AI 营销日报 · 2026-07-31

AI 搜索可见性正在变成新的战场。HubSpot 推出 AEO 工具把监测和行动连到一起，Spotify 用对话式 AI 重写了个性化体验，PwC 调研发现 20% 的公司拿走了 74% 的 AI 回报。今天的 20 条信号指向同一个方向：营销人的竞争力正在从「会做」转向「会指挥」。

🎯 今日头条

HubSpot AEO vs. Otterly：平台型还是独立工具，AI 搜索可见性这道题怎么解

发生了什么

HubSpot 在 7 月 30 日发布了一篇详细的对比文章，把自己的 AEO（Answer Engine Optimization，答案引擎优化）工具和独立竞品 Otterly 做了正面对比。这件事本身不稀奇，稀奇的是它揭示了一个行业级的选择困境：当你的品牌在 ChatGPT、Gemini、Perplexity 里被提到多少、被怎么提到，已经变成一个可监测、可优化的指标，团队到底该买一个独立监测工具，还是买一个能把监测结果直接连到内容生产和 CRM 工作流上的平台。

HubSpot AEO 定价 50 美元每月（年付 45 美元），28 天免费试用含 25 个 prompt，覆盖 ChatGPT、Gemini、Perplexity。Otterly 分四档，Lite 29 美元（15 个 prompt、4 个引擎），Standard 189 美元（100 个 prompt、5000 次 GEO URL 审计、Looker Studio 连接器、API），Premium 489 美元，Enterprise 定制价。两者的核心差异不在监测能力，而在监测之后能做什么。

为什么重要

AI 搜索正在改写流量分配规则。HubSpot 自己的数据显示，来自 AI 搜索的线索转化率是传统搜索的 3 倍。这意味着品牌在 ChatGPT 答案里是否出现、以什么形象出现，直接影响管道（pipeline）。过去 SEO 团队盯的是 Google 排名，现在要多盯一层：AI 引擎的引用和提及。

这件事对营销人的分量在于，它不是又一个新渠道，而是现有内容策略的一面镜子。你在 AI 答案里缺失的位置，往往就是你内容策略的盲区。AEO 和 SEO 不是替代关系，而是互补：一个结构良好、权威性强的页面，既能在 Google 排上去，也更容易被 ChatGPT 引用。

对营销人的影响

最直接的影响落在三个岗位。内容团队要开始关心「AI 引擎怎么引用我们的页面」，而不只是「Google 怎么排名我们」。增长团队要把 AI 搜索来源的线索单独追踪，因为它们的转化行为和传统搜索线索不一样。市场负责人要在预算表里多一行：AI 可见性工具。

HubSpot AEO 的卖点是把监测数据连到 CRM 和内容工具上。发现一个可见性缺口后，你不用切到别的工具，直接在 HubSpot 里写博客、排社交更新、触发培育序列。Otterly 的卖点是监测覆盖面更广（开箱即用支持 Google AI Overviews、Google AI Mode、Microsoft Copilot，Gemini 和 Claude 作为付费插件），数据导出更灵活（Looker Studio、API、MCP 服务器）。

怎么用

如果你已经在用 HubSpot 做内容或营销，先开 28 天免费试用，建立一条 AI 可见性基线。挑 10 到 15 个反映真实买家问题的 prompt，比如「最好的某类工具是用什么场景」这种评估阶段的问法，每 30 到 60 天复审一次。

如果你不在 HubSpot 生态里，或者你的团队有较强的数据基础设施想要自定义报表，Otterly Lite 29 美元每月是低成本的起步。当你发现可见性缺口但团队要在监测工具、内容工具、CRM 之间来回切换才能补上时，就该考虑升级到平台型方案了。

一个实操要点：用 AEO 的 prompt 数据识别买家在问 AI 什么，然后检查你有没有对应的内容。可见性缺口往往就是内容策略的缺口。

我的判断

这篇对比文章本质是 HubSpot 的内容营销，但它点出的选择困境是真的。独立工具胜在覆盖面和灵活性，平台型胜在「监测到行动」的距离短。对大多数中小团队，先用低成本独立工具摸清基线，等数据告诉你「我知道缺口在哪但补得太慢」时再迁到平台，是更稳的路径。别被厂商的对比表带着走，先想清楚你的工作流卡在哪一层。

🔗 深入阅读：查看完整文章

🏷 产品发布与平台动态

Spotify 用 AI 重写个性化体验：从推荐引擎到对话式平台

Spotify 在 2026 年把 AI 从后台推到了前台。7 月上线的 Talk to Spotify 让 Premium 用户用语音或文字和平台对话，可以点一种心情、问一张专辑背后的故事、翻自己的收听历史。AI Playlist 功能已经扩展到 40 多个市场，用户可以用文字 prompt 甚至 emoji 生成歌单，再用「再欢快点」「少点木吉他」这种指令微调。AI DJ 覆盖了 75 个以上市场，支持法语、德语、意大利语、巴西葡萄牙语四种新语言，每种语言有独立的本地嗓音人设。

最值得营销人注意的是两件事。一是 Spotify 2026 年 5 月给 Premium 用户开放了一个付费插件，用带授权的生成式 AI 工具让听众合法翻唱和混音参与艺人的歌，把授权直接内建到工具里，绕开了困扰 AI 音乐的法律灰色地带。二是 Verified by Spotify 在 4 月上线验证徽章对抗 AI 垃圾和艺人冒充，验证后的艺人档案多了职业里程碑、近期发行、巡演活动板块。Spotify 最新季报显示约 7.61 亿月活、2.93 亿付费用户，覆盖 180 多个国家。

💬 Spotify 是 AI 原生产品的一个范本。营销人怎么用：研究它的个性化分层（Discover Weekly 周更 30 首歌单 + Daylists 一天多次刷新 + 对话式 DJ），把同样的「让用户体验感觉是为个人定制的」原则搬到自己的产品或会员体系里。如果你做播客或音频营销，Talk to Spotify 的对话入口改变了内容被发现的方式，值得现在就开始优化你的节目元数据。

🔗 深入阅读：查看完整文章

Salesforce 教中小企业做 GEO：让 AI 引擎认识你

Salesforce 发布了一篇面向中小企业的生成式引擎优化（GEO）指南，核心论点是：用户从点链接变成直接拿答案，你的数字存在不能只是「可见」，得是「可引用」。GEO 不同于传统 SEO 的地方在于，它不看重关键词密度，而看重内容的上下文、时效性和事实准确性，要让大语言模型容易找到、理解、引用。

指南给了四步落地法。第一步审计现有内容，找出能直接回答客户常见问题的段落。第二步上结构化数据（schema markup），产品页用 Product Schema，服务页用 Service Schema，本地商家用 LocalBusiness Schema。第三步写「定义优先」的内容，每篇文章每个章节先用一句简短直接的话给答案，再展开。第四步建主题权威而不是堆关键词量，比如卖可持续咖啡就深挖一篇「 ethical 咖啡采购流程」配专家引用和数据，而不是写十篇浅咖啡博客。

💬 营销人怎么用：本周就挑你销量最高或询盘最多的产品页，加上对应的 schema markup，再把开头改成「定义优先」的句式。中小企业预算有限，GEO 是不用砸广告费就能在 AI 答案里露脸的杠杆，性价比极高。

🔗 深入阅读：查看完整文章

MarTech 观点：指挥 AI agent 是营销工作的下一步

MarTech 的资深撰稿人 Susan Ferrari 在 7 月 30 日发文指出一个被忽视的转变：大多数营销人还在用 AI 做单个任务（写封邮件、总结报告），而不是把多个 AI agent 当成一个团队来指挥。她用了一个比喻，「不是网球拍的问题，是网球手的问题」，意思是工具已经够好了，缺的是会指挥的人。

文章的核心论点是，当 AI agent 接手越来越多的执行工作，营销人的价值来源从「能做多少」变成「能判断什么该做、怎么评估产出、什么时候介入」。AI agent 会非常自信地交给你一份平庸的 campaign brief，它不会告诉你这很平庸，得你自己抓出来。作者给了三个本周就能做的练习：挑一个每周都做的任务交给 AI agent；记录你介入说「这个对」或「这个要改」的瞬间，那是你在练判断力；试着在一个项目上同时跑两个 AI agent，感受「指挥而不是执行」的滋味。

💬 营销人怎么用：这三步里最值钱的是第二步，记录你介入的瞬间。这些瞬间就是你的判断肌肉在生长的证据，也是你区别于 AI agent 的关键能力。未来几年，指挥 AI agent 的能力会变成像用电子表格一样的基础技能，现在开始练的人先占位。

🔗 深入阅读：查看完整文章

MarTech AI 主题聚合：持续追踪营销 AI 动态

MarTech 维护了一个营销人工智能主题聚合页，持续收录该领域的产品发布、行业分析和实战案例。对于没有时间逐篇追踪的营销人来说，这类聚合页是快速扫描行业风向的高效入口，建议每周扫一遍标题列表即可。

💬 营销人怎么用：把这类主题页加进你的周度扫描清单，花 10 分钟浏览标题，遇到和自己赛道相关的再点进去精读。

🔗 深入阅读：查看完整文章

🏷 营销工具与自动化

Gartner 定义 B2B 营销自动化平台：从 IF/THEN 到 agentic AI

Gartner 的 B2B 营销自动化平台（B2B MAPs）评测页给出了一个清晰的行业定义：这类软件支持大规模需求生成，帮营销人捕获和鉴定线索与账户、在完整客户旅程里编排营销驱动的互动、用分析能力优化和衡量表现。核心能力包括用图形化工作流给联系人建多步旅程（滴灌campaign、客户onboarding）、给线索打分、跨渠道协调客户互动（原生邮件和落地页，其他渠道靠集成）。

这个品类在 2026 年的关键变化是「自动化」的定义被改写。6sense 在自己的评测文章里点破了行业现状：agentic AI 已经是标配 claim，真正的分水岭是 agent 究竟是「执行」（发邮件、更新记录）还是只「推荐」一个动作等人去点。6sense 的 AI Email Agents 能自主跟进 reps 没带宽覆盖的 prospect，只在对方要约会议时才升级给人。客户 Malbek 部署后报告 BDR 产能 14 倍提升、85% 的首次 prospect 互动由 AI 处理。

💬 营销人怎么用：选 B2B 营销自动化平台时别被「agentic AI」标签忽悠，问厂商一个问题：你们的 agent 是「执行型」还是「推荐型」。再问总拥有成本：除了月费，还有强制 onboarding 费（HubSpot Professional 3000 美元、Enterprise 7000 美元）、Agent 席位费、运维专才成本。

🔗 深入阅读：查看完整文章

2026 营销自动化软件盘点：Lindy、HubSpot、Salesforce 等

LinkedIn 上 Adriana Pricope 的 2026 营销自动化软件盘点给出了一个趋势判断：这个品类已经从「替代营销人」变成「放大生产力、规模化超个性化、把团队解放到战略层」。文章引用数据称营销自动化市场到 2028 年将达 1075 亿美元，采用这些工具的企业每投 1 美元平均回报 5.44 美元。

榜单把 Lindy 列为特色合作伙伴，定位是「AI agent 不只是辅助而是执行」的平台，你用自然语言描述要做什么，agent 端到端处理，无需建复杂工作流。客户报告每周省下 10 小时以上常规任务。HubSpot Marketing Hub 被评为中型到企业级的一体化首选，ActiveCampaign 擅长客户关系型自动化，Klaviyo 是电商 DTC 品牌首选，Salesforce Marketing Cloud 的 Agentforce 代表自主营销自动化的前沿，Mailchimp 适合刚起步的小企业。文章还点名 Gumloop 为值得关注的潜力股，定位是「Zapier 遇上 ChatGPT」，把任何 AI 模型连到营销工具无需代码。

💬 营销人怎么用：按团队规模和目标选平台而不是按名气。初创小企业从 Mailchimp 或 Keap 起步；成长期用 ActiveCampaign 或 Ortto；电商用 Klaviyo 或 Drip；企业级用 HubSpot 或 Salesforce。先从欢迎邮件系列、弃购恢复、不活跃客户唤起这三个流程开跑，别一上来就想全自动。

🔗 深入阅读：查看完整文章

6sense 盘点 7 大 B2B 营销自动化平台：架构决定一切

6sense 团队 4 月更新的 B2B 营销自动化平台评测，开篇就点破行业痛点：你的 CRM 里满是永远不会买的线索，邮件群发所有人，销售在 Slack 里问市场为什么他们跟进的账户在系统里看着完全是冷的。文章的核心判断是，平台架构决定了适用场景：为「基于线索的 inbound」设计的平台（如 HubSpot）和为「基于账户的 outbound」设计的平台（如 6sense）有根本不同的数据结构，选错了会很痛苦。

榜单覆盖 6sense、Adobe Marketo Engage、HubSpot Marketing Hub、Salesforce MCAE、Oracle Eloqua、Microsoft Dynamics 365、Demandbase One。关键 takeaway 三条：agentic AI 的分水岭是执行还是推荐；架构要匹配你的 GTM 主运动；总拥有成本要算上强制 onboarding、Agent 席位、专才成本。文章提到 B2B 采购组现在平均超过 10 个利益相关方，采购旅程平均拉长到近一年。

💬 营销人怎么用：选型前先回答一个问题，你的主 GTM 运动是 inbound 线索驱动还是 outbound 账户驱动。这个答案直接决定你该看 HubSpot 类还是 6sense 类。然后算清总成本，别只看月费。

🔗 深入阅读：查看完整文章

2026 AI 营销工具全指南：3000 个工具怎么选

thesmarketers 的 2026 AI 营销工具终极指南给出的开场数据是：现在有超过 3000 个 AI 工具，其中近 300 个专为 SEO 和营销设计。文章按场景分类盘点：SEO 工具（ChatGPT、Semrush、Surfer SEO、Clearscope、NeuronWriter 等）、写作工具（Jasper、Copy.ai、StoryChief、Writer.com 等）、设计工具（Figma AI、Framer、Adobe Firefly、Midjourney 等）、视频工具（Runway Gen-4、Google Veo、OpenAI Sora 2、Synthesia 等）、CMS 与建站（GitHub Copilot、Webflow AI、Wix ADI 等）、销售互动（Reply.io、Outreach、Salesmate 等）。

文章引用的成效数据很有说服力：AI 驱动的内容生产快 60 到 80%，AI 个性化邮件响应率高 3 倍，AI 辅助建站周期缩短 40 到 60%，预测打分让线索转化率提升 25 到 35%，智能 campaign 优化让获客成本降 50%。关于 AI 内容质量与品牌真实性的平衡，文章建议：AI 出初稿和提纲省 70% 写作时间，人工编辑调语气和加案例，高 stakes 内容（思想领导力、重磅博客、产品公告）留给人写。

💬 营销人怎么用：别试图用满 3000 个工具。按你的瓶颈环节挑一两类：内容生产卡壳就看 Jasper/Copy.ai，设计资源不够就看 Figma AI/Adobe Firefly，销售 Outreach 量大就看 Reply.io/Outreach。先试用再付费，绝大多数有免费档。

🔗 深入阅读：查看完整文章

Sprinklr 盘点社媒 AI 内容创作工具

Sprinklr 的社媒 AI 内容创作工具盘点覆盖了从内容生成到发布到分析的全链路。文章以 Sprinklr 自家的 Unified-CXM 平台为主线，强调其在 The Forrester Wave 社交套件 Q4 2024 中被评为领导者、在 CCaaS 平台 Q2 2025 中被评为强力表现者。盘点涵盖社交发布与互动、分布式团队社交营销、竞争洞察与基准、内容营销与 campaign 规划等模块。

这篇文章偏产品导向，但它点出的趋势是真实的：社媒内容创作正在从「人工排期 + 单平台手动发」走向「AI 辅助生成 + 跨渠道编排 + 实时优化」。对于管理多账号、多语言、多地区的团队，统一平台的价值在于减少上下文切换和保证品牌一致性。

💬 营销人怎么用：如果你管 5 个以上社交账号或跨地区运营，统一平台的省时效果明显。先把最高频的操作（发布、监测、回复）迁上去，再逐步上 AI 辅助生成。单账号小团队先用免费工具够用。

🔗 深入阅读：查看完整文章

🏷 行业数据与调研

Adobe 汇总 2026 AI 营销 25+ 关键数据

Adobe 汇总了 2026 年 AI 营销的 25+ 条关键数据，来源包括 Statista、McKinsey、HubSpot、Ahrefs、Semrush 等。市场规模层面，全球 AI 营销收入 2025 年约 470 亿美元，预计 2028 年达 1070 亿美元；AI 在社交媒体领域到 2032 年将增长到 158 亿美元。采用率层面，67% 的中小企业在营销中用 AI，60% 的营销人每天用 AI 工具，83% 的公司把 AI 列为优先事项，78% 的企业在至少一个业务功能用 AI，88% 的数字营销人在日常角色中用 AI。

内容与 SEO 层面的数据最值得记：93% 的营销人用 AI 加速内容生成，AI 让企业每月多发 42% 的内容，74% 的新网页含某种形式的 AI 内容，68% 的企业看到 AI 带来的内容营销 ROI 提升。AI 驱动的 PPC 出价管理能减少约 37% 浪费的广告支出、提升约 50% 的广告 ROI。生产力层面，AI 每周给营销人省 13 小时，营销人因 AI 提效 44%（省 11 小时每周），AI 提升的生产力对全球经济价值估计 4.4 万亿美元。风险层面，30% 的营销人认为生成式 AI 对品牌安全有重大风险，43% 的企业被 AI 内容的不准确或偏见阻碍。

💬 营销人怎么用：把这些数据存进你的汇报素材库。跟老板要 AI 工具预算时，引用「每投 1 美元回报 5.44 美元」「每周省 13 小时」比泛泛说「AI 很重要」有力得多。但也要诚实带上风险数据，建立合理的审核流程。

🔗 深入阅读：查看完整文章

PwC 调研：想从 AI 拿回报，瞄准增长而不是效率

PwC 的 AI 绩效研究调研了全球 1217 家公司（覆盖 25 个行业），核心发现是一个让人坐不住的数字：20% 的公司拿走了 74% 的 AI 驱动回报。最「AI 健身」的公司，其 AI 驱动的财务表现是其他公司的 7.2 倍。所谓 AI 健身，是指把 AI 对准重要的事、建合适的基础、把 AI 嵌入整个企业。

研究把 AI 健身拆成九个因子：六个基础能力（战略、投资、数据与技术、人才、治理与风险、创新）加三个使用维度（广度与深度、复杂度、捕获行业融合价值）。最反直觉的发现是：领导者把 AI 用作「重塑引擎」而不是效率工具。他们用 AI 改变卖什么和怎么创造价值，而不只是执行任务多快。领导者比其他公司高 2.6 倍的可能性报告 AI 帮他们重塑了商业模式。研究举了 John Deere 的案例：See & Spray AI 精准喷洒系统在 2024 生长季用于超 100 万英亩，为农户节省约 800 万加仑除草剂混合液，平均节省 59%，把一次性硬件差异变成可扩展的服务收入流。

💬 营销人怎么用：跟你的老板提议每月做一次「scale or stop」评审，只有那些在明确业务指标上有可测变化的项目才能拿到更多预算。把「行业融合带来的增长」当成一个独立的 AI 投资组合，配资深赞助人，用 AI 扫描价值在向哪里移动。

🔗 深入阅读：查看完整文章

Statista：AI 在网红营销的全球数据

Statista 的 AI 网红营销专题给出了一个量级感：全球 AI 工具用户从 2020 年的 1.16 亿增长到 2025 年的 3.79 亿，三年三倍。网红营销市场规模 2025 年达 325.5 亿美元。2024 年调查显示，AI 工具让识别网红、定位和分发相关内容、预测趋势、自动化内容生产、优化 campaign 都变得更容易。2025 年发布的行业调研里，参与调查的领导者已经表示 AI 大多改善了网红营销的成果。

数据页还揭示了营销人的具体用法和顾虑：AI 在网红营销里的主要用途是识别合适的网红、预测 campaign 表现、自动化内容创作；营销人采用 AI 的主要组织策略是培训课程和工作坊；阻碍营销人采用新 AI 工具的主要因素包括数据隐私、品牌安全、工具准确性。创作者端也有数据：网红对 AI 影响自己工作的看法、PR 从业者认为生成式 AI 带来的主要风险、关于 AI 营销内容强制披露的公众意见。

💬 营销人怎么用：如果你做网红营销，本周就用 AI 工具（如 Modash、HypeAuditor、Upfluence 的 AI 功能）筛一轮你的网红池，看看 AI 推荐的和你的直觉是否一致。别全信 AI，把它当第二个意见。披露方面，主动标注 AI 参与的内容，建立信任比短期流量值钱。

🔗 深入阅读：查看完整文章

KPMG 报告：生成式 AI 模型在企业里的风险与回报

KPMG 的报告把生成式 AI 模型在企业里的应用分成五类：内容生成器、信息提取器、智能聊天机器人、语言翻译器、代码生成器。报告给出了一些有参考价值的行业预测：Gartner 预测到 2025 年大型企业 30% 的对外信息将由 AI 合成生成；KPMG 美国 2022 年 AI 风险调研显示 85% 的受访者预期 AI 和预测分析的使用会增加；2022 年 KPMG 美国技术调研里一半受访者说他们已经从 AI 投资中看到 ROI。

报告重点列了企业用生成式 AI 必须知道的十件事，包括数据隐私风险（除非明确禁止，你输入的数据可能被用来回答别人的 prompt）、知识产权和商业秘密暴露、版权侵权风险、需要建立内部使用规范和员工培训。报告强调人在回路（human in the loop）带来 AI 无法复制的独特洞察。

💬 营销人怎么用：把这份报告当你的 AI 使用合规清单。最紧急的一条：搞清楚你用的 AI 工具的数据政策，别把客户机密、未发布的产品信息、商业代码直接喂给公网版的 ChatGPT。企业版通常有数据隔离条款，值得付费。

🔗 深入阅读：查看完整文章

Marketing Dive 行业动态：品牌创意与 AI 足迹并行

Marketing Dive 的行业新闻流捕捉到了 7 月底的一批品牌营销动态。Unilever 旗下 Degree 在纽约地铁搞了「Molten Core」等车站改名活动，配合网红做街采；Kia 在 WNBA 全明星周末玩 Reddit 梗；FX 把一座 80 年代商场改头换面推新剧 The Shards；Popeyes 调整代理商阵容求品牌一致性；Hilton CMO 谈品牌营销是「非理性偏好生意」；Gap 把员工创作者计划开放给企业内部员工。

最值得 AI 营销人注意的是一条数据新闻：51toCarbonZero 的调研发现，绝大多数受访营销人认为 AI 在增加排放，但只有 36% 在追踪完整影响。这是 AI 营销的一个隐性成本，正在变成 ESG 报告和品牌声誉的变量。另一条是 Google 的 Q2 财报：搜索和其他收入同比增长 17%，受世界杯热度与 Gemini 改进推动，但投资者对飙升的 AI 成本持怀疑态度。

💬 营销人怎么用：把你 AI 工具链的能耗和碳足迹纳入明年的 ESG 盘点。现在只有 36% 在追踪，你做了就是领先。品牌创意方面，关注 Gap 把员工变创作者的思路，内部员工的真实声音比外部网红成本低、信任度高。

🔗 深入阅读：查看完整文章

🏷 学术研究与深度分析

IJFMR 研究：生成式 AI 如何颠覆营销、品牌与内容创作

International Journal for Multidisciplinary Research 的这篇研究（作者 Shaan Garg）系统梳理了 2010 到 2025 年的研究，考察生成式 AI 怎么颠覆营销、品牌和内容创作。研究指出几个关键转变：从预测式 AI 到生成式 AI 的过渡，让品牌能做自适应、数据驱动的 campaign 和实时创意测试；可口可乐用 DALL·E 和 GPT 做个性化 AI 广告；Adobe Firefly 让营销团队每周创意产出增加 10 倍且 80% 以上产出被评为视觉达标且符合品牌。

研究专门讨论了合成网红（synthetic influencers）的崛起，举了 Lil Miquela、Imma、FN Meka 的例子。这些 AI 虚拟人完全可控、不衰老、不会有丑闻，品牌可以微调他们的形象、叙事和传达的信息。Samsung、Balmain、Louis Vuitton、Tommy Hilfiger 已经在用。但研究也指出消费者反应的复杂性：2025 年马来西亚一项研究显示，Z 世代觉得 AI 广告更有吸引力和可信度，但和人类创作的广告相比仍感到情感连接更弱。研究还讨论了 prompt engineer 这个新角色的诞生，以及从「创作者」到「prompt 工程师」的人才转型。

💬 营销人怎么用：如果你考虑用虚拟网红，先评估你的品类是否适合。时尚、娱乐、科技类效果较好，需要深度情感共鸣的品类（母婴、健康）谨慎。披露方面，研究显示消费者更信任主动披露 AI 使用的品牌，别藏着。

🔗 深入阅读：查看完整文章

ScienceDirect 研究：AI 生成旅游视频怎么影响游客决策

Tourism Management 期刊 2025 年 10 月号的这篇研究，用主题建模和主题分析考察了 AI 生成的旅游目的地视频怎么影响游客决策。研究识别出 17 个主题，发现和人类制作的旅游视频相比，AI 生成视频在真实性和可信度上有明显差异。研究用 SOR（刺激-有机体-反应）模型建了一个概念框架。

研究背景里有几个值得记的数据：生成式 AI 在营销里的潜在经济收益估计达 4630 亿美元（主要通过生产力提升）；超 60% 的美国社媒用户知道 AI 生成内容；超 70% 的美国和英国 Z 世代与千禧一代对含 AI 视频的广告高度感兴趣；Toys R Us 已经发布了第一支 AI 创作的视频广告，社媒反应两极。研究的实践意义是鼓励旅游营销人把 AI 视频纳入推广策略，因为这是新工具有效性的初步证据。AI 视频对旅游营销的独特价值在于能绕开实地拍摄的许可、天气等限制，让中小景区也能高效产内容。

💬 营销人怎么用：如果你在旅游、酒店、目的地营销，本周就用 Sora 或 Runway 试做一条 15 秒的目的地短视频，投到 TikTok/Reels 看互动数据。注意标注 AI 生成，受众对真实性的顾虑是真实的，别试图蒙混。

🔗 深入阅读：查看完整文章

Emerald 期刊：AI 驱动的互动营销个性化（客户旅程视角）

Journal of Research in Interactive Marketing 的这篇概念论文（作者 Youjiang Gao、Hongfei Liu）从客户旅程视角考察 AI 驱动的个性化互动营销。论文发表于 2022 年 7 月，但被 2026 年的素材池收录，说明其框架仍有参考价值。研究关注 AI 营销对消费者的影响，特别聚焦 AI 营销时代的伦理问题，采用定性方法。

论文的核心贡献是提供了一个把 AI 个性化嵌入客户旅程每个阶段的概念框架。这和今天实操层面的 AI 客户旅程工具（如 Demandbase 的 7 阶段模型）形成了理论与实践的呼应：从认知阶段的 AI 受众分群和内容推荐，到考虑阶段的预测分析和语义搜索，到决策阶段的动态产品目录和虚拟产品助手，到留存阶段的虚拟代理和情感分析。

💬 营销人怎么用：这篇偏学术，但它的价值在于提醒：AI 个性化不是单一技术部署，而是要沿着客户旅程的每个触点重新设计。挑你旅程里掉粉最严重的那个阶段，先在那一个点引入 AI 个性化，测量效果再扩展。

🔗 深入阅读：查看完整文章

Demandbase：AI 客户旅程 vs. 传统 SaaS 漏斗

Demandbase 的这篇指南把 AI 客户旅程定义为：客户与企业互动的全生命周期，所有环节由 AI 自动化、分析、优化，以规模化交付个性化、预测性、高效体验。文章用一张对比表讲清了传统客户旅程和 AI 驱动客户旅程的差别：前者是线性、人工工作流、规则分群、人工决策、反应式优化；后者是非线性动态、AI 编排、个体级个性化、AI 决策、实时自优化。

文章把 AI 客户旅程拆成 7 个阶段：认知、考虑、决策、购买、上手、留存、倡导。每个阶段都给了 AI 的具体角色，比如认知阶段用 AI 受众分群和预测内容推荐，决策阶段用动态产品目录和虚拟产品助手，留存阶段用虚拟代理处理 tier-1 支持，倡导阶段用情感分析和流失预测模型。文章强调 AI 客户旅程的四个好处：规模化的超个性化、跨渠道实时响应、主动支持和流失预防、低摩擦的流畅旅程。

💬 营销人怎么用：这张 7 阶段表可以直接当你的客户旅程审计清单。先标出你在每个阶段用了哪些 AI 能力，缺口就是你的下一个投资点。最容易见效的是留存阶段的流失预测，一个简单的健康分模型就能提前两周预警高风险账户。

🔗 深入阅读：查看完整文章

Global Focus Magazine：营销中生成式 AI 的风险与收益

Birgitte Rasine 在 Global Focus Magazine 的这篇文章做了一次营销人使用生成式 AI 的早期调研。受访者的核心反馈是 AI 大幅提速了工作流：有人反馈 AI 把简单内容和提纲的写作时间省下来，让自己能投资在思想领导力和独特观点上；有人反馈省下了初稿时间和非创意内容的文案需求。

受访者最关心的三个风险：准确性与可靠性（需要事实核查，AI 会编造不存在的文章标题或参考文献）；印刷就绪度（生成文本仍需大量审稿和编辑，与最初预期不符）；版权与抄袭（训练数据含受版权保护的文本和图像，原创作者未获许可也未获补偿）。文章还提到几个被忽视的下行风险：批判性思维和创意生成的退化、创作者未获补偿、偏见和对多元声音的压制、环境因素（训练 GPT-3 耗电 1.287 吉瓦时，相当于 120 户美国家庭一年用电、502 吨碳排放）、未授权共享机密 IP（三星员工把机密源代码提交给了 ChatGPT）。

💬 营销人怎么用：把这篇文章的风险清单变成你的 AI 使用政策。三条最紧急：所有 AI 生成内容必须经人工事实核查才能发布；机密信息绝不上公网 AI 工具，用企业版或本地模型；建立 AI 内容披露规范，对客户和受众透明。

🔗 深入阅读：查看完整文章

💡 今日总览

把今天的 20 条连起来看，一条主线浮出来：AI 营销正在从「要不要用 AI」变成「怎么把 AI 嵌进每个工作流」。HubSpot 把 AEO 监测连到 CRM，Spotify 把 AI 推到产品前台，Salesforce 教中小企业做 GEO，MarTech 喊出「指挥 AI agent 是新工种」。这些不是孤立的发布，而是同一个趋势的不同切面：监测、执行、指挥三层正在被 AI 重新连接。

PwC 的 7.2 倍数据是最该记住的一组数字。20% 的公司拿走 74% 的回报，差距不在用了多少 AI，而在「AI 健身」水平：把 AI 对准增长而不是只对准效率、建合适的基础、嵌入整个企业。这对每个营销人的启示是具体的：别再数你有多少个 AI 试点，开始数哪些试点在明确的业务指标上产生了可测的变化。Adobe 的数据佐证了规模感（88% 数字营销人在用 AI、每周省 13 小时），KPMG 和 Global Focus 的风险清单则提醒：品牌安全、版权、能耗、机密泄露这些隐性成本正在变成显性成本，先建流程的人先安全。

给读者一个本周就能做的动作：从 HubSpot AEO 或 Otterly Lite 的免费试用开始，建立你品牌的 AI 可见性基线。你会发现那些 AI 答案里的缺口，就是你的内容策略下一步该补的地方。