對話復旦大學金立印教授：從通用到專用，AI正在淘汰那些“無庫”企業丨AI營銷新范式08期

“AI輸出內容的精準與否，完全取決于它背后的知識庫。你喂給AI的是高質量、結構化的行業知識，它輸出的精準度就高；你喂的是垃圾，它輸出的也是垃圾?！?/b>當企業苦惱于AI的種種弊端時，金立印教授給出了他的破局之道。

2025年，“All In AI”幾乎成了各個行業的共識。但AI的幻覺問題、AI的局限性問題以及AIGC的不真實感，這些困擾了用戶很長時間的問題到現在也沒有解決，而這些問題如果發生在企業身上，無疑會帶來巨大的經濟損失。不久前，德勤為政府寫的報告就因幻覺問題被判罰44萬澳元。

不過，這些問題在今天都有了一個初步的解法：構建企業專屬的知識庫。它并非只是一個文檔倉庫，而是將企業獨有的產品知識、項目經驗等私有數據進行系統化的封裝，從而形成一個專屬于企業的數字大腦。

當外部的通用大模型與企業私有大腦深度融合后，AI便能從一個博學但泛泛的實習生，進化為一個企業的首席策略官。

那么具體企業要如何一步步搭建起私有知識庫，并真正與營銷、策略等核心業務場景結合，最終轉化為AI時代的護城河？為此，本期「Morketing」專題對話特邀到復旦大學金立印教授，聽一聽他對企業級知識庫的看法。

AI改變的不是消費者行為，

是連接方式

Morketing：從年初Deepseek的爆火到現在，不僅C端的AI應用的活躍有了大幅提升，不少軟件也都在內置AI功能，隨著消費者對AI工具的使用更加頻繁，這是否意味著消費者行為正變得前所未有的碎片和難以捉摸？他們的決策路徑是否更不可控了？

金立?。?/b>我想首先糾正一個常見的誤解。我并不認為AI時代下消費者行為變得更難預測或標簽化了。恰恰相反，剝開技術的層層外殼，你會發現消費者的根本需求和決策模式，并沒有發生顛覆性改變。換句話說，消費者追求品質、價值、認同感的基本動機，是穩定且持續的。因此，我們真正需要關注的變化，其實來自于企業與消費者的連接方式。

Morketing：“企業與消費者的連接方式”要如何理解？這指的是像AI客服、智能導購這樣的人機交互變得普遍了？

金立?。?/b>AI客服或導購只能說是表層的現象，更深層、更根本的轉變，在于消費者的信息獲取與決策起點，也就是搜索行為本身，我們會發現，現在的消費者正在用AI搜索來取代傳統的搜索行為。

Morketing：這種轉變在行業的數據層面有直觀的體現嗎？它具體是如何影響營銷的實際操作的？

金立?。?/b>一個非常直觀的現象是：百度等傳統搜索引擎的流量，在AI大模型興起后出現了明顯且持續的下滑。如果觀察那些原本在百度投放大筆預算的品牌，比如教育行業，都會發現搜索引擎廣告賬戶的預算消耗速度變慢了，線索成本卻在升高。

那么，這些流量和用戶注意力去了哪里？答案很明確：流向了各類AI對話平臺。這個變化，正在直接沖擊品牌傳統的營銷預算分配模型與獲客邏輯。

這里我需要做一個關鍵的區分，剛剛提到的智能客服，本質上是消費者購買后的“后端”體驗優化，而我所說的搜索行為變化，發生在購買決策的“前鏈路”，它直接關系到企業如何發現潛在客戶并影響其決策。

過去，企業買流量主要投放在搜索引擎廣告或信息流，爭奪的是用戶主動搜索時的注意力。但現在，AI工具能整合、解析并直接給出產品信息與購買建議，它必然會分走相當一部分決策前的流量和用戶信任。

Morketing：所以，您的判斷是，流量的主陣地正在發生一次歷史性的遷移？這意味著營銷戰的戰場本身發生了變化。

金立印：是的，這是一個根本性的變化。對營銷人來說，流量的陣地正從傳統搜索引擎轉向AI對話平臺。未來的流量購買與布局，可能不再高度集中于百度，而是需要前瞻性地轉向豆包、DeepSeek這類AI平臺。

它們不再僅僅是提升效率的工具，更是未來流量聚集、需求產生和分發的新陣地、新渠道。品牌必須從現在開始，重新審視并設計自己的流量策略，思考如何在用戶決策的早期的階段，就能被AI準確地推薦和呈現。

AI洞察的深度取決于“人與知識庫”

Morketing：流量陣地的變化，更加側重于“找到消費者”。接下來，需要做的就是“理解消費者”?，F在很多品牌和服務商都非常關注用AI來強化消費者洞察，在您看來，AI技術目前是真正帶來了更深層、更獨特的用戶理解，還是僅僅在提升我們分析數據的效率？

金立?。?/b>這并非完全取決于AI的能力，它更取決于使用AI的人和組織的水平。洞察的深度，從來不是由工具決定的，而是由使用者決定的。

我可以肯定地說，AI在提效方面是百分之百的，畢竟它能更快地處理海量數據。但如果比深度與獨特性，我認為關鍵取決于兩個往往被忽視的因素：

第一，是使用者和組織的提示詞能力。同樣的AI模型，在不同的人手中，用不同的提示詞，得到的洞察結果可以說是天壤之別。如果只是模糊的提問也只能得到泛泛之談的回答，而一個精準、層層遞進的提問，才能逼出深刻的見解。

第二，是企業是否將大模型接入了自身獨有的知識庫。市場上的通用大模型誰都能用，如果我們不把自己的私藏知識，比如多年的用戶調研原始數據或是一線銷售的真實反饋以及一些未被公開的行業認知——喂給它，你得到的洞察就會和別人同質化，毫無獨特性可言。

所以，一個簡單的公式可以是：AI洞察的深度=模型自身能力+人的提示詞能力+企業知識庫豐富度。后兩者，才是企業在AI時代真正的核心競爭力。

Morketing：所以這種獨特的洞察能力，或許能幫助品牌構建更動態、更立體的消費者畫像，而不是停留在年齡、性別這些固定標簽上？從而幫助品牌去捕捉更生動用戶狀態。

金立?。?/b>當然可以，但這需要我們首先從觀念上理解消費者標簽的兩大類型。一類是相對穩定的個人特質，比如性別、年齡、興趣、家庭結構等。另一類，是情境依賴的特質，它會隨著外部情境的變化而瞬間凸顯或隱藏。

我舉一個簡單的例子：天熱的時候，愛出汗的人對止汗產品的需求會高漲，但不愛出汗的人則沒有這個需求。所以說這種需求并非消費者固有的靜態屬性，而是由“天熱”這個情境激發的。再比如，一個平時對價格不敏感的消費者，在臨近大促時可能會變得極其關注折扣信息。

而AI的優勢，就在于能夠整合實時信息，所以它能更敏捷地識別和預測這些情境依賴特質的變化。當然，這一切的前提，還是企業能夠提供足夠維度、高質量的結構化與非結構化信息給AI作為養料。

Morketing：順著情境這個思路，當消費者更傾向于與AI進行購買前的對話，這些對話充滿了上下文和具體細節，這是否意味著，品牌理解用戶的方式，需要從傳統的數據歸類，轉向理解這些充滿情境的、非結構化的對話本身？

金立?。?/b>是的。其實對話本身，就是一種典型的非結構化數據，只不過它是實時、動態且高度情境化的。這與傳統的、結構化的瀏覽、交易記錄有本質區別。一段對話里，不僅包含用戶直接表達的需求，還隱含了他的偏好、顧慮、情緒甚至未說出口的潛臺詞。

所以從本質上看，這還是數據驅動的洞察，只是數據類型變了。因此，我們所依賴的算法工具也必須升級，比如需要更強的NLP（自然語言處理）與上下文理解的技術。之后，AI就能夠從這些非結構化的對話中自行學習、歸納并歸類，不再完全依賴我們預設的、僵硬的分類邏輯。

Morketing：但這類自然對話中，肯定充滿了口語化、隨意、重復甚至錯誤的噪音，比如用戶可能會說“幫我找個那個……嗯……就是那個用來弄頭發的，卷卷的東西”。那AI要如何從這些泥沙俱下的信息中，提煉出真正可行動、高質量的洞察呢？

金立印：噪音是一定會存在的，畢竟人與人溝通也會有誤解，確實會有大量噪音。而解決之道，仍然要回歸企業自身的知識庫和Mapping能力。

Morketing：具體要如何理解企業知識庫與Mapping的能力？

金立?。?/b>簡單來講，企業必須要建立一個高質量的、結構化的內部知識體系，然后把這些自然的對話數據，通過Mapping的方式，與知識庫中的邏輯結構進行匹配、清洗和校準。這就像是一個煉金術的過程，把看似無用泥沙投入知識的熔爐，最終提煉出結構化的黃金。

而同樣的用戶對話，接入不同知識庫和Mapping規則的AI，會得出完全不同的、甚至截然相反的解讀。所以說，企業自身知識庫的質量與設計水平，具有決定性的作用。

Morketing：現在還有很多營銷人期待大模型能自動生成洞察報告，似乎輸入一個指令就能得到一切。您認為它可以完全自動化地做到這一點嗎？

金立印：我覺得AI是可以自動生成大量洞察報告的，不過問題的關鍵不在于數量和速度，而在于洞察的質量與深度。它給你的洞察是不是深刻、創新與精準，這依然要取決于企業搭建知識庫的顆粒度夠不夠精細。

Morketing：那在生成報告的過程中，是否也會有一些風險？

金立?。?/b>風險也是肯定的，比如一方面，AI可能會生成看似合理實則虛假的關聯結論，或另一方面是洞察的結論僅僅流于表面，比較膚淺。

不過，這種風險是可以通過流程來規避的，方法要分三步：首先，營銷人在讓AI做洞察的提示詞必須要優質，其次，必須要將AI接入企業豐富的內部知識庫中，并且最終要由具備商業智慧的人來做判斷?？偠灾?，人要成為AI洞察的裁判，而非讀者。

Morketing：您剛剛有提到人的商業智慧，這引出了一個根本性的問題：您認為，真正讓AI理解消費者，是一個純技術問題，還是一個融合了人文與社會因素的系統性問題？

金立?。簡慰考夹g肯定不行，消費者的需求背后有深層的社會與文化根源。比如為什么養寵物會成為一種普遍的情感寄托？為什么越野和露營會在特定時期流行？這些趨勢的背后其實是城市化進程、社會心理的變化。

固然技術與數據能提供更高效、更大規模的分析方式，但深度的、具有前瞻性的洞察必須結合對社會背景、文化思潮和人性的理解。

AI要想做到這種深層次洞察，就必須依賴包含了社會學、心理學、人類學等維度的獨有的知識體系和思維鏈。但目前，這類高質量的、專門為商業洞察設計的、融合了人文社科智慧的跨學科知識庫還比較稀缺，并不完善。這既是挑戰，也是巨大的機會。

未來不屬于AI，

而屬于懂AI的人與組織

Morketing：那么，面對如此快速和前端的變化，品牌的整體戰略是否需要變得更動態，甚至實時調整？我們是否應該放棄一些中長期定位，轉向更靈活、更短期的策略？

金立?。?/b>這同樣需要分兩個層面來看，不能一概而論，更不能迷失在戰術的敏捷中，喪失了戰略的定力。

在業務戰略和品牌定位層面，通俗來說就是品牌要打高端還是下沉市場？品牌的價值主張是什么？這一類的問題，不應頻繁調整，而需要戰略定力。品牌的核心價值是長期積累的無形資產，朝令夕改會模糊品牌形象，讓用戶感到困惑。

但在一些具體運營策略與營銷戰術上，比如文案或是KV設計這些細枝末節，則完全可以借助AI的實時反饋進行快速測試和迭代，實現高度的敏捷性。

Morketing：所以這種戰略與戰術的區分，也對營銷團隊本身提出了新的要求。您認為在AI時代，營銷團隊需要進行怎樣深刻的轉型？是否會催生我們過去難以想象的新職位，同時淘汰一些舊角色？

金立?。?/b>營銷組織的轉型是必然的，而且是結構性的。一些傳統的、以重復性執行為主的職位，比如部分市場調研員以及一些文案和和設計師，他們的崗位需求可能會隨著企業AI化的進程加深而減少甚至逐漸消失。

但同時，也會催生一批擁有新職能的崗位。我認為，知識庫設計師和提示詞工程師將變得至關重要。因為AI輸出的質量，極度依賴于你喂給它的知識庫和給它的指令。

我舉個例子，比如現在要讓AI設計一個針對新品上市的促銷方案，首先就需要有一位知識庫設計師，他來將將各種促銷方式的差異、適用場景以及對品牌價值的影響等專業知識，系統地構建成一個結構化的、機器可讀的知識庫，然后喂給AI。

這個構建知識庫的角色，其戰略價值在AI時代將變得前所未有地重要。而提示詞工程師，則負責將營銷目標翻譯成AI能精準理解并高效執行的復雜指令集。

Morketing：除了構建知識庫和撰寫提示詞，人類團隊的核心價值，還會向哪些方向偏移？我們還需要培養哪些新能力？

金立印：首先，提示詞工程本身就是一種需要深度理解業務和AI邏輯的核心能力。其次，在更宏觀的層面，如何將AI技術本身轉化為可盈利的商業模式或創新產品，是一個巨大的挑戰和機遇。我們看到目前很多AI工具公司本身并不盈利，如何打造真正解決用戶痛點、讓用戶愿意付費的應用場景，這需要兼具商業洞察、技術理解與產品思維的戰略型人才。

Morketing：那在您看來，隨著AI生成內容的能力越來越強，它有可能替代人類，去與消費者建立真正的情感共鳴嗎？

金立?。?/b>不能，這是一個非常關鍵的區分。用戶共情的對象，是AI生成的內容，而不是AI本身。AI可以通過學習知識庫，了解哪些元素、敘事結構能夠引發共鳴，從而批量生成動人的內容，但情感連接本身，始終是發生在人與內容之間，而非人與機器之間。

品牌通過AI輸出內容來傳遞價值，與用戶建立關系，但用戶忠誠于的是品牌背后所代表的價值，而不是AI這個工具。這一點至關重要。

Morketing：展望未來三到五年，您認為AI將推動營銷發生哪些最重要的、可能重塑行業格局的變革？品牌應如何系統性地適應，而不是零敲碎打？

金立印：變革肯定是全方位的。市場研究、新產品研發、內容生產這些領域已經首當其沖。下一步，走在前沿的企業將開始利用AI來生成市場策略本身，而不僅僅是執行策略的內容。

比如，AI在分析了整個酸奶市場的競爭格局、消費者評論、社交聲量和宏觀健康趨勢后，可能發現所有品牌都在強調助消化或高蛋白，但會有一個情緒健康與助眠的需求空檔未被滿足。

它可能就會直接建議公司推出“助眠晚安酸奶”新品類，并同步生成詳細的目標人群畫像、核心渠道策略、關鍵溝通信息要點，甚至初步的商業模式。這就是策略的生成，而不僅僅是內容的創作。

Morketing：但這類由AI生成的策略，其精準度和可靠性如何保證？品牌該如何判斷和取舍？

金立印：這還是取決于它背后的知識庫的質量、廣度與深度。你喂給AI的是高質量、深度結構化的行業知識與市場洞察、真實的用戶反饋、經過驗證的商業模式案例，它輸出的策略精準度和創新性就高；你喂給它的是膚淺、混亂、過時甚至錯誤的信息，它輸出的也必然是垃圾，甚至是危險的建議。我們不能拋開輸入的質量，去空談輸出的

智慧。

最直接、最可靠的判斷方法，就是讓市場來檢驗。你可以讓AI生成一個策略，同時讓你最資深的營銷團隊做一個人工策略，然后將兩者放到真實的市場環境中進行小范圍的快速測試，用真實的用戶反饋、ROI來說話。

Morketing：最后，請您為所有正在探索AI營銷的企業，提煉一個最核心的行動建議。

金立印：我想提三點。

第一，積極擁抱，無需恐懼，要以開放的心態去學習和實踐。

第二，投入核心資源，下大力氣構建企業獨有的、結構化的知識庫，這是企業的AI護城河。

第三，大膽測試，快速迭代，形成一個”使用AI生成策略→投入真實市場測試→將反饋結果數據用于迭代AI能力和優化知識庫“的閉環。

每扎實地完成一輪這個循環，你的企業運用AI進行用戶洞察和營銷決策的能力就會實實在在地提升一層。這也是在AI營銷新范式中，能夠讓企業脫穎而出、建立真正可持續競爭優勢的根基。