在9月举行的MarTech Conference上，来自Jiffy.com、思科系统和谷歌的营销与数据分析高管围绕AI在绩效营销中的实际应用展开讨论。会议由Thoughtlight首席执行官Christina Inge主持，核心议题是：当算法越来越多地接管广告投放执行时，企业应如何平衡自动化与人工监督。
Jiffy.com绩效媒体经理Maria Corcoran指出，适应AI要求营销人员超越基础的广告系列设置，确保算法真正理解目标受众、产品目录、网站结构以及周边内容之间的关联。谷歌分析负责人Jiaxi Zhu则强调，清晰的优先级排序是关键。算法无法在没有取舍的情况下同时最大化每一个指标，因此定义首要目标成为核心步骤。Zhu表示，只要达成既定目标，是否借助AI实现反而是次要问题。
思科系统全球绩效媒体负责人Anthony Tedesco提出了企业级B2B营销中的常见障碍：最终转化事件并不总是训练算法的最佳信号。B2B企业关注的是销售管道和收入，但这些事件的发生频率往往过低，无法为数据需求庞大的AI模型提供足够养料。理想的解决方案是找到发生频率足够高的代理信号，既能训练系统，又能让广告系列与高价值业务成果保持一致。
在哪些环节可以放心交给算法的问题上，Tedesco认为实时竞价是典型场景。在搜索拍卖过程中，算法评估数千个上下文信号的速度远超任何人工操作。创意素材组合是另一个适用场景，模型可以快速测试并识别哪些文案与视觉组合对特定用户群体最有效。
但Corcoran分享的谷歌Performance Max测试案例表明，自动化仍需密切监控。Jiffy.com运营着四条不同的业务线，在一次Performance Max广告系列测试中，工具整体回报率表现强劲，但预算却不成比例地流向了一条并未资助该项目的业务线。这次测试带来了重要的战略教训：Jiffy的网站架构未能清晰区分各服务线，导致AI模型无法准确识别。一次广告系列试验由此转变为优化品牌数字基础设施与自动化系统沟通方式的契机。
讨论还涉及一个关键提醒：不应抛弃仍然重要的传统指标。搜索营销中经过验证的衡量标准依然具有参考价值，AI的引入并不意味着完全推翻既有体系，而是在明确业务目标的前提下，重新界定哪些环节由算法主导、哪些环节必须保留人工判断。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
