AI Marketing Daily · 2026-09-20

今天这 11 条里有一条主线：AI 营销的比拼，从「谁在用工具」换到了「谁的系统跑得动」。HubSpot 的 1,700 人调研把差距拆成六个可抄的动作；Meta 把广告投放往全自动推，买方在忙着找开关；Windsor 和 VWO 把衡量口径与工具盘交到手上；出海侧在重算 AI 的账。建议先读头条，再按岗位挑分类区。碰客户数据的人，直接翻到合规那条。

🎯 今日头条

90% 的营销团队用了 AI 却没结果，HubSpot 调研拆出六个动作

发生了什么

HubSpot Marketing 频道 9 月 16 日发布了一段 14 分半的视频，底稿是 2026 State of AI 调研，覆盖 1,700 多位营销人。开场就给了一个难堪的数：只有 10% 的营销团队在用 AI 改造业务，另外 90% 用了，结果平平。差距被归到成熟度上，视频给了四阶段自评：early、emerging、established、transformational，并按阶段各配一个起点动作。

六个趋势里数字很密。AI Agent 工作流：86% 的营销部门已在用 Agent，76% 说近半年用量还在涨；顶级团队跑 4 到 6 个互联 Agent 组成系统，多数团队停在孤立的 2 到 3 个。定义顺手给了：工具等你提问，Agent 不等你提问，自己把流程跑完。数据侧：只有 25% 的团队认为自家数据质量优秀。技能侧：仅 15% 的公司把 AI 技能要求写成条文，35% 却已经在招聘、绩效、薪酬里隐性考核，53% 的营销人多少担心 AI 影响自己的岗位。反馈回路：27% 的营销人说速度与敏捷是 AI 带来的头号改善。

为什么重要

去年大家问「用没用 AI」，今年问题换成「拿出什么结果」。这份调研把差距定义成成熟度问题，工具清单解决不了它。25% 数据质量那条最扎心：多数团队喂给 AI 的是烂输入，然后抱怨输出平庸。15% 与 35% 的错位同样值得玩味，不少人正被没人明说的标准打分。同类内容里，这份材料的价值在于每个趋势都配了起点动作，能直接抄作业，不用自己再翻译成执行方案。背景补充一句：调研是 HubSpot Unbound 主题演讲的底稿，完整报告免费放在视频简介，值得转给全团队。

对营销人的影响

岗位层面，AEO 专员与 AI 教练并列当下招聘第一岗位。团队缺这个角色时先看内部，有人已经在私下干这活，该给的是涨薪。个体要把 AI 做了什么、带来了什么结果记下来，带进下一次绩效面谈，因为隐性考核已经开始了。

工作流层面，互联 Agent 是分水岭。示范案例是一条内容再利用流水线：一篇博客进去，自动产出要点、社交文案、三行邮件简介和 60 秒脚本，四路输出中间零人工。HubSpot 用 Claude skills 搭的，无代码，宣称不到一小时。再往前一步，把再利用 Agent 接上分发 Agent，人只留一个审批动作。

节奏层面，27% 说速度是首要收益，转型型团队按周甚至按日看数据，几小时内就更新在投 campaign。月度复盘周期在 2026 年已经是慢动作。

怎么用

按阶段抄动作。early 阶段挑一个可重复任务全自动化，社媒文案和邮件主题行是常见起点。emerging 阶段问题出在流程，让 AI 复盘最近三次 campaign，找掉量在哪、哪些数据你看见了却没动作。established 阶段往上跳靠喂数据：本周接一个数据源，通常是 CRM，接之前先清洗。品牌语气、历史 campaign、CRM 这三样接不进工具，产出就永远是通用模板。

AEO 一条单独立刻能做：挑一篇有流量的内容，把埋在中段的答案挪到开头，写短、写具体，让 AI 引擎能直接摘取。反馈回路按周起步：挑一个在投 campaign，先问自己多久没认真看它了，超过一周就是起点，周五查邮件主题行 A/B 的结果，周一应用结论，小改动在跑的 campaign 上复利，比从零起一个新活动快。个性化另做一步：挑一个既有客群，老客或试用者都行，用 AI 把同一信息写出三种角度，先测再铺。

我的判断

这份调研的价值在自评坐标。多数人读完会发现自己高估了所处阶段，这恰恰是它想达到的效果；视频里那句提醒值得抄下来，说不清自己在哪个阶段，大概率就不在 transformational。先诚实定级，再选动作，比直接上第五个 Agent 有用。四个阶段里，emerging 往 established 的那一步最容易卡住，卡点通常在数据接通与流程固化，不在模型。AEO 与个性化是向外翻的两步，内部几步没跑顺就外翻，等于把通用输出撒向更多渠道。视频本身是营销漏斗，报告才是本体，拿报告去比对逐字稿。

🔗 深入阅读：查看完整文章

🏷 行业数据

出海营销重算 AI 的账：从大模型曝光到第一单隔着几周

impact.com 9 月 3 日在深圳 iPX 2026 中国出海营销峰会后接受访谈，CRO Justin Morrison 与大中华区总裁 Jennifer Zhang 把行业变化概括为从搜索时代走向答案时代。交易仍发生在搜索、电商或官网，但品牌能否进入候选池，由 AI 答案在更早的环节决定。背景是海关口径的 2026 上半年数据：高科技产品出口增 39%，自主品牌出口增 25.4%，产品能力在涨，进没进海外消费者的稳定备选名单是另一回事。

数据给得密。Adobe 基于超 1 万亿次美国零售网站访问的统计：2026 年一季度生成式 AI 来源访问量同比增 393%，3 月这类流量的转化率比非 AI 流量高 42%。Pew 对 68,900 次搜索的分析：有 AI 摘要时仅 8% 用户点击传统结果，无摘要时为 15%，同期 Google 搜索收入 2026 二季度仍同比增 17%，两组数据指向共存重塑，未见此消彼长。Evertune 分析显示，AI 引用最多的 1 万个来源中超 40% 含联盟链接或赞助属性，注明这是伙伴自研数据，推不出付费必然换来推荐。

衡量上，AI 提及率、答案排名、触达数都是过程指标，新客、收入、CAC、留存才是经营指标，首单通常要数周到数月。小品牌建立市场影响力可能要 6 个月到一年以上，AI 提的是信息分析与伙伴匹配的效率，压不短品牌信任的积累周期。

组织问题浮出水面。伙伴类型边界模糊，同一批人被多个部门重复触达，Jennifer Zhang 预测未来 3 到 5 年部分高管职能会合并，若她是 CEO 会把 CMO 并入 CRO。中国品牌的短板在组织本地化：本地人才进不进公司决策层、能不能参与决策并担责，直接决定对本地市场的响应速度。文中那个文身设备品牌的例子说明了前提：先搞清用户集中在文身师、音乐现场和街头社群，再定合作对象与内容。

💬 出海团队本周可做两件事：盘点品牌在主流 AI 工具答案里的出现率，建立基线；把过程指标与经营指标拆成两张表，给管理层只看后一张。别拿大模型曝光数当成绩汇报，CFO 不认。

🔗 深入阅读：查看完整文章

网红营销平台市场十年或翻 19 倍：微网红拿走近半投放

market.us 的网红营销平台市场报告（2024 年 11 月发布，基年 2023）给出市场坐标：全球规模 2023 年 162 亿美元，预计 2033 年达 3,069 亿美元，2024 到 2033 年 CAGR 34.2%；北美以 31.7% 份额（51.4 亿美元）居首，亚太被点名为增长最快区域。80% 的公司已把网红营销列入预算，美国市场投放将达 46 亿美元，五年翻倍。结构上，软件占供给端 65%，大型企业占需求端 76%，搜索发现类应用占 35%，零售电商占垂直行业 59%。

投放行为里有几个可引用的数。微网红占品牌与代理投放的 46.4%，60% 的营销者认为触达细分人群更有效，HubSpot 2024 社媒报告的口径是 47% 的营销者报告与微网红合作最成功，Instagram 上 nano 级网红占创作者的 65%。Instagram 投放约 19.5 亿美元居首，YouTube 与 TikTok 各约 9.86 亿；TikTok 使用意向从 45% 升到 67%，网红内容平均互动率 15.86%，远高于 Instagram 的 3.21%。单条帖子报酬 100 到 499 美元的交易占 19%。回报口径：每 1 美元投入平均带回 5.78 美元，69% 的消费者更信网红推荐，Revolve 把 70% 以上销售归因 Instagram 网红合作。

风险写得实在：仅 25% 的 Instagram 网红遵守 FTC 披露规则，假粉丝与互动造假、ROI 度量缺统一标准仍是行业难点，头部厂商 CreatorIQ、Upfluence、Traackr 在用 AI 匹配与预测分析应对。需要提醒的是，这份报告发布至今近两年，CAGR 34.2% 与 3,069 亿的预测口径激进，引用时注明数据年份与来源立场。

💬 预算配置可以直接抄：微网红占比接近一半，中小预算先把 100 到 499 美元单条这一档打透，跑出转化模型再谈头部。挑平台把 TikTok 15.86% 的互动率当参照系，别为信仰下单。给管理层引用时补一句数据出处与年份，省得被当众追问。

🔗 深入阅读：查看完整文章

🏷 平台动态

Meta 把广告往全自动推，买方开始打地鼠找开关

Marketing Brew 本期聚焦 Meta 广告的 AI 化（期号为 4 月 7 日，读时留意时效）。Zuckerberg 的设想：广告主只输信用卡号和业务目标，其余交给 AI。WSJ 此前报道称最快 2026 年底实现，受访买方认为远未到。

平台动作已经落地一串。Andromeda 检索系统重构了广告与用户的匹配方式；12 月收购的 AI agent Manus 出现在 Ads Manager；Advantage+ 套件持续吃下创意、定向、预算的决策权。The Charles Group 创始人 Aaron Edwards 的说法是，Meta 在用更少的广告组、更宽的受众简化投放，代价是控制权收紧。

买方的抱怨集中在被默认开启。Deutsch 的高级媒体总监 Hayley Owen 说，团队要不断排查被悄悄打开的新功能，像打地鼠，测了才知道改了什么。Meta 发言人 Alisha Swinteck 给出回应：今年 3 月起，退出 Advantage+ creative 的偏好会跨 campaign 保存，不再回落默认开启。Manus 的边界还在滚动变化，买方目前只能把它当成新的未知项对待。

同期还有两笔行业坐标。WPP 的 2025 预测把零售媒体放在 2030 年广告总收入近五分之一的位置，金融与旅游正以 commerce media 的名义入场，但近两年的增速难以为继。Albertsons Media Collective（4,980 万忠诚会员）首次登陆 IAB NewFronts 主打全漏斗叙事，其媒体与衡量 VP Liz Roche 说零售媒体不只属于漏斗底部；Walmart 带来与 Vizio 合并后的产品，Amazon 的 unBoxed、Home Depot 的 InFront 说明网络方在自建场合抢预算。简报里另有 Publicis 收购 160over90、Meta 因数据泄露暂停与 Mercor 的合作。

💬 投 Meta 的团队建一张默认开关清单，每次登录先对照查一遍，退出偏好显式保存，这是当下保住定向控制权最省事的动作。自动化别全接，创意与预算留人工复核，出问题才找得到原因。零售媒体若在你们的盘子里，WPP 那个五分之一是配预算时的现成论据。

🔗 深入阅读：查看完整文章

🏷 营销工具

2026 年追营销 ROI 的九种方法：MMM、CLV 与成本每结果

Windsor.ai 的长文（CMO Mary Rybalchenko 署名，9 月 2 日更新）给出九种方法。背景数：85% 的营销者自认擅长测 ROI，只有约 32% 跨线上线下渠道统一度量，缺口是系统性的。

九法里几条最值钱。多触点归因把功劳摊回全旅程，末次点击报告里消失的广告和邮件重新回到预算讨论。MMM 补归因盲区：示例中自然搜索与社媒在零投放周仍贡献约 20% 的基线收入，Google Ads 追加 20% 预算只换来 5% 收入提升，渠道近饱和，这两类信号点击路径上看不见。CLV 口径下，邮件与忠诚度渠道客户两年花约 600 美元，折扣拉新的一次性买家约 150 美元且很少复购，获客便宜的渠道长期价值可能更差。增量测试用 geo test 或 holdout 回答这笔转化是否本来就会发生。B2B 看管道：一个季度零成单但开出 20 个合格机会的 LinkedIn 活动仍值得资助，追踪机会创建、赢单率与销售周期加速。

口径替换一条最容易被忽视：用成本每结果替代 CPC。2 美元 CPC 但线索转演示率 0.5% 的活动，每场演示的实际成本可能高于 5 美元 CPC 但转化率 4% 的活动。其余三法：财务 ROI 与品牌词搜索量等非财务指标并行，品牌活动次季抬升品牌词搜索量就是可追踪的真实价值；实时仪表盘支持即时停投调价；把数据接进 LLM 做对话式分析。FAQ 补了工具栈三层：数据集成、归因或 MMM 引擎、仪表盘，连接数据永远排在分析前面。要留神的是全文带着厂商植入，350 多个连接器与 MCP 都是 Windsor 自家卖点，示例数字是说明性构造。

💬 向 CFO 汇报只挑两条起步：把报表口径从 CPC 换成成本每结果，再跑一次 geo 测试用数据交代预算去向。这两件事一周内能做完，比九种方法全上更见效。线下 ROI 只能给区间，别在会上报小数点。

🔗 深入阅读：查看完整文章

八款 AI 个性化工具横评：从每月 75 美元到定制报价

Wingify 官方博客 8 月 5 日的盘点把八款工具的定价、试用与功能摆上了桌。Adobe Target 靠 Adobe Sensei 做 Auto-Target 与实时 CDP，定制报价、无试用；Braze 的 BrazeAI 覆盖 AI 文案与预测定向，14 天试用；Dynamic Yield 的 Experience OS 附带电商导购 Shopping Muse，14 天试用；CleverTap 的 Clever.AI 做预测分群与生成式文案，每月 75 美元起、30 天试用；Insider 的 Sirius AI 生成旅程并配意图搜索，定制报价；Monetate 的 Orchid AI 融合机器学习与大模型；Personyze 每月 250 美元起，有 5,000 页面浏览的免费版；Webflow Optimize（原 Intellimize）用 AI Content Studio 生成落地页文案，官方为定制报价但设起步方案。

方法论部分同样有用：引用 McKinsey 结论，高速增长企业从超个性化拿到的收入比竞对多 40%；九项选型能力（行为追踪、高级分群、推荐引擎、预测定向、实时个性化、动态交付、全渠道、分析洞察、隐私合规）可以直接转成采购评分表。落地场景列了六类：智能商品推荐、动态站点内容、下一步引导、时机提醒（弃购挽回）、自动分群、个性化消息。G2 用户反馈里两条值得记：Adobe Target 与非 Adobe 产品集成复杂，Braze 强在旅程编排但高级功能对新手不友好。FAQ 里厂商自己承认了边界：模型吃历史数据，市场突变时无解。

要注意立场：这是 Wingify 自家博客，结尾整段在推广 VWO 一体化方案，各工具优缺点注明来自 G2 等第三方评价，可部分对冲但不能全信。

💬 采购别按清单全评，先划预算档：月预算千元级从 CleverTap 或 Personyze 的试用切入，已有 Adobe 或电商生态绑定的再谈 Target 与 Dynamic Yield。把九项能力做成加权打分表，两周出结论，拖到季度末就白评了。

🔗 深入阅读：查看完整文章

让 AI 推荐你而不是对手：GEO 起步清单

Fasturtle 的 GEO 服务页（9 月 10 日更新），FAQ 部分实质是一份面向实践者的入门方法论。前提判断：客户已转向向 ChatGPT、Gemini、Perplexity 要推荐，并倾向采信第一个答案，品牌要争的是被点名的位置。

GEO 建立在 SEO 之上，不替代它：多数 AI 引用来自传统排名靠前的页面，Google 官方口径也明说优化 AI 功能仍是 SEO，多数 GEO hack 作用有限。AI 决定推荐谁的信号有四类：传统排名、可独立摘取的清晰事实段落、第三方提及（目录、评论站、Reddit 一类论坛）、权威信号。有效做法：直接回答问题、给出统计与日期等具体事实、提供原创数据或专家引语、每段可单独成块、保持内容新鲜。普林斯顿 GEO 研究对约 1 万条查询测了九种策略，引用来源、加统计、放引语能提升 AI 可见性约 30% 到 40%。

技术玄学可以省了：Google 明确表示不需要 llms.txt 和特殊机器可读标记，干净的站点结构、加载速度、移动友好作用更大。度量用引用率、提及率、声量份额，定期拿真实客户问题实测各家 AI 工具；见效周期 3 到 6 个月且效果可复利。本地生意写清服务加城市加服务区域加真实评价，NAP 跨平台一致。对零点击焦虑的回应：被 AI 预先教育过的到访者意向更高。

💬 本周动作很具体：挑两三个带来收入的页面，把埋在中段的答案挪到开头，补上数字与日期，再去行业目录认领并补全词条。别买 llms.txt 或玄学插件，钱和时间省下来盯第三方提及。给团队定预期按 3 个月起算，一个月没动静就叫停是误伤。

🔗 深入阅读：查看完整文章

🏷 方法论与组织

95% 的 AI 试点失败之后：一套营销 AI ROI 路径

Uniphore 战略 AI 咨询总监 Jeremy Lyon 的 36 分钟研讨会（1 月 16 日上传，厂商内容，收益数字当参考）。切入点：95% 的 AI 试点失败，主因是没挂上业务战略，沦为影子项目。AI hype 的特征是冗余支出、缺治理合规的侧项目、高投入低回报。

路径四步。第一步，用五级成熟度（从探索到编排）加七个维度（人、流程、技术及治理、合规、AI 安全、可追溯性）做基线自评，搞清今天在哪；组织动能来自成熟度，工具只是其中一块。第二步，结晶 North Star，让 AI 投资同时覆盖收入增长、营销 ROI 与 CPA、客户生命周期、品牌 KPI，并拿到 C-level 支持；高管聊的话题已经从解痛点换成了抓机会。第三步，用二维矩阵筛选用例：可扩展性乘业务影响对实施成本，左下角 quick wins 数周内见效、建立公信力，右上角战略押注如 agentic 端到端战役编排；左上角那种吃资源又不出活的科学项目要主动砍掉，它烧的是团队的动能。第四步，按营销、CEO、CIO 各自的 KPI 排路线图，与 QBR 汇报冲突就回炉。

营销域的示范梯度清楚：广告文案变体生成是低成本 quick win，数周可验证；agentic 编排要先以受众、归因、产品等专用 agent 打底。厂商口径的收益：约 4 个月回本、单流程自动化案例运营影响近 1,000 万美元、领域微调的 SLM 让想法到执行提速 70%。这些数字出自厂商自述，写进商业案前自己留个折扣。

💬 别被 95% 吓住，拿它向内要资源：把矩阵画给老板看，左下角挑一个两周能出结果的用例先跑通，比一份 60 页规划更能换来预算。写商业案时把 KPI 对齐 QBR 节奏，评审才不容易被打回。成熟度自评那七问，下次周会就能过一遍。

🔗 深入阅读：查看完整文章

WPP 首席 AI 官的六类框架：先想清楚用哪类 AI 解哪类摩擦

WPP 首席 AI 官 Daniel Hume 在 Google Cloud Next 2024 的演讲（2024 年 7 月上传，当作背景框架读，数字与案例按当时口径）。开局三问：AI 用来提升生产力、解供应链摩擦，还是颠覆行业。组织终局被描述成三个数字孪生：业务模型、人才资源、后台流程，十年内收敛融合。

主体是六类应用，可映射任何供应链摩擦点：任务自动化（简单算法用对位置就有大价值）、内容生成（brand brains）、人类表征（audience brains）、机器学习预测（performance brains）、优化决策（channel brains）、人类增强。brand brains 一节最扎心：通用大模型只产泛化内容，给 Milka 出广告只知道紫色，品牌专属可量产内容要数周微调，RAG 被比作给醉毕业生递一本书。audience brains 首次模拟受众对内容的感知，可口可乐用它验证已知分群、发现新分群，还能当隔离投放的焦点小组用；另建政治、媒体、少数群体、食品合规几类人群大脑，给广告做伦理与合规预检，合成受众还能反向给 brand brain 产出图像 prompt，两个大脑互相对话。

performance brains 的价值在解释预测：模型不只说这支广告会有多少点击，还能说把黑猫换成橘猫为什么更好。渠道分配是运筹学的活，用优化求解，生成式 AI 插不上手：60 条内容对 60 个渠道的组合数超过宇宙原子数，WPP 每秒为数千渠道分配数千内容，口诀是超过七种组合就别用人。结尾亮出 WPP Open 平台，并用员工邮件、日历训练个人 LLM 数字分身做协作匹配，自认有点毛骨悚然但员工买账。

💬 把六类当体检表用：手头每个 AI 项目先归类，问它解的是哪类摩擦。多数团队的通病是全挤在内容生成一类，预测与优化两类无人认领。要不要花数周做品牌微调，看内容量产规模，日产几十条就别折腾，RAG 够用。

🔗 深入阅读：查看完整文章

BCG 算过一笔个性化预算账：25% 挪个位置，ROI 翻三倍

BCG Platinion 的全渠道个性化论述（2023 年 3 月发布，方法参考可以，数字引用注明年份）。背景：Adobe 数字价格指数显示 2022 年 11 月电子品类价格同比降 13.4%，杂货涨 13.7%，商务通缩把企业从纯线上销售推向端到端全渠道体验。

数据链条完整。满意客户追加消费的概率高 80%；Salesforce 调研中 74% 的客户已习惯跨多渠道开始并完成交易，60% 期望企业主动理解需求，疫情后被拉长的客户旅程里，单一渠道的体验留不住人；掌握个性化的企业整体增速可提高约 10%。测算最抓眼：把 25% 的大众促销预算转投个性化，ROI 可提升 200%，对应每年超 700 亿美元的全球增长机会。

方法上提出 just-in-time 个性化：不追着季度报告跑，用客流、搜索趋势、消费支出预测这类高频先行指标，在客群级别捕捉宏观购买模式的变化，发现转向就当场调；落地骨架是 MIDAS touch 框架，按衡量、创新、交付、激活、同步五步组织，数据管理被点名为跨渠道无缝切换的前提。五项优先事项：数据采集与隐私、解锁 AI 作为个性化引擎、端到端客户旅程数字化、可动态组装的模块化内容生态、打通系统与渠道的下一代架构。后半段是 BCG 的服务推广，读时过滤。

💬 挪预算这件事不用等年度规划：先按 5% 试水，把大众促销里转化最差的四分之一切给个性化测试，跑一个季度看增量。别被 200% 冲昏头，那是咨询口径的测算值，自己数据跑出来才算数。全渠道改造优先级里，把隐私与同意管理排第一，返工成本最高。

🔗 深入阅读：查看完整文章

🏷 合规红线

用 AI 做营销的四条法律红线：罚款上限先记住再开工

Analytics Vidhya 的合规梳理（2 月 9 日更新，作者 David Abraham 是科技律师）。法规侧三条先记罚款：GDPR 要求企业说明为何、如何、用哪些 AI 工具处理客户数据，并支持随时删除，违者最高罚 2,000 万欧元或全球营业额 4%；CAN-SPAM 要求邮件主题、头、正文真实且可便捷退订，Litmus 调查显示 34% 的营销者已用生成式 AI 写邮件文案，AI 抬高了欺骗性标题混进邮件的风险，每封违规邮件最高罚 53,088 美元；EU AI Act 要求客户与 AI 工具或合成媒体互动时明确告知，合成媒体涵盖生成图像、克隆语音、深度伪造与虚拟网红。

伦理侧讲偏差三类：数据偏差（训练数据男性偏斜，产出就只朝男性）、算法偏差、人因偏差。透明度要求披露 AI 生成内容，并解释用户为什么看到某条定向广告。

实操四条最实用：显式同意加双确认，IAPP 2023 年调研显示 68% 的消费者担忧在线隐私，57% 认为 AI 构成显著威胁；改用付费或私有化 AI 平台并退出数据共享，免费版 LLM 默认把你贴进去的数据拿去训练，片段可能出现在别人收到的回复里；建立 AI 输出人工审核与 SOP，写清禁用词与品牌语气；按季度跟踪法规更新，美国各州还有各自的隐私法。FAQ 交代的最大风险就两样：客户数据贴进不安全的工具，或未经审核的 AI 内容直接发布。文末关于用搜索排名评估供应商可靠性的建议论证偏弱，取其谨慎态度就好。

💬 本周先做掉两件事：全团队停用免费 LLM 处理客户数据，改付费版并手动退出数据共享；给每封 AI 起稿的邮件加一道人工审核。这两步几乎零成本，挡住的是 2,000 万欧元级别的敞口。合成媒体披露的要求，做虚拟网红和数字人的团队今天就要补。

🔗 深入阅读：查看完整文章

💡 今日总览

把今天 11 条摆在一起，主线清楚了：AI 营销的竞争从「谁会用工具」换到了「谁的系统跑得动」。头条调研说只有一成团队在系统化用 AI；Uniphore 那场研讨会把 95% 试点失败的原因指向同一处，没挂上经营目标；Windsor 的九法和 BCG 的预算账都在回答同一个问题，营销要按经营口径向老板交代成绩。工具不再稀缺，稀缺的是接进工具的数据、定得清的口径和接得住的流程。

第二个变化是入口在换。Meta 把投放自动化推到收走定向控制权的程度，impact.com 的访谈说品牌能否被 AI 答案点名，比在哪个渠道成交更靠前，Fasturtle 的清单给出了被点名的具体做法。搜索团队、投放团队、内容团队的活开始互相渗透，按渠道设组织会先撞墙，这也解释了 CMO 并入 CRO 那个预测为什么会出现。

提醒两条。今天榜单里有几条是旧料（WPP 框架、BCG 论述、网红市场报告），框架仍然能用，里面的数字引用时打折，尤其 CAGR 与咨询测算值。另一条，收权的平台与收紧的法规是同一件事的两面：自动化替你省下的工时，一部分会以合规成本和控制权的形式还回去。先接数据源，先定衡量口径，先守住开关，比再上三个 Agent 更要紧。个性化、归因、合规这三条线今天各来了一个坐标，下周值得盯的是 Meta 的开关清单会不会变成买方标配动作。