准时快讯: 🗞️ 生成式AI在公关领域的应用案例 (2025-07-06)
准时快讯: 🗞️ 生成式AI在公关领域的应用案例 (2025-07-06) :: 在浏览器中查看 重磅推荐 👉 我的新书《几近永恒：生成式AI的48条基本原则》现已上市！ 内容真实性声明 本周的通讯内容100%由我本人（人类）创作。在视频中您将看到丰富的AI生成内容。了解为何这类披露是明智之举，并可能在不久的将来成为任何与欧盟有业务往来方所必需的要求。 在YouTube上观看本期通讯 📺 点击此处观看本期通讯的视频版 📺 » 点击此处收听MP3音频版 🎧 » 我的思考：生成式AI在公关领域的应用案例 本周，让我们探讨AI在公关（PR）和公共关系领域的应用案例。本周我很荣幸能在乌克兰科技公关学校发表主旨演讲，以此支持乌克兰的公关界。多年来，我一直是乌克兰人民和产业的坚定支持者，这体现在本通讯中最后一个广告位（每季度价值25000美元）自俄罗斯非法入侵乌克兰伊始，便一直专用于United24项目。 话虽如此，我还是想更广泛地分享一些应用案例，以便您了解公关和传播专业人士如何更巧妙地运用AI。 在我们深入探讨具体的应用案例之前，我有一个普遍性的声明，对此我充满信心：如果您是一家公关公司或团队，并且您没有每月为每位成员支付20美元，让您的团队使用深度研究工具（如Gemini深度研究、OpenAI深度研究等），那么您就完全偏离了方向，已经落伍了。我很少对AI说这样的话，因为它是一个带有强烈情感的词，但在这种情况下，这是事实。如果您的公关团队无法使用AI驱动的深度研究工具，那么您就落后得非常、非常严重，甚至濒临被淘汰。 现在，言归正传。正如我在主旨演讲中所说，生成式AI总体上有七大类主要应用案例，您可以在我的《生成式AI营销应用案例》课程中了解更多详情： 提取：从其他数据中提取数据 分类：整理您的数据 摘要：将大数据转化为小数据 问答：向您的数据提问 重写：将一种形式的数据转化为另一种 综合：将小数据整合为大数据 生成：根据旧数据创建新数据 现在，让我们逐一讲解我在主旨演讲中教授的公关专用应用案例。 提取 当今公共系统的一个复杂且困难之处在于，数据无处不在，且通常以我们难以轻松获取的格式存在。好消息是，当今最先进的模型也具备“视觉”能力，它们被称为视觉语言模型（VLMs）。 最知名的VLM可能就是Google的Gemini，但几乎所有最先进的模型都具备某种视觉能力。ChatGPT和Claude可以识别截图，而Gemini则能处理视频。 这意味着，只要您能看到，就能捕捉到。 这是我在主旨演讲中演示的一个非常简单的例子。假设您想从您的Google商家评论中提取数据。当然，您可以购买软件来实现，许多人也确实这么做了，但为什么呢？不如打开任何屏幕录像机——甚至您手机的摄像头，然后录下您滚动浏览评论的过程。然后将视频加载到Gemini之类的工具中，让它将看到的内容精确转录为机器可用的格式。 我通常使用的提示语很直接，大概是这样的： 将此视频中的Google商家评论转录为JSON格式。所需的JSON键和值包括：评论者姓名、评论日期、评论星级、评论照片（真/假）、评论照片主题（如果为真）、商家回复（真/假）、评论原文文本、商家回复原文文本。 如果您不熟悉，JSON是一种机器语言数据格式。它是最常见的数据格式之一，AI尤其擅长理解它——远胜于电子表格，因为JSON是语言，而非表格数据。我们暂时将数据保持这种格式，因为其他应用案例都依赖于此；在整个过程结束时，您随时可以要求AI将其转化为更易于人类使用的格式，例如CSV表格。 在演示中，我使用了一家著名的基辅餐厅——Ostannya Barykada，即“最后的街垒”。这是一家独特的餐厅兼博物馆，致力于记录乌克兰近期历史，从欧洲广场革命和俄罗斯在2014年非法吞并克里米亚，到当前非法的入侵。 只要您能看到，AI就能帮您转录和转换。这极其有价值，特别是对于那些以阻止任何形式抓取而闻名的数据源。 分类 下一个应用案例是分类。在这里，我们整理数据，为在其他地方使用做好准备。以Ostannya Barykada为例，我们可能不完全相信人们如何使用他们的星级评分。毕竟，人们倾向于对事物进行极端评分，要么是5星，要么是1星。作为商家，我会想知道星级评分是否与人们留下评论时的真实感受相符。 因此，我们可以让AI工具将此信息添加到我们的数据集中，直接写入JSON文件（这就是我们将其保留为JSON格式的原因）。我可以使用这样的提示语： 在JSON数据集中，使用review_text_verbatim键和值字段执行情感分析。仅根据review_text_verbatim的内容，以1-5的浮点刻度（精确到两位小数）对每条评论进行评分。将其作为新的键值对review_sentiment_score添加到JSON中。 最终，我们得到的是一个可以外部分析的情感评分。永远不要尝试让生成式AI进行数学计算（有一个例外）。这样做效果不佳，因为它在根本上不具备这种能力。您不能让它直接在这里进行数学计算——但您可以让它编写执行数学计算的代码。 摘要 接下来，让我们对数据进行汇总。摘要是生成式AI最强大、最简单的应用案例之一。它将大数据转化为小数据，这对于简洁地传达信息非常有用。 假设我们想向我们的利益相关者，即Ostannya Barykada的所有者，汇报他们的公众形象状况。这是传播者和公关专业人士的工作，旨在展示他们的工作在公众中产生的效果（毕竟公共关系中的“公共”）。我们现在有了情感评分、评论、评论星级和时间数据。我们如何做到这一点呢？ 首先，我们需要了解客户的关键优先事项。一位餐馆老板关心什么？顾客盈门。就是这么简单。顾客盈门，付费用餐。其他一切都不重要，因为如果您的餐桌在每次上座时都不满，您就赚不到钱。 为了解餐桌为何可能或不可能满座，我们可以使用我们刚刚收集到的评论数据。我们会想用生成式AI和一些数学代码（别担心，您无需编码）来总结这些数据，以便展示我们的结果。…
