??點(diǎn)擊報(bào)名見(jiàn)實(shí)上海年度私域大會(huì)

“私域還能做多久？”

“這個(gè)是偽命題。不論國(guó)內(nèi)國(guó)外，企業(yè)幾乎下意識(shí)的動(dòng)作都是和用戶建立直接聯(lián)系，從APP到獨(dú)立站，從社媒到加好友。你看現(xiàn)在很多公司今年的增長(zhǎng)都是在‘直連用戶’基礎(chǔ)上，運(yùn)用AI獲得了大范圍的增長(zhǎng)跳級(jí)。

某種程度上，不是私域不行，相反，是很多公司私域沉淀的用戶數(shù)不夠多，私域帶來(lái)的收入占比不夠多，因此無(wú)法感知到接下來(lái)的業(yè)績(jī)?cè)鲩L(zhǎng)跳級(jí)、營(yíng)銷(xiāo)跳級(jí)。”

這組對(duì)話剛剛發(fā)生在見(jiàn)實(shí)和騰訊企點(diǎn)營(yíng)銷(xiāo)云產(chǎn)品負(fù)責(zé)人曾煒之間。就在2025年的下半年，許多企業(yè)營(yíng)銷(xiāo)和增長(zhǎng)方式都發(fā)生了很大變化，“涌現(xiàn)”出的許多新策略取得了“跳躍”般的業(yè)績(jī)?cè)鲩L(zhǎng)。

只是，這些跳級(jí)是怎么發(fā)生的？增長(zhǎng)和營(yíng)銷(xiāo)的從業(yè)者們正在遇見(jiàn)些什么？

01

兩年和涌現(xiàn)

在今年9月的騰訊全球數(shù)字生態(tài)大會(huì)上，絕味食品成為騰訊集團(tuán)高級(jí)執(zhí)行副總裁、CSIG總裁湯道生（Dowson Tong）提及的重點(diǎn)案例，當(dāng)時(shí)他在大會(huì)場(chǎng)上這樣說(shuō)道：

“我們與絕味食品開(kāi)展了一次全鏈路AI營(yíng)銷(xiāo)實(shí)戰(zhàn)，通過(guò)多個(gè)智能體‘協(xié)同作戰(zhàn)’，實(shí)現(xiàn)從用戶洞察到內(nèi)容推送、權(quán)益發(fā)放，再到最后成交，營(yíng)銷(xiāo)全程智能化運(yùn)營(yíng)。AI組的銷(xiāo)售業(yè)績(jī)是人工組的3.1倍，內(nèi)容點(diǎn)擊率1.8倍，支付轉(zhuǎn)化率2.4倍（詳情見(jiàn)）”。

如湯道生所言，這個(gè)案例是“全鏈路”的提升。其中要做的，是投入大量資源改良AI、進(jìn)行對(duì)比試驗(yàn)、反復(fù)迭代。

跟了整個(gè)過(guò)程的曾煒，和見(jiàn)實(shí)回顧了其中一個(gè)對(duì)比試驗(yàn)的細(xì)節(jié)：如發(fā)券這件事，過(guò)去各家公司有很多自己的規(guī)則和算法來(lái)計(jì)算發(fā)券效果。不同團(tuán)隊(duì)有不同的實(shí)踐與方法，如有人根據(jù)歷史數(shù)據(jù)將用戶分成高頻低敏感、高頻高敏感等類(lèi)型，有人則根據(jù)活動(dòng)地域等維度分類(lèi)，各自設(shè)計(jì)一套券池。但券池最后到底該怎么定，往往難以達(dá)成一致。最后只能通過(guò)實(shí)驗(yàn)：不同團(tuán)隊(duì)各自設(shè)計(jì)一套券池，大家都想控制券的總成本，然后看看哪種券池轉(zhuǎn)化率更高，用結(jié)果來(lái)說(shuō)話。

而在當(dāng)時(shí)的絕味，光券池細(xì)節(jié)就上了三套方案，分別來(lái)自算法專(zhuān)家、業(yè)務(wù)專(zhuān)家、數(shù)據(jù)分析專(zhuān)家。

最后結(jié)果跑出時(shí)，AI 組方案效果顯著優(yōu)于人工方案。不管是專(zhuān)家還是數(shù)據(jù)分析師基于經(jīng)驗(yàn)和拍腦袋想出來(lái)的方案，AI效果都要更好。通過(guò)這場(chǎng) PK 實(shí)驗(yàn)，企點(diǎn)和絕味觀察到：

在大規(guī)模用戶、極其精細(xì)化的數(shù)據(jù)處理場(chǎng)景下，AI 能產(chǎn)生的效果上限遠(yuǎn)遠(yuǎn)高于人工。

另一個(gè)被重點(diǎn)提及的案例是太平鳥(niǎo)——國(guó)內(nèi)知名的服飾零售品牌。他們的做法可以這樣概括：

從數(shù)據(jù)層面（即人群包）的提取分析開(kāi)始，到中間用戶旅程的編排，再到匹配商品和權(quán)益內(nèi)容的生成與推薦，最后到整場(chǎng)營(yíng)銷(xiāo)活動(dòng)的復(fù)盤(pán)分析。整條鏈路都被Agent端到端完整串聯(lián)起來(lái)。

相比絕味的全鏈路提升，太平鳥(niǎo)上述做法則更多像是典型的單點(diǎn)突破。兩家執(zhí)行上的差別是：

絕味在借助AI帶來(lái)的全鏈路優(yōu)化，實(shí)現(xiàn)成倍數(shù)的巨大提升。太平鳥(niǎo)則在一個(gè)環(huán)節(jié)就提升了90%效率，對(duì)于這家服飾品牌來(lái)說(shuō)，AI最契合的是兩個(gè)環(huán)節(jié)：一是客單價(jià)較高，對(duì)用戶再次觸達(dá)時(shí)要求分層的精準(zhǔn)率非常高，這方面 Customer AI 的概率預(yù)測(cè)發(fā)揮了關(guān)鍵作用；二是在關(guān)鍵用戶交互階段，內(nèi)容的豐富度非常重要，通過(guò) AI “圖生視頻”能力顯著提升了這個(gè)環(huán)節(jié)的表現(xiàn)。

企業(yè)的感受因此是：

Agent 可以幫助企業(yè)做比以前更多的實(shí)驗(yàn)和嘗試，通過(guò)提高實(shí)驗(yàn)頻次來(lái)加快探索，從而提升效果。

如果企業(yè)要用，要借鑒誰(shuí)呢?

曾煒的建議是：很多企業(yè)可以先學(xué)習(xí)太平鳥(niǎo)，實(shí)現(xiàn)單點(diǎn)突破。第二步再爭(zhēng)取做到絕味那樣的效果，實(shí)現(xiàn)全鏈路的優(yōu)化。

不過(guò)，這兩個(gè)案例實(shí)際都是前述騰訊全球數(shù)字生態(tài)大會(huì)前后才浮現(xiàn)出來(lái)——準(zhǔn)確說(shuō)，就是今年三季度。

而一年前可不是這樣，一年前，大家能分享的AI營(yíng)銷(xiāo)案例多集中在AI在小點(diǎn)上的提效，無(wú)法實(shí)現(xiàn)全鏈路的效率提升。對(duì)比此刻，曾煒感覺(jué)，兩年時(shí)間中AI對(duì)業(yè)績(jī)的提升已是完全不同的局面——AI營(yíng)銷(xiāo)全鏈路提效的案例開(kāi)始涌現(xiàn)，這也是他認(rèn)為是AI與營(yíng)銷(xiāo)、私域和全域增長(zhǎng)結(jié)合帶來(lái)的業(yè)績(jī)?cè)鲩L(zhǎng)的原因所在。

有意思的是，就在見(jiàn)實(shí)約著曾煒長(zhǎng)聊時(shí)前往的路上，路過(guò)一個(gè)會(huì)議中心。當(dāng)時(shí)許多工人正在幫助一家公司為即將帶來(lái)的大會(huì)搭建現(xiàn)場(chǎng)，被率先立的大會(huì)主題赫然寫(xiě)著“效果涌現(xiàn)”——不同公司對(duì)今天AI帶來(lái)的效果感受都極其一致。

02

三種驅(qū)動(dòng)模式和變化

在陪著這些品牌無(wú)數(shù)次測(cè)試過(guò)程中，企點(diǎn)將今天企業(yè)的AI增長(zhǎng)歸納為三種驅(qū)動(dòng)模式，即不同企業(yè)在什么階段會(huì)以什么方式運(yùn)用數(shù)據(jù)和AI。

第一種是經(jīng)驗(yàn)驅(qū)動(dòng)。行業(yè)過(guò)去擅長(zhǎng)在單點(diǎn)用數(shù)據(jù)和AI來(lái)輔助提效，最典型就是在私域的數(shù)據(jù)分析工具和助手類(lèi)AI功能。不過(guò)，很多企業(yè)在運(yùn)用這些技術(shù)時(shí)，認(rèn)為已經(jīng)是在做數(shù)據(jù)驅(qū)動(dòng)，但實(shí)際上仍是基于經(jīng)驗(yàn)制定規(guī)則、套用數(shù)據(jù)，并沒(méi)有真正做到數(shù)據(jù)驅(qū)動(dòng)——大部分決策靠的還是經(jīng)驗(yàn)和規(guī)則。

第二種是數(shù)據(jù)驅(qū)動(dòng)。類(lèi)似太平鳥(niǎo)這樣的知名零售企業(yè)，數(shù)字化成熟度較高，就是在真正嘗試數(shù)據(jù)驅(qū)動(dòng)。剛才簡(jiǎn)述他們運(yùn)用AI的過(guò)程中就提到，通過(guò)機(jī)器學(xué)習(xí)模型在特定場(chǎng)景下做商品推薦、復(fù)購(gòu)預(yù)測(cè)、流失預(yù)測(cè)等分析，然后用這些數(shù)據(jù)作為增長(zhǎng)驅(qū)動(dòng)力。

曾煒評(píng)估認(rèn)為，今天絕大多數(shù)企業(yè)還處于從經(jīng)驗(yàn)驅(qū)動(dòng)向數(shù)據(jù)驅(qū)動(dòng)的過(guò)渡階段。真正實(shí)現(xiàn)數(shù)據(jù)驅(qū)動(dòng)的主要是泛互聯(lián)網(wǎng)、金融以及某些數(shù)字化成熟度高的行業(yè)子賽道。數(shù)字化程度高且競(jìng)爭(zhēng)激烈的行業(yè)，數(shù)據(jù)驅(qū)動(dòng)上越是走在前面。

第三種則是LLM Agent驅(qū)動(dòng)。企點(diǎn)在陪著這些企業(yè)測(cè)試的過(guò)程中發(fā)現(xiàn)，大模型能回到“人”的視角，通過(guò)理解用戶歷史行為和所處的上下文環(huán)境，直接生成一個(gè)推薦，在部分場(chǎng)景下效果反而更好。如原來(lái)基于概率統(tǒng)計(jì)來(lái)預(yù)測(cè)優(yōu)化，轉(zhuǎn)化成了基于業(yè)務(wù)語(yǔ)義和對(duì)用戶理解來(lái)生成內(nèi)容和行動(dòng)策略。

這時(shí)，私域和全域運(yùn)營(yíng)打通時(shí)沉淀的大量基礎(chǔ)信息，會(huì)幫助這些推薦變得更為精準(zhǔn)。

曾煒認(rèn)為，這三種驅(qū)動(dòng)模式在市場(chǎng)上并存。不同階段的公司用好其中一個(gè)驅(qū)動(dòng)即可。如有的公司剛剛開(kāi)始在做數(shù)字化轉(zhuǎn)型，有的開(kāi)始嘗試用數(shù)據(jù)驅(qū)動(dòng)、用經(jīng)驗(yàn)做規(guī)則。而類(lèi)似絕味和太平鳥(niǎo)這樣的先鋒企業(yè)，則在嘗試更“全鏈路”地用智能Agent來(lái)優(yōu)化系統(tǒng)，他們的增長(zhǎng)趨勢(shì)正在從“數(shù)據(jù)驅(qū)動(dòng)”走向“LLM Agent驅(qū)動(dòng)”，且越來(lái)越朝LLM Agent驅(qū)動(dòng)邁進(jìn)。

這些描述都還停留在公司層面，如果回到從業(yè)者的個(gè)人視野看可能的變化，則會(huì)激烈的多。

傷心的是，第一個(gè)變化結(jié)論：專(zhuān)家和經(jīng)驗(yàn)在這種變革中，優(yōu)勢(shì)當(dāng)然無(wú)存。

記得剛開(kāi)始說(shuō)的絕味的方案競(jìng)賽嗎？不同領(lǐng)域?qū)＜曳謩e出了多套方案，結(jié)果都不如AI跑出來(lái)的效果——很多從業(yè)者好不容易經(jīng)過(guò)多年努力，成為行業(yè)專(zhuān)家。卻在AI的沖擊下變得“無(wú)用”。

這不是說(shuō)經(jīng)驗(yàn)沒(méi)有用了。而是說(shuō)：不是用經(jīng)驗(yàn)去排斥AI，相反，是要用AI來(lái)結(jié)合經(jīng)驗(yàn)。絕味的試驗(yàn)中曾煒就看到：

最后當(dāng)AI結(jié)合經(jīng)驗(yàn)時(shí)，效果繼續(xù)獲得了提升。

第二個(gè)個(gè)人要面對(duì)的變化，是人和人之間的協(xié)作，正在變成人-機(jī)之間的協(xié)作。

日常的工作往往需要大量的部門(mén)協(xié)同和專(zhuān)業(yè)分工，如增長(zhǎng)就需要數(shù)據(jù)分析師、業(yè)務(wù)專(zhuān)家、運(yùn)營(yíng)專(zhuān)家等等，各種專(zhuān)業(yè)分工非常細(xì)。但過(guò)度細(xì)分又帶來(lái)一個(gè)難題：人和人之間的協(xié)同成本特別高，導(dǎo)致真正落地時(shí)非常困難。甚至還有打架現(xiàn)象：

如見(jiàn)實(shí)同期在發(fā)起一個(gè)調(diào)研，追蹤一些公司私域團(tuán)隊(duì)垮掉的原因，其中很大部分就是電商和私域團(tuán)隊(duì)沖突導(dǎo)致。電商認(rèn)為私域分走了資源，影響了轉(zhuǎn)化效果。協(xié)作，居然成為增長(zhǎng)的阻礙之一。

但AI Agent 出現(xiàn)后，原來(lái)需要人和人互相協(xié)作完成的專(zhuān)業(yè)工作，轉(zhuǎn)化成了人和機(jī)器的協(xié)作，把其中一些專(zhuān)業(yè)細(xì)分的部分沉淀到AI里去。也就是把人人協(xié)作的問(wèn)題，轉(zhuǎn)化為了大量的人機(jī)協(xié)作，由機(jī)器作為中介，機(jī)器肯定比人聽(tīng)話多了。通過(guò)這種方式，長(zhǎng)期存在的難題似乎正在迎刃而解。

03

營(yíng)銷(xiāo)和增長(zhǎng)的跳級(jí)

以剛提及的人-機(jī)協(xié)作為例，不同部門(mén)有各自KPI或做事風(fēng)格，沖突有時(shí)難免。如果引入一個(gè)“分析類(lèi)Agent”，由機(jī)器做中介，協(xié)作成本就降低了。分析師也并不會(huì)失業(yè)——他的很多經(jīng)驗(yàn)和科學(xué)方法被沉淀到 Agent 里，作為規(guī)則約束和知識(shí)背景。這樣就有效化解了人與人協(xié)作中的矛盾。

那么，人的工作崗位會(huì)因此大幅減少嗎？

僅就目前而言，答案是否定的。

許多從業(yè)者在見(jiàn)實(shí)正在展開(kāi)的年度行業(yè)調(diào)研中這樣表述：所在部門(mén)在運(yùn)用AI上效率大增，而且，人手和薪水沒(méi)有縮減，相反人員在增加、薪水也在增加，以及近在企業(yè)對(duì)眼前的2026年中，包括AI和全域數(shù)據(jù)系統(tǒng)的投入預(yù)期都在增加——如果前述提及的AI疊加經(jīng)驗(yàn)會(huì)帶來(lái)更快增長(zhǎng)，且AI輔助下，效率大幅提升，那為什么不增加投入，讓增長(zhǎng)變得更快、更大呢？

曾煒的感受是：過(guò)去不論國(guó)內(nèi)外，都沒(méi)有用 Agent 驅(qū)動(dòng)多渠道營(yíng)銷(xiāo)平臺(tái)（國(guó)內(nèi)則是私域營(yíng)銷(xiāo)）并取得很好落地效果的案例。但到了現(xiàn)在，不少標(biāo)桿案例涌現(xiàn)出來(lái)、超出預(yù)期。因此，2026年會(huì)是一個(gè)新突破點(diǎn)：

“今年跑在最前面絕味、太平鳥(niǎo)等企業(yè)，明年應(yīng)該能讓這套系統(tǒng)持續(xù)學(xué)習(xí)，根據(jù)反饋不斷成長(zhǎng)，把效果進(jìn)一步提升”，因此，會(huì)形成一個(gè)自轉(zhuǎn)的反饋迭代機(jī)制。

剛提及的行業(yè)年度調(diào)研，是見(jiàn)實(shí)每年都會(huì)推進(jìn)的工作。結(jié)果會(huì)同步在年度私域大會(huì)上公布。同在調(diào)研中，絕大部分的企業(yè)都明確回復(fù)，私域帶來(lái)的貢獻(xiàn)和占比仍在繼續(xù)提升。而全域（可以理解為多平臺(tái)、多渠道同時(shí)進(jìn)行私域運(yùn)營(yíng)）和AI的疊加，讓這個(gè)提升的效果更加明顯。

為此今年甚至邀約品牌嘉賓時(shí)，感受和曾煒一致：許多品牌主動(dòng)提及希望分享自己在AI全鏈路優(yōu)化上的案例和心得。

因此，增長(zhǎng)跳級(jí)這件事情，正在從個(gè)案逐漸變成行業(yè)共通現(xiàn)象。越是先發(fā)的優(yōu)勢(shì)越明顯。

這時(shí)回到文章開(kāi)頭的對(duì)話中去，曾煒認(rèn)為，今天AI帶來(lái)的增長(zhǎng)跳級(jí)，正是建立在私域和全域的基礎(chǔ)乃至基建之上——SCRM（企微互動(dòng)）、CDP（客戶數(shù)據(jù)平臺(tái)）、MA（營(yíng)銷(xiāo)自動(dòng)化）、FA（融合分析）這四大件必不可少。沒(méi)有因此打通、積累和沉淀的數(shù)據(jù)，想要實(shí)現(xiàn)跳級(jí)就無(wú)從談起。

許多企業(yè)所面對(duì)的問(wèn)題是，私域沉淀的用戶不夠多，私域帶來(lái)的收入占比不夠大�；蛘呔褪腔ú粔蛟鷮�(shí)。

即便現(xiàn)在重新做，也還來(lái)得及。

只有基礎(chǔ)打好了，才能積聚跳級(jí)的力量。

↘大會(huì)精彩議程和內(nèi)容提前看：

↘私域服務(wù)對(duì)接：