鲁班已经可以根据人们的点击行为和喜好做banner了，送货上门可以用机器狗了，无人驾驶汽车已经在马路上公测了。在人工智能如此火热的年代，自动化越来越要占据着更重要的位置。任何一个环节，任何一个场景，都有可能由人工智能来完成，而人工智能不单单是“机器的完成”，更重要的是“个性化机器完成”。
“个性化机器完成”包含两个方面：“个性化”+“自动化”；当一个词单独可以涵盖某件事情的时候，有时候并不足以形成一个很Excellent的方案，而当某两个part以一种特殊的组合同时来完成一件事情的时候，反而可能产生1+1>2的可能。比如机器完全可以组合出一张图片叠加banner，但是千人千面的banner就产生了不可思议的转化。
那么对于电商的CRM来说，“Auto” 为我们实际带来变化至少有三方面：及时性，自动化和个性化。
传统的电商CRM对于用户的功能性内容是：用户打标，分组，内容编辑，内容发送。可以说是可以完成“个性化”。但是当“个性化”这个词单独出现的时候，此时并没有发生极大的差距性改变。原因很简单：用户的个性是在实时变化的；实时变化的个性需要更实时的人力维护。然而有几个公司，付得起如此“实时”维护的成本，最多的“实时”，恐怕也是一天。也是这个原因，“B2B”的CRM才是最先发展并强大的。然而今天的我们，随着时代的发展，使用着越来越先进的系统。
首先在分组的时候，及时的自动化系统可以将用户实时来进行分组，这个时候，用户是被实时维护的，这是自动化的第一步。可以从至少两个维度来做区分（和传统对用户分组条件相同）：用户维度，与用户产生关系的商品维度。
用户维度是指用户的描述属性与行为属性，两者没有很明显的区分界限。商品的维度包括：商品类目，商品属性。首先，用户在描述属性上的变更就是实时的，例如用户的兴趣爱好，用户的收货地址；从用户的行为属性上更为如此，例如加购，下单，付款。而与用户相关的商品属性也是在改变的，最实时变化的就是价格。如果用户的分组数据不是实时的，那么对用户的“个性化”可能显得就不是那么准确了。
分组是一部，在营销动作的时候的自动化，可以节约不少的人力成本，让没有机会来维护的巨大的个性化部分，成为可能。当满足某种条件的时候，为用户做某件事情，如果由人来完成，那么“某种条件”应该是可以枚举的，实际上，“某种条件”很难完全枚举并且枚举出的“某种条件”与时间与人的多种排列组合组成了我们复杂的n维世界。聪明的人们将可被枚举，符合逻辑推理并且大概率的事件总结为某种规则，在该规则下，触发另一个事件来尝试完成发动人想要达到预计效果。作为用户的角度，可以理解为，我浏览了商品a，加入购物车，立刻推送给我商品a相关的广告或是更为商品或者邮件或者短信。
讲到这里，应该就基本上是现在的Auto marketing在做的。
其实，在这中间，尤其是营销动作的时候，我们仍然看到了一部分的局限性：
枚举的“某种条件”：实际上枚举的条件是不可被枚举的，有时候，只有当这件事情发生，我们才意识到，原来有这样一种情况，这是我们大脑的“学习方式”，对于人工智能时代，机器也是可以模拟人类的学习方式来学习的。
枚举的“某种条件”重要性判断：条件是不可数的，但是哪些是知名因素，由条件的判断，也是可以知道的。这也是可以由机器学习来替代的。
内容的生成：其实类似鲁班系统，根据预设“输入”可以做预设：“输出”，更是由机器学习可以替代。
正视局限性，让我们不断向前进步。时代在进步，人工智能渐渐地已经不在是一个说法，而是研发与实践。我们应该跟上时代的脚步，不断学习，不断进步。
End.
