AI智能文案在push領域上的使用，可以結合自身業務特點，批量自動生成、嵌入時尚熱詞、使用個性標簽、個性化分發等特性，快速生成個性化文案并針對不同用戶完成分發。

一、寫在前面

push可以算是APP主動觸達用戶最好的工具，上一次寫push運營相關的干貨已經是兩年前了，當時滿網都是關于如何寫好文案、如何吸引人點擊的文章。為了有點“差異化”，我針對push如何做數據監控，如何分析push優劣寫了這篇《push退訂人數越來越多？你缺少這樣一套push數據分析方法》文章。

俗話說“文無第一，武無第二”，文案的精髓應該在于“見人說人話，見鬼說鬼話”，不一樣的行業、不一樣的產品定位、不一樣的運營目的、不一樣的落地頁、面對不一樣的用戶，怎么可能會有一套通用的文案套路呢？

如果說有一種工具，能夠針對不同用戶，生成不同文案、自動匹配分發、還能自行優化，那只可能是AI智能文案了。

二、AI智能文案的發展

2018年，阿里媽媽在戛納國際創意節上將“阿里AI智能文案（這個功能集合到了阿里媽媽創意中心里）”介紹給了世人。同年，京東也發布了自己的智能文案系統——莎士比亞。

阿里和京東發布的這兩個AI智能文案系統，基于平臺售賣商品的定位，積累了全網大量的商品描述，通過用戶在使用過程中的曝光點擊、文案偏好等數據積累，不斷記憶、改善商品的描述文案，實現機器自己的優化算法，從而針對商品的描述展開智能寫作，提高平臺商家的效率。

其實AI智能文案，并不是這兩年年才開始爆發，早在2010年，AI智能文案就開始在新聞界小試牛刀了。當時一家名為“Narrative Science”的公司推出了Quill寫作軟件，主要用于為各類賽事撰寫比賽報告。今日頭條的智能文案寫作，能針對不同用戶的閱讀偏好，將同一主題的內容書寫成不同風格的文章，其寫作和推送算法也是非常驚艷。

不論是商品描述、千人前面的頁面文案展示、比賽解說、還是新聞刊物，都有大量的基礎范文和書寫規則沉淀，在文案展示上都有一定的邏輯可尋。而對于我們做push運營的文案編輯，是不是也同樣會有一定的邏輯可尋？

三、AI智能文案在PUSH上的使用

傳統的push文案編輯高度依賴于運營水平，人力成本非常高。要創作出滿足不同用戶的個性文案，除了需要深刻的用戶洞察外，還需要做人群畫像，從而進行精細化的人群細分和使用場景梳理，很難產出足夠多足夠好的文案。

其次，傳統的文案分發，一般都是給所有用戶統一發放。如果做人群細分，隨之而來的人群圈選和文案編輯工作成倍增加。我曾經最多一次人肉push，拆分了16種人群，編輯了16種不同的文案，雖然辛苦，但得到點擊率表現比全量統一push提高了近200%，還是可喜可賀。

通過大量的push分組實驗，相同文案對不同用戶、不同的場景會有不一樣的數據表現，針對性強的個性化文案可以提升不同用戶的點擊率，文案的個性化寫作需求非常明顯。

市面上的AI智能文案產品，主要針對商品描述、APP頁面展示、新聞類編輯，在push的文案編輯上并沒有成熟的產品。AI智能文案在push領域上的使用，可以結合自身業務特點，批量自動生成、嵌入時尚熱詞、使用個性標簽、個性化分發等特性，快速生成個性化文案并針對不同用戶完成分發。

因此，我決定在push運營方向搭建自己的AI智能文案產品。

四、關于push的AI智能文案開發思路

AI智能文案的產品建設，包括文案庫建設，短語庫建設、創作規則建設、標簽庫建設、個性化推送規則5個版塊，同時文案的曝光和點擊數據回流，形成完整的數據鏈路閉環，優化底層算法模型。

4.1 文案庫建設

文案庫的素材主要分為內外兩個來源：內部來源是長期運營積累；外部來源則要根據業務確定關鍵詞，根據關鍵詞找到垂類app、網站或微信公眾號、搜索引擎等渠道爬取。

利用分類算法，對文案進行打標，將文案按照以下幾個維度進行劃分，包括文案來源、行業業務、風格、文案場景、功能、使用人群等。

4.2 短語庫建設

利用大量的文案素材，根據規則抽取短語，例如在“我們為辛苦工作的你，準備了一張【超級品質外賣紅包】，點擊領取>>>”，我們采用正則表達式來抽取短語，得到代表職業人群的描述短語“辛苦工作的你”。

生成的短語最好有一定的廣泛性，生成的短語需要具有一定的抽象意義，能表達多個偏好的共同特征，同時又需要避免泄露用戶隱私，例如“吃貨”可以對應美食、火鍋、零食、夜宵等。

短語庫需要不斷刷新優化，產出包括：熱詞文案、人群描述、營銷詞庫、廣告語、關鍵詞文案、業務詞庫、行業文案、風格文案、場景文案等類型文案短語。

同時也需要為各短語進行打標操作，方便使用時提?。?/p>

• 業務：如外賣、網購、打車、旅游、美發等（業務太多了，在腦圖中省略）；
• 行動：登錄、分享、點擊、搜索、下單等；
• 權益：積分、紅包、立減、滿減、話費等；
• 用途：折扣、抵扣、充值等；
• 風格：懸疑、緊張、抒情、詩歌等；
• 場景：促銷、清單、推薦、排行、節假日、天氣等
• 用戶畫像個性化字段：地域、明星、熱點、時間、星座、年齡段等。

4.3 創作規則建設

文案庫雖然可以為文案創作提供資源和靈感，但往往不能完全貼合當時的活動或push需求，需要手動重組或修改，因此需要建立一系列創作規則。

在實踐中需要編輯push的文案，除了需要通順、與內容密切相關外，最好還能結合上當前的熱點事件或網絡熱語。對于多場景文案來說，一個活動的不同文案要從不同的角度出發，覆蓋多中利益點、多種風格，從而觸達和轉化不同類型的用戶。

為了盡可能符合這些要求，我們將文案編寫的全過程拆分為創作和調優兩個階段，其中創作可以通過短語重組和關鍵詞生成兩種方式進行創作，調優需要考慮文案通順度、相關性和點擊效果等，通過不斷訓練和abtest數據回流判斷，最終創作出可以全量上線的營銷文案。

4.3.1 短語重組

重點講解一下短語重組的創作方式。短語重組是一種模擬人寫文案的方式，通過大量分析文案庫中的素材，得到短語重組的模板，再利用這個模板重新組合所需的文案。

我們對各平臺push文案進行拆解和模板挖掘，梳理出用戶看到push后的一系列大腦動作，文案一般可以被分成4個部分，通過文案調整，激發用戶點擊。

以商品促銷活動的push為例：

1. 引起注意：通過認知關聯（堪比雙十一）、激發緊迫感（XX倒計時?。?、或者模仿功能性push（您有一個紅包尚未使用）；
2. 產生興趣：展示場景，告知主題：如超級滿贈、會員日、瘋狂周末等，告訴用戶你的主題是什么，與落地頁保持一致；
3. 喚起欲望：明確、具體告知實際利益點，如：XX商品XX折扣，特價促銷、抽獎返現等。通過用戶偏好，針對性輸出促銷內容；
4. 引導行動：號召用戶行動，如：抓緊時間>>>、馬上領券→、最后三小時>>>。

商品促銷活動的push文案總結：噱頭或產生情感共鳴的話題+展示場景和主題+具體利益點+行動引導。不同的業務所需的文案組成部分不同，如新聞內容類APP，就不需要明確的利益點，以噱頭或產生情感共鳴的話題+行動引導即可。

分享一些其他模板：

1. 親愛的#姓名#，你有一個#權益#待領取。
2. 你知道嗎？#行動#有#權益#。
3. #業務#推出新功能，#行動#就能領取#權益#。
4. #姓名#，你有#金額#紅包尚未領取，點擊查看。
5. #城市#的#人群#，都在#行動#，快來看看。

因為不同業務不同用戶，運營目的不盡相同，所發的文案也不盡相同，大家切勿完全模仿，小心走火入魔。

4.4 標簽庫建設

說到用戶標簽，就一定會提到“用戶畫像”，這里提供幾個通常最常用的用戶標簽，包括：所在地、性別、年齡、星座、家鄉、職業、是否有車、消費能力、興趣愛好等，不同行業不同業務的區別很大，場景和用戶也不同，需要業務自己產出符合自身需求的用戶標簽。

用戶畫像的搭建，需要漫長的積累，更需要運營實踐中的使用，很多時候產品會統一生產成百上千個標簽，但在實踐中的使用率和匹配度卻不盡相同，大家可以留言一起探討。

4.5 個性化推送規則

針對不同用戶的動態文案展現形式，在過去的運營實踐中反復被證實對運營效果有很大提升。確定個性化推送規則，最重要的就是建立標簽和短語的映射關系。通過分類模型，將短語庫中的短語映射到用戶畫像的標簽上。

那么，我們如何把一條文案變成上千條文案發給不同的用戶呢？

下面，以一個常見的“領取紅包”的活動為例：

以旅行app刺激用戶查看攻略時，我們選用一條包含標簽的文案模板，如：“#地域##性別#都在#行動#，#偏好#的你還在等什么？”當這條文案面向不同用戶展示時，會在用戶畫像的作用下，變成如下不同形態：

• #區域#：北京；#性別#：男；#偏好#：旅游——北京小哥哥都在查看攻略，熱愛旅行的你還在等什么？
• #區域#：重慶；#性別#：女；#偏好#：美食——重慶小姐姐都在查看攻略，資深吃貨的你還在等什么？

用戶畫像中的標簽被替換成了具有文案色彩的短語，如：“性別=女”被替換成了“小姐姐”，“偏好=美食”則替換成了“資深吃貨”。此外在用戶風格偏好標簽的作用下，AI智能文案還能生產賣萌、抒情、緊張等不同風格的文案，通過算法將用戶畫像和標簽短語兩部分進行關聯，實現個性化推送。

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，這里就不展開講述了。文案的通順度、匹配度和點擊率的表現作為效果的評判指標，也需要制定對應的算法模型，從而不斷優化產出的文案。

五、AI智能文案的展望

AI智能文案的使用除了push、商品描述、頁面展示、新聞稿件外，還有更多的使用場景，例如：朋友圈文案、視頻廣告文案（電視、新媒體）、海報文案（平面廣告）、短信文案、郵件文案、微博文案、宣傳冊文案、公關稿文案等等，還需要更多從業者總結經驗，自我挑戰。

六、一些思考

最后，說到AI智能文案及其他AI智能的產品，大家都非常擔心自己的工作是否會被代替。大多的AI工具需要人類進行算法編輯，挑選出有針對性的數據庫，再進行非常大量的專項訓練，AI通過不斷學習和數據反哺，會掌握越來越多的“套路”，不論是文案套路、設計套路亦或者是下棋、辯論等套路，這種標準化、同質化、模式化的工作，勢必會逐漸被AI所代替。

然而社會是不斷發展的，我們的用戶也在不停地更新迭代，AI智能在不斷學習和數據挖掘的過程中有可能會先于我們發現變化趨勢。所以我們要學會與AI智能配合，保持學習和創新，快速洞察消費者的需求變化，不斷優化算法建立新的規則，讓AI智能更好地服務于我們。

本文由 @梓庭居士 原創發布于人人都是產品經理。未經許可，禁止轉載

題圖來自Unsplash，基于CC0協議