文 | Eric

“當(dāng)AI開始參與到品牌決策，不再只是老板‘憑感覺(jué)’拍板，而是讓企業(yè)獨(dú)有的經(jīng)驗(yàn)和外部海量知識(shí)‘共同進(jìn)化’時(shí)，商業(yè)決策的方式正在發(fā)生根本改變?！?/strong>蔣青云教授這樣描述AI為市場(chǎng)營(yíng)銷帶來(lái)的變革核心。

在 AI 技術(shù)狂飆突進(jìn)的時(shí)代浪潮中，營(yíng)銷領(lǐng)域正經(jīng)歷前所未有的變革。企業(yè)面臨著一連串亟待解答的關(guān)鍵命題：如何制定契合 AI 時(shí)代的營(yíng)銷戰(zhàn)略？傳統(tǒng) “拍腦袋” 式的決策模式是否已被徹底顛覆？在瞬息萬(wàn)變的市場(chǎng)環(huán)境下，企業(yè)又該如何實(shí)現(xiàn)動(dòng)態(tài)平衡，確保營(yíng)銷戰(zhàn)略有效落地？當(dāng)數(shù)據(jù)爆炸式增長(zhǎng)，消費(fèi)者洞察是否還停留在基于歷史數(shù)據(jù)的滯后分析？

當(dāng)企業(yè)著手布局AI戰(zhàn)略時(shí)，其核心不應(yīng)僅局限于技術(shù)工具的引入，而需深入剖析 AI 對(duì)營(yíng)銷商業(yè)底層結(jié)構(gòu)的重塑效應(yīng)。為此，本期 「AI營(yíng)銷新范式」專題對(duì)話特邀復(fù)旦大學(xué)蔣青云教授，圍繞 AI 時(shí)代的營(yíng)銷變革展開深度探討。

市場(chǎng)營(yíng)銷三次革命：

從消費(fèi)者視角到AI智能體時(shí)代

AI營(yíng)銷新范式：您怎么理解AI于營(yíng)銷商業(yè)的重構(gòu)？

蔣青云：AI對(duì)營(yíng)銷的賦能是更加宏觀、更加高度化地改變，它更像是市場(chǎng)營(yíng)銷的第三次革命。

市場(chǎng)營(yíng)銷誕生于上世紀(jì)初期，第一次革命發(fā)生在20世紀(jì)50年代，營(yíng)銷開始從生產(chǎn)者視角轉(zhuǎn)化為消費(fèi)者視角。也就是品牌開始從消費(fèi)者的思路出發(fā)，來(lái)為消費(fèi)者創(chuàng)造價(jià)值。從那時(shí)起，真正意義上的現(xiàn)代營(yíng)銷思路誕生了。

第二次革命則發(fā)生在20世紀(jì)80年代初期。過(guò)往我們遵循的傳統(tǒng)式營(yíng)銷是一種交易化的營(yíng)銷，也就是所謂的“一錘子買賣”。像麥卡錫所講的4P理論（即產(chǎn)品product、價(jià)格price、渠道place、促銷promotion）以及科特勒的營(yíng)銷戰(zhàn)略理論（STP)，本質(zhì)都是服務(wù)于傳統(tǒng)的“交易式營(yíng)銷”。

這種交易式營(yíng)銷在20世紀(jì)80年代便開始逐漸轉(zhuǎn)向了“關(guān)系式營(yíng)銷”。而二者間最大的差別是什么呢？

交易式營(yíng)銷，顧名思義，就是本次交換和前一次以及后一次交換都沒(méi)關(guān)系。就像我們買了一瓶水，后續(xù)就不會(huì)再去找賣水人了，所以這種交換本質(zhì)上是離散式的交易。

但像以金融業(yè)為代表的服務(wù)行業(yè)則不同，銀行為我辦了一張卡，但發(fā)卡這個(gè)動(dòng)作只是第一步，因?yàn)檫@張卡的價(jià)值，得等到開始用它存錢、轉(zhuǎn)賬、消費(fèi)之后才會(huì)體現(xiàn)出來(lái)。因此，早期參與金融業(yè)研究的營(yíng)銷學(xué)者如Berry通過(guò)觀察提出了交易應(yīng)該是長(zhǎng)期的、持續(xù)的和互動(dòng)的，從而提出了關(guān)系營(yíng)銷（Relationship Marketing)的理論。

如今AI帶來(lái)的，正是市場(chǎng)營(yíng)銷的第三次革命。AI的獨(dú)特之處在于，即便面對(duì)不完備的信息，也能通過(guò)算法和工具進(jìn)行優(yōu)化決策。從傳統(tǒng)的機(jī)器學(xué)習(xí)、深度學(xué)習(xí)到如今的協(xié)同性學(xué)習(xí)，技術(shù)的演進(jìn)不斷拓展著決策的邊界。

舉個(gè)例子，在商業(yè)活動(dòng)中，合作各方常因客戶隱私保護(hù)或商業(yè)機(jī)密問(wèn)題，無(wú)法完全打通數(shù)據(jù)。但借助聯(lián)邦學(xué)習(xí)技術(shù)，各方無(wú)需共享原始數(shù)據(jù)，就能實(shí)現(xiàn)協(xié)同學(xué)習(xí)并聯(lián)合做出決策。這種在數(shù)據(jù)隔離狀態(tài)下完成協(xié)作的模式，在過(guò)去難以想象，卻在AI時(shí)代成為現(xiàn)實(shí)。

AI營(yíng)銷新范式：所以，可以這么理解。在數(shù)字化商業(yè)浪潮中，數(shù)據(jù)曾因結(jié)構(gòu)性割裂成為企業(yè)發(fā)展的桎梏。那在營(yíng)銷行業(yè)數(shù)字化轉(zhuǎn)型加速的當(dāng)下，企業(yè)智能體在企業(yè)管理和支持營(yíng)銷決策方面的角色發(fā)生了怎樣的變化？

蔣青云：企業(yè)內(nèi)部正通過(guò)整合運(yùn)營(yíng)、財(cái)務(wù)、供應(yīng)鏈等系統(tǒng)數(shù)據(jù)，構(gòu)建屬于自己的企業(yè)智能體。這個(gè)智能體就像“數(shù)字大腦”，可以實(shí)時(shí)監(jiān)控運(yùn)營(yíng)效率、成本結(jié)構(gòu)等關(guān)鍵指標(biāo)，并通過(guò)異常預(yù)警和智能診斷，為管理提供優(yōu)化路徑。

當(dāng)外部智能體的市場(chǎng)洞察與內(nèi)部智能體的運(yùn)營(yíng)反饋實(shí)現(xiàn)雙向交互，就能形成“感知—分析—決策—執(zhí)行”的智能閉環(huán)。這是企業(yè)走向更高效、動(dòng)態(tài)決策模式的關(guān)鍵一步。

這種數(shù)據(jù)驅(qū)動(dòng)的智能協(xié)同，正在重塑企業(yè)決策范式。早期的專家系統(tǒng)雖也具備一定智能化，其實(shí)也能模擬人類做出基于不完備數(shù)據(jù)做決策，但它遠(yuǎn)不如AI能在復(fù)雜場(chǎng)景下自主做出高效決策。

如今，從傳統(tǒng)的系統(tǒng)決策跨越到高效智能化決策，我認(rèn)為是一場(chǎng)大的營(yíng)銷革命。

AI營(yíng)銷新范式：基于您對(duì)AI引發(fā)市場(chǎng)營(yíng)銷第三次革命的底層邏輯的深刻洞察，從實(shí)際應(yīng)用層面來(lái)看，您目前最關(guān)注AI在哪些領(lǐng)域的落地與發(fā)展？

蔣青云：我主要的研究領(lǐng)域是營(yíng)銷戰(zhàn)略，核心是幫助企業(yè)制定營(yíng)銷決策。在AI賦能營(yíng)銷決策方面，我認(rèn)為經(jīng)歷了兩個(gè)比較明顯的階段：

第一階段，AI作為工具的時(shí)代。主要是在大模型興起之前，我們通常稱之為“狹義人工智能”或“專用人工智能”。其實(shí)在那個(gè)時(shí)期，AI就已經(jīng)在營(yíng)銷決策中有所應(yīng)用了。

例如，我們會(huì)利用歷史數(shù)據(jù)訓(xùn)練出一個(gè)基礎(chǔ)模型，然后持續(xù)引入新的數(shù)據(jù)來(lái)優(yōu)化和完善這個(gè)模型。最終，這個(gè)模型可以幫助企業(yè)做具體的決策，比如篩選合適的廣告代言人，或者為消費(fèi)者提供個(gè)性化的產(chǎn)品推薦。值得注意的是，個(gè)性化推薦不僅是技術(shù)面的能力，更是消費(fèi)者的真實(shí)需求。微軟廣告最近發(fā)布的《解碼現(xiàn)代消費(fèi)者》白皮書顯示，59%的受訪者認(rèn)為個(gè)性化的產(chǎn)品推薦對(duì)他們做出購(gòu)買決策有幫助。這意味著，數(shù)據(jù)驅(qū)動(dòng)的模型不僅能提升營(yíng)銷效率，也契合了消費(fèi)者的期待。

這個(gè)階段AI帶來(lái)的關(guān)鍵突破在于處理“非結(jié)構(gòu)化數(shù)據(jù)”的能力。相較于傳統(tǒng)數(shù)據(jù)，AI能夠更有效地分析和學(xué)習(xí)那些難以直接量化的信息，比如人臉識(shí)別、聲音分析以及圖像和視頻等技術(shù)。正是利用這些更豐富、更接近真實(shí)場(chǎng)景的非結(jié)構(gòu)化數(shù)據(jù)，AI工具為營(yíng)銷決策提供了新的維度和依據(jù)。

第二階段，則是AI作為系統(tǒng)的時(shí)代。隨著AGI與大模型的興起，AI的角色發(fā)生了根本性轉(zhuǎn)變。在這個(gè)階段，一個(gè)重要的突破是營(yíng)銷策略的自動(dòng)化生成，這也是AIGC概念的延伸。

過(guò)去，我們理解的“生成式營(yíng)銷”往往局限于AIGC為主的內(nèi)容創(chuàng)作。這固然是大模型的基礎(chǔ)能力，但其潛力遠(yuǎn)不止于此。關(guān)鍵在于，如何利用這種能力自動(dòng)形成企業(yè)的營(yíng)銷戰(zhàn)略。

傳統(tǒng)營(yíng)銷戰(zhàn)略的制定，高度依賴企業(yè)自身的信息庫(kù)和本地化知識(shí)。也就是說(shuō)營(yíng)銷人在長(zhǎng)期實(shí)踐中積累的獨(dú)特經(jīng)驗(yàn)和行業(yè)洞察才是企業(yè)的核心競(jìng)爭(zhēng)力所在。

而通用AI的核心價(jià)值在于其整合了海量網(wǎng)絡(luò)知識(shí)。真正的突破點(diǎn)在于：將企業(yè)獨(dú)有的本地化知識(shí)與強(qiáng)大的通用大模型能力進(jìn)行深度對(duì)接和融合。只有這樣，才能生成真正具有獨(dú)特性、符合企業(yè)自身情況的營(yíng)銷策略和決策。

否則，僅僅依賴通用網(wǎng)絡(luò)信息，比如大家都去問(wèn)AI模型，得到的方案很可能趨同，缺乏差異化和競(jìng)爭(zhēng)優(yōu)勢(shì)。一定要植根于企業(yè)自身的知識(shí)土壤，結(jié)合AI強(qiáng)大的分析和生成能力，才能構(gòu)建起獨(dú)屬自己的營(yíng)銷策略。

除了自動(dòng)化生成之外，智慧化生成也同樣重要。二者的核心區(qū)別聚焦在“人”的核心地位，在自動(dòng)化階段更多依賴企業(yè)本地化知識(shí)與通用網(wǎng)絡(luò)智能體的對(duì)接來(lái)生成策略，人的深度參與相對(duì)有限。

而在智慧化生成階段，人必須要發(fā)揮主導(dǎo)作用。我們和秒針合作提出了“超級(jí)個(gè)體”這一概念，也就是指企業(yè)內(nèi)部那些能夠熟練運(yùn)用AI工具、具備深厚經(jīng)驗(yàn)與洞察力的關(guān)鍵人才。他們能夠通過(guò)持續(xù)的經(jīng)驗(yàn)學(xué)習(xí)以及知識(shí)的分享，成為企業(yè)本地化知識(shí)的載體。通過(guò)AI的賦能，他們能逐漸驅(qū)動(dòng)企業(yè)自身進(jìn)化為“本地智能體”。目前，不少企業(yè)正以實(shí)現(xiàn)智能體為目標(biāo)持續(xù)推進(jìn)相關(guān)布局。

與此同時(shí)，外部通用大模型也在飛速進(jìn)化，成為強(qiáng)大的“外部超級(jí)智能體”。

因此我認(rèn)為智慧化生成的核心，就在于促進(jìn)企業(yè)內(nèi)部的由“超級(jí)個(gè)體”所構(gòu)成的“集體知識(shí)”與外部強(qiáng)大的“超級(jí)智能體”之間進(jìn)行深度的“人機(jī)互學(xué)”。這種持續(xù)的學(xué)習(xí)互動(dòng)，再深度結(jié)合企業(yè)獨(dú)特的本地化知識(shí)庫(kù)，最終將催生出一個(gè)能夠自主學(xué)習(xí)、具備思維推理能力、并不斷自我完善的“超級(jí)人工智能體”。

AI營(yíng)銷新范式：所以您是否認(rèn)為“智慧化生成”會(huì)成為AI賦能市場(chǎng)營(yíng)銷的未來(lái)大方向？企業(yè)又需要做哪些舉措來(lái)迎合這種趨勢(shì)？

蔣青云：是的，“智慧化生成”是AI賦能下市場(chǎng)營(yíng)銷未來(lái)發(fā)展的一個(gè)重要方向，我認(rèn)為企業(yè)需要明確三件事：

1.本地化知識(shí)是核心能力的基礎(chǔ)：這是經(jīng)濟(jì)學(xué)和戰(zhàn)略管理理論早已闡明的道理，缺乏獨(dú)有知識(shí)的企業(yè)將喪失差異化優(yōu)勢(shì)。

2.人的協(xié)作與集體智能是動(dòng)態(tài)性的源泉：沒(méi)有“超級(jí)個(gè)體”之間互動(dòng)形成并不斷更新的集體知識(shí)，系統(tǒng)將缺乏適應(yīng)性和進(jìn)化能力。

3.與外部超級(jí)智能體的融合是生成能力的保障：離開了與最前沿通用大模型的對(duì)接與學(xué)習(xí)，系統(tǒng)難以具備真正強(qiáng)大的生成與推理能力。

因此，我認(rèn)為智慧化生成是本地知識(shí)、人的集體智慧與外部超級(jí)智能體三者深度協(xié)同、共同進(jìn)化的結(jié)果。

AI營(yíng)銷新范式：可以說(shuō)在“智慧化生成階段”，這種智能體的本質(zhì)是整合公司內(nèi)部成員智慧，形成企業(yè)Know-how的集合體？

除了企業(yè)內(nèi)部以外，這個(gè)智能體還需要融合行業(yè)及外部系統(tǒng)的知識(shí)，將內(nèi)外部知識(shí)相結(jié)合，最終讓每個(gè)公司都能打造出專屬的、具備強(qiáng)大能力的“超級(jí)智能體”。

AI營(yíng)銷新范式：這種超級(jí)智能體更多應(yīng)用于戰(zhàn)略層面，那從技術(shù)實(shí)際落地的角度來(lái)看，它會(huì)如何去布局一個(gè)品牌的市場(chǎng)戰(zhàn)略？比如一家童鞋品牌去年做了20億規(guī)模，今年想做40億規(guī)模，我營(yíng)銷戰(zhàn)略怎么做？AI在其中怎么賦能？

蔣青云：大模型同樣是從內(nèi)部與外部?jī)煞矫嫒胧郑?/p>

首先，在本地智能體中深度融入了企業(yè)家的實(shí)踐智慧。當(dāng)我們輸入一個(gè)跨越式發(fā)展的目標(biāo)時(shí)，智能體會(huì)調(diào)取并分析企業(yè)內(nèi)部的歷史經(jīng)驗(yàn)，從而去做出可行性的判斷。

其次，在外部智能體，也就是行業(yè)中同樣潛藏了一些機(jī)會(huì)。外部的通用智能體中不僅蘊(yùn)含著信息，它不僅能提供宏觀行業(yè)數(shù)據(jù)和趨勢(shì)分析，更能對(duì)接專業(yè)領(lǐng)域的知識(shí)庫(kù)或?qū)＜蚁到y(tǒng)。比如它可以調(diào)用麥肯錫的行業(yè)洞察智能體，向其詢問(wèn)“行業(yè)在何種條件下通常會(huì)發(fā)生跨越式變革”這類問(wèn)題，我們就能獲得外部視角的專業(yè)研判。

AI營(yíng)銷新范式：然后隨著外部與內(nèi)部智能體的相互溝通就可以輸出一個(gè)系統(tǒng)的品牌戰(zhàn)略方案？

蔣青云：并不是，在內(nèi)部外部模型溝通的基礎(chǔ)上，我們還需要對(duì)營(yíng)銷戰(zhàn)略計(jì)劃進(jìn)行可行性檢驗(yàn)。這涉及到引入動(dòng)態(tài)市場(chǎng)博弈模擬，系統(tǒng)會(huì)模擬在我方采取特定策略時(shí)，主要競(jìng)爭(zhēng)對(duì)手可能如何反應(yīng)。這種模擬分析能預(yù)判市場(chǎng)互動(dòng)可能產(chǎn)生的結(jié)果，為策略提供反饋并評(píng)估其落地可能性。

在AI賦能市場(chǎng)競(jìng)爭(zhēng)的動(dòng)態(tài)博弈方面，目前也有一些進(jìn)展。比如紐約大學(xué)的華人學(xué)者劉柳就曾發(fā)表研究，探討如何將AI智能體嵌入動(dòng)態(tài)市場(chǎng)博弈模型中進(jìn)行策略推演。

AI營(yíng)銷新范式：利用AI技術(shù)對(duì)市場(chǎng)競(jìng)爭(zhēng)中的動(dòng)態(tài)博弈塑造可視化，這似乎對(duì)大部分營(yíng)銷人而言是件很有技術(shù)性的挑戰(zhàn)？

蔣青云：動(dòng)態(tài)博弈并非大多數(shù)人需要學(xué)習(xí)的技能，它主要是對(duì)結(jié)果的一個(gè)大致預(yù)測(cè)，我們只需要看懂結(jié)果就足矣。比如我們輸入“希望增長(zhǎng)率超過(guò)10%”的指令，它可能會(huì)呈現(xiàn)出幾種結(jié)果？亦或是我們想去改變企業(yè)的定位，動(dòng)態(tài)博弈就會(huì)去模擬定位改變后的一些可能性。不過(guò)它只能做一些顆粒度比較大的方向性決策，比較精細(xì)化的市場(chǎng)決策還是相對(duì)困難。

AI時(shí)代的企業(yè)戰(zhàn)略，

“外部大腦”和“內(nèi)部大腦”結(jié)合的“超級(jí)智能體”

AI營(yíng)銷新范式：戰(zhàn)略是個(gè)比較宏觀的詞匯，在前面探討了關(guān)于“AI時(shí)代的企業(yè)戰(zhàn)略”，除此之外，AI對(duì)品牌的市場(chǎng)戰(zhàn)略會(huì)不會(huì)有一些突出影響呢？

蔣青云：AI在品牌的市場(chǎng)戰(zhàn)略這方面一定是有影響的。

成本與定價(jià)是市場(chǎng)戰(zhàn)略的基礎(chǔ)，當(dāng)企業(yè)采用低成本策略時(shí)，定價(jià)自然傾向于親民路線，以價(jià)格優(yōu)勢(shì)搶占市場(chǎng)份額；而若企業(yè)投入高成本打造產(chǎn)品，通常會(huì)選擇差異化戰(zhàn)略，通過(guò)凸顯產(chǎn)品獨(dú)特性來(lái)吸引消費(fèi)者。

這種差異化既可以體現(xiàn)在市場(chǎng)細(xì)分上，聚焦特定消費(fèi)群體，開辟藍(lán)海市場(chǎng)；也可以落腳于客戶價(jià)值層面，通過(guò)技術(shù)創(chuàng)新、服務(wù)升級(jí)等方式，為目標(biāo)客戶提供獨(dú)一無(wú)二的體驗(yàn)。而AI就會(huì)去通過(guò)大模型的推理能力或是博弈方面的能力協(xié)助企業(yè)做戰(zhàn)略布局。

AI營(yíng)銷新范式：那在AI賦能下傳統(tǒng)的戰(zhàn)略結(jié)構(gòu)是否有發(fā)生改變？例如在定價(jià)策略這一關(guān)鍵戰(zhàn)略組件中，AI是如何參與數(shù)據(jù)收集、分析及策略制定過(guò)程的？

蔣青云：從理論框架上看，AI賦能并未顛覆營(yíng)銷的核心邏輯。經(jīng)典的STP（市場(chǎng)細(xì)分、目標(biāo)選擇、定位）模型依然適用。

變化在于：傳統(tǒng)的定位決策可能較多依賴“拍腦袋”的經(jīng)驗(yàn)判斷，而如今則能更多地基于數(shù)據(jù)分析進(jìn)行定位。這本質(zhì)上是大數(shù)據(jù)能力的體現(xiàn)。

至于前文提到的動(dòng)態(tài)博弈模擬，其價(jià)值在于提供一種推演工具。例如，可以模擬不同定位策略下競(jìng)爭(zhēng)對(duì)手的可能反應(yīng)，使決策更具預(yù)見(jiàn)性。但需要明確的是，模擬結(jié)果與現(xiàn)實(shí)可能存在天然差距。

因?yàn)樵趯?shí)際執(zhí)行中情況復(fù)雜多變，且競(jìng)爭(zhēng)對(duì)手的真實(shí)反應(yīng)往往取決于其對(duì)你策略變化的觀測(cè)與解讀，而這本身就難以在模擬中完全復(fù)現(xiàn)。

AI營(yíng)銷新范式：就像是在下棋？與不同人對(duì)弈時(shí)心境也不相同。

蔣青云：是的，不過(guò)當(dāng)前AI在營(yíng)銷決策中最廣泛且成熟的應(yīng)用還是體現(xiàn)在顯著提升‘敏捷營(yíng)銷’能力上。也就是快速捕捉市場(chǎng)信號(hào)與消費(fèi)者需求變化并作出響應(yīng)的能力。這種能力在需要高頻調(diào)整的環(huán)節(jié)尤為突出，其中價(jià)格決策是典型代表。

雖然價(jià)格策略關(guān)乎整體競(jìng)爭(zhēng)格局，但其日常調(diào)整的特性使其天然適合AI驅(qū)動(dòng)：

在廣告投放領(lǐng)域，智能出價(jià)系統(tǒng)已能實(shí)現(xiàn)高度動(dòng)態(tài)化的實(shí)時(shí)決策；

在電商和零售領(lǐng)域，AI系統(tǒng)可以實(shí)時(shí)分析消費(fèi)者的個(gè)性化需求變化、監(jiān)測(cè)競(jìng)爭(zhēng)對(duì)手的定價(jià)動(dòng)態(tài)、并挖掘社交媒體上的價(jià)格相關(guān)輿情。

基于這些多維度數(shù)據(jù)，企業(yè)能夠?qū)崿F(xiàn)自動(dòng)化或半自動(dòng)化的調(diào)價(jià)。相比之下，調(diào)整廣告創(chuàng)意或優(yōu)化配送效率等其他營(yíng)銷環(huán)節(jié)，雖然響應(yīng)速度不如定價(jià)迅捷，但同樣可以借助AI進(jìn)行數(shù)據(jù)驅(qū)動(dòng)的快速反饋與優(yōu)化。這類高頻、操作層面的策略執(zhí)行，主要由市場(chǎng)部主導(dǎo)，是當(dāng)前AI技術(shù)滲透最深、應(yīng)用最廣的營(yíng)銷領(lǐng)域。

而當(dāng)決策上升到CEO層面，涉及品牌再定位或核心競(jìng)爭(zhēng)戰(zhàn)略轉(zhuǎn)型等重大方向性問(wèn)題時(shí)，AI的角色則轉(zhuǎn)變?yōu)樘峁?qiáng)大的分析支持和模擬推演工具，最終的判斷與拍板責(zé)任仍需由CEO來(lái)承擔(dān)。

AI營(yíng)銷新范式：目前AI在各行業(yè)的實(shí)際應(yīng)用普及程度存在哪些差異？特別是在電商領(lǐng)域，企業(yè)是如何借助AI技術(shù)實(shí)現(xiàn)運(yùn)營(yíng)策略調(diào)整和優(yōu)化的，能否分享一些具體應(yīng)用場(chǎng)景和實(shí)踐案例？

蔣青云：目前，不同行業(yè)在應(yīng)用AI賦能營(yíng)銷的進(jìn)度上存在差異，并非所有企業(yè)都處于前沿。

總體而言，電商平臺(tái)和相關(guān)電商企業(yè)在AI應(yīng)用方面走得最快、覆蓋最廣，尤其體現(xiàn)在運(yùn)營(yíng)層面。相比之下，傳統(tǒng)制造業(yè)或品牌導(dǎo)向型企業(yè)的采納速度則相對(duì)滯后一些。

以我擔(dān)任獨(dú)立董事的一家電商代運(yùn)營(yíng)公司為例，AI的應(yīng)用就非常深入。他們能夠利用AIGC技術(shù)，根據(jù)市場(chǎng)動(dòng)態(tài)和消費(fèi)者情緒變化，實(shí)時(shí)動(dòng)態(tài)調(diào)整內(nèi)容傳播策略，并進(jìn)行高度個(gè)性化的內(nèi)容推薦，這些過(guò)程基本實(shí)現(xiàn)了自動(dòng)化或極速響應(yīng)。同樣，價(jià)格的快速調(diào)整以及基于數(shù)據(jù)分析的短期策略優(yōu)化，也已是其日常運(yùn)營(yíng)中成熟運(yùn)用的手段。

AI營(yíng)銷新范式：在營(yíng)銷戰(zhàn)略體系中，AI技術(shù)在策略執(zhí)行和戰(zhàn)略決策兩個(gè)層級(jí)分別扮演著怎樣的角色？能否結(jié)合具體案例，詳細(xì)說(shuō)明AI如何賦能營(yíng)銷實(shí)踐，以及在哪些關(guān)鍵決策環(huán)節(jié)仍需要人類主導(dǎo)？

蔣青云：在營(yíng)銷戰(zhàn)略層面，我們可以區(qū)分兩個(gè)層級(jí)：

策略層級(jí)聚焦于日?；螂A段性的“4P”（產(chǎn)品、價(jià)格、渠道、促銷）執(zhí)行與調(diào)整，其變化相對(duì)頻繁。

而戰(zhàn)略層級(jí)則涉及更重大的方向性決策，例如核心定位、是否研發(fā)全新產(chǎn)品、是否進(jìn)入全新市場(chǎng)等。這些戰(zhàn)略性決策往往需要經(jīng)過(guò)較長(zhǎng)時(shí)間的考量。

在AI賦能方面，當(dāng)前技術(shù)深度滲透于策略執(zhí)行環(huán)節(jié)。以出海為例：一旦企業(yè)做出出海的戰(zhàn)略決策后，在具體的海外市場(chǎng)運(yùn)營(yíng)中，無(wú)論是通過(guò)社交網(wǎng)絡(luò)推廣、運(yùn)營(yíng)獨(dú)立站、平臺(tái)投放，還是進(jìn)行智能化直播等，AI都能在數(shù)據(jù)驅(qū)動(dòng)下發(fā)揮巨大作用，實(shí)現(xiàn)高效精準(zhǔn)的執(zhí)行。

然而，對(duì)于“是否出?！边@類根本性的戰(zhàn)略抉擇，盡管AI可以提供市場(chǎng)分析和預(yù)測(cè)支持，但最終的決策權(quán)仍在于企業(yè)管理者基于綜合判斷作出。簡(jiǎn)言之，AI在“如何做”層面能力強(qiáng)大且應(yīng)用廣泛；而在“做什么”的根本問(wèn)題上，人類決策者依然扮演著核心角色?！?/strong>

AI營(yíng)銷新范式：在您的實(shí)踐與觀察中，無(wú)論是您服務(wù)的企業(yè)、擔(dān)任獨(dú)立董事的公司，還是行業(yè)內(nèi)大型機(jī)構(gòu)，有哪些在AI賦能戰(zhàn)略規(guī)劃與策略執(zhí)行方面表現(xiàn)突出的案例？這些企業(yè)或機(jī)構(gòu)具體是如何運(yùn)用AI技術(shù)解決實(shí)際問(wèn)題，實(shí)現(xiàn)商業(yè)目標(biāo)的？能否分享其中的關(guān)鍵應(yīng)用場(chǎng)景、創(chuàng)新實(shí)踐及顯著成效？

蔣青云：在營(yíng)銷策略執(zhí)行層面，特別是電商領(lǐng)域，許多企業(yè)已取得顯著進(jìn)展。

以我擔(dān)任獨(dú)立董事的代運(yùn)營(yíng)公司為例，其運(yùn)營(yíng)模式已實(shí)現(xiàn)深度智能化轉(zhuǎn)型。過(guò)去，諸如設(shè)計(jì)化妝品推廣方案、展示素材、營(yíng)銷話術(shù)等高度依賴人力的環(huán)節(jié)，如今主要由AI驅(qū)動(dòng)，人力角色轉(zhuǎn)變?yōu)殛P(guān)鍵節(jié)點(diǎn)的審核與判斷。

這大幅節(jié)省了人力資源成本。視頻內(nèi)容的制作同樣由AI承擔(dān)。在直播運(yùn)營(yíng)上，在目標(biāo)客群活躍時(shí)段使用真人主播，而在非高峰時(shí)段則切換為虛擬數(shù)字人直播，實(shí)現(xiàn)了近乎全天候的覆蓋。

此外，個(gè)性化定價(jià)等動(dòng)態(tài)決策也完全基于人工智能系統(tǒng)。甚至產(chǎn)品包裝設(shè)計(jì)這類創(chuàng)意工作，也已轉(zhuǎn)向AI承擔(dān)大部分創(chuàng)意生成工作，設(shè)計(jì)師聚焦于創(chuàng)意審校與品牌一致性把關(guān)，實(shí)現(xiàn)更高效的協(xié)同。

然而，當(dāng)涉及更重大的戰(zhàn)略層決策：例如是否推出全新產(chǎn)品線、是否進(jìn)入全新市場(chǎng)，或如該公司內(nèi)部反復(fù)討論的“是否從代運(yùn)營(yíng)轉(zhuǎn)向開發(fā)自有品牌”這類根本性方向選擇則不同。

雖然AI能提供市場(chǎng)數(shù)據(jù)分析、競(jìng)品案例參考甚至產(chǎn)品概念生成等支持，為決策者提供依據(jù)，但諸如最終拍板是否行動(dòng)、投入多少資源組建團(tuán)隊(duì)等核心戰(zhàn)略抉擇，還是要由人來(lái)完成。

AI營(yíng)銷新范式：在B2B企業(yè)的業(yè)務(wù)場(chǎng)景中，AI技術(shù)的布局和應(yīng)用呈現(xiàn)出怎樣的特點(diǎn)？特別是在市場(chǎng)洞察與研究方面，AI 如何幫助企業(yè)突破傳統(tǒng)模式的局限？能否結(jié)合具體案例，分享相關(guān)企業(yè)利用AI實(shí)現(xiàn)市場(chǎng)開拓的創(chuàng)新實(shí)踐與成效？

蔣青云：在B2B企業(yè)的AI布局方面，情況有所不同，但其應(yīng)用正逐步深化，尤其在市場(chǎng)洞察與研究領(lǐng)域。

傳統(tǒng)上，B2B企業(yè)高度依賴第三方行業(yè)報(bào)告、協(xié)會(huì)數(shù)據(jù)或咨詢公司服務(wù)來(lái)獲取市場(chǎng)信息并進(jìn)行決策。如今，越來(lái)越多的企業(yè)開始轉(zhuǎn)變模式：通過(guò)付費(fèi)接入專業(yè)的數(shù)據(jù)資源，并在咨詢公司協(xié)助下構(gòu)建專屬的市場(chǎng)洞察系統(tǒng)。這使得企業(yè)能夠自動(dòng)化收集、整合相關(guān)數(shù)據(jù)，并生成報(bào)告，這也就降低了對(duì)第三方機(jī)構(gòu)的依賴。這種自主化趨勢(shì)在工程項(xiàng)目類B2B企業(yè)中尤為明顯。

這類項(xiàng)目信息往往不透明且分散，以往依靠人工打探不僅效率低、覆蓋面窄，還受限于關(guān)系網(wǎng)絡(luò)。而現(xiàn)在，利用AI技術(shù)可以高效地全網(wǎng)搜尋、追蹤散落在各類網(wǎng)絡(luò)線索的工程信息，并探索付費(fèi)獲取數(shù)據(jù)的可能性。一旦打通關(guān)鍵數(shù)據(jù)獲取通道，企業(yè)便能建立自主的數(shù)據(jù)分析能力。

以某港務(wù)工程公司為例，他們正積極應(yīng)用AI進(jìn)行市場(chǎng)洞察。過(guò)去，他們開發(fā)客戶主要依靠人工打聽(tīng)消息或等待招標(biāo)公告，往往錯(cuò)失先機(jī)。如今，通過(guò)AI系統(tǒng)全網(wǎng)抓取和分析上下游行業(yè)發(fā)布的信息，自動(dòng)生成市場(chǎng)分析報(bào)告，其目標(biāo)客戶的方向精準(zhǔn)度和命中率都得到了大幅提升。這種利用AI主動(dòng)獲取、分析信息，賦能市場(chǎng)開拓的模式，已成為當(dāng)前B2B企業(yè)，特別是工程項(xiàng)目領(lǐng)域，一個(gè)頗具特色的AI應(yīng)用方向。

數(shù)據(jù)質(zhì)量與知識(shí)缺口：

企業(yè)智能體的雙重挑戰(zhàn)

AI營(yíng)銷新范式：在您看來(lái)，企業(yè)智能體在4P和STP戰(zhàn)略落地中能力提升的關(guān)鍵挑戰(zhàn)是什么？是缺乏高質(zhì)量語(yǔ)料庫(kù)，還是算法與業(yè)務(wù)場(chǎng)景的適配度不足？目前針對(duì)這些問(wèn)題，有哪些可行的解決方案和探索方向？

當(dāng)前企業(yè)智能體建設(shè)是熱點(diǎn)，領(lǐng)先企業(yè)都在積極布局。然而，智能體的進(jìn)化速度和實(shí)際能力仍面臨兩大核心挑戰(zhàn)：

首要問(wèn)題在于信息質(zhì)量的甄別能力不足。大模型輸出的內(nèi)容在通用性上具備一定覆蓋能力，但也可能缺乏企業(yè)決策所需的獨(dú)特洞察和價(jià)值。這是因?yàn)榇竽Ｐ碗y以有效去偽存真，也就是一些公共數(shù)據(jù)中混雜的信息垃圾經(jīng)模型處理后依然存在，且模型本身缺乏個(gè)性化的深度洞察。

另一項(xiàng)關(guān)鍵挑戰(zhàn)在于本地化知識(shí)與語(yǔ)料庫(kù)的缺失。這與戰(zhàn)略管理的核心理念相悖：企業(yè)的核心能力源于其獨(dú)有的、特別是難以言傳的隱性知識(shí)。傳統(tǒng)上，企業(yè)依賴團(tuán)隊(duì)協(xié)作與決策機(jī)制將這些隱性知識(shí)轉(zhuǎn)化為核心競(jìng)爭(zhēng)力。

我們期望智能體能夠承擔(dān)此任，既承載企業(yè)獨(dú)有知識(shí)，又能提煉知識(shí)轉(zhuǎn)化為能力。然而，智能體能否真正掌握并轉(zhuǎn)化隱性知識(shí)，目前尚存疑慮。

因此，現(xiàn)實(shí)的突破口在于：優(yōu)先將企業(yè)已有的顯性知識(shí)，即結(jié)構(gòu)化的文本、文檔、數(shù)據(jù)庫(kù)等——系統(tǒng)性地轉(zhuǎn)化為基礎(chǔ)語(yǔ)料庫(kù)。這是構(gòu)建具備企業(yè)特色智能體的第一步，也是當(dāng)前最可行的路徑。

AI營(yíng)銷新范式：既然當(dāng)前企業(yè)智能體發(fā)展受限于高質(zhì)量語(yǔ)料庫(kù)的匱乏，在實(shí)際探索中，您觀察到哪些值得借鑒的語(yǔ)料庫(kù)建設(shè)模式？

近期我考察了一家專注構(gòu)建行業(yè)語(yǔ)料庫(kù)的機(jī)構(gòu)，通過(guò)算法將領(lǐng)域信息系統(tǒng)化、結(jié)構(gòu)化，支持多場(chǎng)景智能應(yīng)用，能為不同行業(yè)提供專業(yè)內(nèi)容/數(shù)據(jù)基礎(chǔ)。

也正是受其啟發(fā)，我們復(fù)旦大學(xué)東方管理研究院也希望與相關(guān)企業(yè)合作，將積累的文本資料轉(zhuǎn)化為管理學(xué)領(lǐng)域的專業(yè)語(yǔ)料庫(kù)。不過(guò)這些文本屬于顯性知識(shí)。更進(jìn)一步的挑戰(zhàn)在于轉(zhuǎn)化隱性知識(shí)，也就是那些大量未結(jié)構(gòu)化的歷史音視頻資料。

雖然理論上結(jié)構(gòu)化后可納入語(yǔ)料庫(kù)，但當(dāng)前技術(shù)尚未完全實(shí)現(xiàn)，這也是當(dāng)下企業(yè)亟需的能力。然而，絕大多數(shù)企業(yè)在此領(lǐng)域仍處起步階段。值得期待的是，以微軟Copilot為代表的現(xiàn)代AI工具已能實(shí)現(xiàn)動(dòng)態(tài)信息的實(shí)時(shí)結(jié)構(gòu)化，無(wú)縫補(bǔ)充語(yǔ)料庫(kù)，為決策提供即時(shí)依據(jù)，這大幅降低了歷史知識(shí)轉(zhuǎn)化的門檻。

AI營(yíng)銷新范式：企業(yè)在用AI輔助戰(zhàn)略制定或決策時(shí)，信息失真或數(shù)據(jù)幻覺(jué)可能帶來(lái)決策偏差，您如何看待AI的風(fēng)險(xiǎn)管理機(jī)制？

當(dāng)前智能體運(yùn)作的核心邏輯類似于一個(gè)高速CPU：輸入信息即快速生成輸出。

這種高效機(jī)制在放大價(jià)值的同時(shí)，也顯著放大了幻覺(jué)的風(fēng)險(xiǎn)。因此，在外部語(yǔ)料輸入環(huán)節(jié)進(jìn)行有效鑒別變得至關(guān)重要。這需要在算法層面解決一個(gè)關(guān)鍵問(wèn)題：如何賦予AI識(shí)別信息權(quán)威性的能力。

理想狀態(tài)下，AI應(yīng)具備根據(jù)來(lái)源可靠性動(dòng)態(tài)調(diào)整信息權(quán)重的能力，以此提升整體輸出內(nèi)容的準(zhǔn)確性與可信度。

另一方面，人類的判斷不可或缺，但也存在局限。完全依賴人工驗(yàn)證海量信息效率低下。因此，需要發(fā)展超級(jí)人工智能輔助工具賦能人類：當(dāng)專家需要驗(yàn)證信息真?zhèn)螘r(shí)，可先借助AI快速搜集背景信息，再結(jié)合自身經(jīng)驗(yàn)對(duì)AI提供的來(lái)源進(jìn)行權(quán)威性評(píng)估。

這實(shí)質(zhì)上是構(gòu)建一種人機(jī)協(xié)同的雙重驗(yàn)證機(jī)制。AI提供初步篩選與效率，人類提供最終權(quán)威判斷與深度洞察。這種夢(mèng)中有夢(mèng)的復(fù)雜體系，我認(rèn)為是當(dāng)前應(yīng)對(duì)AI幻覺(jué)和信息失真的核心挑戰(zhàn)與探索方向。

從輔助到共創(chuàng)：

未來(lái)營(yíng)銷智能體的無(wú)限可能

AI營(yíng)銷新范式：如果我們作為一家全球營(yíng)銷商業(yè)媒體，想要打造一個(gè)智能體矩陣該要如何做呢？

蔣青云：主要分為三步

第一步，將數(shù)據(jù)存儲(chǔ)在云端并構(gòu)建企業(yè)智能體；

第二步，與通用大模型打通，以此為客戶提供咨詢服務(wù)、輔助內(nèi)容創(chuàng)作；

第三步，結(jié)合營(yíng)銷科學(xué)家的創(chuàng)意進(jìn)行優(yōu)化，打造智能體矩陣。

AIin Marketing：整個(gè)AI賦能營(yíng)銷策略和策略這方面，是否仍處于早期階段？

蔣青云：總體而言，企業(yè)級(jí)智能體的發(fā)展仍處于相對(duì)早期階段。無(wú)論是部署在云端還是公網(wǎng)上的智能體，其構(gòu)建往往基于公開可得的通用知識(shí)，功能相對(duì)基礎(chǔ)。而聚焦于企業(yè)自身本地化知識(shí)挖掘的智能體則更為初級(jí)，成熟度有限。

在咨詢領(lǐng)域，有一個(gè)值得關(guān)注的實(shí)踐：資深咨詢師會(huì)利用特定知識(shí)源構(gòu)建的公域智能體來(lái)輔助報(bào)告撰寫。例如，一位專家分享，他在完成報(bào)告初稿后，會(huì)先交由基于通用問(wèn)答平臺(tái)構(gòu)建的智能體審閱，它能有效指出細(xì)節(jié)問(wèn)題并提升報(bào)告完備性；隨后，他會(huì)請(qǐng)具備戰(zhàn)略管理知識(shí)的智能體來(lái)把關(guān)，以獲得更具戰(zhàn)略高度和管理學(xué)深度的洞察；若覺(jué)得視角需更本土化，他甚至?xí)O(shè)想調(diào)用基于諸葛亮智慧訓(xùn)練的智能體來(lái)提供東方謀略視角。

通過(guò)這種串聯(lián)不同知識(shí)背景的公域智能體進(jìn)行多重校驗(yàn)與補(bǔ)充，最終報(bào)告不僅更扎實(shí)，內(nèi)容也顯著豐富。這展示了利用垂直知識(shí)庫(kù)構(gòu)建專業(yè)智能體輔助決策的雛形和價(jià)值，這類協(xié)同機(jī)制深度釋放了AI的潛能，而最終的關(guān)鍵判斷和洞察，依舊來(lái)源于人類專家對(duì)復(fù)雜情境的深度理解和經(jīng)驗(yàn)判斷。