力进一步增强，并为营销人员提供发现、理解目标人群的新途径。
据Predactiv介绍，People Model的核心差异化在于其训练数据的独特性。该模型将Predactiv专有的开放网络行为数据与其他数据集相结合，从多维度信号中学习预测行为的底层模式。其行为基础数据来源于每月超过650亿次独立行为记录。这一数据规模为模型提供了传统营销数据集难以覆盖的行为广度。
在具体功能层面，People Model为营销人员提供了多项能力。首先是自定义受众构建：用户可以用自然语言描述目标受众，例如“未来90天内可能购买高端跑鞋的人群”，模型将基于真实行为数据生成对应的受众群体。由于每个客户获得的受众定义各不相同，营销人员之间不会出现过度重叠的目标投放。其次是自动化建模：模型为每位用户生成丰富的嵌入向量，省去了传统预测建模中耗时且昂贵的特征工程环节，使相似受众建模、下次购买预测和自定义模型的构建与部署时间从数周缩短至数分钟。第三是第一方数据扩展：数据持有方可以导入自有数据，了解其客户与整体人群的差异，并将种子受众扩展为可激活的建模受众。此外，模型的输出可转化为文本，团队能够以自然语言提问，例如“该品牌的购买者通常还有哪些行为”，并获得基于真实行为的回答。
Predactiv首席产品官Michael Gorman表示，相似受众建模、受众创建和洞察分析是首批运行在该模型上的产品，效果显著。客户现在可以通过描述受众特征或上传种子受众，由系统在近乎实时的情况下生成定制化、高性能的受众群体，而非购买静态受众包。Gorman强调，这一能力的前提是技术能够真正理解人，而People Model实现了这一点。
从行业视角看，Predactiv People Model代表了营销技术领域将基础模型能力嵌入受众运营流程的趋势。传统受众购买模式依赖预先打包的静态数据段，广告主之间的目标群体高度重叠，投放效率随竞争加剧而递减。基于基础模型的动态受众生成方式，理论上可以提升受众的差异化和时效性，但其实际效果仍取决于底层行为数据的质量与覆盖范围。对于营销技术行业而言，这类产品的出现也意味着数据资产的价值正在从“售卖数据段”向“基于数据的模型服务”迁移。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
