浙大教授王小毅:AI智能体正在重构企业营销逻辑

未来的管理学院应该是什么样子？以欧美顶尖商学院为参照，它们正在向科技应用和科技转化导向转型。浙江大学管理学院也在推动类似的变革，方向非常明确：减少对宽泛“领导力”话题的渲染，回归到管理本质与技术能力的扎实训练上来。

从2018年起，我们对营销人才的培养标准就发生了变化——不仅要懂业务，还必须能编程、能用技术工具解决问题。过去做一次市场数据分析，成本极高、周期很长；今天借助AI和智能体，同样的工作可以轻松完成，边际成本几乎趋近于零。这意味着，未来真正有竞争力的管理者，一定是把管理思维与技术工具深度融合的人。

中国营销有四个清晰的阶段。

• 第一阶段（1.0）渠道型。重点是渠道管理，包括分销、代理商和覆盖率。多数依靠经销商、订货会、加盟连锁模式的企业都遵循这一逻辑。但今天国内渠道几乎已经饱和。

• 第二阶段（2.0）终端型。核心是与终端的博弈与磨合。在终端面前，企业往往处于弱势——终端把同类企业的不同商品摆放在一起，有许多办法把单一企业的影响力降到最低。于是企业之间的竞争演变为终端之前的流量拦截。定位营销之所以有效，正是因为它让消费者在进店之前就已经在脑子里锁定了你的品牌，建立起心智优势。

• 第三阶段（3.0）个体型。最典型的个体形态就是私域。

• 第四阶段（4.0）智能体型。在个体形态成熟的基础上，购买决策由AI、智能体来代为处理，整个过程实现自动化。

从表达逻辑上看，2.0阶段，营销卖点通过关键词来呈现；3.0阶段，营销变成一种明显区别于他人的画面感；而到了人工智能阶段，消费者购物依靠的是大模型给出的答案——你的产品和品牌，要尽可能容易地成为那个“答案”。

人工智能时代，营销正在发生一个根本性的变化：过去我们说服的是消费者本人，未来我们要说服的，是消费者身边那个替他做决定的智能体。如果由智能体代为下单成为购物的主流方式，那么营销的核心命题就变成了一个——你的品牌，能不能进入智能体的“推荐答案”里？能不能影响它的判断？而智能体替谁选、怎么选，完全取决于它对用户的理解深度。它会为每一个用户单独建立、并持续更新一份专属档案。这是与过去截然不同的逻辑。传统营销理解客户的方式，本质上是“贴标签”——价格敏感型、母婴人群、一线白领……，把人压缩成几个粗粒度的群体特征，再做针对性投放。这套方法的天花板，就是消费者被切成几千几万个分群。

而今天，智能体可以记录和提取消费者的核心信息，颗粒度细到“原子级”——他在什么场景下犹豫过、什么话术能打动他、对哪种材质反感、上一次复购的真实动因是什么……过去做这种深度画像，成本高到不可想象，今天却几乎是零边际成本。这意味着什么？意味着千人千面已经不够了，未来是“一人一面、一刻一面”——同一个用户，在不同时间、不同情境下，智能体看到的都是一个动态变化的他。品牌如果还停留在“给人群贴标签”的旧思维里，就会发现自己根本接不住智能体那一端的提问。

过去三年，我们的研究发现，年复合增长率超过40%的企业普遍具备四个特征：一是强大的本地化渠道；二是聚焦小类目；三是具有跨文化叙事能力；四是由市场价值驱动，而非由技术或生产驱动。

比如浙江有企业把护眼灯从书桌移到客厅，做成“大路灯”系列，契合当下的家居设计趋势，开辟了全新的赛道。这类市场机会其实并不难抓住，前提是要善用智能体去发现问题、解决问题。借助智能体，我们可以从三个维度发现机会。

• 第一，洞察消费偏好是否发生迁移。关注变量而非存量，再去评估这种变化是否真正可能发生。

• 第二，从结构维度找到市场机会。判断一款产品值不值得在线上做，看两个基本指标。一是线上销售比率：低于20%说明仍以线下为主，不宜主攻线上；高于80%说明赛道已经拥挤，再切入也很难。二是品牌集中度：如果排名第一的品牌市场占有率没有超过20%，就可以认定这个品类还没有领导品牌。把这两个“20%”指标结合起来看就会发现：消费者越来越想在网上买这类东西，但又不知道该选哪个品牌——新机会自然就此孕育。

• 第三，持续通过品牌建设和营销动作，让这部分人群规模不断扩大，需求被真正释放，市场也就成型了。

智能体和大模型并不相同。大模型让机器具备了类人的思考能力，能听懂你的意思，并在数据中找到答案。但现实中大量业务并不需要那么多“脑子”，需要的是执行。而执行又需要大脑来指挥，因此智能体的逻辑变得至关重要。

人的精力是有限的，一个人一天做出20个重大决策已经接近极限。一家电商公司即便雇佣200人、每人负责一个渠道的投放，经验也很难量化沉淀。

今天打开豆包、DeepSeek，它们只能与你对话，并不能真正帮你“干成”一件事。它们帮你做Excel统计，本质上是调用编程程序自动执行。过去我们用大模型解决编程中的代码问题，现在这些代码已经被封装在智能体的Skill里，构成了一个真正能“做事”的系统，可以调用信息、发邮件、汇总资料、定时提醒等等。

我们正经历从辨别式AI到生成式AI，再到真正营销智能体的转变。智能体具备感知、模仿、超越和迭代的能力，已经能够按照人的“套路”行事——它能感知你的状态，模拟你要做的事情，按照你的思维模式自主演化出其他能做的事，并基于结果进一步迭代这个闭环。

需要强调的是，智能体不是具有“自主意识”的存在，而是“自主演化”——学习能力强，试错频率快。它本质上是一个框架，由你自己往里填充内容。它围绕任务规划、记忆管理、工具调用和推理角色四个维度来设计，可以驱动营销、销售、客服、定价、研发、财务等各类工作。凡是你能用电脑完成的事情，智能体都能做。这套逻辑实现了轻代码甚至无代码，使编程门槛大幅降低。

智能体的设计，首先要回答一个根本问题：它究竟要帮我们完成什么任务？ 而要回答这个问题，就必须先理解——我们的客户，到底在试图完成什么任务？

这正是我们新方法论的出发点：JTBD（Jobs to Be Done，待办任务）理论。

颠覆性创新之父克里斯坦森提出，企业创新做得再好，最终也要落到一件事上——把创新价值转化为商业价值。而转化的关键，在于深刻理解客户真正想要“被完成”的任务。客户的任务从来不是单一的，而是同时包含三个层次：功能性任务（解决什么实际问题）、情感性任务（带来什么内在感受）、社会性任务（塑造什么外部认同）。只有当智能体真正围绕客户的JTBD来设计，它才不只是一个“自动化工具”，而是一个能够洞察消费偏好迁移的“营销大脑”。

在这个时代，理解消费者的方法变得前所未有地多样。过去我们只能从购买、复购、点赞这些行为指标里反推客户在想什么，今天则可以引入更丰富、更深层的维度。去年，我们和某白酒品牌共建了脑机融合实验室来驱动未来产品创新，把触觉、味觉、嗅觉等多种感官信号转化为多模态数据，让大模型学习之后，能够模拟人的思维路径来评价一款新产品。

过去几年，我们也将机器学习与大模型结合做精准需求预测，并进一步用于品类优化——哪些产品线应该砍掉，哪些应该增加。举一个典型案例。我们与某头部油烟机品牌共创，用智能体分析社交媒体的数据，不仅解析文字，还要解读图片，专门捕捉新趋势的蛛丝马迹。有一天，智能体反馈了一个异常信号：平台上出现了一大批“油烟机旁边没有厨柜”的照片。

过去这家品牌的核心卖点一直是“吊柜嵌入式”，但智能体捕捉到这个异常值后开始推理：是不是厨房的形态本身已经悄然改变？我们把这个洞察同步给企业，经过验证发现——年轻人装修时确实开始放弃吊柜，开放式厨房正在成为新的趋势。这背后对应的JTBD已经在迁移：当油烟本身在减少，消费者要“被完成”的任务，已经从“对抗油烟”转向了“经营一个可以社交、可以生活的厨房空间”。如果品牌还在一味强调吸烟能力多强，方向就出了问题。真正应该关注的，是厨房内容的多样性，以及厨房作为“家庭社交中心”的可能性。

基于这一洞察，我们给企业提了一套全新的卖点体系：所有卖点必须同时满足“功能+情感”两条路线——既回应消费者的功能性任务，也承接他们的情感性与社会性任务。这套基于JTBD的智能体系，最终为他们带来了显著的业绩提升。

智能体的基本设计原则是从最简单的开始，非必要不复杂。最好每个智能体只完成一项工作，不要让多个智能体同时承担非常复杂的任务。因此，营销智能体的规划可以分三步走：第一步，做任务分析；第二步，思考最小限度需要调用的外部工具；第三步，判断是否需要自我循环与纠错。以电商运营为例，我们需要锁定目标对象、互动成交、售后服务这三件事，分别交由三个独立的智能体去完成。

硬数据预测正变得不再那么重要。软数据推理则越来越关键。管理需要的不是具体数字，而是预判市场是增长还是衰退的强推理能力。但如果你让大模型基于给定材料做推理，它给出的答案往往并非真正基于你提出的问题，而是基于其“脑海中”已有的行业共识——结果听起来很有道理，但也让你失去了发现新机会的可能。

目前营销智能体可分为三大类：策略洞察类，如社交监听、竞品监控等；内容创意类，如关键词优化、落地页检查等；运营类，如线索管理、全生命周期管理等。这些都是行业内已经相对成型的技术栈。

进入2026年，几个趋势已经非常清晰：

• 第一，AI营销以“意图”为中心，以达人营销为主要抓手，可以更好地发现消费者意图、形成营销备选方案，同时支持机器调用。

• 第二，智能体商务与“零点击购买”开始出现。消费者不再通过点击和浏览来完成购买，而是由智能体直接代为完成，这导致流量分发的底层思维发生变化。需要关注一个全新的指标——“模型份额”，即品牌被智能体推荐给消费者的比例。

• 第三，从SEO（搜索引擎优化）走向AEO/GEO（答案引擎优化）——让智能体把你的品牌作为“答案”输出。

• 第四，多智能体分工协作，进入“智能体运营”或“智能体工厂”阶段。智能体运营，就是第三方帮你运营智能体，通过工程优化持续降本；智能体工厂，则是第三方帮你开发、测试和持续优化智能体。

• 第五，对话式AI指令将成为主流，操作高度智能化，不再依赖编程。

• 第六，B端市场将被高度重视，B端智能体市场预计达15万亿美元规模，将催生大量AI中介采购与谈判。

• 第七，延伸出大模型和智能体本身的品牌。大模型是个黑箱，你并不知道它在哪里出错。未来大量预算会花在“让你放心用”上，而不是“效果有多好”上。

• 第八，广告技术与营销技术（AdTech与MarTech）持续融合。

• 第九，硅基劳动力将带来组织和劳动力的深刻变革。

• 第十，中国特色的“全域”已形成三个派系：通用SaaS、特定领域定制化、全链路融合。

由此可见，要关注品牌在大模型中的份额；智能体所产生的营收将直接进入企业账本；用户对智能体交互的满意度会越来越高，声量也会越来越大。

一家企业有几万个SKU，每月推出几千种新产品，又要淘汰几千种——面对如此海量的任务，人肉决策几乎力不从心。我们与上市公司某华南超市合作，用知识图谱的方法来萃取采购经理的知识，以此结合门店感知的市场趋势和公司战略目标来做选品，比纯粹依靠消费大数据要有效得多。营销不再需要多么宏大的策划，日常工作的效率提升才是真正的关键。

未来的组织结构会发生重大变化，从传统的职能化分工，进入“AI敏捷型”组织。我们要学会与智能体共处，构建职能、编排、治理三个层次。职能是最底层；编排是如何安排和调度智能体；而最终极的一定是治理层——建立机制来控制智能体，确保它不出问题。

瑞典一家金融公司曾激进地裁掉一半员工、由智能体替代，短期内成本下降、效率提升，但长期来看内容高度同质化、品牌独特性逐渐消失，最终不得不花更多钱重新招聘资深专家。他们的反思是：AI应该被定位为“扩增而非替代”，应以授权和协同为前提构建安全网，而不是把决策完全交给AI。

未来真正成功的企业会重视八个方面：预设优于生成；混合型人机团队；数据飞轮才是真正的护城河（用什么数据训练，比大模型本身更重要）；渐进式模型；中国独特的创作生态；关注智能体经济；智能体管理战略；以及因果推理——不要盲目相信AI，大数据只给你相关性，不会给你因果。人的价值正在于因果推理，而把相关性的工作交给智能体去执行。

我们真正要做的，是赋予市场长期的推理能力——推理比什么都重要。智能体的真正价值，在于从“被动响应”迈向“自主演化”。我们不只是在优化效率，更是在构建一个能够预演未来的消费市场。