营销科学家谈2026营销趋势(下):流量失效、内容泛滥、AI迷茫、自动化陷阱

营销人要解释营销对企业增长的意义

现在，中国市场中的营销主要还在"术"的技巧层面，没有真正的走到"道"的层面。

很多营销从业者无法解释自己的工作到底给公司带来了什么价值？

以前经济好时不需要解释，因为公司会默认营销花的钱都体现在了增长上，但经济不不够好时，营销人就面临解释营销价值的问题。

营销做得好当然是能支撑增长的，快消品类头部品牌很早就用数据做了验证，其它高参与度决策的品类也一定有可以证明的方法。解决了营销能为企业带来什么价值的问题，营销人的追求就有了意义，并且会更有意愿找到证明营销对增长作用的具体路径。

流量和效果类投放难以持久，ROI越做越低

当下，部分企业面临着两类指标下滑的难题。

一是销量，以季度为单位看，销量有连续下滑的趋势；二是品牌，认知度、喜爱度、购买倾向等指标也在下滑。

究其原因，主要是过度依赖短视频或效果类投放导致，不走量时指标马上就会掉。而且，玩家越多ROI就越低，因为效果广告是竞价模式，参与的企业越多，尤其是有实力的企业越多，广告价格就会被抬得越高，性价比就会越低。

效果投放的"失效困境"

有研究证明：效果类投放在1000元以下的商品有效，在高价值商品上作用有限。

我们有些客户反馈，纯效果投放单看效果还不错，但整体看，销量却在跌。这些品牌一直都在做BHT品牌健康度追踪，发现品牌的知名度、首选率（TOM）明显下滑。所以反过来，他们开始思考如何做更长期、更广泛、更突出的内容，比如冠名、联名、大覆盖。

效果投放收益减弱，重新申视品牌的作用

当下企业经营出现问题，一部分原因，是效果类投放的收益渐渐式微，这种情况下，再怎么投流，大概率是浪费钱。企业还是要回过头来，审视品牌的价值，通过新的品牌故事去占领市场，而不是纠结在效果还是品牌的问题上。

创始人决定企业成败，产品力是根本，营销是放大器

坦诚讲，有的时候，营销和生意增长并没有直接关系。

企业发展的根本，是老板对生意、对市场的认知和洞察，决策团队对产品的认知和洞察，对渠道的认知和洞察。不管是品牌营销，还是效果营销，事实上都是认知选择的放大器。

不站在营销的角度来考虑，而是一个企业存亡的角度来考虑问题，营销科学肯定是有价值的。但决定企业增长与否，最关键的，不是营销，而是创始人。

世界上最伟大的发明和创造，无不是对极致产品和品牌的追求，产品力和品牌力是企业生存的根基，相比之下，营销只是放大器。

企业应该将主要精力投入到产品力和品牌力的打造上，而非过度依赖AI或营销技术。只有在产品和品牌具备足够实力的基础上，营销才能发挥放大效应，再先进的营销技术也无法弥补产品和品牌的不足。

市场下行环境下营销要解决韧性问题

当前大环境下，大量企业面临的核心问题不是增长，而是在市场下行情况下，如何减少下滑的幅度并维持生存。

营销需要解决的不仅是增长问题，更重要的，是如何帮助企业在困境中保持韧性，在预算减少、市场缩减的情况下找到生存和发展之道。

这种情况下，策略性工具（社交媒体、电商、CRM、AI等等）都无法解决根本问题。企业需要关注的，是战略的调整。而调整的关键，在两个方面：一是在整体市场缩小的情况下，如何通过竞争从对手那里获取更多份额；二是开辟创新赛道。

品效平衡的前提：回答效果中有多少来自品牌

我认为，品效问题的关键，并不是企业不理解品牌价值，而是尚未清楚地量化品牌在效果中的真实贡献。

实际决策中，企业往往把"效果"视为即时转化的结果，却忽略了一个关键事实：任何一次效果转化，都是品牌长期影响与短期刺激共同作用的结果。

因此，企业在谈"品效平衡"之前，必须先弄清楚：当前的效果增长中，有多少是来自品牌资产的累积效应；有多少是真正由当期投放带来的增量。

这本质上是一个数学建模与因果拆解的问题，而不是态度问题。

动态市场下，"品效关系"必须被持续监测

品牌与消费者之间的关系是持续变化的动态结构。企业需要长期、系统地监测：品牌心智状态的变化；消费者需求和决策的关系；品牌对效果波动的缓冲或放大作用。

如果一味追求效果，往往会出现"舍本逐末"的结果：短期看似有效；中长期结果不可测；策略高度依赖环境，抗风险能力极弱。

不同体量的企业，品效失衡的风险不同

品效问题在不同规模的企业中，会呈现出不同的风险形态：

▪ 对大型企业而言：过度依赖效果投放，容易在品牌资产被透支后，形成"积重难返"的局面；

▪ 对中小企业而言：如果完全跟随效果逻辑，很容易在同质化竞争中迷失自身亮点，难以建立长期差异化价值。

2026新变化：AI让"科学计算品效"更容易

进入2026年，在AI与模型能力的加持下：真正"好的效果"，不再只是一次性的指标达成，而是可以被长期验证、被消费者持续认可的增长结果。

在我看来，企业平衡"品效投资"的关键，不是选择站在哪一边，而是：

▪ 持续、实时地理解自己与消费者之间的真实关系；

▪  明确品牌在效果中的长期作用；

▪ 用动态模型而非静态指标来指导决策。

品效平衡的本质，不是预算分配问题，而是企业是否清楚品牌在效果中的真实贡献；在AI赋能的2026年，持续理解品牌与消费者关系，将成为最重要的决策基础。

视频号的社交裂变效应与信任背书

根据第三方的用户调研，微信视频号的使用时长更长了，特别是高端用户，和一年前相比使用时长增加最多，新用户也越来越年轻了。

当被问及为什么增加视频号使用时长时，最多的三个原因分别是：访问便捷、便于与朋友熟人分享和互动、内容质量上升。

正所谓"朋友的一句好，胜过千言万语"，视频号的爱心赞会有涟漪效应，爱心赞让你的朋友也看到了这条视频，且是被你背书过的信息，朋友觉得好，也点了爱心赞，于是朋友的朋友也看到了，以此不断向外扩散，形成涟漪的社交裂变效应。

在一些实际投放的案例中，我们发现了爱心赞率和品牌进店率之间的强相关关系，特别有意思的是，在同样爱心赞率的情况下，爱心赞人群价值更高的视频会带来显著更高的进店率，也进一步验证了爱心赞具有明显的购买转化背书，高端用户的赞的涟漪转化价值也更高。

户外的不可替代价值

在线上流量成本越来越高的今天，户外作为唯一的线下媒介资源，媒介投资价值是不可替代的。

尤其是随着数字智能技术在户外领域的应用加深，户外媒体自身在打通线上线下、提供后链路转化等方面的能力也在增强，这都给户外媒体带来了更大的投资机会。

社媒挑战："内容泛滥"与"注意力稀缺"的结构性矛盾

到2026年，'社媒'和'内容'这两个概念本身，边界将被显著模糊和融合，甚至会出现新的命名方式。因为从本质上看，未来营销的核心并不是"平台内容"，而是对消费者真正有价值的信息供给。

当前和未来最大的挑战，并不是内容不够，而是：大量内容重复、同质、低质量。

消费者面对的是一个被过度填充的信息环境；真正被消费者主动选择和主动搜索的内容，占比极低。

在这个背景下，我认为需要重新定义"什么是内容"：只有"被需要、被主动选择的内容"，才是真正意义上的内容；其他大量存在的信息，更像是一种'环境白噪音'。

消费者的时间、注意力和决策权高度集中

无论是在线下的真实生活场景，还是线上作为"现实镜像"的虚拟世界，消费者都面临三个不可逆的约束条件：

▪ 时间是有限的；

▪ 需求是主动且主观的；

▪ 判断与是否消费，往往可以即时完成。

社媒营销方向：从"制造内容"转向"满足需求"

在这样的环境下，传统营销方式必然被颠覆。真正有竞争力的社媒内容，往往具备以下特征：

▪ 新鲜、有趣，能够迅速吸引注意力；

▪ 具备情绪价值，而不仅是功能描述；

▪ 能够清晰表达品牌或产品的核心价值；

▪ 能在当下场景中，及时回应消费者的真实需求。

因此，品牌和产品是否能够体系化地表达自身价值，并在关键时刻满足消费者需求，成为社媒营销的核心能力。

企业如何增强内容管理能力

企业需要完成一次从"内容执行"到"内容管理体系"的升级，与具备专业洞察、内容方法论和技术能力的合作伙伴协同，将成为常态。

2026年的社媒营销，不是内容做得多不多的问题，而是能否在有限时间内，为消费者提供真正被需要的内容；企业的竞争力，将体现在对需求的理解深度、内容的管理能力，以及价值表达的系统性上。

数据驱动的达人选择与内容策略

我们发现很多广告主投放视频号KOL后，看着一堆指标，并不知道到底哪里做对了，哪些值得进一步优化，也困惑于单个个例，到底能反映普遍规律，还是只是随机的结果。

内容创作背后关联着达人的创作角度、传递产品信息的场景，也关联着达人背后粉丝的特征和品牌自身目标人群的契合，我们发现有些品牌在尝试深度数据驱动的达人类型选择，场景内容设计，并且有一套完整的方法论。

举个例子，有个国产户外登山新品牌，我们发现他的购买用户特别喜欢摄影和亲子游，在选择摄影达人合作后，的确发现摄影达人的爱心赞率、进店率、ROI都要显著更好，更有意思的是，视频素材都提及了幺妹峰的攀登。

但亲子游有什么特征呢？一般带孩子的朋友不太会去太小众的地方，我们进一步发现，幺妹峰其实所处四姑娘山，视频素材中，四姑娘山提及的顺序和效果指标呈现出了线性正相关关系，越早提及，效果越好。

这些发现虽然只是整体内容策略的冰山一角，但不难看出，人群选择和内容匹配策略在当下视频号内容管理上的价值。

AI应用迷茫的，主要是品牌而非效果类客户

AI在效果广告领域的应用场景很多，因为算法会逼迫企业不停换创意，用赛马的方式选出效果更好的，不过，现阶段AI虽然能大幅降低内容制作的成本，但内容的整体质量不会高。

品牌广告主还在摸索并观望AI的原因主要有两个，一个是数据闭环不足，另一个是对创意要求太高，目前AIGC还不能完全满足。

未来，AI会打击所有搜索导向的媒体平台

未来AI有一个很重要的打击对象——所有的搜索类媒体，包括社交平台。

从长远看，没有多搜索结果，只有唯一最佳答案。所以，所有以搜索为导向的平台未来的发展都不容乐观。

AI应该在用户体验全过程发挥作用

当前关于AI的讨论，主要集中在"最后一公里"的决策促进层面，这类似于效果广告的逻辑。

然而，AI作为一种生成式技术和人类沟通的新型方式，价值不应仅限于转化环节。

品牌构建是一个系统性过程，而非仅仅在最后一公里发力。AI应该在用户体验的全过程，包括品牌认知、兴趣培养、产品体验到最终决策，都发挥作用，形成完整的价值链条。将AI局限于最后一公里，实际上是对其能力的低估和误用。

AI的ToB应用，关键是要融入流程

AI应用需要区分ToC（面向消费者）和ToB（面向企业）两种场景，两者的决策标准存在本质差异。

在ToC场景中，消费者选择AI工具的标准主要是性价比和响应速度。而在ToB场景中，企业对AI的要求则完全不同，包括确保AI输出的准确性、避免幻觉等问题，且B端能承受的风险也与个人用户截然不同。

目前行业尚未建立这两类场景的明确判断标准和共识。AI要真正颠覆现有模式，需要改的是业务流程本身。

当前所有流程仍以人工汇报为主，所以AI只能充当辅助工具。只有当流程转变为AI先行处理、人工进行审核时，才能实现真正的变革。当然，流程改变之后，还需要建立新的评估指标体系。

AI让技术平权后，如何获得优势成了大问题

2025年AI领域变化非常大。一月DeepSeek出现，三月Manus、八月有Nano-banana。最近Agent的自主规划也不重要了，专项的能力skill更重要，AI界的理论概念层出不穷。技术变化太快，企业也面对着一个又一个的新问题。

AI应用会大规模普及，一个更重要的问题也随之而来：都用AI，你凭什么比别人做得更好？这又变成一个关系整体效率的大问题。

AI能提升效率底线，但无法突破上限

在AI应用实践中，我们的一个核心发现是：AI能够显著提升团队整体的效率，但顶尖人才的创造性仍然不可替代，这种提升可以比喻为"将军统领强兵"，即AI能让之前普通的士兵整体提升为精兵。

它的价值在于提高效率底线，淘汰低效工作方式，将一般性工作提升到更高水平。然而，AI目前仍难以突破由顶尖人才创造的上限。这种"提升底线而非上限"的特性，决定了目前AI在营销领域的定位仍然是效率工具而非创新引擎。

人正在将决策权让渡于AI

当前社会运作体系中，AI自动化的应用范围正在快速扩张，比如AI评标、AI评分、AI调价等等场景。在营销领域，许多媒体平台已经逐渐取消了人工选择投放点位的功能，转向智能投放。

这个趋势表明，营销决策权的"开关"正在悄然从人工转向自动化。这也引发了一系列重要问题，包括：

• 营销决策权是否应该掌握在人的手里？

• 在营销产业链中，哪些环节应该使用AI，哪些环节不应该使用AI？

这些困惑也反映了营销行业对AI边界认知的不足，我们有必要建立更清晰的应用准则。

AI自动化提案是各平台的发展方向

AI在内容理解和文案生成方面展现出了强大的能力且日益精进。

尽管顶尖品牌人的深刻洞察力仍是AI难以企及的，但通过完善的Agent工具与工作流搭建，AI生成的策略已能够覆盖大多数营销场景。

我们看到各平台正积极推进营销全链路Agent的开发与迭代，其策略Agent都在向自动化提案方向发展，这将显著提高提案效率，降低营销门槛。

从建议到交付，构建AI决策闭环

AIGD（AI生成决策）是一个发展方向，但现阶段存在能力限制。当前AI主要扮演建议者角色，还无法独立完成决策或给出完整结论，更多是提供建议，需要人工协助进行最终决策。

中长期来看，我们希望完善从策略建议、到采纳执行、到监控优化的完整闭环，通过持续迭代与效果验证，实现AI策略效果的可预测与可优化。

届时，AI会从提供建议的工具转变为交付结果的工具。

AI是水电煤，它不是核心竞争力

AI实际是信息革命的第二个阶段，第一阶段是30多年前以IBM、惠普、微软为代表的企业开展的信息革命。

和没有哪个企业会将成功归功于微软或IBM一样，除了提供AI产品的企业，以后没有企业会因为AI而获得真正的成功，因为AI未来会成为基础设施，并不能创造差异性竞争优势。

AI与水电煤的性质相同，是企业运营的基础设施而非核心竞争力。

企业不应将AI视为差异化优势的来源，而应将其作为提升效率的基础工具。

真正的竞争力仍然来自产品创新、品牌建设和对消费者需求的深刻理解。

AI生成决策是理想状态，但在实际的管理结构中，仍然需要人来做决策和梳理决策逻辑。

这跟很多营销方法在理论层面具备科学性和先进性，但真正应用到具体的决策环节时，就会遇到各种组织架构问题和应用卡点是一样的道理。

AI在营销中的应用，核心价值是帮助人做出更好的决策，而非完全替代人的决策。

AI现阶段可用于运营决策，而非战略决策

AIGD包含两层含义：第一层是支持企业营销决策（供给侧），第二层是支持消费者购买决策（需求侧）。后者更为重要。

越来越多消费者使用AI辅助自己做购买决策，这使得消费者决策方式发生根本性改变。相应地，企业的营销策略和投放方式也需要做出调整。

但企业的AIGD也需要分层，对于运营层面的决策，因为有大量数据支持，且有具体的场景闭环，决策相对容易。

AI生成理想结果需要满足两个前提

第一，基础模型必须与任务完成者的思维高度一致（human-AI alignment）；第二，生成过程中，任务完成者可以通过指令持续干预AI的计算，而模型可以通过增强式学习，不断自我优化。

近来，也有信息科学家强调了人机协同的双向性，即任务执行者根据机器的反馈来调整自我认知。总之，人机协同和持续互动，是AI工作效果最大化的关键。

人机协同的最终决策权应该掌握在人手里

人机协同的重点，不在于模型的自动化能力，也不在于模型使用者，即人的不可替代性，而在于人与机器、人与模型之间通过协同工作形成共同智能（Co-intelligence）。

它不是一个静态目标，而是一个动态过程。任何一方都不可能在某个问题上完全占据主导地位，而是需要持续互动。作为整个系统的使用者，人应该掌握这一过程中决策的主动权：

在自动化和社会化（人工决策）之间，人应该掌握"开关"，决定在哪个节点、哪个具体决策上，选择由机器还是由人工主导。

对主动权的把握是价值观问题。营销科学家应该倡导由人把控决策开关。价值观的选择将决定AI在营销领域的发展路径。

警惕AI自动化陷阱，把握AI制度化的关键节点

技术发展是一个螺旋式上升的过程，我们常常看到历史以更高版本的形式重演。

如果说Consumer Insights曾遭遇过被大数据裹挟的困境，未来企业的营销是不是也会面临AI主导的全自动化决策陷阱？

当AI无处不在但又不知道具体在哪里应该用或不应该用时，这正是AI向制度化转变的关键节点。界定AI在哪些领域成为制度的一部分，在哪些领域不应该成为制度，至关重要。而这个界定权始终应该把握在人类手中。