营销自动化已死，接棒的是谁？

营销自动化已死，接棒的是谁？

一句话开场：当整个行业都在给老系统「贴一层AI」的时候，MarTech 的播客节目 Conversations with MarTech 直接把话挑明了——经典营销自动化正在走向终结。

这不算标题党。在最新一期节目里，主持人把这场变化定义为一次「大规模范式迁移」：基于规则的、靠人工设定触发条件的初级自动化，正在让位给更自主运行的营销（autonomous marketing）。核心判断只有一条——在现代营销人的工具箱里，「薄薄一层AI」可能已经不够用了。

对每天盯着 ROI 的操盘手来说，这个判断的分量在于：过去几年搭建的整个运营体系，有可能正在从资产变成负债。

📈 「薄薄一层AI」救不了谁

场景大家都熟。过去一年，几乎所有营销科技厂商的发布会都是同一个剧本：老产品不动，前面加一个AI助手，能写文案、能总结报告、能回答几句自然语言提问，然后打上「AI驱动」的标签开卖。

Conversations with MarTech 这期节目戳破的正是这层窗户纸：这种「薄层AI」很大程度上只是把旧的规则引擎包了一层皮，底层逻辑没变——人定规则、机器执行、人工复盘。它回答的是「怎么把现成的活干快一点」，而不是「这件事该不该干、下一步干什么」。

厂商的动作也印证了这个方向的变化不是停留在话术层面。几个可核实的事件：

• Salesforce 在 2024 年 9 月的 Dreamforce 大会上发布 Agentforce，主打「自主AI代理」，按对话次数计费（每轮对话约 2 美元），明确把产品叙事从「流程自动化」转向「代理自主决策」（来源：Salesforce 官方新闻稿，2024年9月）。
• HubSpot 在 2024 年 9 月的 INBOUND 大会上推出 Breeze，把 AI 能力（Copilot、Agents、数据增强）整合进其平台核心层，而非单独的附加插件（来源：HubSpot 官方博客，2024年9月）。
• 据行业观察者 Scott Brinker 每年发布的 MarTech Landscape（2024 年版收录 14,106 个解决方案），AI 相关标签的产品占比在近两年迅速攀升，营销科技赛道的供给端正在整体向AI倾斜（来源：chiefmartec.com，2024年5月）。

产业逻辑其实也不难理解。经典营销自动化诞生于邮件营销时代，它的能力建立在两个前提上：触达渠道有限（邮件、短信），客户旅程可以被人工预设成线性的 if-then 流程。当触点爆炸成几十个渠道、消费者路径碎片化之后，靠人手画流程图的打法，产能上限很容易就是运营团队的编制上限。

麦肯锡 2023 年的研究曾估算，生成式 AI 每年可能带来 2.6 万亿至 4.4 万美元的经济价值，其中约 75% 集中在营销与销售、软件工程、客户运营、研发四大职能——营销正是AI渗透最深的场景之一（来源：McKenzie, The Economic Potential of Generative AI, 2023年6月）。

用多位从业者私下常说的一句话概括：AI不只是加在旧系统上的功能，它更像旧系统的替代品。 把AI当插件用的公司，可能是在用新技术给旧模式续命——续得越久，重构的成本或许越高。

⚙️ 规则引擎时代是怎么走到尽头的

要理解「终结」，得先理解它曾经怎么「繁荣」。经典营销自动化的黄金年代，建立在一套清晰但僵化的分工上：

这张表背后的时间线大致是这样的：

注意最后一行的关键变化：人的角色从「搭流程」退到「定目标」。 这不完全是效率优化，更接近一次岗位性质的迁移。过去一个营销自动化运营的核心技能是画 journey map、配字段、写触发条件；在自主营销范式下，这些技能的价值会大幅缩水，新的核心技能是定义清晰的目标函数、数据结构和护栏边界。

这就是为什么节目里用「死」这个字而不是「衰退」。范式迁移不太尊重存量投入——你流程图画得再精美，只要决策权还在人手里、响应还在天级，你就可能和用了自主系统的对手不在一个速度级上竞争。

🤖 从「你触发」到「它决策」差在哪

自主营销和经典自动化最本质的区别，是决策链路的位置变了。

在经典范式里，这四层中只有执行层是自动的——系统能发邮件，但「给谁发、什么时候发、发什么」全是人提前写死的。而自主营销要求决策层也交给系统：营销人员只给出目标（比如提升某人群的复购）、给出约束（预算上限、品牌话术边界），中间的路径选择由AI实时完成。

这也解释了为什么「薄层AI」可能不够。一个只会写文案的AI助手，只能优化执行层的某一个动作；而自主营销的价值恰恰在决策层——它是全链路的编排能力，不是单点的内容生产能力。

一个可以讨论的产业判断：营销自动化的竞争焦点，正在从「流程管理」转向「决策代理」。 买家的采购逻辑也可能随之改变——过去选型看流程画布好不好用、字段够不够多；未来选型看的是模型决策质量、可解释性和护栏机制。这对传统厂商是伤筋动骨的变化，因为它们几十年积累的资产（流程模板库、表单组件、邮件模板）在新的评分体系里权重可能急剧下降。

🧭 谁在领跑，谁在原地：四象限看格局（作者观点）

“⚠️ 以下象限图为作者基于个人观察的定性判断，不构成对任何厂商的官方评级或事实陈述，厂商归属请以各家公开产品路线图为准。

把当前玩家的转型姿态放进坐标系，讨论会更直观。注意，这里比的不是规模，而是「AI化深度」和「范式迁移速度」两个轴：

右下角的「薄层AI跟随者」是当前数量最多的一群——发布会讲AI，产品内核仍是规则引擎。左下角的「深度绑定旧范式」相对危险：客户在其平台上的历史资产越重，迁移越慢，但一旦客户决定重建，流失也可能更突然。

据多位接近厂商的人士观察，真正困难的不是技术，而是内部利益结构：老产品的订阅收入还占大头，团队缺少动力亲手加速旧范式的退场。这就是克里斯坦森式的困境在营销科技领域的重演——颠覆者最大的对手往往不是新技术，而是自己的存量收入表。

对营销人来说，选型时的实操建议很直接：拿到任何「AI营销平台」的 demo，先问三个问题——决策是谁做的（模型还是规则）、AI能不能自主选择触达动作而不只是生成内容、出错时的护栏和回滚机制在哪。三个问题问完，薄层和真自主，通常能看出明显的差别。

🚧 落地的三道坎：数据、组织、信任

范式迁移方向相对明确，但落地阻力同样真实。这期节目点出「薄层AI不够」，落地侧的坎至少有三道：

第一道坎是数据。自主决策的前提是全渠道信号能实时汇入一个干净的底座，而多数企业的客户数据散落在CRM、CDP、电商后台和客服系统里，口径互相对不上。数据不整合，AI的决策就是高质量输入进不去、低质量输出传出来。

第二道坎是组织。过去的营销自动化团队是「流程工」，自主营销要求团队变成「目标管理工」——要看得懂模型输出的归因逻辑，要能设定和迭代目标函数。这个技能重训周期不短，且直接冲击现有团队的职级和话语权，组织阻力往往大于技术阻力。

第三道坎是信任。把触达决策交给AI，意味着把预算和品牌声誉交给概率。没有完善的护栏机制（预算硬约束、敏感人群排除、人工抽检节点），CFO和法务很难签字。这也是为什么在可见的周期内，落地形态大概率是「人定护栏、AI跑路径」的混合模式，而非一步到位的完全自主。

对操盘手的行动建议：不必推倒重来，但可以立刻做一次「规则审计」——把现有自动化流程里所有if-then列出来，标出哪些可以被AI决策替代、哪些必须保留人工控制，从替代后ROI提升最明确的一两条旅程开始试点，用小胜换组织的信任预算。

小结：死的是软件，活的是能力

经典营销自动化的式微，死的不是「自动化」这件事，而是「人写规则、机器执行」这套旧契约。MarTech 这期节目真正值得记下的判断是：范式可能已经切换，薄层AI的窗口期或许正在关闭。

接下来一年的看点有两个：一是传统大厂能否挣脱存量收入结构，完成从流程管理到决策代理的自我革命；二是营销团队的技能账本如何重写——目标定义、护栏设计和AI输出的归因审读，将成为新的基本功。先完成内部重构的企业，有望在下一轮效率竞争中拿到代差优势；继续只给旧系统贴AI标签的，可能会在这轮迁移中掉队。

参考信源

1. Conversations with MarTech 播客节目，MarTech（mar technologys.com 旗下内容品牌），本期关于 autonomous marketing 的讨论

2. Salesforce 官方新闻稿：Agentforce 发布，2024年9月（dreamforce 2024）

3. HubSpot 官方博客：Breeze AI 平台发布，2024年9月（INBOUND 2024）

4. Scott Brinker & Laura Patterson，Marketing Technology Landscape 2024，chiefmartec.com，2024年5月

5. McKinsey & Company，The Economic Potential of Generative AI: The Next Productivity Frontier，2023年6月

“注：文中关于厂商转型姿态的四象限定位、以及「技能价值缩水」「窗口期关闭」等趋势判断，均为作者基于公开信息和从业者访谈的个人观点，供读者参考与讨论，不构成投资或采购建议。