最近一段時間，ChatGPT 作為一個現象級應用迅速躥紅，也帶動瞭對其背後的大語言模型 (LLM) 的討論，這些討論甚至出瞭 AI 技術圈，頗有些到瞭街談巷議的程度。在 AI 技術圈，關於 LLM 和小模型的討論在此之前已經持續瞭不短的時間，處於不同生態位置和產業環節的人都有表達自己的觀點，其中不少是有沖突的。

營銷方面結合ChatGPT

舉個例子，假設某傢企業的 CRM 系統已經接入 ChatGPT，並且用戶可以通過語音或文字與 ChatGPT 進行對話。當有客戶咨詢某種產品的價格時，ChatGPT 可以根據 CRM 中已存儲的客戶檔案信息和購買歷史記錄，方便快速地回答問題。如果客戶已經購買瞭該產品，則 ChatGPT 可以提供一些相關商品或服務的建議，雖然並不是每次都能直接達成交易，但這樣的建議可以讓客戶感受到企業的貼心服務，增加客戶對企業的好感度和忠誠度。

ChatGPT 也可以在每次對話中分析客戶的需求、購買歷史和反饋，將這些數據記錄在 CRM 系統中，為企業提供更加精細化的市場和銷售策略。例如，當一個客戶持續咨詢某種產品的詳情或者網上最近的活動時，這可能意味著他對該產品或品牌非常感興趣，那麼企業可將其分類為潛在客戶並為其提供更多相關推薦內容。

• 營銷自動化: 通過語音或文字交互自動化營銷流程，快速與客戶建立聯系並識別客戶需求。
• 聊天機器人: 作為聊天機器人與客戶交互，快速回答客戶的問題並向客戶推薦相關產品。
• 社交媒體營銷: 幫助公司實現社交媒體營銷，通過自然語言生成與客戶對話，快速建立良好的客戶關系。
• 智能郵件營銷: 幫助公司生成個性化的郵件內容，快速吸引客戶關註並促進銷售。
• 客戶分析: 通過客戶對話數據分析客戶需求，為公司的營銷策略提供有力的支持。

客服售後方面結合ChatGPT

在線客服: 作為在線客服與客戶交互，解答客戶的售後問題，並快速解決客戶的訴求。

自動化售後: 通過語音或文字交互自動化售後流程，提效降本。

售後問詢: 幫助客戶更快地獲得售後信息，並與客戶保持對話，以解決客戶的問題。

售後投訴: 幫助公司快速回應客戶的售後投訴，並通過 A技術管理投訴工作流程。

應用系統的三個階段

在線化、數字化和智能化三個階段是以系統能力、應用體驗和數據資產價值為基礎進行對比的。

在線化階段是將業務規則、流程和信息在系統中運行和存儲的過程，這是後續數字化和智能化的基礎。我們需要明確定義嚴謹的數據狀態，並將業務過程對象化。

數字化階段是在在線化的基礎上，通過數據集合的形式對業務過程和核心業務對象進行處理，不斷積累運營數據。在這個過程中，中臺的建設變得越來越重要。

智能化階段是在數字化基礎上，讓系統逐步掌握數字化運營，實現數據驅動的商業智慧，並不斷提煉關系，使自己更加聰明和會學習。在這個階段，系統能夠幫助業務人員發現策略並提煉結果。

這三個層次建設的節奏不是全部業務范疇的齊頭並進，而是場景獨立成長和突破。

1、技術創新推動下的產品升級

技術和創新永遠是IT行業的核心競爭力，在CRM行業我們也看到這樣的發展歷程。以Salesforce為例。一方面從CRM切入向其他業務擴張建立企業辦公生態，另一方面不斷利用新的技術推進產品升級。人工智能風頭正勁，而Salesforce下一站的主要方向也正是打造CRM全方位AI平臺從技術和服務上繼續建立壁壘。

2、人工智能在CRM中可以發揮的能力

人工智能核心價值一定要有應用場景和商業模式，針對真實業務場景的解決方案才是關鍵。就像智能傢居現在遇到瞭瓶頸，一方面是沒有解決真實用戶痛點，另一方面沒有達到符合用戶預期的效果，解決方案不完整。在有限的人工智能能力下，找到可行、可用、有價值的解決方案是CRM廠商現在最需要考慮的。

那麼在營銷場景下需要做什麼，我想這個問題的答案不會偏離CRM本身的作用和其進一步的擴展。AI+CRM解決的仍然是以信息技術為手段，有效提高企業收益、客戶滿意度和雇員生產力。擁有強大而快速的數據處理能力和機器學習的人工智能結合營銷真實場景後，我想可以發揮以下三種漸進能力：

●聰明幹體力活。機器代替之前有規則的大量需要人做的重復工作並逐漸自我優化

●輔助決策。通過智能洞察和風險提醒來輔助人決策

●發現新大陸。新線索、信息甚至知識的發現

3、AI+CRM的實施思路

在可行、可用、有價值的目標下，我們討論瞭人工智能在營銷場景下可以發揮的三種能力，在市場的具體實施中我們也看到瞭AI+CRM的兩種現有思路：

1）更加智能的SFA

有人認為CRM=SFA，但遺憾的是很多廠商還是做不到更別提超越瞭。在可預期的情況下，“個性化”且不斷優化的服務和更加智能的自動化可以有效提升一線銷售人員的生產力，及時的數據分析和風險檢測可以輔助管理者更快的發現問題並及時作出決策。這種思路的作用體現在全面管理客戶、精細量化行動和快速響應，更加適合現有功能和服務已經比較完善的廠商。這類廠商也可以將這種思路下的AI能力賦予到其PaaS平臺中，與行業緊密的結合後效率的提升可能是數倍。

2）預測營銷+CRM

之前都在討論預測營銷，也說過預測營銷處在CRM以上的高層級，當然CRM廠商升級入場也是可以預料的。預測營銷+CRM可以達到什麼樣的效果，雖然看上去封閉瞭，但可能是預測營銷2.0時代的開始。

國內系統開放性不足一直也在制約著預測營銷在國內發展，全自營的預測營銷+CRM似乎給預測營銷帶來瞭新的機會。潛在客戶預測、線索評分、客戶畫像等都是可以應用的場景，預測營銷+CRM我們也看到瞭以下優勢：

●更多的數據來源。CRM本身多樣性和開放性將帶來更多的數據來源，如跟進過程數據、交易數據、呼叫中心、郵件、客戶觸點等數據。相較於之前的客戶數據，與CRM的結合將帶來更多的行為數據。

●實時的數據獲取和更快速的調整。數據的采集更為實時，持續的反饋和檢測讓技術和業務模型的調整可以得到更快速的響應。

●更加貼近業務場景的應用。預測營銷作為CRM的一個組件，通知和建議可以展示在最適當的應用場景中，與系統或者說業務本身融為一體。

營銷場景與AI能力的火花

我們一起簡單理解人工智能。它通過機器人、計算機算法和算力實現人類的聽、看、思考、行動等能力，總體可以歸納為識別-思考-輸出(行動)。標準的定義是研究、開發用於模擬、延伸和擴展人的智能理論、方法、技術及應用系統的一門新的技術科學。人工智能是計算機科學的分支，旨在瞭解智能的實質並生產出能以人類智能相似的方式做出反應的智能機器。

該領域的研究包括機器人、語言識別、圖像識別、自然語言處理和專傢系統等，這些領域與人類的聽、看、思考、行動等諸多能力相對應。在企業應用系統和互聯網營銷體系中，主要涉及語言識別、圖像識別、自然語言處理、機器學習和專傢系統等領域。具體表現為：機器學習使得計算機可以通過學習數據和模式自主改進和優化算法；自然語言處理包括語音識別、語義理解和機器翻譯等；計算機視覺則指計算機通過圖像和視頻等視覺信息進行理解和分析的能力，包括圖像識別、目標檢測和人臉識別等。

我們回歸到營銷場景本身：因為行業不同營銷的場景千差萬別，這裡繪制瞭一個大C業務的基本場景，比較符合在線教育，房產，保險，金融等業務形態。

大部分產品和項目人員，可能無法繪制業務總圖，這樣在梳理，結構化業務時就非常零散，點狀，塊狀，不具備抽象的前提，也無法系統性規劃和設計。

簡單介紹下這個場景的背景：一個在線教育的行業，客戶可能通過各種如何學英語的內容, 廣告等，註冊瞭app， 或者參加各種初級客戶的直播，傳播，試聽課程，變成瞭公司的熱線索（有可以再觸達的可能，明確意向，交互活躍區別於冷線索）；通過電銷的聯絡，介紹，邀請到去試聽課程，完成瞭解課程階段的推進，這裡通用的客戶生命周期就是“瞭解你”到“好感你”的轉化，而在這個業態下特有的場景就是試聽，在房產行業，可能就是到現場看房瞭。

接下來，銷售對客戶進行1v1的轉化，介紹課程，介紹價格，在節奏上去“逼定成交”等。完成客戶好感到購買你的轉化；同時後端銷售在成交後促進客戶去使用權益，解決客戶使用的問題，提供好的學習方法，核心目的促進其續費，完成認可你的過程，如果服務口碑良好，客戶甚至願意介紹推薦自己的朋友購買課程。在社會化廣義銷售策略下，有些傢長甚至願意專註於傭金獲取，這時候我們要對其推薦能力進行賦能，並幫助傢長以“成長裡程”的方法將學習效果外化，達到傳播和獲客的目的。

營銷數字化全場景 （大C類）

請讀者耐心花點時間去理解本圖，比如各層級的劃分等等，也可以去映射你所熟悉的行業的營銷場景，更歡迎與我們溝通探討。

上圖哪個場景或者領域已經被AI 賦能甚至改變瞭？我曾經試圖在上面的模塊標記，發現5成的場景已經被影響，一方面因為圖片篇幅有限，無法細分場景，一方面從底層能力看：內容產生，分析預測，客戶和市場洞察，機器人流程自動化，情緒意圖洞察的應用演化十分豐富，涉及交互層，運營層和管理層的方方面面。

營銷數字化全場景 （粉色場景/粉色職能/紅色能力及應用為AI應用相對成熟）

f8adc30e2ec0b9e891256911c98719ff

我們逐層分析下：

客戶交互層：客戶交互層的營銷數字化改造的主旨是全視角，全生命周期，個性化體驗。其中個性化體驗是我們理解的重點，傳統的經典營銷理論教我們用市場和客戶細分，選擇目標定位，根據這個定位來完成渠道/定價/推廣/客戶的策略。在算法算力大大增強的今天，業界先實現瞭，投放精準，千人千面的內容以獲取流量和線索已經相對成熟，而交互領域的在技術發展到AI時代，各種個性化的內容傳播會不僅僅發生在投放階段（潛在-線索）階段，商機階段中哪些根據客戶洞察分辨出的客戶會在某次促銷活動中被投放瞭她感興趣的，反復觀看的某幻妝品的廣告。

1）我們可以看到在營銷矩陣這些非人員傳遞，而由在線工具傳遞的場景裡，因AI強大的篩選匹配內容，客戶洞察及內容生成的能力，基本都被改變瞭。

2）電銷，客服，運營職能在該樣例行業（大C在線教育）明顯的AI應用就是智能機器人，機器人外呼，機器人客服，機器人社區運營等，實現瞭流程自動化，同時在語音語義識別，自然語言分析的能力，不僅可以替代人員與客戶進行語言，文字的溝通，同時還可以通過情緒，語言，辨識客戶意圖，預判客戶情緒，並提煉客戶標簽，豐富我們對客戶的認知。

在客服回答客戶的疑問，能夠快速辨識客戶的疑問，給出合理的回答， 並調用客戶信息集合生成的洞察，提供給適合客服瞭解問題的洞察，比如，客戶曾經購買瞭什麼，那麼問題大概率來自這類產品，客戶曾經問瞭什麼，去利用這些信息給到咨詢客戶好的體驗。

這本質效果和一個合格的電銷人員，和客戶聊完後要把客戶跟進記錄添加系統一樣，當AI 足夠聰明時，效果要遠好於人員作業。

3）在2）的意味上銷售職能目前還需要在客戶後期轉化保留人為的溝通（本樣例中），而很多AI對銷售的賦能體現在業務運營層。

業務運營層：這層講營銷要素，人，客，產品，內容的運營維度，這裡特意強化廣義的內容，因為AI在交互層的落腳點，主要是各種個性化，智能內容的傳播。

本圖的紅色部分都是AI 應用的場景和部分。

客戶部分：對運營層的架構一般從客戶信息的獲取，聚合，加工使用維度+客戶資源的管理維度2個層面展開。在信息加工維度我們在潛在客戶階段的以各種設備號，基本註冊ID為CDP主數據聚集客戶標簽和客戶初級信息，並根據以往線索的質量來優化線索分層的邏輯，並實現精準的投放策略，這是相對成熟的營銷自動化的部分，使用大數據，機器學習的技術提高投放的效果。在線索及客戶不斷轉化的後期，可以不斷的優化CDP的ID（如電話號碼，身份證）等，來聚合和信息，進行標簽化和畫像的繪制。

我們在線索的質量上進行打分和分類，會支持各種場景，比如公海客戶分層，讓好的線索不要沉淀，也可以更近銷售成交特點推薦給適合他/她的線索。

在客戶轉化的諸多場景下，對客戶的洞察會不斷生成，無論是當企業客戶發佈重要業務規劃，涉及對產品的需求，我們要提醒銷售適時對客戶拜訪，展示相關產品。也包括本例中，在微信聊天時，客戶透露的一個信息，看出她要推薦課程給孩子同學，系統會自動發送轉介紹政策或者會員介紹的話術對她進行賦能。這裡需要註意是，客戶洞察不是一個單點，在客戶不同周期，身上有多個需要推進業務時，都可以來孵化該場景的洞察，並給出行動建議。機器學習，語言識別，自然語言分析，使得我們收集各種形式的客戶發言，語言，預測其意圖和疑惑，並根據這種情況下，行動和結果的關系，采用（直接交互）或者推薦人員采用行動。如：一個註冊瞭英語學習軟件的app, 沉寂X年以上的客戶重新登陸瞭，根據她的行為，我們判斷她有高的使用意向，並生成瞭讓Y級以下銷售立即在Z以內的早上N點作業電話，轉化效果最佳。這裡X,Y,Z,N可以利用該公司外呼記錄，銷售基本信息，成交客戶數據等歷史海量數據進行分析和學習，回歸到最佳取數值。

我們再看下人員維度，這裡的人員，包括我們的銷售（各端），客服，電銷，各種行業裡的運營，他們直接和客戶交互，目前AI對他們的賦能，一類是直接取代和部分取代，另一部分是對這些職能作業的支持：比如對各種郵件內容，話術編寫的支持；也包括IM現場作業時，彈出各種客戶的信息數據。

一個客戶主動電話客服人員時，客服人員的屏幕就可以彈出該客戶的信息，如果隻是簡單羅列客戶詳情，我們還不能把這作為AI場景，當彈屏聰明的告訴你，客戶有點憤怒，不耐煩，或者她已經對產品興趣滿滿瞭，AI就極大的助力的客服的工作。

還有個ABM的例子，之前我們的企業服務特別是服務大客戶的銷售，比如他負責石油巨頭美孚南美市場的數字化系統，他要保持和美孚聯絡人的溝通溫度，還有瞭解美孚近期是否有關於明年，下半年的需求。他自己要關註美孚是不是要建立數字化工廠，並且考慮MES系統的建設，但是反而裁剪瞭數字化部門的相關人員。這意味著在該市場的外采購需求加重。而該部門負責人換瞭新的負責人，是時候通過郵件再介紹下自己瞭。沒有ABM之前，他需要自己獲取，可能要瀏覽網頁定期搜索美孚的新聞，並篩選數字化，南美，等關鍵字，現在他不需要，他需要給到關鍵字給AI，並把AI收集線索，和AI給到的行動建議打分，當AI足夠聰明時，他的工作會被大大助力。

當一個客戶考慮購買傢電，而恰逢雙11時期，客戶的購買傢電的意圖是否可以通過他在電商上的瀏覽行為，他和客服交談的語言所俘獲。以往的購買記錄都是在發放優惠卷下激發的，這個判斷是否正確，要靠AI對以往客戶數據的學習和分析，如果答案是對的，我們可以針對性地當客戶瀏覽時發放這個傢電的優惠卷促進客戶的購買。而回到本例，如果銷售在逼定成交時可以給付優惠券，AI可以幫助判斷優惠價是否發放，建議銷售何時發放給客戶。

同樣的市場活動中，AI可以幫助活動舉辦者錨定適合參加的客戶。

在內容維度：需要說明的是，隨著我們對客戶關系推進，線索階段我們對客戶瞭解少，可以將客戶分成大類，發放適合大類的通用型的內容進行交互，比如統一的郵件，在客戶第一次註冊app時，或者第一次預約試，我們發放瞭試聽註意事項，試聽註意事項是通用文檔，但是在一些部分可以讓他看起來更加個性和有溫度，比如稱號是客戶的名字，署名改為專屬的銷售等等。而當客戶已經購買瞭課程並進行瞭一段時間的學習後，AI可以幫助客戶生成個性的學習報告，成長裡程來增加交互的溫度，提升客戶的體驗，在服務成本和客戶體驗上找到最佳匹配。

看場景

客戶交互層和業務運營層已經在發展的AI場景，我們現在聚焦在管理運營層，該層級聚焦瞭營銷業務運營的結果，狀態，分析監控以及策略優化，這一系列能力的目的其實就是我們經常聽到的一個詞語：數據驅動的業務運營決策。

8afda81c1e365fe6110ef3c8d6bc8e71

各級管理者根據管理權限半徑和關註重點，需要關註一些核心的運營指標，客戶及市場大盤，和團隊績能等。這三大類涵蓋瞭營銷BI的核心數據主題和指標。

這是靜態的分析過程，即是查看，比如查看各級團隊業績及目標的達成，並引入適當的分析，這裡面分析是指，比如對某團隊業績完成率排名，趨勢變化，是否在設定的閾值，環比同比等。還有對市場大盤和客戶大盤的剖析，對客戶大盤的深度剖析是營銷業務的特有指標，相對一般的運營監控系統，營銷業務會更加註重客戶各個階段轉化率，各城市/市場和競爭對手的資源情況，比如某房產品中介平臺，各地運營需要定期匯報當地競爭對手的定價，市場活動，客戶挖取情況，某二手車的金融公司也是這樣的情況。公司級的市場分析部門需要匯總各種權威網站發佈的市場數據，來綜合形成市場大盤。

這一層的動態過程是指各級管理者看到各種運營數據，並進行進一步歸因分析後，比如看到某區域的客戶新增數大量減少，需要定位問題原因。他需要跳轉頁面進一步下鉆到哪個城市，或者跳轉主題，看該城市的競爭對手是否出瞭大招，該城市的銷售人力變動，市場政策後，再結合線下的溝通和分析會議，得到真實的下降原因。

進一步是選擇采取策略變化，比如降低產品價格，提升渠道傭金，或者降低城市的去年的銷售預測和目標。在營銷業務裡可能涉及的調整有渠道定價，渠道準入政策，客戶分配機制，銷售資源調整，銷售激勵及薪酬政策調整，市場銷售活動，市場政策和定價策略，產品權益政策，會員權益政策，渠道拓展等。

在我們理解AI能力在營銷體系應用一頭霧水時，是否要先思考下，其實對營銷基本的場景還缺乏整體視角，更別提其和AI能力結合瞭。

在管理運營層的AI能力：

1）體現在對獲取數據形成洞察的能力，比如上面提到的市場大盤信息，可以使用獲取市場信息的數據爬取和聚集能力，直接形成市場洞察。

2）在從發現問題到正確歸因的復雜多維度分析，線下線索的多主題，多角度分析過程，可以直接使用歸因模型來支持（專傢系統幫你通過多維度數據直接歸因形成洞察）；這樣成熟的歸因模型也可以直接將頁面聚集成主題，讓管理者直接歸因。（某管理者的使用習慣出發，每次看到指標，都要再去點擊其他5，6個其他數據，可以形成個性化數據匯集，直接給管理者匯集這個幾個數據的視圖）。

3）在行動閉環時，我們發現瞭某城市數據下降時，打算增加該城市的銷售數量，而該增加多少，增加後對成本，對新增客戶的數量預計會是多少，會不會超過業務指標，專傢系統支持我們快速得到變革的預測，而不是僅僅使用A/B測試，提高優化的效率。

再次說明，大傢無論全視角思考AI應用時，大概率不是對AI不理解（非專業AI工程師的要求）而是對營銷場景的本身理解和認知不夠。

上面2位大咖的發言就是我想說的，AI在CRM領域的應用，已經有十餘年的發展瞭。營銷自動化，銷售自動化，ABM都是這些領域的典型代表模式。

目前Chat GPT的火爆，使得大傢重新審視瞭AI和CRM結合這個領域。但是這個領域的發展限制大多不是AI技術，而是數據資產底座和營銷場景認知不足。

我們再看看CRM巨頭，SALES FORCE的AI CRM,根據Salesforce 在Dreamforce 大會上介紹的Einstein 平臺：Salesforce Einstein 也是 CRM 的唯一一款全面 AI 產品。

世界上聰明的 CRM =消費者數據+人工智能 + Salesforce 平臺,

從上述公式看出，數據+AI+CRM平臺是構建AI CRM的核心要素，這類營銷SAAS類的小夥伴可以思考下，國內是否有公司具備數據的底座？（在微軟，甲骨文，salesforce三大巨頭的數據底座之爭中，salesforce尚處於劣勢）。

下面是salesforce對Einstein應用的一些描述：

目前為止，鑒於 AI 的復雜性和高昂費用，隻有少數企業才能切實利用這項技術。Salesforce Einstein 將徹底顛覆這一局面。現在，任何組織中的所有成員都可輕松利用 AI 分析數據、預測和計劃後續步驟，同時自動執行任務和制定決策。憑借 CRM 的全面 AI 產品 Einstein：

• 銷售人員能夠先於顧客瞭解他們的需求，從而預測潛在業務機會並超出客戶期待
• 服務人員可以預測情況，避免潛在問題發生，提供主動的服務
• 營銷人員可以開展預見性的活動，營造前所未有的個性化客戶體驗
• IT 人員則可以將智能融入每個角落並為員工和客戶創建更加智能的應用程序

1c59ffd5983e3eb1f4d132ff744b7214

微軟作為另一個CRM領域巨頭，我們比較熟悉的Dynamics 365，早在2022年6月微軟即推出瞭Viva Sales的全新銷售人員體驗應用，微軟表示該應用“重新定義賣傢體驗並提高生產力”，旨在將其Office和視頻會議程序與客戶關系管理軟件（微軟旗下軟件以及競爭對手的客戶關系管理軟件）連接起來 。

它可以讓客戶管理應用的用戶們同步這些產品與微軟Outlook通訊簿、日歷或Teams會議與聊天系統之間的信息等。Viva Sales還使用人工智能（AI）工具掃描通話以及與客戶的互動，分析客戶情緒，看看哪些行動和營銷材料運作良好，並向銷售代表提供反饋意見。

微軟將其定義為：一款全新的智能化CRM互聯應用，該應用允許銷售代表在Outlook聯系人列表中將某些聯系人標記為客戶，這將使交互功能與客戶管理程序同步。Viva Sales通過日歷連接，查看何時召開客戶會議，並向用戶顯示哪些其他的聯系人或LinkedIn鏈接與他們的客戶相關。在Teams召開的會議中，銷售代表可以查看與客戶相關的所有數據。（這裡還是強化數據底座能力，及與Linked in平臺的數據打通，國內saas 小夥伴思考下，國內用脈脈嗎？國人一定不用郵件，那麼微軟同產品生的能力在國內就無法徹底施展，國內的生態對標是什麼？企業微信嗎？生態是否足夠開放）。

Viva Sales與任何銷售方的CRM軟件合作，實現數據輸入自動化，並為使用Microsoft 365和MicrosoftTeams的銷售方提供AI驅動的智能。（這裡與Enistein的差別？歡迎巨頭的前輩們指正。）我想將這個生態定義為：

全新智能化的CRM 互聯應用 =生態數據+微軟人工智能+微軟生態產品 + 任何CRM平臺。

近期火爆的Dynamics 365 Copilot已經植入到微軟office的全傢桶，Copilot 用於輔助用戶在 Microsoft 365 應用和服務中生成文檔、電子郵件、演示文稿等，由 OpenAI 的 GPT-4 技術驅動，像一個助手一樣出現在 Microsoft 365 應用的側邊欄，作為一個聊天機器人，讓 Office 用戶可以隨時召喚它，在文檔中生成文本、根據 Word 文檔創建 PowerPoint 演示文稿，甚至幫助使用 Excel 中的數據透視表等功能。銷售，市場，人員已經可以在Copilot的幫助下，撰寫郵件，繪制廣告物料等。

數據生態與冰山下

再次強調一個詞：數據底座，沒有數據底座的AI CRM隻是個DEMO。

我曾經負責過某互聯網公司數據中臺的搭建，對於數據的基礎工作的難，苦，累深有感觸體會，企業內部想要實現數據運營，基礎層要做個數據的來源統籌，加工，分析，場景化，而且數據中臺的價值在大多數公司都不是一層一層建設的，可以分場景的從數據底層到應用層建設。

所以我們不可能一下子建設好數字化再到智能化系統，可以逐個主題突破，回應上面的在線化，數字化，智能化的系統差別，期望中國市場湧現出可以自信說真正全場景的AI CRM。

對於個人從業者，不要焦慮，一方面對營銷場景又深刻的認知，對基本營銷場景的片面，零散認知，是不足以幫助你完成對AI應用的設計和想象的。

充分理解業務的營銷場景，跟得上AI能力發展，並牢記數字化，智能化的順序，判斷數據底座的充分性，判斷業界數據生態的可能性，任何一點去思考，學習，交流，都好過焦慮，企業應用不可能照搬照抄，從業者也不能急於求成。

以上的思路看來仍然無法避免實施成本和教育成本高的問題，找到合適的目標客戶尤為關鍵，當然垂直領域和行業切入不妨是個好思路。大幕剛揭開，我相信並期待其他思路的發現和實踐。AI將是CRM的一個標配，輕量、快速的將AI應用到中小企業中需要大傢繼續去探索和努力。AI的發酵也會為廠商帶來一些額外的品牌價值的加成。

企業服務本身是一個需要深耕的領域，AI可能不是一個彎道超車的捷徑，但很可能會是讓人掉隊的壁壘。