你的漏斗，早就漏了

前几天夜里，我躺在床上刷手机，买了个充电器。

事情是这样的。短视频里刷到一条测评，没忍住，点了收藏。第二天午休，我去搜了一圈"哪根充电线最快"，翻了翻电商平台的评价区，还专门看了几条差评。第三天中午，一条限时优惠的推送来了。我看了眼价格，点了"立即购买"。

前后三天，四五个平台，七八个页面。

你发现没有：这整个过程，我没跟任何一个"销售"说过一句话。

但我又分明是被卖成功了。

被谁卖的？我越想越不对劲。后来想明白了：我是被一套 AI 系统卖的。那条推送几点来、那页"猜你喜欢"怎么排，背后全是机器在做决定。

这不只是我一个人的体验。这几年，AI 正在悄悄改写消费者从"知道你"到"买你"的整条路。改得很安静，但改得很彻底。

它改了什么？你该怎么办？我一条条讲。

漏斗，为什么装不下今天的消费者

什么叫漏斗？就是那张你可能画过一百遍的图：最上面是"知道"，中间是"考虑"，最底下是"下单"。人从上面进去，一层一层往下漏。

这个模型有个前提：人得按顺序走。

可现在的人，不按顺序走。

波士顿咨询（BCG）和 Google 做过一项联合研究，说今天的消费者，几乎每一刻都同时泡在四种状态里：刷着视频、搜索着东西、逛着店、买着货。四件事来回横跳，不分先来后到。

有研究者还数过一笔账：一个普通人，一天之内要在手机上碰到 130 多个触点。

130 多个触点。你的漏斗图上，才画了几个格子？

所以 BCG 干脆给这条路换了个名字，叫"影响力地图"。地图是网状的，东一个点、西一个点，线把它们连起来；漏斗是直筒的，人只能从上往下。

消费者没有走丢，是你的地图过期了。

行为变了，系统没变

你想想看这个场景。

有个人在社交平台刷到一款新耳机，觉得不错，没买。隔了一天，午休时躺在沙发上翻电商评价。又过了半天，收到一条推送，午饭前下了单。

请问这一路，你的分析工具看见了什么？

只看见最后一行：订单完成。

用户走过这一路。只是你的系统里，没有这段路。

用户怎么变得这么没耐心了？说起来，是被 Amazon 和 Netflix 惯的。点一下就有推荐，问一句就有答案，即时、个性化的响应早成了默认配置。大厂用 AI 做到了秒回，小品牌慢半拍，用户扭头就走。

对，扭头就走。

而且今天的买家，在按"联系销售"之前，早把自己武装到牙齿了：搜过评测，看过开箱视频，翻过论坛，问过朋友，有些人连竞争对手的官网都逛了一遍。这叫自教育。等他真给你打电话时，功课早做完了，人家要的不是科普，是报价。

第一通电话，落在旅程的尾部。旧漏斗还以为它在头部。

更麻烦的是，真正决定成交的，往往不是那几个大阶段，而是散落一路的小瞬间。什么叫小瞬间？比如有人搜"最快的充电线"，搜完立刻点"购买"，这一秒就是。太小了，太碎了，传统的分析工具要么把它混进流量里，要么干脆看不见。

看不见，自然也就接不住。

AI 在干一件人干不了的事

那 AI 在这条路上，到底干了什么？

说白了就一件事：连线。把散落在几十个平台、几块屏幕上的碎片，拼成一张完整的图。

具体拆开，它干三件事。

识别意图。 一个人看产品视频看了几秒、在价格页停了多久、点开了哪条测评，这些小动作单看都不起眼，AI 却能把它们连成购买信号。人眼盯不过来的，它全盯着。

实时反应。 你把购物车一丢，几秒钟之内，站内消息和一封带优惠码的邮件就出发了，全程没有人手参与。响应速度从"几天"，变成了"几秒"。

预测下一步。 这是它最狠的地方。它不只接招，还算命：预测哪些人快买了、哪些客户快要流失，然后提前调整话术和方案，在你开口之前。

真得服气。一支再聪明的人工团队，也做不到七天二十四小时不合眼，盯着几百万块屏幕上的每一个小动作。

AI 能。它现在就在这么干。

旅程的每一段，都有一双看不见的手

把镜头拉近看，从发现到成交，每一段都有 AI 的影子。

最上游，是投放。接近三分之一的网民装着广告拦截器，硬轰已经没用了。AI 的做法是只对"可能真在乎的人"说话。省钱，也不惹人烦。

中间，是答疑。你浏览网页时弹出来的那个小窗口，替你回答问题、推荐内容。它是机器。但你不一定分得出来。

最底下，是挽留。它察觉你在结账页犹豫，马上触发一轮挽留动作。

这三段里，AI 都不是主角，是那个把主角送到位的人。

三个安静发生的变化

有些变化，发生在幕后，安静得很。

第一，旅程从一条线，变成了一个圈。 成交不是终点，是下一轮的起点。你买完，系统立刻复盘：这个人从哪儿来、看过什么内容，然后把答案喂给下一轮投放。老客户回来时，看到的已经是照着上次购物长出来的新广告。

第二，每个动作都在被记账。 一个点赞，一封邮件几点被打开，都会被记下来、被分析。哪类内容留得住人，哪个渠道真的带来销量，算法心里有数。营销从"活动结束后复盘"，变成了一块实时跳动的仪表盘。

第三，客服从接电话的，变成了猜心思的。 聊天记录里检测到烦躁的情绪，秒转人工；关于新功能的提问突然变多，帮助组件就先上线了，不等用户卡住。它还会翻历史：过去哪些模式之后用户会取消订阅，看见了，就提前递上台阶。

服务从"你问我答"，变成了"你还没问，我先答"。

小公司也别慌，这道题有解

讲到这里，你可能会说：这些都是大厂的玩具，跟我一家小店有什么关系？

有关系，而且比你想的近。

有调查显示，大约 75% 的中小企业已经在试验 AI；增长快的那批中小企业里，这个比例是 83%。Salesforce 的调查还发现，86% 的中小企业领导者，用 AI 报告帮自己扩张。另一份调查里，51% 的中小企业已经上手，25% 天天在用。

而且大家用的，都是很朴素的招数：

健身房、美发店在网页上挂个 AI 机器人，24 小时接预约、答问题。半夜来的客人，也接得住。小零售店用邮件工具自带的 AI，按购买记录分群、挑发送时间，等于雇了个不要工资的营销团队。小 SaaS 团队用 CRM 里的 AI，标记哪些试用用户快成交、哪些快流失，然后在合适的时刻，递上一封合适的邮件。

给你一个省钱建议：先别急着买新工具。翻翻你现在用的邮件系统和 CRM，很多都自带 AI 功能。从一件事做起，比如邮件分群。好用，再加。

真要动手，先动这四个地方

第一，把数据打通。 AI 连线的前提，是数据在同一个池子里。CRM、邮件、广告、分析工具，喂进同一个客户档案，或者上一套客户数据平台。不然到处是盲区：邮件打开了，连不上后面的网站访问，你永远不知道是哪篇内容把他带来的。打通做得好不好，有个简单的判断标准：AI 能不能给你画出一张端到端的全图。给用户一个跨系统的唯一 ID，再把线下门店的互动也接进来，这个环才算闭合。打通之后，先盯住四个数：分渠道的转化率、净推荐值、流失率、客户终身价值。这四个数，是 AI 系统健不健康的体温计。

第二，内容要语境，不要数量。 AI 奖励的，是"对的话说给对的人"。发得多，没用。冬装外套的促销邮件，只发给看过或买过的人；"手机屏幕碎了怎么修"的搜索突然变多，你就立刻出这条内容。无差别群发，发得越多，浪费越多。

第三，让工具互相"接"，而不是各自"喊"。 用户弃购，邮件流程自动启动，站内机器人同时亮起来，这叫工具之间互相触发，需要接口级的打通。有个数据很说明问题：增长的企业里，66% 的技术栈是打通的；停滞的企业里，只有 32%。差出一倍。另外，自动化别当上了发条就不管的机器。让 AI 盯着效果，哪封自动邮件跑不动了，就换。工具栈能响应，才算智能；只会广播，就是一台更吵的喇叭。

第四，新老客户，两套待遇。 新访客需要的是"为什么选你"，给他看理由、看内容；老客户要的是专属优惠和补货提醒。妙就妙在，AI 能同时伺候这两拨人，还不喊累。

已经有人跑起来了

最后看几笔别人家的账。

电商这边，Amazon 的推荐引擎，一家就贡献了它大约 35% 的销售额。你只是来买个手机壳，它却知道你需要一副耳机。35% 是什么概念？差不多每三单，就有一单是机器"想"出来的。

咖啡那边，Starbucks 搞了一套叫 Deep Brew 的系统，挖会员 App 的数据：天冷，推热拿铁；再结合天气和周边活动，预测明天门店的客流。效果是美国市场移动订单，占到了三成。

太强了。

SaaS 公司用 AI 盯着用户在软件里的行为，关键功能几天没用，就被标记"高危"，自动触发回访和培训内容。诊所、餐厅用机器人接预约、答问题，把人手留给真正需要人的地方。Khan Academy 的 Khanmigo，给每个学生配了个一对一导师，还顺手帮老师出教案、出测验。医疗领域的 AI 机器人管着症状问答、用药提醒、分诊建议，医生下班了，它还在。房产网站 Zillow 的 Zestimate 更夸张：机器学习吃下公共记录和成交数据，实时给每套房估价；搬到 AWS 的数据工具之后，估值从按天算，变成了按秒算。

每个行业，答案不一样。但题目是同一道。

写在最后

回到开头那根充电器。

那三天里，我以为我在自由地逛。其实每一步，都有机器在接应。柜台后面没有店员，只有一套我看不见的系统。

所以，别再把漏斗当成地图了。你的客户不排队、不按层走，他们在 130 多个触点之间横跳。谁先把碎片连成线，谁先拿到地图。

客户旅程没有终点站，只有下一圈。

祝你，早日看见属于自己的那张地图。