传媒业正演变为预测型经济
内容提要
营销与广告正从统计曝光转向预测并证明结果，其核心前提是统一、受治理的数据与AI基础，围绕情境、控制、成本、选择四要素。目前仅3%的CMO能将一半营销关联业务成果。PetSmart利用忠诚度数据与AI代理实现沙龙预订增长22%、自动补货增长13%。未来广告将转向基于意图的个性化体验。
延伸解读
从“谁看到”到“改变了什么”
文章指出，媒体和广告业正从统计曝光转向预测并证明结果，绩效指标从滞后指标变为领先指标。这一转变的核心问题是“它改变了什么”，而非“谁看到了”。这意味着广告主需要提前知道受众想要什么，并能展示其价值。但实现这一目标的前提是统一、受治理的数据与AI基础，否则预测和测量都难以落地。
数据碎片化是最大障碍
文章引用麦肯锡研究称，仅3%的CMO能将一半营销关联到业务成果。同时，典型企业技术栈中有90到120个工具，渠道级报告已不够用。文章强调，代理和测量因数据碎片化而停滞，修复方法是建立统一、受治理的数据和AI基础。这意味着企业需要整合martech和adtech，而非继续堆砌工具。
PetSmart案例：上下文比模型更重要
文章以PetSmart为例，其利用7500万忠诚度会员数据，通过AI决策代理实现个性化信息推送，结果沙龙预订增长22%，自动补货交易增长13%。文章指出，这一增益来自数据资产的协同工作，而非更聪明的模型。这印证了Databricks CEO的观点：模型没有智能问题，而是上下文问题。企业应优先打通数据，而非盲目追求前沿模型。
四个C决定能否规模化行动
文章提出，预测需要上下文，但能否规模化行动取决于控制、成本和选择。控制要求治理不仅针对人，也针对代理，确保审计和PII护栏；成本要求AI支出跟踪业务价值，避免为AI而AI；选择要求能灵活切换模型，避免被单一供应商锁定。文章建议将治理、成本可见性和可移植性作为设计需求，而非事后补救。
Q&A
什么是预测型经济？
预测型经济是媒体和广告业从统计注意力转向预测并证明结果的转变。绩效从滞后指标变为领先指标，优势在于在花钱之前就知道受众想要什么，并能证明其价值。
为什么营销人员难以将营销活动与业务成果关联起来？
根据麦肯锡研究，只有3%的首席营销官能将一半的营销与业务成果关联起来。主要障碍是数据碎片化，代理和测量因数据分散而停滞，解决方案是建立一个统一、受治理的数据和AI基础。
构建预测型经济需要哪四个要素？
需要四个C：情境（Context）、控制（Control）、成本（Cost）和选择（Choice）。情境指对客户和业务的完整视图；控制指治理访问权限；成本指AI支出与业务价值挂钩；选择指灵活切换模型。
PetSmart如何利用数据和AI提升业绩？
PetSmart利用其7500万Treats Rewards会员的忠诚度数据，通过AI决策代理大规模提供个性化消息，结果沙龙预订量提升22%，自动补货交易量提升13%。这一增长源于数据资产的协同工作，而非更聪明的模型。
Databricks的CustomerLake和Genie在预测型经济中扮演什么角色？
CustomerLake是Databricks的代理型CDP，帮助营销和数据团队在受治理的数据上构建可信的客户360画像、激活受众并个性化互动。Genie作为AI同事，连接受治理的企业数据，让规划者、营销人员和销售人员用自然语言提问并获得基于自身定义的答案。
未来广告将如何演变？
随着广告回避率上升和意图数据尚未充分利用，广告必须从打断用户转变为由观众意图驱动的更智能、集成的1对1体验。这需要品牌、代理商、广告技术公司和出版商采用新的操作系统和运营模式，以成果为导向。
