当年造出营销自动化的人,现在亲手把它推翻了
一篇学习类文章报道,Marketo 联合创始人 Jon Miller 发布了面向企业级 B2B 的新营销自动化平台 Phave,以 AI 决策引擎替代静态规则,并采用播放列表式触点编排与 MCP 智能体接入。


昨天,9 月 23 日,我刷到一条消息,愣了一下。
Marketo 的联合创始人乔恩·米勒(Jon Miller),回来了。他悄悄干了两年多的新平台 Phave,正式发布。做的还是他老本行:营销自动化。
有意思。一个亲手造出这个品类的人,转了一圈,回来说:这条路,得推倒重来。
什么叫营销自动化(MAP)?
你肯定听过这个词。它的承诺本来很美好:帮 B2B 公司在海量人群里找到潜在买家,一路培育,最后变成订单。省人,省力。
但是。
这东西后来长歪了。它慢慢变成一套僵硬的、基于规则的系统:营销团队把潜在买家塞进流水线,无止境地群发邮件,却不管 B2B 采购这件事本身有多复杂。
米勒说得很直白:买家早就变了,老一代的营销自动化,原地没动。
买家往前跑了十年,系统还站在原地。
为什么这么说?咱们先看看,B2B 的买家到底变成了什么样。
规则处理不了"模糊"
先简单介绍下米勒这个人。
他不是第一次干这件事。Marketo 之后,他又创办了账号营销平台 Engagio。2020 年,Engagio 卖给了 Demandbase。就是在 Engagio 那几年,他反复听到同一种抱怨:老平台,跟不上了。
跟不上在哪?
以前,采购决策可能就是一两个对接人拍板。现在,是一整个采购小组集体决策;买家先匿名做大量调研,不透露身份;而且营销要管的,不只在售前,一直管到售后留存。
可老系统的地基,还是"静态线索、线性活动、手动规则"这老三样。
那大家为什么一直忍着?
米勒看得透:不是满意,是没得选。
旧产品能活这么久,靠的往往不是好,而是用户没别的选择。
所以 Phave 没有在老平台上打补丁。米勒的团队花两年时间,闷头做了一个面向企业级 B2B 营销组织的整体替代品。发布时,它已经跑在 10 家公司的营销运营上了。
联系人、目标客户、多人采购小组,在 Phave 里都是一等公民:各自有意图分数,各自有买家旅程。
这是地基。真正的分水岭,在决策引擎。
什么叫决策引擎?
传统营销自动化的玩法是:潜在客户做了 X,就触发 Y;分数到了阈值,就转给销售。全是写死的 if-else。
米勒有句话,我觉得说到了根上:规则擅长处理"什么必须为真",但处理不了模糊,也给不出"哪个更好"的判断。而 B2B 采购,恰恰全是模糊和复杂。
想想你身边的老司机。
交通法规是规则,管得住所有人。但"这个路口该不该让、什么时候并线最稳",法规写不出来,得靠判断。
Phave 干的事,就是给系统装上一个 AI 老司机。碰到规则没覆盖的场景,它结合眼前的上下文,推出下一步最合理的动作。
活动是专辑,触点是歌
Phave 还有个设计,我觉得特别妙,叫"播放列表"(playlist)。
这个比喻从音乐平台借来。米勒是这么解释的:活动是专辑,单个触点是歌。AI 不给每个人现写一首新歌,而是把现有的歌,按对这个人最优的顺序,一首一首放给他听。
播放列表持续读上下文,根据个人、客户、采购小组三个层面的实时数据,决定下一首放什么。
比如,系统发现某个买家总在周二打开邮件、从不参加网络研讨会。那后续触达就自动调整:周二发邮件,研讨会别硬塞给他。
这个设计还顺手解决了一个运营部门的陈年老毛病:撞车。
传统平台上,几个团队各管各的活动,经常不知不觉给同一批人重复轰炸。Phave 充当总调度:一个高优先级的产品发布,必须周三触达某家客户,那跟它撞车的研讨会邀请,就自动挪到周五。
两个字:不打架。
营销人,开始通过 AI 智能体干活
还有一层,这才是真正的野心。
Phave 是照着这样一个时代设计的:营销人主要跟 AI 智能体打交道,而不是每天手动点仪表盘。平台通过 MCP(模型上下文协议)开放了 319 个工具,外部智能体、内部系统,都能直接调用来干活。
319 个。不是 3 个,也不是 19 个。
营销运营负责人还能给智能体写自定义"技能":活动怎么命名、UTM 参数怎么规范、流程怎么走,一条条写清楚。以后不用每次人工对标准,智能体照着最佳实践直接执行。
米勒透露,早期客户做活动的速度,已经快了 2 到 3 倍。
我为什么说这件事值得琢磨?
因为这不只是一场新产品发布。造出"营销自动化"这个品类的人,自己回头说:老路,走不通了。
品类创始人都转身了,跟在后面的人,还在犹豫什么?
谁真正读懂了买家今天的行为,谁就配得上这个重新洗牌的市场。
祝福米勒。也祝每一个被群发邮件轰炸过、也被群发邮件折磨过的营销人,早日等到属于自己的播放列表。
继续阅读
相关文章

跨境生意,是时候换一套 AI 工具箱了
一篇 learn 类文章,讲解跨境电商卖家如何用 AI 工具应对语言、法规、物流、支付与欺诈五道坎,梳理翻译、库存、客服、营销、风控五格工具箱与五步上手路径,并提示转化率、CLV 等指标和过度依赖 AI 的风险。

社交媒体营销的脏活累活,正在被 AI 一件件接管
本文介绍 AI 在社交媒体营销中可承担的四类工作:受众数据分析、文案与设计创作、广告定向与创意测试、垃圾内容过滤,并提醒内容判断和数据安全仍需人工把关。

AI 都这么能干了,你的社媒营销还在纯靠人肉?
本文将 18 款常用 AI 工具按用途分为六类,覆盖用户洞察、内容生产、内容排期、评论私信、广告投放和视觉制作,并讨论个性化、趋势预测与虚拟网红等趋势。