深度：私域正在借助AI跳級

??點擊報名見實上海年度私域大會

“私域還能做多久？”

“這個是偽命題。不論國內(nèi)國外，企業(yè)幾乎下意識的動作都是和用戶建立直接聯(lián)系，從APP到獨立站，從社媒到加好友。你看現(xiàn)在很多公司今年的增長都是在‘直連用戶’基礎(chǔ)上，運用AI獲得了大范圍的增長跳級。

某種程度上，不是私域不行，相反，是很多公司私域沉淀的用戶數(shù)不夠多，私域帶來的收入占比不夠多，因此無法感知到接下來的業(yè)績增長跳級、營銷跳級?！?/p>

這組對話剛剛發(fā)生在見實和騰訊企點營銷云產(chǎn)品負責人曾煒之間。就在2025年的下半年，許多企業(yè)營銷和增長方式都發(fā)生了很大變化，“涌現(xiàn)”出的許多新策略取得了“跳躍”般的業(yè)績增長。

只是，這些跳級是怎么發(fā)生的？增長和營銷的從業(yè)者們正在遇見些什么？

01

兩年和涌現(xiàn)

在今年9月的騰訊全球數(shù)字生態(tài)大會上，絕味食品成為騰訊集團高級執(zhí)行副總裁、CSIG總裁湯道生（Dowson Tong）提及的重點案例，當時他在大會場上這樣說道：

“我們與絕味食品開展了一次全鏈路AI營銷實戰(zhàn)，通過多個智能體‘協(xié)同作戰(zhàn)’，實現(xiàn)從用戶洞察到內(nèi)容推送、權(quán)益發(fā)放，再到最后成交，營銷全程智能化運營。AI組的銷售業(yè)績是人工組的3.1倍，內(nèi)容點擊率1.8倍，支付轉(zhuǎn)化率2.4倍（詳情見）”。

如湯道生所言，這個案例是“全鏈路”的提升。其中要做的，是投入大量資源改良AI、進行對比試驗、反復(fù)迭代。

跟了整個過程的曾煒，和見實回顧了其中一個對比試驗的細節(jié)：如發(fā)券這件事，過去各家公司有很多自己的規(guī)則和算法來計算發(fā)券效果。不同團隊有不同的實踐與方法，如有人根據(jù)歷史數(shù)據(jù)將用戶分成高頻低敏感、高頻高敏感等類型，有人則根據(jù)活動地域等維度分類，各自設(shè)計一套券池。但券池最后到底該怎么定，往往難以達成一致。最后只能通過實驗：不同團隊各自設(shè)計一套券池，大家都想控制券的總成本，然后看看哪種券池轉(zhuǎn)化率更高，用結(jié)果來說話。

而在當時的絕味，光券池細節(jié)就上了三套方案，分別來自算法專家、業(yè)務(wù)專家、數(shù)據(jù)分析專家。

最后結(jié)果跑出時，AI 組方案效果顯著優(yōu)于人工方案。不管是專家還是數(shù)據(jù)分析師基于經(jīng)驗和拍腦袋想出來的方案，AI效果都要更好。通過這場 PK 實驗，企點和絕味觀察到：

在大規(guī)模用戶、極其精細化的數(shù)據(jù)處理場景下，AI 能產(chǎn)生的效果上限遠遠高于人工。

另一個被重點提及的案例是太平鳥——國內(nèi)知名的服飾零售品牌。他們的做法可以這樣概括：

從數(shù)據(jù)層面（即人群包）的提取分析開始，到中間用戶旅程的編排，再到匹配商品和權(quán)益內(nèi)容的生成與推薦，最后到整場營銷活動的復(fù)盤分析。整條鏈路都被Agent端到端完整串聯(lián)起來。

相比絕味的全鏈路提升，太平鳥上述做法則更多像是典型的單點突破。兩家執(zhí)行上的差別是：

絕味在借助AI帶來的全鏈路優(yōu)化，實現(xiàn)成倍數(shù)的巨大提升。太平鳥則在一個環(huán)節(jié)就提升了90%效率，對于這家服飾品牌來說，AI最契合的是兩個環(huán)節(jié)：一是客單價較高，對用戶再次觸達時要求分層的精準率非常高，這方面 Customer AI 的概率預(yù)測發(fā)揮了關(guān)鍵作用；二是在關(guān)鍵用戶交互階段，內(nèi)容的豐富度非常重要，通過 AI “圖生視頻”能力顯著提升了這個環(huán)節(jié)的表現(xiàn)。

企業(yè)的感受因此是：

Agent 可以幫助企業(yè)做比以前更多的實驗和嘗試，通過提高實驗頻次來加快探索，從而提升效果。

如果企業(yè)要用，要借鑒誰呢?

曾煒的建議是：很多企業(yè)可以先學(xué)習(xí)太平鳥，實現(xiàn)單點突破。第二步再爭取做到絕味那樣的效果，實現(xiàn)全鏈路的優(yōu)化。

不過，這兩個案例實際都是前述騰訊全球數(shù)字生態(tài)大會前后才浮現(xiàn)出來——準確說，就是今年三季度。

而一年前可不是這樣，一年前，大家能分享的AI營銷案例多集中在AI在小點上的提效，無法實現(xiàn)全鏈路的效率提升。對比此刻，曾煒感覺，兩年時間中AI對業(yè)績的提升已是完全不同的局面——AI營銷全鏈路提效的案例開始涌現(xiàn)，這也是他認為是AI與營銷、私域和全域增長結(jié)合帶來的業(yè)績增長的原因所在。

有意思的是，就在見實約著曾煒長聊時前往的路上，路過一個會議中心。當時許多工人正在幫助一家公司為即將帶來的大會搭建現(xiàn)場，被率先立的大會主題赫然寫著“效果涌現(xiàn)”——不同公司對今天AI帶來的效果感受都極其一致。

02

三種驅(qū)動模式和變化

在陪著這些品牌無數(shù)次測試過程中，企點將今天企業(yè)的AI增長歸納為三種驅(qū)動模式，即不同企業(yè)在什么階段會以什么方式運用數(shù)據(jù)和AI。

第一種是經(jīng)驗驅(qū)動。行業(yè)過去擅長在單點用數(shù)據(jù)和AI來輔助提效，最典型就是在私域的數(shù)據(jù)分析工具和助手類AI功能。不過，很多企業(yè)在運用這些技術(shù)時，認為已經(jīng)是在做數(shù)據(jù)驅(qū)動，但實際上仍是基于經(jīng)驗制定規(guī)則、套用數(shù)據(jù)，并沒有真正做到數(shù)據(jù)驅(qū)動——大部分決策靠的還是經(jīng)驗和規(guī)則。

第二種是數(shù)據(jù)驅(qū)動。類似太平鳥這樣的知名零售企業(yè)，數(shù)字化成熟度較高，就是在真正嘗試數(shù)據(jù)驅(qū)動。剛才簡述他們運用AI的過程中就提到，通過機器學(xué)習(xí)模型在特定場景下做商品推薦、復(fù)購預(yù)測、流失預(yù)測等分析，然后用這些數(shù)據(jù)作為增長驅(qū)動力。

曾煒評估認為，今天絕大多數(shù)企業(yè)還處于從經(jīng)驗驅(qū)動向數(shù)據(jù)驅(qū)動的過渡階段。真正實現(xiàn)數(shù)據(jù)驅(qū)動的主要是泛互聯(lián)網(wǎng)、金融以及某些數(shù)字化成熟度高的行業(yè)子賽道。數(shù)字化程度高且競爭激烈的行業(yè)，數(shù)據(jù)驅(qū)動上越是走在前面。

第三種則是LLM Agent驅(qū)動。企點在陪著這些企業(yè)測試的過程中發(fā)現(xiàn)，大模型能回到“人”的視角，通過理解用戶歷史行為和所處的上下文環(huán)境，直接生成一個推薦，在部分場景下效果反而更好。如原來基于概率統(tǒng)計來預(yù)測優(yōu)化，轉(zhuǎn)化成了基于業(yè)務(wù)語義和對用戶理解來生成內(nèi)容和行動策略。

這時，私域和全域運營打通時沉淀的大量基礎(chǔ)信息，會幫助這些推薦變得更為精準。

曾煒認為，這三種驅(qū)動模式在市場上并存。不同階段的公司用好其中一個驅(qū)動即可。如有的公司剛剛開始在做數(shù)字化轉(zhuǎn)型，有的開始嘗試用數(shù)據(jù)驅(qū)動、用經(jīng)驗做規(guī)則。而類似絕味和太平鳥這樣的先鋒企業(yè)，則在嘗試更“全鏈路”地用智能Agent來優(yōu)化系統(tǒng)，他們的增長趨勢正在從“數(shù)據(jù)驅(qū)動”走向“LLM Agent驅(qū)動”，且越來越朝LLM Agent驅(qū)動邁進。

這些描述都還停留在公司層面，如果回到從業(yè)者的個人視野看可能的變化，則會激烈的多。

傷心的是，第一個變化結(jié)論：專家和經(jīng)驗在這種變革中，優(yōu)勢當然無存。

記得剛開始說的絕味的方案競賽嗎？不同領(lǐng)域?qū)＜曳謩e出了多套方案，結(jié)果都不如AI跑出來的效果——很多從業(yè)者好不容易經(jīng)過多年努力，成為行業(yè)專家。卻在AI的沖擊下變得“無用”。

這不是說經(jīng)驗沒有用了。而是說：不是用經(jīng)驗去排斥AI，相反，是要用AI來結(jié)合經(jīng)驗。絕味的試驗中曾煒就看到：

最后當AI結(jié)合經(jīng)驗時，效果繼續(xù)獲得了提升。

第二個個人要面對的變化，是人和人之間的協(xié)作，正在變成人-機之間的協(xié)作。

日常的工作往往需要大量的部門協(xié)同和專業(yè)分工，如增長就需要數(shù)據(jù)分析師、業(yè)務(wù)專家、運營專家等等，各種專業(yè)分工非常細。但過度細分又帶來一個難題：人和人之間的協(xié)同成本特別高，導(dǎo)致真正落地時非常困難。甚至還有打架現(xiàn)象：

如見實同期在發(fā)起一個調(diào)研，追蹤一些公司私域團隊垮掉的原因，其中很大部分就是電商和私域團隊沖突導(dǎo)致。電商認為私域分走了資源，影響了轉(zhuǎn)化效果。協(xié)作，居然成為增長的阻礙之一。

但AI Agent 出現(xiàn)后，原來需要人和人互相協(xié)作完成的專業(yè)工作，轉(zhuǎn)化成了人和機器的協(xié)作，把其中一些專業(yè)細分的部分沉淀到AI里去。也就是把人人協(xié)作的問題，轉(zhuǎn)化為了大量的人機協(xié)作，由機器作為中介，機器肯定比人聽話多了。通過這種方式，長期存在的難題似乎正在迎刃而解。

03

營銷和增長的跳級

以剛提及的人-機協(xié)作為例，不同部門有各自KPI或做事風格，沖突有時難免。如果引入一個“分析類Agent”，由機器做中介，協(xié)作成本就降低了。分析師也并不會失業(yè)——他的很多經(jīng)驗和科學(xué)方法被沉淀到 Agent 里，作為規(guī)則約束和知識背景。這樣就有效化解了人與人協(xié)作中的矛盾。

那么，人的工作崗位會因此大幅減少嗎？

僅就目前而言，答案是否定的。

許多從業(yè)者在見實正在展開的年度行業(yè)調(diào)研中這樣表述：所在部門在運用AI上效率大增，而且，人手和薪水沒有縮減，相反人員在增加、薪水也在增加，以及近在企業(yè)對眼前的2026年中，包括AI和全域數(shù)據(jù)系統(tǒng)的投入預(yù)期都在增加——如果前述提及的AI疊加經(jīng)驗會帶來更快增長，且AI輔助下，效率大幅提升，那為什么不增加投入，讓增長變得更快、更大呢？

曾煒的感受是：過去不論國內(nèi)外，都沒有用 Agent 驅(qū)動多渠道營銷平臺（國內(nèi)則是私域營銷）并取得很好落地效果的案例。但到了現(xiàn)在，不少標桿案例涌現(xiàn)出來、超出預(yù)期。因此，2026年會是一個新突破點：

“今年跑在最前面絕味、太平鳥等企業(yè)，明年應(yīng)該能讓這套系統(tǒng)持續(xù)學(xué)習(xí)，根據(jù)反饋不斷成長，把效果進一步提升”，因此，會形成一個自轉(zhuǎn)的反饋迭代機制。

剛提及的行業(yè)年度調(diào)研，是見實每年都會推進的工作。結(jié)果會同步在年度私域大會上公布。同在調(diào)研中，絕大部分的企業(yè)都明確回復(fù)，私域帶來的貢獻和占比仍在繼續(xù)提升。而全域（可以理解為多平臺、多渠道同時進行私域運營）和AI的疊加，讓這個提升的效果更加明顯。

為此今年甚至邀約品牌嘉賓時，感受和曾煒一致：許多品牌主動提及希望分享自己在AI全鏈路優(yōu)化上的案例和心得。

因此，增長跳級這件事情，正在從個案逐漸變成行業(yè)共通現(xiàn)象。越是先發(fā)的優(yōu)勢越明顯。

這時回到文章開頭的對話中去，曾煒認為，今天AI帶來的增長跳級，正是建立在私域和全域的基礎(chǔ)乃至基建之上——SCRM（企微互動）、CDP（客戶數(shù)據(jù)平臺）、MA（營銷自動化）、FA（融合分析）這四大件必不可少。沒有因此打通、積累和沉淀的數(shù)據(jù)，想要實現(xiàn)跳級就無從談起。

許多企業(yè)所面對的問題是，私域沉淀的用戶不夠多，私域帶來的收入占比不夠大?；蛘呔褪腔ú粔蛟鷮崱?/p>

即便現(xiàn)在重新做，也還來得及。

只有基礎(chǔ)打好了，才能積聚跳級的力量。

↘大會精彩議程和內(nèi)容提前看：

↘私域服務(wù)對接：