如何利用人工智能大模型，打造最佳的营销活动策略

本文介绍了如何利用人工智能大模型来优化营销活动策略的方法和步骤，包括分析营销活动数据，建立营销活动模型，优化营销活动策略，评估营销活动效果等方面。旨在帮助产品经理和运营人员了解人工智能大模型在数字化营销业务中的应用和价值。

数字化营销是当今企业发展的重要手段，它涉及到电商、广告、用户增长等多个领域。

数字化营销的核心是如何制定有效的营销活动策略，以吸引和留住用户，提高转化率和收益。然而，传统的营销活动策略往往基于经验和直觉，缺乏数据支撑和科学依据，难以适应复杂和变化的市场环境。人工智能大模型是一种利用海量数据和强大计算能力，通过深度学习和自然语言处理等技术，生成高质量和有价值的内容和策略的模型。

人工智能大模型可以帮助产品经理和运营人员分析营销活动数据，建立营销活动模型，优化营销活动策略，评估营销活动效果，从而提升数字化营销的效率和效果。

本文将介绍如何利用人工智能大模型来优化营销活动策略的方法和步骤，以及人工智能大模型在数字化营销业务中的应用和价值。

要制定出有效的营销活动策略，我们首先需要对营销活动数据进行收集和分析。营销活动数据是指与我们的营销活动相关的各种数据，例如：

• 用户数据：用户数据是指反映用户的特征，需求，行为，心理等方面的数据，如年龄，性别，地区，职业，收入，教育，浏览，点击，注册，购买，评论，分享，需求，偏好，满意度，忠诚度，推荐意愿等。用户数据可以帮助我们了解我们的目标用户是谁，他们想要什么，他们怎么做，他们怎么想等，从而制定出更符合用户的营销活动策略。
• 产品数据：产品数据是指反映产品的特点，优势，价值等方面的数据，如名称，类别，功能，价格，品牌，口碑，质量，效果，安全，可靠，易用，优势，独特性，创新性，社会性等。产品数据可以帮助我们了解我们的产品是什么，它有什么，它能做什么，它为什么好等，从而制定出更突出产品的营销活动策略。
• 渠道数据：渠道数据是指反映营销活动的传播和执行的媒介和平台的信息，如类型，特性，覆盖，流量，成本，效果等。渠道数据可以帮助我们了解我们的营销活动可以通过哪些渠道，这些渠道有什么特点，这些渠道能带来什么效果等，从而制定出更有效的营销活动策略。
• 竞争数据：竞争数据是指反映与我们的产品或者服务相似或者替代的其他产品或者服务的信息，如名称，类别，功能，价格，品牌，口碑，以及他们的营销活动策略，如目标，定位，价值主张，核心信息，关键指标等。竞争数据可以帮助我们了解我们的竞争对手是谁，他们有什么，他们怎么做，他们做得怎么样等，从而制定出更有竞争力的营销活动策略。
• 市场数据：市场数据是指反映与我们的产品或者服务相关的整个市场的信息，如规模，增长，结构，分布，需求，供给，预测等。市场数据可以帮助我们了解我们的市场是什么，它有多大，它怎么变，它有什么机会，它有什么风险等，从而制定出更适应市场的营销活动策略。

收集和分析营销活动数据的方法有很多，例如：

• 问卷调查：问卷调查是一种通过设计和发放一系列的问题，收集用户、产品、渠道、竞争、市场等方面的数据的方法。问卷调查的优点是可以收集大量的数据，可以定量和定性地分析数据，可以比较不同的数据，可以控制数据的质量和有效性等。问卷调查的缺点是可能存在样本偏差，响应率低，数据失真，数据过时等问题。
• 用户访谈：用户访谈是一种通过与用户进行面对面或者远程的交流，收集用户的需求、偏好、感受、建议等方面的数据的方法。用户访谈的优点是可以收集深入的数据，可以了解用户的心理，可以建立用户的信任和关系等。用户访谈的缺点是可能存在用户不真诚，用户不合作，用户不代表性，用户不一致等问题。
• 数据挖掘：数据挖掘是一种通过使用人工智能，统计学，数学等技术，从大量的数据中提取有价值的信息和知识的方法。数据挖掘的优点是可以发现数据的规律、模式、关联、异常等，可以预测数据的趋势、变化、结果等，可以优化数据的处理、存储、展示等。数据挖掘的缺点是可能存在数据的不完整、不准确、不一致、不相关等问题。
• 数据可视化：数据可视化是一种通过使用图形、图表、图像等方式，将数据的信息和知识以直观、美观、易懂的形式展示出来的方法。数据可视化的优点是可以增强数据的表达力、吸引力、影响力等，可以帮助用户理解、记忆、分析、决策等。数据可视化的缺点是可能存在数据的失真、误导、过度简化、过度美化等问题。
• 数据分析工具：数据分析工具是一种通过使用软件，平台，应用等，对数据进行收集、处理、分析、展示、分享等操作的方法。数据分析工具的优点是可以提高数据的效率、质量、安全、便利等，可以支持多种数据的格式、来源、类型等，可以实现数据的自动化、智能化、互动化等。数据分析工具的缺点是可能存在数据的兼容、维护、更新、成本等问题。

人工智能大模型可以帮助产品经理和运营人员收集和分析营销活动数据，例如：

• 生成问卷：人工智能大模型可以根据我们的营销活动的目的、对象、内容等，生成合适的问卷问题、选项、顺序、逻辑等，以便收集用户、产品、渠道、竞争、市场等方面的数据。
• 提取关键词：人工智能大模型可以根据我们的营销活动的目的、对象、内容等，提取出与用户、产品、渠道、竞争、市场等方面相关的关键词，以便进行更精准的数据搜索、筛选、分类、排序等。
• 生成报告：人工智能大模型可以根据我们收集和分析的营销活动数据，生成一份简洁、清晰、有用的报告，以便总结和展示我们的营销活动的目标、定位、价值主张、核心信息、关键指标、优势、劣势、建议等。

1. 建立营销活动模型

要生成高质量和有价值的营销活动的内容和策略，我们需要建立一个能够理解、表达、创造、优化营销活动的模型。这个模型就是利用人工智能大模型来生成营销活动的模型，简称营销活动模型。营销活动模型可以帮助我们完成各种营销活动的任务，例如生成广告文案，生成营销方案，生成营销素材等。

如何定义B端产品及B端产品经理方法论

相较于C端产品，B端产品最大的特点是：面向特定领域用户，且数量少得多，但更注重对用户专业领域操作流程的深度挖掘——也就是专业性更强，与业务的结合更紧密。

查看详情 >

建立营销活动模型的过程包括选择合适的模型、训练模型、评估模型等步骤，我们将分别介绍如下：

1）选择合适的模型

选择合适的模型是指根据我们的营销活动的目的、对象、内容等，选择一个能够满足我们的需求和期望的人工智能大模型作为我们的营销活动模型。

选择合适的模型的依据是模型的适用范围、性能、可解释性、可扩展性等：

• 适用范围是指模型能够处理的数据的类型、格式、来源、规模等，以及模型能够完成的任务的种类、难度、复杂度等。
• 性能是指模型能够达到的准确率、速度、稳定性、效率等。
• 可解释性是指模型能够提供的逻辑、理由、证据等。
• 可扩展性是指模型能够适应的变化、更新、优化等。

选择合适的模型的方法有很多，例如使用现成的人工智能大模型，例如GPT-3，BERT，XLNet等，或者自定义或者改进人工智能大模型，例如添加专业领域的知识，使用特定的数据集，使用特定的优化方法等。

2）训练模型

训练模型是指利用已有的营销活动数据和反馈，通过人工智能大模型的学习算法，调整模型的参数，使模型能够更好地拟合数据和目标的过程。训练模型的目的是使模型能够生成更符合我们的营销活动的内容和策略的输出。

训练模型的过程包括准备数据、设置参数、运行算法、保存模型等步骤：

1. 准备数据是指收集、清洗、标注、划分、转换等操作，使数据符合模型的输入要求。
2. 设置参数是指确定模型的结构、层数、节点数、激活函数、损失函数、优化器、学习率、批次大小、迭代次数等。
3. 运行算法是指使用人工智能大模型的学习算法，如反向传播、梯度下降、随机梯度下降等，对模型的参数进行更新，使模型的输出与数据的标签或者反馈的差距最小。
4. 保存模型是指将训练好的模型的参数、结构、状态等保存在文件或者数据库中，以便后续的使用或者评估。

3）评估模型

评估模型是指利用新的或者未知的营销活动数据和反馈，通过人工智能大模型的评估指标，检验模型的准确性，稳定性，泛化性等的过程。

评估模型的目的是验证模型的有效性，发现模型的优点和缺点，提出模型的改进和优化建议。

评估模型的过程包括加载模型，输入数据，输出结果，计算指标，分析报告等步骤。

1. 加载模型是指从文件或者数据库中读取训练好的模型的参数、结构、状态等，使模型处于可用的状态。
2. 输入数据是指将新的或者未知的营销活动数据和反馈输入到模型中，使模型进行预测或者生成。
3. 输出结果是指将模型的预测或者生成的结果输出到屏幕、文件、数据库等，以便进行比较或者展示。
4. 计算指标是指使用人工智能大模型的评估指标，如准确率、召回率、F1值、均方误差、交叉熵等，对模型的输出和数据的标签或者反馈进行量化的比较，得出模型的评分或者排名。
5. 分析报告是指使用图形、图表、文字等方式，将模型的评估结果进行可视化、解释、总结、评价、建议等，以便进行理解、改进、优化等。

2. 优化营销活动策略

要执行高效和有价值的营销活动，我们需要优化我们的营销活动策略，使其更符合我们的营销活动的目标，定位，价值主张，核心信息，关键指标等。优化营销活动策略是指根据建立的营销活动模型生成的内容和策略，进行筛选，修改，组合，测试，迭代等过程，使营销活动策略更贴合我们的营销活动的需求和期望。执行优化后的营销活动策略是指将优化后的营销活动策略应用到实际的营销活动中，例如发布广告，推送消息，发送邮件，发放优惠券等。

优化和执行营销活动策略的过程包括以下几个步骤：

1）筛选方案

筛选方案是指从营销活动模型生成的多种备选方案中，选择最符合我们的营销活动的目标，定位，价值主张，核心信息，关键指标等的方案，作为我们的营销活动策略的候选方案。

筛选方案的依据是方案的适用性，有效性，创新性，吸引性等：

• 适用性是指方案能够适应我们的营销活动的对象，内容，渠道，竞争，市场等。
• 有效性是指方案能够达到我们的营销活动的目标，如提高认知，增加兴趣，促进购买，增加收益等。
• 创新性是指方案能够体现我们的产品或者服务的特点，优势，价值等，与其他的方案有所区别和优势。
• 吸引性是指方案能够引起用户的注意，好奇，赞赏，信任等，与用户产生情感和关系的联系。

筛选方案的方法有很多，例如使用评分，排序，投票，讨论等。

2）修改方案

修改方案是指对筛选出的候选方案进行修改，完善，优化，使方案更贴合我们的营销活动的需求和期望的过程。

修改方案的目的是使方案更具有适用性，有效性，创新性，吸引性等。

修改方案的内容包括修改方案的文案，图片，音频，视频，链接，按钮，颜色，字体，布局等。

修改方案的依据是方案的反馈，建议，测试，分析等。

• 反馈是指从用户，同事，领导，专家等处获得的对方案的评价，意见，感受等。
• 建议是指从用户，同事，领导，专家等处获得的对方案的改进，优化，创新等的建议。
• 测试是指对方案进行实验，模拟，验证等的过程，以检验方案的效果，性能，稳定性等。
• 分析是指对方案进行数据，逻辑，情感等方面的分析，以理解方案的优点，缺点，机会，威胁等。

修改方案的方法有很多，例如使用人工智能大模型，例如GPT-3，BERT，XLNet等，或者自定义或者改进人工智能大模型，例如添加专业领域的知识，使用特定的数据集，使用特定的优化方法等。

3）组合方案

组合方案是指将修改后的候选方案进行组合，协调，整合，使方案形成一个完整，一致，协调的营销活动策略的过程。组合方案的目的是使方案更具有完整性，一致性，协调性等。

• 完整性是指方案能够覆盖我们的营销活动的所有的方面，如目标，定位，价值主张，核心信息，关键指标等。
• 一致性是指方案能够保持我们的营销活动的风格，主题，口吻，信息等的一致。
• 协调性是指方案能够使我们的营销活动的各个部分，如文案，图片，音频，视频，链接，按钮，颜色，字体，布局等的协调。

组合方案的内容包括组合方案的结构，顺序，逻辑，关联等。

组合方案的依据是方案的目标，内容，渠道，竞争，市场等。

• 目标是指我们的营销活动的目的，如提高认知，增加兴趣，促进购买，增加收益等。
• 内容是指我们的营销活动的信息，如产品或者服务的名称，功能，价格，优惠等。
• 渠道是指我们的营销活动的传播和执行的媒介和平台，如微信公众号，微博，抖音，小红书等。
• 竞争是指与我们的产品或者服务相似或者替代的其他产品或者服务，以及他们的营销活动策略，如目标，定位，价值主张，核心信息，关键指标等。
• 市场是指与我们的产品或者服务相关的整个市场的情况，如规模，增长，结构，分布，需求，供给，预测等。

组合方案的方法有很多，例如使用框架，模板，流程，规则等。

4）测试方案

测试方案是指对组合后的营销活动策略进行测试，评估，比较，选择，使营销活动策略更符合我们的营销活动的目标，定位，价值主张，核心信息，关键指标等的过程。测试方案的目的是验证营销活动策略的有效性，发现营销活动策略的优点和缺点，提出营销活动策略的改进和优化建议。

测试方案的过程包括准备数据，设置参数，运行算法，保存结果，计算指标，分析报告等步骤：

1. 准备数据是指收集，清洗，标注，划分，转换等操作，使数据符合测试的输入要求。
2. 设置参数是指确定测试的结构，层数，节点数，激活函数，损失函数，优化器，学习率，批次大小，迭代次数等。
3. 运行算法是指使用测试的算法，如A/B测试，多臂老虎机，强化学习，多目标优化等，对营销活动策略进行测试，评估，比较，选择，使营销活动策略的输出与数据的标签或者反馈的差距最小。
4. 保存结果是指将测试的结果，如方案的评分，排名，选择等保存在文件或者数据库中，以便后续的使用或者分析。
5. 计算指标是指使用测试的指标，如准确率，召回率，F1值，均方误差，交叉熵等，对测试的结果进行量化的比较，得出测试的评分或者排名。
6. 分析报告是指使用图形，图表，文字等方式，将测试的结果进行可视化，解释，总结，评价，建议等，以便进行理解，改进，优化等。

分析报告的内容包括测试的目的，过程，结果，评价，建议等。

• 测试的目的是指我们测试营销活动策略的原因，如验证有效性，发现优缺点，提出改进优化建议等。
• 测试的过程是指我们测试营销活动策略的方法，如使用的算法，指标，参数，数据等。
• 测试的结果是指我们测试营销活动策略的输出，如方案的评分，排名，选择等。
• 测试的评价是指我们对测试的结果的分析，如方案的优点，缺点，机会，威胁等。
• 测试的建议是指我们对测试的结果的反馈，如方案的改进，优化，创新等。分析报告的目的是使我们能够更好地理解，改进，优化我们的营销活动策略，以提高我们的营销活动的效果和回报。

分析报告的方法有很多，例如使用图形，图表，文字等方式，以增强报告的表达力，吸引力，影响力等。

5）选择方案

选择方案是指从测试后的多种备选方案中，选择最优的或者最合适的方案，作为我们的最终的营销活动策略的过程。

选择方案的依据是方案的评分，排名，选择等，以及我们的营销活动的目标，定位，价值主张，核心信息，关键指标等。评分，排名，选择是指测试后的方案的评估结果，如准确率，召回率，F1值，均方误差，交叉熵等。目标，定位，价值主张，核心信息，关键指标是指我们的营销活动的策略要素，如提高认知，增加兴趣，促进购买，增加收益等。

选择方案的目的是使我们的营销活动策略更符合我们的营销活动的需求和期望，更能达到我们的营销活动的效果和回报。

选择方案的方法有很多，例如使用最优化，多标准决策，偏好分析等。

6）执行方案：

执行方案是指将选择后的最终的营销活动策略应用到实际的营销活动中，进行发布，推送，发送，发放等操作，使营销活动策略能够达到用户，影响用户，激励用户的过程。

执行方案的目的是使我们的营销活动策略能够实现我们的营销活动的目标，定位，价值主张，核心信息，关键指标等。

执行方案的过程包括制定计划，分配资源，监控进度，收集反馈，调整策略等步骤。

1. 制定计划是指确定执行方案的时间，地点，对象，内容，方式，频率，预算等。
2. 分配资源是指分配执行方案所需的人力，物力，财力，信息等。
3. 监控进度是指跟踪，记录，报告执行方案的执行情况，如覆盖，流量，转化，收益等。
4. 收集反馈是指收集，整理，分析执行方案的执行效果，如用户的评价，意见，感受，建议等。
5. 调整策略是指根据执行方案的执行情况和执行效果，对执行方案进行修改，完善，优化，使执行方案更贴合我们的营销活动的需求和期望的过程。

3. 评估营销活动效果

在执行了优化后的营销活动策略后，我们需要评估营销活动的效果，以便了解我们的营销活动是否达到了预期的目标，是否有改进的空间，是否有需要调整的地方。评估营销活动效果的方法有很多，例如使用数据分析工具，使用用户反馈工具，使用营销效果评估模型等。

我们需要根据营销活动的类型，规模，目的，对象等，选择合适的评估方法，收集和分析营销活动的结果，例如用户反馈，转化率，收益，成本，ROI等。

评估营销活动效果的过程包括以下几个步骤：

1）收集数据

收集数据是指从各种渠道和平台，如微信公众号，微博，抖音，小红书等，获取与营销活动相关的数据，如用户的行为，反馈，评价等，以及与营销活动的目标，定位，价值主张，核心信息，关键指标等相关的数据，如转化率，收益，成本，ROI等。

收集数据的目的是为了提供评估营销活动效果的依据，以及为了发现营销活动的问题，机会，趋势等。

收集数据的方法有很多，例如使用数据采集工具，使用数据接口，使用数据爬虫等。

2）分析数据

分析数据是指对收集到的数据进行处理，清洗，整理，转换，统计，可视化等操作，以便对数据进行理解，解释，总结，评价，建议等。

分析数据的目的是为了评估营销活动的效果，如是否达到了目标，是否有优势，是否有劣势，是否有改进空间，是否有调整需要等。

分析数据的方法有很多，例如使用数据分析工具，使用数据分析模型，使用数据分析方法等。

3）生成报告

生成报告是指将分析数据的结果，以图形，图表，文字等方式，进行展示，传达，分享，以便对营销活动的效果进行展示，传达，分享。

生成报告的目的是为了让我们自己，以及我们的同事，领导，合作伙伴，客户等，能够了解我们的营销活动的效果，以及我们的营销活动的优点，缺点，建议等。

生成报告的方法有很多，例如使用报告生成工具，使用报告生成模板，使用报告生成方法等。

人工智能大模型可以帮助产品经理和运营人员评估营销活动效果，例如通过生成评估报告，生成评估指标，生成评估建议等。

人工智能大模型可以利用其强大的自然语言处理，计算机视觉，机器学习等能力，对营销活动的数据进行深入的分析，提取出有价值的信息，生成出有意义的结果，提供出有用的建议。

例如，人工智能大模型可以：

• 生成评估报告：人工智能大模型可以根据我们的营销活动的类型，规模，目的，对象等，以及我们收集和分析的数据，生成一份简洁，清晰，有用的评估报告，以便总结和展示我们的营销活动的效果，如目标，定位，价值主张，核心信息，关键指标等，以及我们的营销活动的优势，劣势，建议等。
• 生成评估指标：人工智能大模型可以根据我们的营销活动的类型，规模，目的，对象等，以及我们收集和分析的数据，生成一些评估营销活动效果的指标，以便量化和比较我们的营销活动的效果，如转化率，收益，成本，ROI等。
• 生成评估建议：人工智能大模型可以根据我们的营销活动的类型，规模，目的，对象等，以及我们收集和分析的数据，生成一些评估营销活动效果的建议，以便改进和优化我们的营销活动策略，如增加转化率，降低成本，提高ROI等。

本文简单介绍了如何使用人工智能大模型来生成和优化营销活动的内容和策略，以及如何评估营销活动的效果。

我们通过一个智能音箱的营销活动的案例，展示了人工智能大模型的强大的自然语言处理，计算机视觉，机器学习等能力，以及人工智能大模型可以帮助产品经理和运营人员的各种方式，如生成文章，生成方案，生成报告，生成指标，生成建议等。我们希望本文能够给您一些启发和灵感，让您能够更好地利用人工智能大模型来提升您的营销活动的效果和回报。

作为一名热心肠的互联网老兵，我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。

但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的 包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

😝有需要的小伙伴，可以V扫描下方二维码免费领取🆓

AI大模型时代的学习之旅：从基础到前沿，掌握人工智能的核心技能！

这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。

随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。

四、AI大模型商业化落地方案

阶段1：AI大模型时代的基础理解

• 目标：了解AI大模型的基本概念、发展历程和核心原理。
• 内容：
  • L1.1 人工智能简述与大模型起源
  • L1.2 大模型与通用人工智能
  • L1.3 GPT模型的发展历程
  • L1.4 模型工程
    - L1.4.1 知识大模型
    - L1.4.2 生产大模型
    - L1.4.3 模型工程方法论
    - L1.4.4 模型工程实践
  • L1.5 GPT应用案例

阶段2：AI大模型API应用开发工程

• 目标：掌握AI大模型API的使用和开发，以及相关的编程技能。
• 内容：
  • L2.1 API接口
    - L2.1.1 OpenAI API接口
    - L2.1.2 Python接口接入
    - L2.1.3 BOT工具类框架
    - L2.1.4 代码示例
  • L2.2 Prompt框架
    - L2.2.1 什么是Prompt
    - L2.2.2 Prompt框架应用现状
    - L2.2.3 基于GPTAS的Prompt框架
    - L2.2.4 Prompt框架与Thought
    - L2.2.5 Prompt框架与提示词
  • L2.3 流水线工程
    - L2.3.1 流水线工程的概念
    - L2.3.2 流水线工程的优点
    - L2.3.3 流水线工程的应用
  • L2.4 总结与展望

阶段3：AI大模型应用架构实践

• 目标：深入理解AI大模型的应用架构，并能够进行私有化部署。
• 内容：
  • L3.1 Agent模型框架
    - L3.1.1 Agent模型框架的设计理念
    - L3.1.2 Agent模型框架的核心组件
    - L3.1.3 Agent模型框架的实现细节
  • L3.2 MetaGPT
    - L3.2.1 MetaGPT的基本概念
    - L3.2.2 MetaGPT的工作原理
    - L3.2.3 MetaGPT的应用场景
  • L3.3 ChatGLM
    - L3.3.1 ChatGLM的特点
    - L3.3.2 ChatGLM的开发环境
    - L3.3.3 ChatGLM的使用示例
  • L3.4 LLAMA
    - L3.4.1 LLAMA的特点
    - L3.4.2 LLAMA的开发环境
    - L3.4.3 LLAMA的使用示例
  • L3.5 其他大模型介绍

阶段4：AI大模型私有化部署

• 目标：掌握多种AI大模型的私有化部署，包括多模态和特定领域模型。
• 内容：
  • L4.1 模型私有化部署概述
  • L4.2 模型私有化部署的关键技术
  • L4.3 模型私有化部署的实施步骤
  • L4.4 模型私有化部署的应用场景

学习计划：

• 阶段1：1-2个月，建立AI大模型的基础知识体系。
• 阶段2：2-3个月，专注于API应用开发能力的提升。
• 阶段3：3-4个月，深入实践AI大模型的应用架构和私有化部署。
• 阶段4：4-5个月，专注于高级模型的应用和部署。

这份完整版的大模型 LLM 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【】

😝有需要的小伙伴，可以Vx扫描下方二维码免费领取🆓