AI 时代，我们还能用营销漏斗吗？
N°019 · 出海1001 · Go Global Mind
营销漏斗到底指什么？
营销的目的，说到底就是让更多人知道你，并最终成为你的客户。一个人从“根本不知道你”到“掏钱买你”，中间不是一步跨过去的，他心里要经过这么几个阶段：先知道有你这么个东西，接着产生兴趣，再认真考虑要不要选你，然后做出决定，最后可能还会重复购买。营销漏斗，就是把这段心理旅程画出来的工具。最经典的是 AIDA 模型，描述了消费者的五个阶段：
- Awareness（知道）
- Interest（兴趣）
- Consideration（考虑）
- Conversion（签约成交）
- Loyalty（忠诚、复购）
每往下一个阶段，人都会减少：知道你的一万人，感兴趣剩一千，认真考虑的剩一百，最后成交十个。人数一层层损耗，形状像个漏斗，名字就这么来的。在接着往下聊之前，有个点得先理清楚。
漏斗的这几个阶段，描述的是人的认知心理过程，这个过程相对客观，也比较稳定。一个人要掏钱买东西，心里总得先知道它、再相信它、最后才做决定。这个顺序，几十年甚至上百年都没怎么变过，因为它是人性，不是技术。
但“漏斗”这个模型本身，是营销人为了更好地干活，给这段心理过程套上去的一个结构。它是人造的，是个工具。
心理过程像一片不怎么变的地形，漏斗像我们画在地形上的一张地图。
地图是为了方便我们行动，好分工、好衡量、好向上汇报。地形不怎么变，但地图是可以变、也需要变的。我们之所以现在要重新讨论这个模型，正是因为 AI 同时动了两样东西：它既改变了人获取信息、做决策的方式，也改变了我们能观测、能干预的手段。这张用了几十年的地图，需要重新校准一下。
经典的 AIDA 漏斗讲的是 B2C，主体是一个消费者个人。B2B 的决策分量通常更大，金额更高、风险更重、要更多人点头。分量越大，客户越谨慎，真实的旅程更长、更复杂，但也可以简要概括成同样的五层：
- Awareness（知道）
- Demand Generation（需求形成）
- Opportunity（明确商机）
- Conversion（签约成交）
- Upselling（增购、续约）
为后面分析方便，我们把 B2C 和 B2B 这两条漏斗对照起来看（见下图），并统一用更直白的五层来叫：知道你、把你列入考虑、敢于选你、成交、再回来。
AI 对营销漏斗每一层的影响
分析 AI 对营销漏斗的影响，我们可以一层一层来看。
每一层都问这几个问题：这层客户在做什么？过去我们怎么衡量它？AI 进来后发生了什么？B 端和 C 端有什么不同？这里需要引入一把统一的尺子。
前面提到，漏斗是用“看得见的位置”去揣摩“看不见的心理状态”。我们没法直接量客户心里有多热，只能用他做了什么动作，比如留资了、进名单了、续费了，来推测。所以每一层，最后都做一个诊断：在这一层，客户走到哪个位置了，和他真实的心理状态还对得上吗？依据这把尺子，会有三种诊断结果：
- 匹配：位置和状态还对得上，这层的指标依然可信。
- 错位：指标还在，但它代表的真实状态已经对不上了。读数没坏，读出来的意思变了。
- 断层：位置和状态之间整个断开，或者你连观测的入口都找不到了。
第一层：知道你
在这一层，客户“知道你”，其实包含两个动作：一个是看到，你出现在他面前了；一个是记住，你过了他的脑子，留下了印子。过去这两件事是连着的，你出现得多了，多少会被记住一些。所以衡量这一层，看的是曝光量、阅读量这些“出现的次数”，并且默认：出现得越多，被记住的也越多。
AI 把这俩事儿拆开了。
从供给侧看，制造“出现”的成本几乎被打到了零，人人都能用 AI 批量生产内容、批量铺渠道，客户单位时间里刷到的东西暴增。
从需求侧看，AI 开始替客户挡掉“出现”。客户想了解一件事，不再自己一页页翻搜索结果，而是直接问 AI，AI 给他一个综合好的答案。那些原本会出现在后面几页的品牌，客户根本没看到，它们在被看到之前就给过滤掉了。
于是出现一个剪刀差：“出现”的总量在暴涨，但真正抵达某个具体客户的“有效出现”在收缩。而且在内容的洪水里，人脑的反应不是多记住一些，而是谁都记不住。被看到从来没这么容易过，被记住从来没这么难。
不管 B 还是 C，客户获取信息都有两种方式：主动搜寻和被动推送。差别在占比。B 端主动搜寻的占比更高，所以 AI 收窄主动查询这条路，对 B 端的影响更明显、更直接。C 端有大量被动推送的场景，刷手机就被推到眼前，所以 AI 对 C 端的影响，更多体现在它受平台和算法的左右。
这一层的诊断阶段：错位。曝光量这个老指标，读数还在涨，但它和“被记住”之间的换算关系断了。你看着一个还在跳动的数字，它却不再指向真实的东西。这一层没有塌，是失真了。位置——曝光——还在，但它代表的状态——被记住——对不上了。
第二层：把你列入考虑
在这一层，客户要做的是筛选：从“知道存在的一大堆”里，收缩成“愿意认真考虑的少数几个”。过去，筛选是客户亲自花力气做的：去搜、去比、去读、去问，把明显不合适的排除掉。这个花力气的过程本身就是信号。肯为你花力气查证，说明他对你有了基础兴趣。所以衡量这一层，看的是客户主动投入的痕迹：下载资料、反复看官网、主动问报价。只有真有意向的人才肯花这个力气。
AI 把“筛选”这个动作整段接走了。客户不再自己筛，他问 AI：“解决这个问题，有哪几家值得看？”AI 几秒钟给出一个候选名单外加简评。客户没有亲自经历筛选，他接收的是一个 AI 筛好的结论。
这带来两件事。一是客户到达“考虑名单”这个位置，但他自己没花力气，是 AI 把你放进去的，他可能对你毫无了解。过去“进了名单”约等于“有了基础意向”，现在这个等号不成立了。二是筛选这件事搬进了 AI 的对话框，你看不见、也插不进去。过去客户筛选你时会来你的官网、留下痕迹，你能看到，也有机会影响他；现在你被评价、被排序、被选中或淘汰，全程不知情。
C 端分量小，客户乐意听 AI 的，AI 说哪个好就买哪个，“被 AI 选中”几乎等于赢，没被选中基本就出局了。B 端分量大，客户不敢只听 AI 的，AI 给的名单只是初筛参考，后面还要自己、还要拉同事重新审一遍。所以在 B 端，“进了名单”只是一张入场券，不等于赢；好处是，没被 AI 选中也未必彻底出局。这一层的诊断结果：错位。
这一层不只是失真，是断了。客户到达“考虑名单”这个位置，背后却可能没有任何真实意向；更彻底的是，连筛选的过程都搬进了一个你进不去的黑箱。你不只是指标失准，是连观测的入口都没了。
第三层：敢于选你
客户走到这里，面对的不再是“哪个更好”的比较，而是一连串担忧：选了你，搞砸了怎么跟上面交代？方案听着行，真到我的具体场景里，行不行？出了问题找得到人吗？这些担忧的解药不是更多信息，是信任。过去，信任是沿着漏斗一路慢慢攒起来的。客户从知道你、到考虑你，一路接触下来，到这一层时，对你已经有了七八分底，临门一脚就行。用第一部分的说法，走到这一层的客户，本该是一个已经被“焐热”了的机会。
这一层恰恰是 AI 最碰不动的。原因有三层：
第一，AI 能消化“信息型”的担忧，功能、报价它能查清楚，但消化不了“信任型”的担忧——你靠不靠谱、出事会不会在。后者没有信息答案，只能靠人、靠关系、靠验证。
第二，分量越大，客户越不敢把“承担后果的判断”交给 AI，因为选错了锅是他自己背，不是 AI 背。
第三，AI 在这一层还常帮倒忙，你让它深挖一个准备合作的对象，它会本能地列一堆风险提示，放大疑虑，而不是建立安心。但这里有个反过来的变化，最关键。正因为上面两层被 AI 掏空了（看到变廉价、筛选被代劳），客户走到这一层时，对你的信任可能几乎是零。过去那个被“焐热”的机会，现在走到这里可能还是冷的。于是所有建立信任的功夫，被压缩、推迟、堆积到了这一层集中爆发。
C 端分量小，担忧轻，一个好体验、一条真实好评就够了，AI 帮着比比价、看看评论，客户就敢下单，甚至可以让 AI 代付。B 端分量大，担忧重，需要看真实案例、要和老客户通话验证、要针对自己的场景做方案推演、要面对面谈，这些 AI 都替不了。所以这一层的“信任堆积”，在 B 端尤其沉重。
这一层的诊断阶段：匹配。这一层反而是五层里诊断最健康的。客户肯做这些深度动作（要案例、约通话、谈方案等）都是真金白银的投入，位置和状态高度一致，信号依然可信。但代价是：这一层从“临门一脚”，变成了“几乎要从零开始、在最后一程里建立全部信任”的主战场。不是它自己变重要了，是上面把重量全压给了它。
第四层：成交
成交不是一个认知动作，是一个责任转移的动作。客户把“选你”从一个私人想法，变成一纸有他签名、会被追责的正式承诺。过去走到这一步，信任建够了，成交大多是水到渠成。这一层很特殊：信号就是状态本身，中间不需要任何东西来代表，是全漏斗唯一不可能错位的点。签了就是成了。
这一层 AI 几乎完全碰不到，因为担责没法外包给一个不承担后果的对象——你不可能让 AI 替你在合同上签字，出了事去追它的责。但这里有个容易让人松懈的错觉得点破：成交这扇门 AI 碰不到，不代表“把客户送到门口”的那条路 AI 碰不到。恰恰相反，前面三层已经看到，AI 把看到、筛选、信任都搅乱了，能走到门口的客户本就变少了，也变生了。门没坏，是门前的路塌了。
还要补一句：签约这一层其实有两道闸门。一道是信任闸门，一道是交易闸门。信任是必要不充分条件，能进谈判桌证明信任已过，但交易能否谈拢是另一场仗。价格谈不拢、预算没批下来、合同条款拉锯、内部有人反对，这些都卡在交易闸门上。AI 对这道闸门的影响是双向的：信息型障碍（行价、条款是否合理等）被 AI 拉向透明，反而让客户更有底气跟你砍价；组织型障碍（预算、反对者、流程政治等）则是 AI 完全的盲区，看不见也插不进去。
C 端分量小，成交可以一键完成、自动续费，AI 能代劳；B 端分量大，签约是多人背书、走流程、担法律责任的事，分量越大签字的人越多，AI 零参与。
这一层的诊断结果：匹配。成交是五层里唯一“信号即状态”的一层，不会错位。AI 动不了这一层，但它把所有压力反推回了上一层。这一层的诊断永远健康，恰恰因为它只是上一层信任建设的结果兑现。
第五层：再回来
这里就是指客户会不会复购、续约、增购。
首先要先分清两个常被混为一谈的动作：满意，是往回看——你交付的东西达到我预期了吗；再承诺，是往前看——下一个周期我仍然选你吗，这是一个全新的决策。满意不等于再承诺。换句话说，复购是客户带着上一轮的印象，重新跑一遍漏斗，它是第二圈，不是第六层。过去衡量这一层，看的是续约率、NPS、使用频率。但这里有一个很深的偷换：把“满意加惯性”误读成了“忠诚”。大量续约靠的是惰性——重新选太麻烦了——不是爱。重新评估、重新比价、迁移数据、磨合新供应商，太折腾了，所以懒得换。这块“懒得换”长期被算进了“忠诚”里。
AI 正在把这块惰性削平。重新评估的成本几乎被打到了零，客户随时能重新扫一遍市场看有没有更好的；切换的麻烦也在被填平，AI 能帮客户导数据、学新系统。当“换一家”不再麻烦，“懒得换”这个理由就站不住脚了。
B 端切换成本本来就高，惰性护城河更厚，所以过去 B 端的高续约率里，“惰性”的占比比 C 端大得多。这意味着 AI 削平惰性时，B 端被掏空的“虚高续约率”反而更多。“老客户很稳”这件事，水分可能比我们想的大。
这一层的诊断结果：错位，而且会延迟引爆。续约率这个指标，正在从“忠诚的体现”变成“惰性的残值”。位置——还在续费——还亮着绿灯，状态——是否真的还想要你——却在悄悄脱钩。最危险的是它延迟反应，等指标真的掉下来的时候，地基其实早就塌完了。
把五层的影响放在一起看
最该被重新关注的，是信任
把五层连起来看，AI 干的事有一条共同的线：它让位置和状态脱钩了。
漏斗这个工具之所以好用，靠的是一个隐藏的假设：客户走到哪一层——位置代表他心里有多热——客户的采购心理状态。我们用“他下载了资料”“他进了名单”“他续费了”这些看得见的位置，去揣摩“他有多想买”这个看不见的状态。整个营销的衡量体系，都建立在“位置约等于状态”上。
AI 把这个假设打松了，位置和状态脱钩了。客户被 AI 放进了考虑名单——位置到了，但他可能对你毫无信任——状态没动；客户还在续费——位置还在，但他可能随时会走——状态已经松了。前面五层诊断里的“错位”和“断层”，本质上都是这种脱钩，只是程度不同。
脱钩的直接后果是：漏斗不再会自己一层层往下走了。过去那种“只要把顶部做大、把每一层的转化率提上去，结果自然会来”的思路，前提是上一层会顺着惯性流到下一层，而且每一层的指标都真实代表进展。现在这两个前提都松动了，从上到下的转化不再必然发生，原先的衡量指标也不再必然代表成功。
和"漏斗不再自己往下走"是一体两面：客户越来越多地，不再从顶部进来。过去我们默认，客户都是从最上面那层进入漏斗的，先被你"种草"、对你产生认知，再一层层往下走。可一旦记住"漏斗的层是状态顺序、不是时间顺序"，就会发现 AI 正在打破这个默认。一个需求已经很明确的客户，会直接去问 AI"解决这个问题有哪几家值得看"，于是他绕过了顶部，直接从靠下的"筛选"那一层进入；相邻的几层，也可能在一次对话里被压成几秒钟走完。你的客户，很多已经不从你以为的那个入口进来了。 这意味着，"把人从顶部引进来、再慢慢培育"这套打法，覆盖的人正在变少。至于这件事具体怎么改变我们的打法，值得单独说，这里先记下这个变化。
这件事还有一个容易被忽略的侧面：漏斗不是一条用完就扔的直线，它是一个循环。每一次续约，都是客户带着上一轮的印象重新跑一圈。过去这个循环有个省力的地方，跑过一圈的老客户靠惯性就能滑下去，不用重新建立认知和信任。AI 把这个省力的地方拆掉了，让每一圈越来越像重新跑一遍完整的漏斗。AI 让“获新”的所有困难，蔓延到了“留存”。每个客户、每一圈，都要重新赢一次，而且在 AI 的助推下，这个循环转得更快了。
那么，在这场结构性的变化里，最该被重新关注的是什么？是信任。
回看五层的诊断会发现一个规律：凡是 AI 进得去的层——知道你、列入考虑、再回来，诊断都是错位或断层，价值在塌方，因为人人都能用 AI，谁都拉不开差距；凡是 AI 进不去的层——敢于选你、成交，诊断反而是匹配，价值在被抬高。而这两层 AI 进不去的层，内核都是信任。
信任不再沿着漏斗一路均匀累积，它下沉了，全部重量压到了“敢于选你”那一层。这一层从临门一脚，变成了从零建立全部信任的主战场。AI 碰不动的那一层，恰恰是诊断最健康、也最该重兵把守的一层。
看完第二部分的逐层分析，很容易把注意力放到“错位”和“断层”的层，想着去抢救那些失真的指标，反而觉得“匹配”的层没问题，可以不管。这正好看反了。匹配的层之所以匹配，正因为它是 AI 还没能脱钩、价值正在向那里汇集的地方。真正该往里压资源的，是信任，是第三层。
写在最后
最后还想提醒一点。当我们提到“营销漏斗”的时候，其背后可能暗指三样不同的东西，AI 对它们的影响很不一样，混在一起谈就容易乱。
其一，漏斗作为人的心理状态模型，描述客户从不知道到购买，心里要走过的阶段。这一层，AI 几乎没怎么改变它，人该经过的心理阶段还是要经过。
其二，漏斗作为流量、数量的衰减模型。一万人看到、一千人点击、一百人留资、十人成交。这是大多数营销人每天盯着的那个漏斗。这一层，被 AI 冲击得最狠，因为它依赖“位置约等于状态”，而这个假设正在失效，那些数字越来越不可信。
其三，漏斗作为工作流程、职能分工模型，市场部管顶部拉新、销售管底部成交，按漏斗的层级来切分工和考核。这一层，需要根据前面的变化来重构。至于具体怎么重构，得先弄清楚“完成这些被改变的事需要什么能力”，才谈得上“团队怎么配”，那是后话。
本文主要分析的，其实是第二个——漏斗作为流量、数量的衰减模型。它没有过时，过时的是“把它当成一台只要做大顶部、提升各层转化率就必然出结果的机器”这种用法。
从上到下的转化不再必然发生，原先的指标也不再必然代表成功。我们需要在每一层针对性地拆开来看，重新设定衡量它的标准，尤其需要关注 AI 进不去、也最值钱的那一层：信任。
出海1001 · Go Global Mind
goglobalmind.com