在AI时代，品牌面对的不仅是消费者习惯的改变，更是“客户”身份的重构。对话式AI正将搜索与决策合并，让用户在点击网站前就做出选择；更深远的是，AI智能体本身正在成为新的“客户”，它们将依据结构化数据和算法偏好，替代人类完成购买决策。企业营销需要从传统的“触达-说服-转化”逻辑，转向思考：如何被算法看见、如何被AI系统信任。营销将不再只是心理学，更需要学会机器人心理学、结构化沟通与双重视角。那些尽早为机器客户设计产品信息、为对话式AI优化内容策略的品牌，将定义下一阶段的竞争规则。

    我们正处于两场同时发生的革命之中，它们将重塑企业争夺客户的方式。一场关乎消费者如何搜索信息，另一场——才刚刚起步——则关乎谁来做出购买决策。
    市场营销管理一直致力于引导人们走过销售漏斗，从认知到考虑再到购买。这一过程取决于消费者如何了解市场，而恰恰在这个学习过程中，这两场革命产生了最为强烈的冲击。几十年来，营销人员通过大众媒体建立品牌认知，然后通过搜索引擎捕捉需求，但如今，对话式AI（如ChatGPT和Gemini这类使用自然语言与用户互动的系统）正在同时颠覆这两个阶段。
    以下内容借鉴了关于该主题的最新学术研究。具体细节当然会有所变化，但变革的方向是明确的。

第一场革命：无需网站的学习

    AI聊天机器人给零售商带来了双重打击。想想过去的模式：有人在谷歌上搜索，得到一系列链接，点击进入各个网站，比较不同选项，最终完成购买。但现在消费者开始向聊天机器人寻求信息。当有人向ChatGPT或Claude询问产品推荐时，他们无需浏览品牌精心打造的网站，就能得到完整的答案，而且聊天机器人提及的选项比传统搜索结果页面显示的要少得多。
    谷歌对ChatGPT的回应让许多零售商的情况雪上加霜。搜索结果顶部的那些AI概述，很多用户看了之后就不再往下滚动查看链接。那些花了数年时间打造搜索流量的品牌，眼睁睁看着流量逐渐流失。人们通过聊天机器人找到了所需信息，不再登录网页。正如《经济学人》去年所讨论的，综合数据证实了这一点：网络流量模式正在迅速转变。AI正在终结传统网页时代。
    如今，当消费者向聊天机器人寻求推荐时，他们得到的是经过筛选的答案，这些答案由训练数据和算法塑造。出现在这些回复中的品牌获得了极高的曝光度，而其他品牌则仿佛不存在。研究人员已经开始量化这些变化。例如，波士顿大学的一项研究观察了Stack Overflow，这是一个深受软件开发人员欢迎的平台。ChatGPT推出后，该平台的流量大幅下降。为什么呢？因为开发人员发现他们可以从ChatGPT获得答案，无需再向其他人提问。
    但有趣的是，研究人员还观察了Reddit，这是另一个受开发人员欢迎的社交平台，他们发现在开发人员喜爱的子版块（或社区）中并没有出现类似的影响。区别在于目的：人们访问Stack Overflow是为了获取特定信息，而这正是聊天机器人也能提供的；而人们访问Reddit是为了社区交流、讨论以及与他人互动的体验，这是聊天机器人无法给予的。这种新兴分化的战略意义很明确：主要基于信息传递建立的品牌易受冲击，而那些建立在社区、情感连接或体验之上的品牌则更具韧性。
    伦敦商学院与加州大学洛杉矶分校的研究团队在此基础上展开了更深入的研究。他们基于ComScore网络行为面板（涵盖超百万用户及URL级别的浏览数据）追踪个体行为，在排除混杂变量后发现：使用ChatGPT后，用户的在线搜索量平均下降约20%。小型网站受到的影响最为显著——由于缺乏足以驱动直接访问的品牌认知，其流量流失更为严重；而这一效应在高频消费用户群体中表现得尤为突出。研究揭示了一个关键趋势：最具价值的客户，恰恰是行为转变最快的群体。
从搜索引擎优化到生成式引擎优化
    这些变化将要求重新思考数字战略。在搜索引擎时代行之有效的技术，不一定能适用于对话式AI。关键词优化、链接建设、元数据优化——这些都无法直接应用于聊天机器人的工作方式。实际上，我们正在从搜索引擎优化（SEO）时代迈向生成式引擎优化（GEO）时代。
    问题在于，目前还没有人真正理解GEO。规则仍在制定之中，那些尽早摸索出有效GEO策略的公司，在最佳实践普及之前将拥有真正的优势。关键在于要明白一个重要的点：针对对话式AI进行优化并非单纯的技术性SEO操作。这需要理解这些系统如何处理和合成信息、它们偏好哪些信息来源、如何构建回复。这意味着要彻底重新思考内容策略——不仅要考虑说什么，还要考虑如何组织信息，以便AI系统能够解析、关联并推荐这些信息。结构化数据、清晰的分类以及能直接回答常见问题的全面内容，可能比主导SEO的基于链接的权威信号更为重要。
对话式AI在销售漏斗中的位置
    要预测这一趋势的走向，你需要了解对话式AI将如何盈利。想想两个主要数字营销渠道的差异。Meta和其他社交媒体公司通过注意力变现——在信息流中投放广告，根据人口统计数据和行为进行定向推送。这是销售漏斗顶端的营销，在那些并非主动寻找特定产品的人群中建立品牌认知。另一方面，谷歌通过意图变现。用户输入查询内容，就表明了积极的兴趣，这使他们在购买旅程中处于更深入的阶段。这种意图使得搜索广告对推动转化具有价值。
    在与埃里克·赫尔曼（Erik Hermann）和大卫·施魏德尔（David Schweidel）合作的一篇新论文中，我们认为对话式AI处于这两个极端之间。用户通过提示表达兴趣，这比被动浏览社交媒体信息流更具针对性，但通常这种情况发生在决策过程中比谷歌搜索信息更早的阶段。有人向聊天机器人询问与某产品类别相关的主题，可能对此感兴趣，但很可能还没准备好购买。
    近期的数据似乎证实了这一假设。德国的研究人员使用来自一千多个网站的第一方数据，研究了推荐来源的价值，其中包括来自ChatGPT的推荐，其在所有推荐中占比很小。他们发现，ChatGPT推荐产生的单会话收入介于社交媒体推荐（销售漏斗顶端，低购买意图）和搜索（高购买意图）之间。
    这种中间位置创造了有趣的动态。对于品牌来说，这意味着一个新的接触点，消费者在这里投入关注且充满好奇，但尚未形成特定的购买意图。这在客户旅程中是很有价值的环节。这也是对话式AI广告竞争将异常激烈的原因。OpenAI最近宣布ChatGPT即将引入广告，如果该公司希望继续为数亿用户提供免费计划，这是必须采取的举措。该公司还公布了其广告原则，称这些原则旨在优先考虑消费者信任，避免造成社交媒体广告已带来的损害。这些原则值得称赞，但处于销售漏斗中间位置会产生强大的动力，促使其更努力地向下推动消费者的购买意图，这反过来可能导致更激进的策略。要抵制吸引更多眼球的诱惑并非易事。

第二场革命：机器人成为客户

    搜索革命已经具有极大的颠覆性，但即将到来的第二次变革可能更为关键。要理解这一点，你需要开始区分营销人员常常混用的两个术语：客户与消费者。客户是做出购买决策的人，而消费者是使用产品的人。有时两者是同一人，但有时并非如此：父母为孩子购买商品，医生为患者开处方，采购总监为其他部门购买物资。现在这种区分很重要，因为AI智能体开始做出购买决策。问题不再仅仅是“谁是你的客户？”，还包括“你的客户是什么？”——因为你的客户可能是一个算法。在AI智能体时代，决策者和终端用户可能不再是同一实体。市场营销必须同时关注两者。
    想象一下，一位忙碌的专业人士告诉他们的AI助手：“我需要一台新的工作笔记本电脑。我的预算是两千美元。我看重电池续航和显示屏质量。帮我订一台。”AI智能体研究各种选项，权衡利弊，然后完成购买。没有人访问过产品页面或阅读过评论。整个客户旅程都发生在算法内部。
    当AI智能体能够为人们研究选项、评估替代方案、协商价格并完成购买时，我们所熟知的市场营销将需要重塑。我们正处于这一转变的早期阶段。它从寻求推荐开始，但将朝着交易方向发展。AI智能体已经具备完成此类自主工作的大部分技术能力。目前缺少的是基础设施、信任框架和广泛应用。但发展轨迹很明显：就像智能手机迫使人们从以桌面端优先转向以移动端优先一样，AI智能体将迫使许多营销人员转向以机器客户优先的战略。现在就开始准备的公司，在市场成熟时将做好充分准备。
为机器客户进行设计
    我们的网络基础设施是为人类构建的。我们通过视觉界面进行导航，点击标签、滚动菜单、选择选项。这之所以可行，是因为我们是具备精细运动技能的视觉生物。但AI智能体不同。一个机器人要使用普通网站，需要复杂的计算机视觉和交互模拟。或者，机器人可以更高效地读取它能直接解析的结构化数据格式。因此，未来的网络将在很大程度上依赖密集文件和结构化数据，AI智能体可直接浏览这些内容，而无需伪装成人类浏览器。
    与此同时，品牌面临一个实际问题：维护既能服务人类又能服务AI智能体的网站。需要进行架构更改，以确保产品信息、价格和库存情况以两种受众都能访问的格式呈现。大多数公司还没有为此做好准备。他们的网站假定浏览者是人类。他们的结账流程假定点击的是人类。他们的客户服务系统假定另一端是人类。为机器客户改造所有这些，将需要大量投资以及许多组织甚至尚未开始的思维转变。
新兴的机器人心理学领域
    当人类是唯一的客户时，营销人员大量依赖心理学——去理解认知偏差、情感触发因素、决策启发法、社会影响的作用，进而设计市场进入策略和相关信息传达。如果机器人成为客户，营销人员还需要了解机器人心理学。这比听起来更棘手。AI系统具有一致的行为模式，但这些模式往往出人意料，不同模型之间也不一致，而且违反直觉。关于这方面的研究才刚刚起步，但研究结果应该会让每个营销人员感到紧张。一项研究让人类和AI都撰写广告文案，然后让双方对结果进行评分。研究人员发现了他们所谓的“AI - AI偏差”：AI系统对AI生成内容的评分高于人类生成的内容。想想这意味着什么。在一个AI智能体做出购买决策的世界里，人类创建的营销内容可能会失败，不是因为它更差，而是因为AI评估信息的结构性偏差。几十年来，我们一直担心人类决策中的偏差，并构建系统来应对这些偏差。现在我们也需要担心机器偏差。
    哥伦比亚大学和耶鲁大学的研究人员与一家AI初创公司合作，搭建了一个沙盒环境来研究智能体在电子商务平台上的行为。他们的发现揭示了一个复杂的局面。和人类一样，AI智能体也有位置效应；也就是说，它们偏爱特定展示位置的产品。但不同模型的偏好差异很大。研究人员测试了GPT、Claude和Gemini，发现这三个模型都偏爱展示页面第一行的产品。但在这一行内呢？GPT强烈偏爱第一个位置，Claude偏爱中间位置，Gemini则偏爱右侧位置。如果你是一个试图优化页面布局的零售商，要弄清楚这些可不容易。
    研究人员还发现，AI智能体在检测到商业影响时，会对“赞助”标签进行惩罚，对背书给予奖励，并对相关信息打折。在某些方面，机器人的行为比人类更理性，人类即使明知是广告，也极易受其影响。AI智能体也会对价格和质量评级做出反应，但不同模型的权重有所不同。面对相同的产品和相同的信息，不同的AI模型做出了截然不同的购买决策。

市场营销领导者现在应该怎么做

    这些变化既令人困惑又令人恐惧，因为它们发生得如此之快，而且我们似乎正朝着未知的方向发展。那么市场营销领导者应该如何应对呢？以下是他们可以采取的措施，以应对这两场革命：
    1.首先评估搜索革命对你的影响：来自搜索引擎的流量和转化占比是多少？你的数字战略在多大程度上依赖人们点击进入你的网站？对信息搜索流量的高度依赖意味着短期内风险较高。
    2.培养生成式引擎优化方面的专业知识：这个领域还很年轻且发展迅速。尝试为提高聊天机器人的可见性来组织内容。跟踪你的品牌在AI回复中的出现情况。在竞争对手之前积累内部知识。
    3.加倍投入AI难以轻易复制的方面：Stack Overflow与Reddit的研究结果在这里很有意义：社区、情感连接和体验比信息传递更难被取代。思考你的品牌如何深化这些维度。
    4.为AI客户做好准备：开始思考算法会如何评估你的产品。它需要哪些结构化数据？你的价值主张将如何转化为AI系统所权衡的因素？
    5.关注相关研究：学者和分析师正在快速产生新的研究成果。建立跟踪并应用这些见解的能力将带来回报。
    6.为双重视角重新思考内容策略：你的内容需要引起人类读者的共鸣，同时要进行结构化处理，以便AI系统能够处理和引用。这并不意味着要为机器而不是人类写作。但这意味着要认识到相同的内容将通过截然不同的途径被消费。
    7.将此视为领导层面的问题，而非市场营销部门的问题：这些变革涉及公司与客户在各个层面的连接。它们需要技术、内容、产品和客户体验等部门之间的协调。那些将这些能力孤立开来的组织将举步维艰，而那些在管理层进行整合的组织将行动得更快。
    市场营销此前也曾经历过颠覆性的转变：从印刷到广播，从广播到数字，从桌面端到移动端。每一次转变都造就了赢家和输家。这次的转变更为深刻。我们不仅在改变市场营销触达人类决策者的方式，而且潜在地改变了这些决策者本身。早期证据表明，鉴于不同模型的AI智能体行为差异以及聊天机器人对信息加权的不透明性，我们前方的道路将崎岖不平。我们正走向一个充满不确定性和试验的时期。
    但不确定性中蕴含着机遇。那些在对话式AI营销方面培养出专业能力，并弄清楚如何同时针对人类和机器客户进行优化的公司，将获得丰厚的回报。