中国数字[化营销转型｜从MarTech到智能体式编排

更新时间：2026-01-20 17:49 来源：牛马见闻

嫣然天使儿童医院陷困境，实地探访：还用着10年前的病床,嫣然天使医院眼科出诊

中国正研究制定稳岗扩容提质行动和城乡居民增收计划,各地加大稳岗扩岗激励力度

理想高管称理想AI智能眼镜Livis供不应求：3天卖完2个月产能,理想智造汽车是哪个公司

容百科技只是马前卒，宁德时代竟悄悄锁定全球三倍磷酸铁锂产能？,宁波容百锂电材料待遇

雪球开始清算大V！被罚没8325万当事人称“无力承受”！多人紧急删帖

�失去了大数据和 AI驱动MarTech 的初衷�AI 时代带来的变化在过去 MarTech 架构中� 在AI 时代�

序言：重(新审视MarTech 从 2014 年前后！，数字化媒体成为企业广告的主战场后，企业端用于管理广告投放和客户互动管理的数字化营销（MarTech）在中国开始成为一个新兴的数字化领域，尤其是在网络游戏、消费品零售、金融服务、汽车、地产等营销驱动的行业领域。 到 2018 年后，随着欧美的 MarTech 市场持续升温，出现了 Adobe、HubSpot 等数百亿甚至千亿级美元市值的企业数字化营销SaaS公司，在资本推动下，中国跟风出现了一系列数字化营销解决方案的创业公司，推动公司营销部门的数字化，包括客户大数据平台 DMP/CDP、会员系统 CRM、营销活动管理平台Marketing Automation（也简称 MAT）、企业方广告投放平台（DSP）等。 在 2020-2022 年期间这个行业炒作达到高峰，我自己在这个阶段，跟行业里的大多数头部MarTech创业公司都有交流和合作。 然而疫情之后，随着资本退潮，MarTech 领域真正跑出来的公司并不多，市场规模、客户黏性、行业影响力都远不如其他企业数字化跑道。 最近两年进入大模型人工智能时代后，企业数字化营销开始发生变化——并不仅是因为企业营销部门用大模型AI来自动写文案、生成图片和视频，而是MarTech 背后的技术范式、交付方式和商业模式正在整体转型。 一、传统MarTech的构成 如果回顾过去MarTech 的主流方案架构，可以总结为“数据驱动、流程自动化”的特征，企业级 MarTech 应用大致可以分为四层： 数据层：把分散在各个企业信息系统（例如会员系统）以及各外部数字化触点的用户数据汇聚、处理，做统一用户或设备的身份识别（One ID），并且打标签等数据丰富加工，便于形成“人群包”进行精准营销，这类应用包括CDP 、 DMP 、用户画像工具等，这也曾经被称为“数据中台”。 营销流程层：用基于规则的流程编排的方式，从“人找人”变成“系统找人”，实现营销活动的流程自动化，从而增加活动的节奏频度，包括用户的促活、互动等，这类应用就是营销自动化平台（MA） 用户触达层：把用户推送到合适的数字化互动渠道，包括数字化广告、短信、各种信息推送、私域运营等，这类应用包括以 DSP 为代表的企业方广告技术（AdTech）以及用户触达的触点管理 决策分析层：用量化的方法在营销投放前后的精细化决策，选择投放人群、内容和策略，评估投放效果，开展归因分析——确定不同营销触点（如广告、内容、渠道）在用户转化路径中贡献的价值占比，迭代优化规则，这类应用包括商业智能、营销决策引擎（例如人群的营销价值打分，相似性分析等）以及各种归因分析、对照实验（A/B Test）的数据分析工具。 这套体系的业务假设是： 企业具备足够的数据资源用于数字化营销决策，同时，营销活动具有相对稳定的规则、流程和触发条件，可以被自动化系统规模化执行。 这些业务逻辑在欧美企业里是成立的，美国 MarTech 市场在十年前暴涨刺激了投资人在中国找到其商业模式模仿者，然而，中国企业无论是数字化营销的外部环境，还是内部的营销管理成熟度，和欧美市场有显著不同。 二、中国MarTech的挑战 企业要用好 MarTech 的核心问题不在供应商的技术提供能力，而在数字化营销的外部环境以及组织的自身现实。 1. 外部环境 中国企业做数字化营销，外部环境长期被少数互联网平台（阿里、腾讯、字节、美团等）所控制：数字化营销本质是从这些平台获取流量，大量完整数据在平台方，投放规则也受平台控制。 企业真正能自己处理的，只剩下极其有限的一部分私域运营和 CRM 场景，所以营销自动化流程在大多数情况下，实际上是企业CRM 的延展，而失去了大数据和 AI驱动MarTech 的初衷。 2. 企业营销目标 大量中国企业的营销目标是以直接销售为导向的，为了持续迎合市场动态，进行拉新、转化、清库存，因而策略频繁变化，活动周期极短，很难沉淀出可复用、长期稳定的流程。 这样的营销动机加之互联网平台层出不穷的“玩法”，使得标准化的营销管理软件，很难适应快速变化的企业营销模式。 我在实践中的观察是，不少企业在 2020 年左右即使新上了当时新兴的 CDP/MA 系统，都因为系统不够灵活，不能适应各种营销玩法的快速变化，几年后就被纷纷放弃了——企业自己也没有足够的技术人员来玩转这些复杂的信息系统，严重依赖供应商能力。 3. 企业营销管理成熟度 营销管理跟供应链、管理会计、人力资源等其他企业管理领域一样，企业软件应用要基于社会性标准化的知识体系，数字化只是执行工具，MarTech本质上是把营销能力从人迁移到信息系统上。 但在很多中国企业里，营销决策高度集中在少数人，甚至存在营销组织内部腐败等潜规则，不靠数据和算法驱动，营销经验是隐性知识，很难显性化落到系统里。 三、AI 时代带来的变化 在过去 MarTech 架构中，基于机器学习人工智能的所谓“决策智能”（decision intelligence），在提高营销精准性上，发挥着重要作用；而大模型人工智能并不是给 MarTech 再增加了一个新功能，而是改变了MarTech 技术栈的构成。 在大模型人工智能加持下，数字化营销运营跟企业的其他数字化运营一样，从基于规则的流程自动化，向智能体式编排转型，具体可参见该文《2026别卷“流程自动化”了，智能编排驱动的“智动化”时代开启了！》。 基于规则的流程自动化逻辑是，“如果具备了条件A和条件B，那么执行动作 C”，企业需要人工维护大量的规则，这些规则就是企业的营销知识。 在AI 时代，在特定的业务上下文里，由人工智能来判断：“此刻最可能提升业务目标的行动是什么”，推理产生行动。 这使得企业营销部门无需人工维护大量规则，数字化营销系统具备模糊判断的能力，人机协作决策，机器持续学习改进行动决策能力。 另一方面，由于营销数字化的生态复杂，变化频繁，所涉及的技术服务越来越碎片化，而大多数企业不像互联网公司那样具有很强的技术能力，自身并没有能力驾驭复杂的技术平台开发和迭代，因而在商业模式上，传统MarTech厂商按模块提供整合的系统的方式——CDP、MA、推荐引擎，可能难以为继， 在AI 时代，企业需要用低代码等易于操作的方式，来构建智能体和工作界面，充分利用用 API 形式封装的内部和外部业务能力，例如推荐算法、风控打分、预算分配、渠道推送等，因而业务编排和自动化技术（BOAT）应成为数字化营销技术架构的主流。 数字化营销从流程自动化转型为智能体式编排的变化体现在三个层面，这三点是同时发生、彼此叠加的。 1. 决策引擎走向业务核心 在初代数字化营销，机器学习使用在推荐排序或者A/B 测试后的优化，是业务规则的增强，决策执行仍然掌握在人手里。 到了AI 时代，随着算力成本下降、机器学习技术的进一步成熟，机器学习模型可以承担更复杂的预测性决策，例如用户行为预测、转化概率评估、营销预算与互动节奏的动态分配等。 今天AI 驱动的智能营销的业务逻辑，不是人先想清楚策略，系统提供支持数据并执行，而是新型的人机协作模式——由人设定系统决策边界后，系统持续优化、自动执行。 上一个数字化营销时代在资本市场上出现的标杆是 Adobe，而这轮 AI 营销的资本市场新标杆是 AppLovin。 这家公司本来是一个游戏软件加通过游戏平台分发广告的公司，其核心基于机器学习的营销技术，包括通过实时处理海量数据优化广告投放效果，实现精准用户定向，提供用户获取、广告变现和效果归因三大核心服务，覆盖营销全流程，帮助企业优化营销 ROI，去年剥离了游戏业务，转型为一个纯粹的 AI 营销技术公司，公司股价从 2022 年底最低点到目前涨了 60 倍以上（最高峰甚至达 80 倍），市值达到超过 2000 亿美元的惊人高度，远超同期英伟达的涨幅，体现了市场对 AI 驱动营销技术的高度认可。 类似的技术能力，国内数字化营销 AI 服务公司的艾瑞数智，基于机器学习技术为金融企业、消费品企业、游戏公司提供基于机器学习的交易风控、客户价值评分等人工智能模型服务，可以实时接入到企业智能营销流程中，在互联网金融获客、营销媒体投放、车辆保险公司定价等场景中有广泛应用。 2. 大模型重塑流程自动化 传统营销流程自动化需要人工设计规则并据此编排流程，由于环境变动频繁、例外情况不断，需要不断给规则引擎或者流程模型打补丁。 而大模型给流程自动化带来的关键变化是能理解包含业务逻辑的自然语言的语义，把“目标和约束”翻译成可执行流程，这就是奥锐方的AI 流程建模的达芬奇工具所提供的能力，并且通过奥锐方的 BOAT 平台，在运行中动态调整流程路径。

编辑：龚嘉欣