如果说有一种工具，能够针对不同用户，生成不同文案、自动匹配分发、还能自行优化，那只可能是AI智能文案了。
一、写在前面
push可以算是APP主动触达用户最好的工具，上一次写push运营相关的干货已经是两年前了，当时满网都是关于如何写好文案、如何吸引人点击的文章。为了有点“差异化”，我针对push如何做数据监控，如何分析push优劣写了这篇《push退订人数越来越多？你缺少这样一套push数据分析方法》文章。
俗话说“文无第一，武无第二”，文案的精髓应该在于“见人说人话，见鬼说鬼话”，不一样的行业、不一样的产品定位、不一样的运营目的、不一样的落地页、面对不一样的用户，怎么可能会有一套通用的文案套路呢？
如果说有一种工具，能够针对不同用户，生成不同文案、自动匹配分发、还能自行优化，那只可能是AI智能文案了。
二、AI智能文案的发展
2018年，阿里妈妈在戛纳国际创意节上将“阿里AI智能文案（这个功能集合到了阿里妈妈创意中心里）”介绍给了世人。同年，京东也发布了自己的智能文案系统——莎士比亚。
阿里和京东发布的这两个AI智能文案系统，基于平台售卖商品的定位，积累了全网大量的商品描述，通过用户在使用过程中的曝光点击、文案偏好等数据积累，不断记忆、改善商品的描述文案，实现机器自己的优化算法，从而针对商品的描述展开智能写作，提高平台商家的效率。
其实AI智能文案，并不是这两年年才开始爆发，早在2010年，AI智能文案就开始在新闻界小试牛刀了。当时一家名为“Narrative Science”的公司推出了Quill写作软件，主要用于为各类赛事撰写比赛报告。今日头条的智能文案写作，能针对不同用户的阅读偏好，将同一主题的内容书写成不同风格的文章，其写作和推送算法也是非常惊艳。
不论是商品描述、千人前面的页面文案展示、比赛解说、还是新闻刊物，都有大量的基础范文和书写规则沉淀，在文案展示上都有一定的逻辑可寻。而对于我们做push运营的文案编辑，是不是也同样会有一定的逻辑可寻？
三、AI智能文案在PUSH上的使用
传统的push文案编辑高度依赖于运营水平，人力成本非常高。要创作出满足不同用户的个性文案，除了需要深刻的用户洞察外，还需要做人群画像，从而进行精细化的人群细分和使用场景梳理，很难产出足够多足够好的文案。
其次，传统的文案分发，一般都是给所有用户统一发放。如果做人群细分，随之而来的人群圈选和文案编辑工作成倍增加。我曾经最多一次人肉push，拆分了16种人群，编辑了16种不同的文案，虽然辛苦，但得到点击率表现比全量统一push提高了近200%，还是可喜可贺。
通过大量的push分组实验，相同文案对不同用户、不同的场景会有不一样的数据表现，针对性强的个性化文案可以提升不同用户的点击率，文案的个性化写作需求非常明显。
市面上的AI智能文案产品，主要针对商品描述、APP页面展示、新闻类编辑，在push的文案编辑上并没有成熟的产品。AI智能文案在push领域上的使用，可以结合自身业务特点，批量自动生成、嵌入时尚热词、使用个性标签、个性化分发等特性，快速生成个性化文案并针对不同用户完成分发。
因此，我决定在push运营方向搭建自己的AI智能文案产品。
四、关于push的AI智能文案开发思路
AI智能文案的产品建设，包括文案库建设，短语库建设、创作规则建设、标签库建设、个性化推送规则5个版块，同时文案的曝光和点击数据回流，形成完整的数据链路闭环，优化底层算法模型。
4.1 文案库建设
文案库的素材主要分为内外两个来源：内部来源是长期运营积累；外部来源则要根据业务确定关键词，根据关键词找到垂类app、网站或微信公众号、搜索引擎等渠道爬取。
利用分类算法，对文案进行打标，将文案按照以下几个维度进行划分，包括文案来源、行业业务、风格、文案场景、功能、使用人群等。
4.2 短语库建设
利用大量的文案素材，根据规则抽取短语，例如在“我们为辛苦工作的你，准备了一张【超级品质外卖红包】，点击领取>>>”，我们采用正则表达式来抽取短语，得到代表职业人群的描述短语“辛苦工作的你”。
生成的短语最好有一定的广泛性，生成的短语需要具有一定的抽象意义，能表达多个偏好的共同特征，同时又需要避免泄露用户隐私，例如“吃货”可以对应美食、火锅、零食、夜宵等。
短语库需要不断刷新优化，产出包括：热词文案、人群描述、营销词库、广告语、关键词文案、业务词库、行业文案、风格文案、场景文案等类型文案短语。
同时也需要为各短语进行打标操作，方便使用时提取：
业务：如外卖、网购、打车、旅游、美发等（业务太多了，在脑图中省略）；
行动：登录、分享、点击、搜索、下单等；
权益：积分、红包、立减、满减、话费等；
用途：折扣、抵扣、充值等；
风格：悬疑、紧张、抒情、诗歌等；
场景：促销、清单、推荐、排行、节假日、天气等
用户画像个性化字段：地域、明星、热点、时间、星座、年龄段等。
4.3 创作规则建设
文案库虽然可以为文案创作提供资源和灵感，但往往不能完全贴合当时的活动或push需求，需要手动重组或修改，因此需要建立一系列创作规则。
在实践中需要编辑push的文案，除了需要通顺、与内容密切相关外，最好还能结合上当前的热点事件或网络热语。对于多场景文案来说，一个活动的不同文案要从不同的角度出发，覆盖多中利益点、多种风格，从而触达和转化不同类型的用户。
为了尽可能符合这些要求，我们将文案编写的全过程拆分为创作和调优两个阶段，其中创作可以通过短语重组和关键词生成两种方式进行创作，调优需要考虑文案通顺度、相关性和点击效果等，通过不断训练和abtest数据回流判断，最终创作出可以全量上线的营销文案。
4.3.1 短语重组
重点讲解一下短语重组的创作方式。短语重组是一种模拟人写文案的方式，通过大量分析文案库中的素材，得到短语重组的模板，再利用这个模板重新组合所需的文案。
我们对各平台push文案进行拆解和模板挖掘，梳理出用户看到push后的一系列大脑动作，文案一般可以被分成4个部分，通过文案调整，激发用户点击。
以商品促销活动的push为例：
引起注意：通过认知关联（堪比双十一）、激发紧迫感（XX倒计时！）、或者模仿功能性push（您有一个红包尚未使用）；
产生兴趣：展示场景，告知主题：如超级满赠、会员日、疯狂周末等，告诉用户你的主题是什么，与落地页保持一致；
唤起欲望：明确、具体告知实际利益点，如：XX商品XX折扣，特价促销、抽奖返现等。通过用户偏好，针对性输出促销内容；
引导行动：号召用户行动，如：抓紧时间>>>、马上领券→、最后三小时>>>。
商品促销活动的push文案总结：噱头或产生情感共鸣的话题+展示场景和主题+具体利益点+行动引导。不同的业务所需的文案组成部分不同，如新闻内容类APP，就不需要明确的利益点，以噱头或产生情感共鸣的话题+行动引导即可。
分享一些其他模板：
亲爱的#姓名#，你有一个#权益#待领取。
你知道吗？#行动#有#权益#。
#业务#推出新功能，#行动#就能领取#权益#。
#姓名#，你有#金额#红包尚未领取，点击查看。
#城市#的#人群#，都在#行动#，快来看看。
因为不同业务不同用户，运营目的不尽相同，所发的文案也不尽相同，大家切勿完全模仿，小心走火入魔。
4.4 标签库建设
说到用户标签，就一定会提到“用户画像”，这里提供几个通常最常用的用户标签，包括：所在地、性别、年龄、星座、家乡、职业、是否有车、消费能力、兴趣爱好等，不同行业不同业务的区别很大，场景和用户也不同，需要业务自己产出符合自身需求的用户标签。
用户画像的搭建，需要漫长的积累，更需要运营实践中的使用，很多时候产品会统一生产成百上千个标签，但在实践中的使用率和匹配度却不尽相同，大家可以留言一起探讨。
4.5 个性化推送规则
针对不同用户的动态文案展现形式，在过去的运营实践中反复被证实对运营效果有很大提升。确定个性化推送规则，最重要的就是建立标签和短语的映射关系。通过分类模型，将短语库中的短语映射到用户画像的标签上。
下面，以一个常见的“领取红包”的活动为例：
以旅行app刺激用户查看攻略时，我们选用一条包含标签的文案模板，如：“#地域##性别#都在#行动#，#偏好#的你还在等什么？”当这条文案面向不同用户展示时，会在用户画像的作用下，变成如下不同形态：
#区域#：北京；#性别#：男；#偏好#：旅游——北京小哥哥都在查看攻略，热爱旅行的你还在等什么？
#区域#：重庆；#性别#：女；#偏好#：美食——重庆小姐姐都在查看攻略，资深吃货的你还在等什么？
用户画像中的标签被替换成了具有文案色彩的短语，如：“性别=女”被替换成了“小姐姐”，“偏好=美食”则替换成了“资深吃货”。此外在用户风格偏好标签的作用下，AI智能文案还能生产卖萌、抒情、紧张等不同风格的文案，通过算法将用户画像和标签短语两部分进行关联，实现个性化推送。
4.6 算法和效果分析
AI智能文案依托于背后的算法模型和演算公式，这里就不展开讲述了。文案的通顺度、匹配度和点击率的表现作为效果的评判指标，也需要制定对应的算法模型，从而不断优化产出的文案。
五、AI智能文案的展望
AI智能文案的使用除了push、商品描述、页面展示、新闻稿件外，还有更多的使用场景，例如：朋友圈文案、视频广告文案（电视、新媒体）、海报文案（平面广告）、短信文案、邮件文案、微博文案、宣传册文案、公关稿文案等等，还需要更多从业者总结经验，自我挑战。
六、一些思考
最后，说到AI智能文案及其他AI智能的产品，大家都非常担心自己的工作是否会被代替。大多的AI工具需要人类进行算法编辑，挑选出有针对性的数据库，再进行非常大量的专项训练，AI通过不断学习和数据反哺，会掌握越来越多的“套路”，不论是文案套路、设计套路亦或者是下棋、辩论等套路，这种标准化、同质化、模式化的工作，势必会逐渐被AI所代替。
然而社会是不断发展的，我们的用户也在不停地更新迭代，AI智能在不断学习和数据挖掘的过程中有可能会先于我们发现变化趋势。所以我们要学会与AI智能配合，保持学习和创新，快速洞察消费者的需求变化，不断优化算法建立新的规则，让AI智能更好地服务于我们。
