Cvent 高管观点：会展活动中信号质量比自动化更重要

人工智能在会展管理中能做的远不止流程自动化。但关键在于分析哪些数据，以及这些数据究竟能得出哪些结论。Cvent 全球首席客户官 Andreas Heckmann 在其客座文章中解释了为什么信号的质量比数量更重要，以及为什么人类的判断力依然不可或缺。

（图片来源：Cvent）

如果将人工智能在会展管理中主要用于自动发送邀请、生成文本或撰写摘要，那只是利用了其潜力的一小部分。与此同时，人工智能的日益普及也在改变企业建立信任的条件：沟通更容易实现规模化和个性化，而人与人之间的当面交流却无法做到。因此，人们真正相互讨论、交流经验并建立信任的时刻变得愈发重要。

对于会展团队来说，关键不在于尽可能多地实现流程自动化，更有意思的是技术如何帮助识别相关的兴趣和互动模式，并从中推导出合适的联系人。这就需要分析海量的参会者和互动数据。

诸如“哪场分会场座无虚席，哪场不仅出席率高，还真正引发了讨论？”这类问题，无法从单一数据点得到解答。只有明确了哪些信号是相关的，数据才具有说服力。人工智能可以整合不同的信息，更快地呈现模式。但能否由此形成可靠的判断，取决于有哪些数据以及如何对它们进行加权。

数据多并不等于决策依据好。如果没有界定哪些行为与自身的会展目标相关，那么自动化的很可能只是一套模糊的评价逻辑。

个性化需要的不只是参会者画像

个性化往往仍从传播角度来考虑：不同的邮件主题行、不同的称呼、不同的内容。对会展而言，更有意思的问题是：在特定时间点，哪些信息或联系人真正与某位参会者相关。

例如，某位参会者在会前就已在关注某个特定主题，参加了多场相关分会场，在会展应用中收藏了内容，随后与演讲嘉宾或其他参会者建立了联系。综合起来，这比仅凭注册信息、职位头衔和所属公司形成的兴趣画像更有说服力。

人工智能可以整合这类信号，并据此为分会场、内容或联系人提供推荐。但必须清楚这些数据实际上说明了什么。听过一场演讲并不代表有购买意向。下载一份资料并非意向声明。即使是多次互动，也需要结合上下文来理解。

参会人数只是数据分析的开始

注册量、缺席率和实际参会人数仍是规划与运营的重要指标。但它们对一场活动效果的解释力十分有限。

为此需要其他数据：哪些会议环节不仅有人参加，而且被完整看到最后？哪些内容被保存或稍后再次调用？参会者之间的联系在哪里产生？哪些话题引发了反复互动？

活动效果也很少立即显现。会议上的一次好交谈起初不会出现在任何销售管线中。专业兴趣可能在多场活动中逐步发展，才会形成具体的业务联系。如果只追问单个活动的直接结果，就无法反映这一发展过程。

仅着眼于单个活动失之片面

在许多企业中，网络研讨会、客户活动、参展及大型年度会议仍被分开规划和评估。但对参会者而言，这种分隔并不存在。对他们来说，这些都是与同一家企业的不同接触点。

如果把这些互动在较长时间内汇总起来，就能更好地识别兴趣及其变化。前提是系统相互连通。如果活动平台、CRM 和营销自动化彼此分离，分析也将是碎片化的。因此，技术集成往往比下一个 AI 功能更重要。

实际价值体现在后续跟进中

大型活动结束后，销售和市场部门首先关心的是哪些联系应如何继续跟进。千篇一律的跟进邮件对不同类型的参会者一视同仁。而纯自动化的评分可能给出一种精确假象，其基础数据根本支撑不起这种精确度。

AI 可以汇总相关信号，并按事先定义的标准对联系进行优先级排序。但由此产生的下一步——面对面交谈、提供更深入的内容，还是暂不接触——无法仅凭一个分数推导出来。

人工判断不可或缺之处

AI 能识别参会者数据中的模式，却既不了解一次面对面交谈的质量，也不了解一次相遇的动态。同样，某人为何中途离开会议环节、为何多次打开某个内容、为何放弃一次联系，也无法仅从信号中读出。

这正是线下活动的独特价值所在：借助 AI，数字沟通越容易规模化，面对面交流的价值就越凸显。交谈、偶遇和建立信任只能有限地转化为数据。AI 可以帮助更早识别相关兴趣和信号，更好地为会面做准备，但面对面交流本身的质量无法被自动化。

因此，活动团队应当了解哪些信号能够可靠采集、其中哪些确实与其目标相关，以及数据或接口缺失在哪里。只有这样，才能合理判断哪些环节的自动化评估能带来帮助。

AI 在活动管理中主要在以下方面有用：结构化处理海量数据并提炼相关信号。而从中得出的结论，在许多环节仍然是人的决策。

关于作者

（图片：Cvent）Andreas Heckmann 是 Cvent 的全球首席客户官。此前他在 SAP 工作近 25 年，曾负责超过 10,000 名员工的全球客户服务组织，以及从本地部署向云端解决方案转型过程中的客户服务变革。如今，他将这些经验投入到客户体验、技术以及 AI 驱动的业务流程的持续发展中。