本白皮书面向董事会、经营层与 CMO
团队,讨论 AI
条件下营销领导责任、决策权、组织接口、人才组合与绩效证据的重新配置。报告将“增长系统”定义为围绕经营目标持续完成信号感知、决策分配、执行协同与学习复盘的一组可运营机制,而非单一技术平台或营销部门扩权方案。
报告中的事实与数字优先采用监管、标准、同行评审或工作论文、上市公司财报与企业官方披露。企业自报、平台案例和咨询调查均按其披露口径使用;没有公开结果时明确标注“未披露”。管理框架用于帮助决策,不构成对任何企业的确定性收益承诺。
案例组合覆盖 10
个完整企业案例,其中包含 3
个中国企业案例;另将中国生成合成内容标识规定作为治理证据单列。所有企业数字均按年报、业绩材料或明确标注的供应商/项目披露口径使用,并在案例内说明归因与外推边界。
阅读边界
CMO
可以对增长系统的设计与证据负责,但不能在缺乏价格、产品、销售、数据和履约权的情况下,被单方面要求对全部收入负责。责任必须与可行使的决策权、资源和暂停权相匹配。
01
执行摘要:CMO
转型的十个可证伪判断
02
第一章 董事会命题:责任与系统设计权必须匹配
03
第二章 增长系统织机:一套可运行的 CMO
主框架
04
第三章 角色边界:按客户价值与决策权重画组织
05
第四章 五个回路:把 AI
嵌入增长系统,而非内容工厂
06
第五章 客户与产品接口:把市场证据送入价值决策
07
第六章 销售协同:从 MQL
交付转为机会共同推进
08
第七章 数据与技术权:业务定义、优先级与验收
09
第八章 人机组织:按任务、判断与升级接口重构
10
第九章 能力迁移:CMO
与团队的新能力组合
11
第十章 指标与价值证明:构建因果链和证据门
12
第十一章 治理与信任:授权半径、日志、暂停与回滚
13
第十二章 运行节奏与 90
天路线
14
管理者工具箱
15
附录:案例总表、当代专家观点、术语与来源索引
AI
正在降低内容、分析和执行的单位成本,但这并不自动扩大
CMO 的经营影响。真正决定结果的是:CMO
是否获得了把客户信号转化为产品、渠道、销售与资源决策的制度化接口;是否能用可信证据解释增量利润与长期品牌资产;是否能在高风险动作发生前暂停系统。
核心判断
经营含义
1.
角色扩张不等于权力扩张
当
CMO
被要求承担增长或收入指标,却没有价格、产品优先级、销售流程、数据定义和客户履约的共同决策权时,岗位扩张只会制造虚责。可证伪标准:检查收入偏差出现后,CMO
是否有权改变至少一个关键驱动变量。
2.
AI 先放大系统质量,再放大产能
目标、数据和审批不清时,自动化会更快地产生错内容、错优惠、错线索和错归因。可证伪标准:比较自动化前后返工率、错误传播半径与恢复时间,而不只比较生成速度。
3.
CMO 的核心资产是回路设计权
内容生产力只是执行回路的一部分。CMO
的差异化来自五个回路能否持续运转:目标设定、信号感知、决策分配、执行协同、学习复盘。
4.
客户洞察必须成为正式业务输入
市场研究只有进入产品路线、定价、服务和渠道决议,才构成经营能力。可证伪标准:每项高优先级客户证据是否有责任人、决议时限与关闭原因。
5.
市场销售协同应围绕购买组与机会阶段
MQL
数量无法代表共同收入责任。B2B
应共享账户、购买组、机会阶段、内容证据和反馈;消费与平台业务则应共享人群、商品、渠道与留存回路。
6.
CMO 不必拥有技术栈,但必须拥有业务定义与验收权
营销数据口径、场景优先级、客户体验标准和业务验收不能完全外包给
CIO、供应商或模型团队。
7.
人机组织的基本单位是任务组合
裁撤岗位不是组织设计。应先拆分任务的可自动化程度、判断责任、审核节点和升级接口,再决定岗位与编制。
8.
短期效率不能替代长期能力
现场实验显示
AI
可以改善任务质量和跨专业协作,但单次任务成绩不能证明组织已经形成客户理解、品牌判断与变革能力。
9.
价值证明需要证据等级
曝光、点击、线索、机会、增量利润和品牌资产处于不同因果层级。董事会必须知道哪些是活动指标、哪些是相关证据、哪些接近因果证据。
10.
CMO 对外部表达风险负有不可外包责任
供应商生成、代理商发布或平台自动触达都不能转移品牌、广告、隐私与客户公平责任。必须按动作风险配置授权半径、复核、日志、暂停与回滚。
董事会结论
AI
条件下,最值得讨论的不是“CMO
是否变成首席增长官”,而是企业是否建立了清晰的增长系统主责、四类权、三类接口契约和一套可审计的证据链。
责任与权力必须同图出现 结果责任没有相应决策权,只会制造虚责。 增长系统CMO 经营责任
01 议题发起权 让客户证据进入决议 02 资源配置权 在品牌与增长间取舍 03 业务验收权 用经营口径判定通过 04 风险暂停权 越线时停止与回滚 1.1
为什么 CMO 的责任争议在
AI 时代更尖锐
传统 CMO
的可见产出集中在品牌、传播、活动和媒体。数字化把渠道、数据和销售线索纳入其范围,AI
又进一步把洞察、内容、触达、销售辅助和服务自动化连接起来。于是董事会容易得出一个直觉:既然营销能触达更多环节,CMO
就应对收入负责。问题在于,收入是价格、产品、渠道、销售能力、交付体验、宏观环境和品牌资产共同作用的结果。若责任扩张快于决策权扩张,CMO
会成为跨职能失配的“最终解释人”。
Spencer Stuart 对
2026 年 S&P
500 CMO 的统计显示,平均任期约 4.1
年,低于全部 C-suite
角色的 5.0
年;同时离任者中相当比例进入同级或更大岗位。这既说明角色重要性上升,也提示岗位边界仍在重构。[S1]
当代观点|Duke
University 教授 Christine
Moorman 基于 2025 年第
34 期 The
CMO Survey(281
名美国营利企业营销领导者,99%
为 VP
及以上)指出,营销部门的组织影响力扩大、AI
采用加速,但预算增速放缓与 ROI
证明压力同时上升。她长期强调营销职能的独特价值在于连接客户与产品、服务交付及财务问责。本报告采纳“连接责任”这一判断,但不把美国样本直接外推为中国企业的岗位标准:董事会仍需按商业模式检验
CMO 是否拥有相应的决策权和数据接口。[S22]
1.2
四类权:把模糊影响力变成可治理权利
权力
定义
示例
议题发起权
把客户、市场、品牌或增长证据正式送入经营会议,并要求列入议程。
客户流失信号连续两周突破阈值,CMO
可发起产品/服务联合复盘。
资源配置权
在已批准的组合边界内调整预算、渠道、实验和能力投入。
将低增量活动预算迁移到可验证的高价值客户旅程。
业务验收权
定义营销数据、内容、体验和技术场景的业务通过标准。
CDP
上线不能仅以“系统可用”验收,还需通过身份匹配、时效与场景效果门。
风险暂停权
当品牌、合规、隐私、客户公平或系统失控风险超过阈值时暂停动作。
生成式客服出现价格承诺越权时,CMO/法务可立即停止外发并回滚。
1.3
责任—权力匹配测试
董事会问题
合格状态
风险信号
CMO
对收入承担什么责任?
对可影响的收入驱动因素和增量证据负责;与产品、销售、服务共同承担结果。
直接下达收入总额,却不能调整价格、产品、销售动作或数据。
CMO
能调什么资源?
有明确预算带宽、实验额度和跨职能资源承诺。
所有资源均需临时协调,失败仍由
CMO
单责。
CMO
能停止什么?
对高风险客户表达、自动触达和品牌资产使用拥有暂停权。
只负责“把关”,却无法停止平台或代理商的自动动作。
CMO
如何验收技术?
以业务指标、数据质量和客户体验共同验收。
由技术交付完成即视为成功。
Drucker
将企业目的归结为创造顾客;Porter
强调战略是取舍与独特活动系统。对 CMO
的含义是:营销领导力不应被简化为传播声量,也不能被扩张为对所有增长结果的无边界负责。它应聚焦于客户创造系统中的关键取舍、资源配置与证据闭环。
经线守住经营约束,纬线连接跨职能能力 五个回路把目标持续翻译为客户与经营结果。 经营目标 客户价值 品牌资产 收入/利润 风险与能力
客户信号 产品价值 内容渠道 销售协同 数据技术 人才伙伴 治理控制
目标设定 → 信号感知 → 决策分配 → 执行协同 → 学习复盘
“增长系统织机”把企业增长看作经线与纬线不断交织、由五个回路持续校正的经营系统。经线代表不能被短期活动牺牲的价值约束;纬线代表跨职能能力;四类权保证系统能做决定;三类接口契约保证责任不会落入灰区。
2.1
经线:五类不可丢失的经营约束
经线
CMO
的设计问题
典型证据
经营目标
增长来自规模、价格、结构、留存还是效率?
收入桥、利润池、客户经济性
客户价值
目标客户为何选择、使用、续购或离开?
JTBD、流失原因、服务证据
品牌资产
哪些记忆结构与信任资产需要长期积累?
心智可得性、品牌健康、价格溢价
收入/利润
活动如何影响机会、转化、毛利与现金?
实验、MMM、机会队列、贡献利润
风险与长期能力
哪些增长会透支信任、数据权利或组织能力?
投诉、合规事件、人才能力、技术债
2.2
纬线:七类跨职能能力
纬线
关键对象
CMO
的最低权利
客户信号
行为、搜索、社媒、服务、销售、研究
定义信号优先级与升级规则
产品价值
价值主张、路线图、定价、包装
提交客户证据并参与关键决议
内容与渠道
品牌表达、媒体、创意、触达
资源配置、验收与风险暂停
销售协同
账户、购买组、机会、销售内容
共同定义阶段、SLA
与反馈
数据与技术
身份、事件、权限、模型、应用
业务定义、优先级与验收
人才与伙伴
岗位、能力、代理商、供应商
任务组合设计与伙伴治理
治理控制
广告、隐私、版权、公平、审计
授权半径、复核、日志、回滚
2.3
五个系统回路
回路
机制
经营输出
目标设定
将董事会目标翻译为客户、品牌、收入、利润和风险约束。
季度组合决议
信号感知
持续收集并分级客户、市场、渠道、销售和服务信号。
周信号清单
决策分配
按预期价值、证据强度、资源与风险决定做什么、停止什么。
月度组合调整
执行协同
让人、AI、代理商和系统在明确权限与接口下完成动作。
任务状态与异常升级
学习复盘
比较预期与实际,更新规则、模型、预算和组织能力。
实验结论与规则变更
框架的可证伪性
若企业只能展示更多内容、更快报表或更多自动化,却不能展示预算如何重配、客户证据如何进入产品决议、错误如何暂停和学习如何改变下一轮规则,就不能声称已经形成增长系统。
客户价值 谁能改变客户选择与体验
决策权重 谁拥有改变关键驱动变量的权限
反馈闭环 谁能看到结果并修正规则
不按部门名称划边界,按客户旅程、经营对象与决策权划边界。
Galbraith 的
Star Model
提醒管理者,战略、结构、流程、奖励与人员必须相互一致;Chandler
的“结构追随战略”说明组织边界应服务于企业选择的增长方式。因而不存在适用于所有企业的
CMO 职责清单。直营
B2B、平台、快消、连锁和高监管服务的客户旅程、毛利结构、数据可得性与风险不同,CMO
权责也必须不同。
3.1
四类业务模式的边界差异
业务模式
增长主机制
CMO
应主责
共同责任
不宜单责
复杂
B2B
账户渗透、购买组共识、机会推进
市场定义、账户洞察、内容证据、需求创造
销售阶段、解决方案、定价、客户成功
签约收入总额
消费品
心智可得性、渠道覆盖、创新与促销
品牌资产、传播、消费者洞察、媒体组合
品类、商品、渠道、收入增长管理
渠道执行与供应履约
平台/互联网
流量、匹配、网络效应、留存
需求增长、生命周期沟通、信任与品牌
产品增长、算法、商业化、客服
产品留存与平台治理全责
高监管服务
信任、专业价值、合规获客、长期关系
品牌、客户教育、合规触达、体验标准
法务合规、专业服务、销售、数据安全
专业判断与合规最终批准
3.2
权责边界的三个判据
客户价值判据:该决策是否改变客户选择、使用、续购或推荐的核心理由?
经济权重判据:该决策对收入、毛利、现金、品牌资产或风险暴露的影响有多大?
可控性判据:CMO
是否拥有信息、资源、执行接口与暂停能力?
当三项判据都高时,CMO
应拥有主责或共同决策权;当经济权重高但可控性低时,必须建立接口契约,不能用“协同”二字代替责任设计。
01 目标设定 经营约束 02 信号感知 客户证据 03 决策分配 资源与权限 04 执行协同 人机任务 05 学习复盘 证据与规则 AI
的经济价值通常出现在任务级:降低信息处理成本、提高初稿质量、扩大方案搜索空间、加快标准执行。系统价值则要求任务输出能进入下一环节,结果能反馈到规则与资源决策。Deming
的 PDSA
与系统思考都强调反馈与整体优化;局部速度如果造成下游拥堵或风险,系统绩效反而下降。
案例 1|P&G
× Harvard Business School:AI
作为“赛博队友”
维度
内容
主体与时间
宝洁与哈佛商学院研究团队,2024
年开展、2025
年发布工作论文;791
名专业人员参与。
业务情境
参与者完成真实的新产品创新任务,随机分配为个人、团队,以及是否使用生成式
AI。
具体动作
研究比较个人与团队、AI
与非
AI
条件下的方案质量、跨专业知识整合、情绪体验与时间。
作用机制
AI
不仅提高个人输出,也在一定程度上缩小不同专业背景之间的信息边界,使个人能够获得类似团队的跨域表现。
结果证据
论文报告
AI
使用组更可能产出位居前列的方案,并改善任务体验;具体效应依任务与评价口径而定。[S2]
边界
这是单一企业、特定创新任务与受控工具环境;不能外推为裁撤团队、自动执行市场动作或长期组织能力已经形成。
管理启示
CMO
应把
AI
配置为任务回路中的协作节点,并保留问题定义、品牌判断、商业选择与最终验收。
当代观点|Fabrizio
Dell’Acqua、Raffaella
Sadun 与 Karim R. Lakhani
基于 791 名 P&G
专业人员的随机现场实验,把生成式 AI
描述为可能改变团队知识边界的“赛博队友”:AI
条件下,个人更可能产出跨职能整合的高质量方案,部分缩小专业壁垒。研究者同时限定了适用范围——任务是受控的新产品创新任务,工具、组织与参与者均具特定性。本文据此判断,CMO
可扩大方案搜索和跨专业协作,但不能据单次实验取消专家复核、真实客户验证或组织责任。[S2][S23]
4.1
AI 在五个回路中的合适位置
回路
适合
AI
必须由人承担
主要失效模式
目标设定
情景分析、目标分解、约束检查
战略取舍、风险偏好、最终承诺
把历史相关性当战略
信号感知
采集、分类、摘要、异常发现
信号意义判断、偏差识别
噪声放大与虚假精确
决策分配
方案生成、预算模拟、排序辅助
资源取舍、伦理与品牌判断
目标函数错配
执行协同
草拟、适配、调度、提醒、标准动作
高风险批准、关系处理、例外决策
错误高速扩散
学习复盘
数据整理、模式发现、知识更新建议
因果解释、规则变更、能力取舍
把相关性当因果
自动化的关键治理变量不是模型“聪明程度”,而是动作可逆性、外部影响、数据敏感度和错误传播速度。对可逆、内部、低敏感任务可扩大授权;对价格、承诺、客户权益、公开品牌表达和高敏感数据应收紧授权并设置双重批准。
客户证据 任务、摩擦、支付意愿、服务信号
议题发起 共同判断 产品、销售、服务、财务评估
限时决议 业务动作 路线、定价、承诺或关闭原因
Levitt
的“营销近视”警告企业不要把自身产品当作客户需求本身;JTBD
进一步要求理解客户在特定情境下试图完成的进步。AI
可以扩大客户信号的采集与归类,但无法替代对需求冲突、支付意愿、产品可行性和战略取舍的判断。
5.1
客户证据接口契约
字段
最低要求
责任人
时限
证据主题
客户任务、痛点、障碍、替代方案或流失原因
CMO/洞察负责人
持续
证据等级
单条反馈、重复模式、行为数据、实验或财务结果
数据/研究共同标注
提交时
业务影响
影响细分、价值主张、定价、路线图或服务标准
产品/销售/服务评估
5–10
个工作日
决议状态
接受、试验、待补证据、拒绝及理由
对应业务负责人
约定日期
回流
决议结果及客户后续反应
CMO
维护证据库
月度复盘
案例 2|Unilever:把社交信号与内容系统连接
维度
内容
主体与时间
联合利华,2025
年经营转型披露及
2026
年发布的
2025
年年报、全年业绩材料。
业务情境
消费者注意力由大规模广播转向社交发现、创作者推荐与高频文化语境,传统年度内容计划难以及时把需求信号转成品牌与渠道动作。
具体动作
公司以“Desire
at Scale”为营销哲学,推动
SASSY
brands、social-first
demand generation,并把组织改造纳入“Fit
for the AI Age”;其投资者沟通将目标概括为打造更强的营销与销售机器。
作用机制
以社交与消费者信号识别需求,把品牌吸引力、包装、感官体验、推荐与可见度转成可执行标准,再由品牌、渠道和销售团队共同落地。
结果证据
联合利华披露,2025
年基础销售增长为
3.5%,其中销量贡献
1.5%;Power
Brands 基础销售增长
4.3%,Vaseline
实现双位数增长。公司还披露
Vaseline
Verified Hacks 获得约
6,000
万次互动并带动双位数销量增长。上述数字属于公司整体或品牌项目披露,不能单独归因于
AI
或某一内容系统。[S3]
边界
公开材料未披露该 AI
内容资产制作速度口径的可复核一手依据,也未给出统一对照实验。销售增长同时受产品、定价、渠道、宏观环境和执行质量影响。
管理启示
CMO
应把社交信号、品牌标准、产品卖点与销售执行放进同一经营回路;对外报告只能把公司披露视为机制证据和结果信号,不能把相关性写成
AI
因果贡献。
当代观点|联合利华 CEO
Fernando Fernandez 在 2025
年 Barclays
投资者会议中将目标表述为把联合利华打造为“营销与销售机器”,并把
Desire at Scale
作为未来数年的营销主张;他在后续沟通中强调广播式品牌传播模式已经失效,品牌需要以科学、美学、包装、感官、推荐和当代性形成可规模化的吸引力。本报告将其视为经营者对营销系统的方向判断,而不是
AI ROI 证明:公司整体增长数据无法拆出
AI、社交内容或组织变革各自的增量贡献。[S3]
5.2
议题升级规则
涉及核心价值主张、价格或客户权益:进入产品/商业化委员会,不由市场单方决定。
连续出现且影响高价值客户的服务问题:进入服务负责人和
CEO 的月度经营议程。
存在监管、歧视、隐私或重大品牌风险:立即触发风险暂停权,不等待例会。
证据弱但机会大:批准受限实验,明确样本、停止条件和下一决议日。
共同推进,不是单向交付 购买组与人群 · 机会/商品阶段 · 内容证据 · 下一动作 · 输赢原因 · 增量贡献 销售与市场的常见冲突来自对象和时间尺度不同:市场关注人群、账户、需求与内容;销售关注具体机会、关系与成交时点。AI
如果只提高线索数量,会加剧销售筛选负担。共同系统必须围绕购买组、机会阶段、内容证据、下一动作与收入反馈。
6.1
四类业务的协同对象
业务
共同对象
市场承诺
销售 / 渠道承诺
共享结果
复杂
B2B
目标账户、购买组、机会阶段
意向信号、角色内容、活动证据
阶段更新、异议、下一动作、输赢原因
机会推进、周期、赢率、毛利
消费品
人群、商品、渠道、区域
需求创造、内容、媒体、人群实验
铺货、陈列、价格执行、库存反馈
增量销量、毛利、渗透、复购
平台
供需两端、生命周期阶段
获客、教育、激活沟通
产品承接、供给与服务处理
激活、匹配、留存、单位经济
渠道/加盟
伙伴、门店、区域
品牌物料、线索、活动打法
本地执行、跟进、回传
门店增量、执行率、线索转化
6.2
增量贡献 SLA
SLA
项
定义
建议门槛
线索响应
高意向信号进入销售队列至首次有效响应
按业务设置小时级或工作日级
阶段完整性
机会必须有购买角色、问题、价值、下一动作与日期
关键字段完整率
≥ 约定值
内容证据回传
销售标注内容是否帮助推进、阻碍或无关
重点机会月度覆盖
输赢复盘
赢单与丢单原因按统一分类回流
每月/季度
增量检验
活动或触达相对基线/对照的净变化
重大投入必须有证据设计
案例 3|HubSpot:以统一客户平台连接市场、销售与服务
维度
内容
主体与时间
HubSpot,2025–2026
年官方产品与公司披露。
业务情境
GTM
数据和工作流分散会造成线索、交易与服务上下文断裂。
具体动作
HubSpot
将
Smart
CRM、营销、销售、服务与
AI
能力放在统一客户平台上,强调共享数据和跨团队工作流。
作用机制
单一客户记录降低交接损耗,AI
可基于共同上下文生成内容、识别意向并辅助下一动作。
结果证据
官方披露平台能力与客户结果调查,但结果由公司/客户自报,不能视为通用因果证据。[S4]
边界
统一平台不能替代阶段定义、数据治理和销售纪律;迁移成本与供应商锁定需评估。
管理启示
CMO
与销售负责人应先统一对象、阶段和反馈,再选择平台。
案例 8|绝味食品
× 腾讯企点:AI
会员智体连接策略与执行
维度
内容
主体与时间
绝味食品与腾讯企点,2025
年 4
月对外披露的
AI
会员智体联合项目。
业务情境
连锁零售会员营销需要同时完成人群圈选、权益设计、选品和个性化文案,人工专家方案难以在高频活动中持续扩展。
具体动作
项目集成人群圈选、权益设计、智能选品和个性化文案四类
Agent,以腾讯混元与
DeepSeek
支持策略推理,腾讯云知识引擎沉淀活动知识,腾讯企点营销云承接活动创建、复购、流失预测和数据分析。
作用机制
把客户数据、营销知识、活动策略与执行工具连接为一条任务链,并用专家组作为项目对照,检验智体方案在同类营销活动中的表现。
结果证据
腾讯企点官方项目披露称,相较专家组,AI
会员智体活动内容点击率提升
40%
以上、转化率提升
25%。腾讯企点后续官网还展示更高倍数指标,但口径与早期披露不完全一致,本报告采用较早、描述更明确的对照口径,不混用不同批次数字。[S26]
边界
这是供应商与客户联合披露,未公开样本量、活动数量、随机化方式、基线绝对值、统计显著性和毛利影响;结果不能外推到全部会员、门店或其他行业。
管理启示
CMO
不应只采购“文案
Agent”,而要共同定义人群、权益、商品、触达和转化指标;销售/运营、数据与技术团队必须对对照设计、执行权限和业务验收共同签字。
CMO 业务定义与优先级
共同 质量、权限与验收
CIO/CDO 架构、可靠性与恢复
技术所有权可以集中,业务定义权与业务验收权不能悬空。
CMO
无需管理全部基础设施,但必须对营销数据“是什么意思、先服务什么决策、达到什么业务标准”负责。CIO/CDO
则对架构、安全、可靠性、主数据和技术生命周期负责。两者之间应建立数据产品契约,而不是由市场提交需求、技术排队交付。
7.1
CMO × CIO/CDO 数据产品契约
契约项
CMO
主责
CIO/CDO
主责
共同决议
业务对象
客户、账户、购买组、内容、活动、机会定义
主数据模型、标识与集成
最小统一对象
数据质量
完整性、时效、可解释性的业务门槛
质量规则、监控、修复机制
服务等级与例外
场景优先级
价值假设、用户流程、验收指标
复杂度、成本、风险、复用性
路线图与分段拨付
权限与同意
业务用途与客户体验
身份、访问、留痕、保留
最小权限和同意机制
模型/应用验收
准确性、品牌、安全、业务效果
性能、可靠性、模型风险、运维
上线、限流、回滚
案例 4|Coca-Cola
Project Fizzion:把品牌规则变成设计智能
维度
内容
主体与时间
可口可乐与
Adobe,2025
年公布的试点。
业务情境
全球品牌需要在高频、多市场内容生产中保持资产一致性与设计控制。
具体动作
将传统品牌指南转化为可适配的设计智能系统,让创意团队在规则内生成与调整资产。
作用机制
把品牌知识从静态手册转为机器可执行约束,同时保留设计人员控制。
结果证据
公司称试点可使内容生产最高提速
10
倍;属于企业披露,且项目仍处试点阶段。[S5]
边界
未公开销售增量、质量评估方法与大规模运营成本;品牌规则结构化也可能固化既有表达。
管理启示
CMO
应拥有品牌规则与业务验收,技术团队负责系统可靠性,创意人员保留例外判断。
当代观点|Coca-Cola
全球设计副总裁 Rapha
Abreu 与生成式 AI
设计负责人 Dominik
Heinrich 在 Project
Fizzion 的官方披露中,把重点放在“AI
治理的创意规模化”:品牌规则需要被转译为机器可读约束,但设计人员仍需控制核心资产、例外与最终输出。本报告认可其“规则先于生成”的产品思路;但该项目属于企业与技术伙伴披露的试点,公开材料没有提供跨市场财务增量或长期品牌资产的独立验证,因此不宜把制作速度直接写成增长。[S5][S24]
7.2
技术项目的业务验收门
数据门:关键对象、时效、权限与同意达到约定标准。
任务门:真实用户可完成目标任务,异常可识别和升级。
效果门:相对基线出现可解释改善,而非只展示模型指标。
风险门:高风险输出经过复核,日志、暂停与回滚已演练。
经济门:总成本包含模型、集成、运维、审核、培训与机会成本。
判断 人负责取舍 关系 人负责承诺 创造 人机共创 执行 机器受控运行 监督 人定义例外 社会技术系统理论指出,技术与组织必须共同优化。March
的探索与利用框架提醒管理者:组织既要用 AI
提高现有流程效率,也要保持探索新客户、新价值主张和新渠道的能力。仅按“AI
能做多少”裁减人员,会损伤判断、关系和学习。
8.1
任务组合矩阵
任务类型
AI
角色
人的责任
组织设计
高频、规则清晰、可逆
自动执行
抽检与规则维护
扩大授权、监控异常
高频、规则部分清晰
建议/草拟
审核、例外判断
人机工作台与升级队列
低频、高价值、不可逆
分析辅助
决策与签字
双人复核、严格日志
探索性、信息不完整
搜索与方案扩展
问题定义、取舍、学习
跨职能小队与实验预算
关系与信任密集
会前准备与记录
沟通、谈判、共情
AI
后台,人前台
案例 5|Klarna:效率跃迁与人员边界的双重教训
维度
内容
主体与时间
Klarna,2024–2026
年公司披露。
业务情境
公司在客服、营销与内部工作中大规模采用
AI,并以成本结构和人均收入为重要叙事。
具体动作
部署
AI
客服与生产力工具,减少外包和人员规模,同时强化数字银行与商业网络。
作用机制
标准服务自动化降低单位成本,统一知识与快速响应改善效率。
结果证据
Klarna
2026 年披露自
2022
年以来员工人数下降约
49%,人均收入达到
124
万美元;为公司披露,结果同时受收入增长、业务组合和组织调整影响。[S6]
边界
公开报道与管理层后续表态显示,纯效率路径可能带来服务质量和人类支持需求;不能将公司级结果归因于单一
AI
项目。
管理启示
CMO
应把人员决策与客户体验、例外处理和长期能力同时评估,不能把短期人效当唯一目标。
8.2
岗位重构模板
旧岗位重心
迁移后的任务组合
新增责任
内容执行
AI
生成编排
+
编辑判断
+
资产复用
事实、品牌和版权验收
媒介优化
自动监测
+
组合模拟
+
实验设计
增量证据与预算重配
市场研究
信号采集自动化
+
研究设计
+
决议接口
证据等级与洞察关闭
营销运营
工作流、权限、SLA、异常队列
系统可靠性与跨职能接口
品牌负责人
规则结构化
+
例外判断
+
长期资产管理
AI
表达授权与风险暂停
传播管理 活动与内容 客户判断 洞察与价值 系统设计 回路与接口 资本配置 组合与证据 治理领导 授权与风险 动态能力理论强调感知机会、抓住机会与重构资源。对
CMO 而言,AI
时代的能力不再以渠道知识为中心,而是把客户、品牌、资本、数据、组织和风险组合成可运行系统。Kotter
的变革思想则提示:能力迁移需要紧迫性、联盟、短期成果与制度化,而不是一次培训。
9.1
CMO 五项核心能力
能力
关键行为
证据
系统设计
定义对象、回路、接口、例外与节奏
增长系统架构与责任图
资本配置
比较组合的预期价值、证据、风险与期权价值
预算迁移与停止记录
数据判断
辨别口径、偏差、相关与因果
指标树与证据等级
跨职能推动
建立契约、决议时限与冲突升级
SLA
完成率与关闭率
风险决策
设置授权半径、复核、暂停和回滚
演练、日志与事件复盘
9.2
个人与团队能力迁移组合
对象
停止过度投入
加强
新建
CMO
只以传播成果证明价值
客户经济、资本配置、董事会沟通
系统架构与风险决策
品牌团队
手工制作大量变体
品牌规则、文化判断、资产治理
机器可执行品牌系统
增长团队
只追逐短期渠道
ROI
实验设计、利润与留存
组合优化与因果证据
运营团队
手工搬运、报表拼接
流程、数据质量、异常处理
AI
工作流与审计运营
洞察团队
报告交付即结束
研究设计、综合判断
客户证据到业务决议接口
案例 10|美图:AI
产品化、订阅增长与治理成本同时进入经营账
维度
内容
主体与时间
美图公司,2025
年中期与全年业绩、年度报告披露。
业务情境
影像与设计工具需要把生成式
AI
从单点功能变成持续付费的生产力产品,同时控制推理成本、第三方
API
依赖、内容安全和全球化运营。
具体动作
公司推进“生产力与全球化”战略,推出
AI
设计智能体
RoboNeo
等产品,把生成、编辑和设计工作流产品化;同时建立
AI
Ethics Committee 与负责
AI
框架,对开发、部署和使用进行治理。
作用机制
以订阅和使用量检验用户价值,以自研垂直模型与开源模型控制单位推理成本,并把产品、增长、技术和治理放进同一经营组合。
结果证据
美图披露,2025
年图片、视频与设计产品收入同比增长
41.6%
至人民币
29.54
亿元;截至年末付费订阅用户同比增长
34.1%
至 1,691
万。推理相关算力成本接近相关成本的一半,显示增长同时带来可观的服务成本。上述结果是公司整体产品组合口径,不能单独归因于某一
AI
功能或营销动作。[S28]
边界
订阅增长可能同时受产品迭代、定价、渠道、全球市场扩张和品牌影响;公开材料未披露
RoboNeo
单产品留存、增量利润或营销归因。
管理启示
CMO
的能力迁移不能只学习生成工具,还要能与产品、财务和技术共同管理“价值—采用—成本—风险”组合;规模化
AI
产品的真实约束往往是留存和单位经济,而非生成速度。
能力建设必须与真实工作绑定。建议以“一个闭环、一个跨职能接口、一套证据门”作为训练单元:团队在
90 天内完成真实场景,形成可复用规则和治理资产。
经营结果 增量利润 · 客户价值 · 品牌资产
机会与行为 机会推进 · 转化 · 留存 · 价格能力
活动与系统 触达 · 响应 · 周期 · 质量 · 风险
E0 观点 → E1 相关 → E2 准实验 → E3 随机实验 → E4 多场景财务复现
传播指标并非无价值,但它们处于因果链上游。董事会需要看到活动如何改变客户行为、机会、增量利润与长期品牌资产,同时理解证据强弱。归因方法没有万能解:实验适合局部可控干预,MMM
适合组合与中长期,MTA
依赖可观测身份和事件,品牌研究用于衡量记忆与态度。
10.1
指标与证据树
层级
指标例
能回答
不能单独回答
活动
产量、覆盖、曝光、频次
做了什么、触达多少
是否创造增量价值
行为
搜索、访问、互动、试用、到店
客户是否响应
是否由该活动造成
机会
购买组覆盖、阶段推进、转化、周期
商业进展是否改善
净增量与利润
经济
增量收入、贡献毛利、CAC、LTV、现金回收
财务价值
长期品牌与风险
资产
心智可得性、信任、价格溢价、数据与能力
长期竞争力
短期现金回报
10.2
证据等级
等级
证据类型
使用方式
董事会表述
E0
观点、案例、供应商演示
提出假设
“值得测试”
E1
活动前后、相关分析
初步信号
“与改善同时出现”
E2
匹配对照、准实验、稳健性检验
支持决策
“较可能有增量贡献”
E3
随机实验或强因果设计
扩大或停止的重要依据
“在该范围内发现因果效应”
E4
多场景重复
+
财务与长期结果
规模化与资本重配
“结果具有一定可迁移性”
案例 9|百度:把
AI 原生营销服务单独纳入经营披露
维度
内容
主体与时间
百度,2025
年三季度、四季度及全年业绩披露。
业务情境
传统在线营销业务承压,搜索结果形态和广告主需求因生成式
AI
改变,公司需要验证
AI
原生营销能否形成独立收入曲线。
具体动作
百度把智能体、数字人等产品归入
AI-native
Marketing Services,并在财报中与传统在线营销、AI
Cloud 和 AI
Applications 分开披露;同时推动搜索结果由链接式页面转向结构化、智能化与多模态答案。
作用机制
将 AI
产品定义、广告主付费、交付形态和财务收入连接,使管理层能观察新营销产品是否形成真实客户支付,而非只统计模型调用或内容产量。
结果证据
公司披露,2025
年第三季度
AI
原生营销服务收入为人民币
28
亿元,同比增长
262%;第四季度为人民币
27
亿元,同比增长
110%。公司明确说明相关收入与运营数据来自内部管理账目和记录,未经审计。[S27]
边界
收入增长不等于广告主获得同等
ROI,也不能证明每类智能体或数字人产品均有效;同比增速受低基数、产品分类和商业化节奏影响。
管理启示
CMO
与 CFO
应为 AI
营销建立独立产品/场景口径:至少同时追踪客户采用、续用、毛利、交付成本和客户增量价值,避免把“AI
标签收入”当作系统绩效。
案例 6|Duolingo:AI-first
组织表达引发品牌与人才争议
维度
内容
主体与时间
Duolingo,2025
年公开管理层沟通及后续市场反应。
业务情境
公司强调
AI-first
工作方式与对承包任务的自动化,引发员工、创作者与用户对岗位替代和品牌人格的讨论。
具体动作
将
AI
使用纳入组织原则,并公开强调在可自动化工作中优先采用
AI。
作用机制
明确方向可加速采用,但外部表达会同时影响雇主品牌、用户信任和组织心理安全。
结果证据
公司披露了原则与后续澄清,但未公开可将业务结果与该政策直接关联的因果证据。
边界
社交舆论不等于长期品牌损害;同样,效率叙事也不等于组织能力改善。
管理启示
CMO
应参与
AI
组织政策的外部叙事与利益相关者评估,避免把内部效率政策变成无意的品牌承诺。
10.3
决议门
决议
最低证据
允许动作
继续探索
明确问题、基线、可测指标
小样本、可逆实验
扩大投入
E2/E3
证据、成本与风险受控
扩大范围但保留对照
规模化
多场景重复、运营稳定、治理通过
纳入常规预算与能力
停止/重构
未达阈值、风险超标或机会成本过高
停止、回滚、保留学习资产
R1 内部低风险 可执行/抽检 R2 公开表达 机器草拟/人批准 R3 客户与预算 双角色批准 R4 敏感不可逆 禁止自主执行 NIST AI RMF
将风险管理组织为 Govern、Map、Measure、Manage;ISO/IEC
42001 要求建立并持续改进 AI
管理体系。中国《人工智能生成合成内容标识办法》规定显式与隐式标识,并自
2025 年 9
月 1
日与配套标准同步实施。[S7][S8][S9]
对 CMO
而言,这些不是技术部门的附属事项,因为品牌表达、广告承诺、客户触达和个性化直接构成市场经营行为。
当代观点|NIST
AI RMF 负责人之一 Elham
Tabassi 将 AI
风险管理概括为贯穿生命周期、可度量且持续运行的过程:目标既包括减少负面影响,也包括在受控条件下释放创新价值。生成式
AI Profile
进一步指出,不同人机配置需要不同监督强度,并可能要求额外的人审、追踪、文档和管理层监督。本报告据此把“风险暂停权”设为经营权,而非技术团队的应急按钮;边界在于
NIST
框架是跨行业、自愿性框架,企业仍须叠加中国法规、广告规则、隐私义务和行业监管。[S7][S25]
11.1
动作风险分级与授权半径
等级
动作示例
默认授权
控制
R1
低
内部摘要、格式转换、非敏感草稿
AI
可执行
抽检、基础日志
R2
中
公开内容草稿、客户分群建议、预算建议
AI
草拟,人批准
事实/品牌复核、版本留痕
R3
高
自动外发、个性化报价、广告声明、客户权益处理
双人或角色批准
证据、权限、实时监控、可回滚
R4
严格
敏感人群决策、重大危机表达、不可逆承诺
禁止自主执行
法务/高管批准、演练、全量审计
11.2
CMO 不可外包的五项责任
品牌规则与例外:哪些表达、资产和承诺可以被机器使用。
客户触达边界:谁、在何种同意与频率下可以被自动联系。
证据充分性:广告、产品和绩效主张是否有可核验证据。
暂停与恢复:何种阈值触发停止,谁批准恢复。
事件复盘:错误如何被发现、影响多大、规则如何改变。
案例 7|Coca-Cola
AI 节日广告:规模化创意与真实性争议
维度
内容
主体与时间
可口可乐,2024
年节日营销活动。
业务情境
品牌使用生成式
AI
与数字工具制作节日内容,希望结合经典品牌资产与新技术。
具体动作
由人类创意与技术团队共同制作多支影片和数字体验,并公开强调
AI-powered
storytelling。
作用机制
AI
扩大制作与版本能力,但经典情感资产使受众对真实性、工艺和品牌温度更敏感。
结果证据
企业披露活动及技术合作;公开舆论出现对视觉质量和“缺乏人味”的批评,但未披露可归因的销量结果。[S10]
边界
舆论样本不能代表全部消费者;争议也不证明
AI
创意必然失败。
管理启示
高辨识度情感品牌应把真实性作为验收指标,先测试受众反应,再扩大自动化。
治理证据|中国生成合成内容标识进入正式义务
维度
内容
主体与时间
中国国家互联网信息办公室等四部门,2025
年发布并于
2025
年
9
月
1
日实施。
业务情境
生成文本、图片、音频、视频与虚拟场景可能造成混淆、虚假信息和追溯困难。
具体动作
建立显式与隐式标识要求,并将生成、传播等主体纳入责任链。
作用机制
通过可感知提示与技术元数据提高识别、追溯与平台治理能力。
结果证据
监管明确了适用主体、标识类型和实施时间。[S8][S9]
边界
具体营销场景还需结合广告、隐私、行业监管和平台规则判断;企业内部非公众应用的适用性不同。
管理启示
CMO
应把标识、内容来源和发布平台规则写入创意与渠道工作流,而不是上线前临时检查。
每周 客户信号与异常
每月 场景组合与证据门
每季 资本、权责与授权重配
0—14 天 定责 15—30 天 跑通 31—60 天 验证 61—90 天 扩张或停止 OODA
强调观察、判断、决策、行动的速度与质量;双环学习要求组织不仅修正动作,还要质疑目标、假设与规则。增长系统的运行节奏不是增加会议,而是让不同时间尺度的决议拥有固定输入、责任人、输出和下一决议日。
12.1
三层运行节奏
节奏
目的
固定输入
必须输出
每周信号回路
发现异常、机会和执行阻塞
客户、销售、渠道、服务、风险信号
升级、快速实验、责任人、截止日
每月组合回路
比较项目、渠道与能力投入
增量证据、成本、风险、产能、学习
继续、加码、收缩、停止、资源迁移
每季度资本回路
重审增长假设与能力组合
利润池、品牌资产、客户经济、技术债、人才
战略取舍、资本重配、组织与伙伴调整
12.2
90 天转型路线
阶段
目标
关键动作
证据门
停止条件
0–14
天:定责
明确一个闭环和权责
画责任图;选场景;建基线;签三类接口契约;设风险等级
对象、指标、责任人与下一决议日明确
无法获得必要数据/业务负责人不承诺接口
15–30
天:跑通
证明回路可运行
连接最小数据;配置人机任务;小范围执行;记录异常
真实任务完成;错误可发现;客户/销售反馈可回流
高风险不可控、数据质量低于门槛
31–60
天:验证
证明相对基线改善
设置对照或准实验;计算全成本;复盘规则
至少
E2
级证据或明确学习价值
效果弱且无战略期权价值
61–90
天:扩张
形成可复制系统资产
扩大场景;固化工作流、培训、日志、预算与治理
跨团队稳定运行;治理验收;下一季度资本决议
单点成功无法迁移或运营成本失控
单点成功的边界
一个内容、渠道或客服试点的成功,最多证明该范围内的任务与机制有效。扩大到新品牌、市场、数据或风险等级前,必须重新通过业务、数据、风险和经济门。
工具 1|CMO
权责边界图
经营对象
CMO
主责
共同决策
知会 / 监督
不应承担
品牌与传播
品牌资产、表达规则、媒体组合
重大危机、企业声誉
法务、CEO、业务
所有企业声誉事件单责
客户增长
需求创造、旅程沟通、客户证据
产品、销售、服务、定价
CFO、数据、运营
无权条件下的收入总责
数据与
AI
业务定义、优先级、验收、表达风险
架构、权限、模型、同意
审计、法务、安全
基础设施与全域数据单责
人才与伙伴
任务组合、营销能力、代理商绩效
编制、采购、变革
HR、财务
以裁员作为
AI
成功指标
工具
2|跨职能接口契约(一页模板)
字段
填写要求
共同结果
一个可量化的客户/机会/利润/风险结果
对象与口径
客户、账户、购买组、机会、活动或数据对象的统一定义
双方承诺
各自提供的数据、动作、资源与决议时限
证据与验收
基线、证据等级、业务/技术/风险门
异常升级
触发阈值、升级路径、暂停权
运行节奏
周/月/季会议的输入、输出和下一决议日
工具 3|能力迁移图
能力
当前成熟度
1–5
90
天目标
真实任务
证据
系统设计
资本配置
数据判断
跨职能推动
风险决策
工具 4|指标与证据树
经营目标
活动指标
行为指标
机会指标
经济指标
资产 / 风险指标
证据等级
工具 5|AI
场景决议卡
问题
填写内容
要改善的经营结果
当前基线与约束
AI
作用机制
人类判断与批准
数据与系统依赖
风险等级与授权半径
全成本与资金分段
证据门、停止条件、下一决议日
工具 6|董事会审议清单
CMO 的增长责任是否与可行使的资源、验收和暂停权匹配?
首个 AI
场景是否连接客户价值、收入/利润或风险,而非只增加内容产量?
CMO×CEO/CFO、CMO×销售/产品/服务、CMO×CIO/CDO/法务/HR
是否有书面接口契约?
是否建立活动—行为—机会—利润—品牌资产的指标树和证据等级?
是否按动作风险设置授权半径、人工复核、日志、暂停与回滚?
90 天路线是否有基线、责任人、停止条件和下一决议日?
单点成功是否被错误外推到全组织?
AI 效率是否以牺牲客户体验、人才能力或长期信任为代价?
案例的用途是检验机制,不是装饰结论 主体与时间 · 业务情境 · 具体动作 · 作用机制 · 结果证据 · 归因边界 · 可复制启示
案例
地区 / 行业
主要机制
证据口径
关键边界
P&G
× HBS
国际/消费品
AI
与跨职能创新协作
随机现场实验/工作论文
任务与企业特定
Unilever
国际/消费品
社交信号、品牌标准与营销销售系统
公司年报/投资者材料
整体与品牌结果不可归因于
AI
HubSpot
国际/B2B
SaaS
统一客户平台连接
GTM
公司/客户披露
平台不替代治理
Coca-Cola
Fizzion
国际/消费品
品牌规则机器化
试点公司披露
未公开规模化收益
Klarna
国际/金融科技
客服和组织效率
上市公司披露
归因与服务边界
Duolingo
国际/教育科技
AI-first
组织政策与品牌反应
公司沟通/公开反应
未有强因果结果
Coca-Cola
Holiday
国际/消费品
AI
创意与真实性
公司披露/公开舆论
销量未披露
中国标识监管(治理证据)
中国/跨行业
显式与隐式标识、责任追溯
监管
不计入企业经营案例
绝味食品 ×
腾讯企点
中国/连锁消费
会员策略、知识与执行智体
供应商/客户联合项目披露
未公开样本量与随机化细节
百度
中国/B2B营销平台
AI
原生营销服务产品化与财务披露
上市公司业绩披露;内部管理口径
收入不等于广告主增量
ROI
美图
中国/创意软件与消费科技
AI
产品化、订阅与单位成本治理
上市公司年报/业绩披露
组合增长不可归因于单一功能
思想与观点进入决策链 原始主张 → 当前情境 → 适用边界 → 本报告判断 → 管理动作
思想
用于本报告的命题
边界
Drucker:创造顾客
CMO
的起点是客户创造而非传播活动
不能据此将所有收入责任归给
CMO
Porter:战略取舍
增长系统必须明确不做什么与资源取舍
不能把运营优化等同战略
Chandler:结构追随战略
角色边界随增长模式与阶段变化
结构也会反过来限制战略
Galbraith
Star Model
战略、结构、流程、奖励和人员要一致
模型不直接给出具体权责答案
Deming
PDSA
AI
价值依赖反馈与持续学习
需要稳定测量和管理纪律
Levitt:营销近视
以客户任务而非产品自我定义
客户声音不等于无条件服从
March:探索与利用
效率与新增长探索必须并存
资源张力无法被完全消除
Kotter:变革
联盟、短期成果和制度化支持能力迁移
线性步骤需按情境调整
OODA
提高感知与决策速度
速度不能牺牲证据和风险控制
双环学习
复盘不仅修动作,也修假设和规则
要求心理安全与真实反馈
思想与观点进入决策链 原始主张 → 当前情境 → 适用边界 → 本报告判断 → 管理动作
专家/经营者
依据
具体主张
适用边界
本报告判断
Christine
Moorman
2025
CMO Survey 与营销组织研究
营销要连接客户、产品、服务与财务问责
美国样本;观点不等同岗位标准
用接口契约检验连接责任与决策权
Fabrizio
Dell’Acqua
P&G
随机现场实验
AI
可成为提升方案搜索与跨专业整合的队友
特定任务、组织与工具
扩大协作,不取消专家责任
Raffaella
Sadun
组织生产率与 P&G
实验
技术收益取决于管理实践与任务设计
短期实验不代表长期能力
同步设计岗位、审核与学习
Karim
R. Lakhani
数字创新与 P&G
实验
AI
可改变知识边界和团队构成
不能外推全部知识工作
按任务和证据门配置人机组合
Fernando
Fernandez
联合利华经营转型
营销与销售应成为连接需求与执行的机器
公司整体结果不可归因于
AI
以经营回路替代内容产能叙事
Rapha
Abreu
Coca-Cola
全球设计实践
品牌资产必须在规模化生成中保持控制
企业试点,财务结果未披露
CMO
拥有品牌规则与例外权
Dominik
Heinrich
生成式 AI
设计系统实践
把静态指南转成机器可读设计智能
生成速度不等于品牌效果
技术验收必须含品牌和风险门
Elham
Tabassi
NIST
AI RMF
AI
风险管理应持续、可测并贯穿生命周期
自愿性跨行业框架
把暂停、日志和恢复写入经营治理
术语
定义
增长系统
围绕经营目标持续完成信号、决策、执行和学习的一组跨职能机制。
授权半径
AI
或岗位在无需追加批准时可执行的动作范围,由影响、可逆性、敏感度和风险决定。
业务验收权
以客户、经营、数据和风险标准判断系统或项目是否通过的权利。
证据门
进入下一阶段或扩大投入前必须满足的证据与风险条件。
接口契约
跨职能之间对共同对象、结果、动作、时限、数据、异常和升级的明确约定。
能力迁移
将资源与人才从旧任务组合迁移到系统设计、判断、协同与治理能力。
竹势 AI 营销智库关注企业增长、营销组织变革、智能体运营与 AI 治理,帮助企业老板、CEO、CMO 和数字化管理者把复杂技术议题转化为可讨论、可比较、可执行的经营决策。
本报告的判断框架、责任边界和实施工具,旨在帮助管理团队重构 CMO 增长系统,并在规模化采用 AI 前建立必要的证据、权限与问责机制。
[S1]
Spencer Stuart,《CMO
Tenure 2026: Snapshot of an Expanding Role for Marketing
Leaders》,2026;S&P
500 CMO 任期与流动统计,口径见原报告。
[S2]
Dell’Acqua 等,《The
Cybernetic Teammate: A Field Experiment on Generative AI Reshaping
Teamwork and Expertise》,Harvard
Business School Working Paper,2025
年更新;P&G 791
名专业人员随机现场实验。
[S3]
Unilever,《Annual
Report and Accounts 2025》,2026-03-04;《Q4
and Full Year 2025 Results Full Announcement》,2026-02-12;Fernando
Fernandez,Barclays
Global Consumer Staples Conference 2025
transcript,2025-09-03。公司整体、Power
Brands 与 Vaseline 业绩及
Desire at Scale、SASSY
brands、Fit for the AI
Age 口径;未采用无法复核的内容资产制作速度口径。
[S4]
HubSpot,Agentic
Customer Platform 与 2025–2026
年产品官方资料;统一 CRM、营销、销售、服务与
AI 的平台披露,客户结果为公司/客户调查口径。
[S5]
The Coca-Cola Company,《A
New Era of AI-Governed Creativity at Global Scale》,2025-05-15;Project
Fizzion 试点与速度口径,企业披露。
[S6]
Klarna Group plc,2025
年全年业绩及 2026
年投资者披露;员工、收入、人均收入与 AI
生产力叙事,上市公司口径。
[S7]
NIST,Artificial
Intelligence Risk Management Framework 1.0,2023;Generative
Artificial Intelligence Profile,2024;Govern、Map、Measure、Manage
风险框架。
[S8]
国家互联网信息办公室等,《人工智能生成合成内容标识办法》,2025-03-14
发布,2025-09-01 实施。
[S9]
ISO,ISO/IEC
42001:2023 Artificial intelligence management systems;组织建立、实施、维护与持续改进
AI 管理体系的要求。
[S10]
The Coca-Cola Company,《Groundbreaking
Digital Experience and Films Fuse Holiday Heritage with Cutting-Edge
Tech》,2024-12-10;AI
节日营销企业披露。
[S11]
国家互联网信息办公室等,《生成式人工智能服务管理暂行办法》,2023-07-13。
[S12]
Salesforce,State of
Sales 与 2026 State of
Agentic Marketing 官方资料;销售智能体与市场销售协同调查,样本和口径见原报告。
[S13]
Peter F. Drucker,《The
Practice of Management》及“企业目的在于创造顾客”相关论述。
[S14]
Michael E. Porter,《What
Is Strategy?》,Harvard
Business Review,1996。
[S15]
Jay R. Galbraith,Star
Model 相关著作;Alfred
D. Chandler Jr.,《Strategy
and Structure》,1962。
[S16]
W. Edwards Deming,PDSA/持续改进相关著作;Peter
Senge,《The Fifth
Discipline》,1990。
[S17]
Theodore Levitt,《Marketing
Myopia》,Harvard
Business Review,1960;Clayton
Christensen 等,Jobs to
Be Done 相关论述。
[S18]
James G. March,《Exploration
and Exploitation in Organizational Learning》,Organization
Science,1991。
[S19]
David J. Teece 等,动态能力相关论文;John
P. Kotter,组织变革相关著作。
[S20]
John Boyd,OODA Loop
相关文献;Chris
Argyris 与 Donald
Schön,双环学习相关著作。
[S21]
竹势 AI 营销智库,《竹势 AI 营销智库产品及服务介绍素材》与《公司介绍与品牌定位》,2026;仅用于出品方品牌与产品语境,不作为外部市场事实证据。
[S22] Christine
Moorman,《Marketers
Claim a Broader Role and Increased Influence Amid Pressures》,The
CMO Survey,2025-04-01;第
34 期调查,281
名美国营利企业营销领导者,99%
为 VP
及以上;以及其关于营销连接客户、产品、服务交付和财务问责的组织论述。
[S23] Harvard
Business School AI Institute,《The
Cybernetic Teammate: How AI is Reshaping Collaboration and Expertise
in the Workplace》,2025-04-02;研究作者与实验含义说明。
[S24] The
Coca-Cola Company,Project
Fizzion 官方披露及 Rapha
Abreu、Dominik Heinrich
关于 AI-governed
creativity、品牌规则与设计控制的说明,2025;企业与技术伙伴试点口径。
[S25] Elham
Tabassi,NIST,《Balancing
Knowledge and Governance: Foundations for Effective Risk Management
of Artificial Intelligence》,2023-10-18;NIST
AI RMF 及 Generative AI
Profile 的生命周期、监督和治理主张。
[S26]
腾讯企点,《腾讯企点营销云助力绝味食品打造
AI
会员智体》,2025-04-18;客户与供应商联合项目披露,专家组对照、点击率与转化率口径,未公开样本量和统计检验。
[S27] Baidu
Inc.,2025
年第三季度、第四季度及全年业绩公告,2025-11-18、2026-02-26;AI-native
Marketing Services 收入口径,相关收入和运营数据来自公司内部管理账目和记录、未经审计。
[S28] Meitu,
Inc.,2025 Interim
Report、Annual Report
2025 及 2025
年全年业绩材料,2025-09、2026-03
至 04;AI
设计产品、订阅用户、产品收入、推理成本与
AI 治理口径。
AI
让营销工作的边界继续扩张,也让责任模糊的代价更高。优秀的
CMO
不需要把自己包装成技术负责人、销售负责人或产品负责人,而要成为增长系统的设计者:把客户证据带入经营决议,把品牌与短期收入放进同一张资本配置图,把人和机器编排成可治理的任务系统,并用可信证据告诉董事会哪些结果来自哪里、哪些仍不确定、何时应停止。
这一职业承诺的核心不是承诺所有增长,而是承诺让增长责任可分配、决策可执行、证据可审计、风险可暂停、学习可沉淀。