Databricks 谈 agentic marketing：以身份解析和闭环测量支撑 AI 营销决策
Databricks 提出 AI 营销 agent 的落地前提是可信身份、业务上下文和闭环测量，否则 agent 无法预测、行动并证明增量收益，值得关注 agent 在营销场景的真实门槛。
营销负责人面对的数据、渠道和测量工具比以往都多，但客户身份信号随时间快速衰减，各系统各自保存一份客户数据、一套定义，团队之间反复交接，反而更难判断什么真正有效。Databricks 认为，AI agent 要改进营销决策并证明价值，前提是可信身份、业务上下文与闭环测量三者齐备：每个动作都要对照“不这么做会怎样”来评估，结果再回流为下一轮决策的上下文。
正文摘录
将客户上下文连接到可衡量的 ROI：代理式营销 为什么可信身份、业务上下文和闭环衡量，是让 AI 代理改善营销决策并证明自身价值的基础 今天的营销负责人面对的复杂度前所未有。他们要处理比这门学科历史上任何时期都更多的客户数据、更多渠道、更多衡量工具，而客户旅程已变得不再线性，随着人们更换设备和联系方式，身份信号也在迅速衰减。过去二十年，营销人一直在构建商业化的 martech 工具以跟上节奏——按 martech 专家的估算已有 15,000+ 个，还不包括为代理构建的无数 MCP 集成（ State of Martech 2026 ）。然而，对「什么在起作用」的信心并没有同步跟上，因为每上一个新系统就带来又一份客户数据副本、又一套定义、又一次团队之间的交接。 与此同时，营销的经济学也在改变。价值正在从「曝光货币」——以触达和频次衡量成功——转向「预测经济」。Databricks 媒体、娱乐与广告全球 GTM 负责人 Jake LaDuke 解释说，这种新模式「奖励的是这种能力：预测客户需要什么、在当下对它采取行动、传递那条个性化信息、证明由此带来的业务成果，然后把这一切作为下一步的加速器。」与此同时，消费者开始用上自己的 AI 代理，在几秒内比较选项并完成购买，这压缩了品牌预测、行动并衡量结果的时间窗口。 但尽管压力日益加剧，财务部门仍然需要知道：营销支出是否创造了增量收入与利润，下一块钱应该继续留在营销、转向另一个增长杠杆，还是回流到利润表。营销人的难题在于，如何穿透这种复杂性，给出所有人都能信任的答案。 随着 AI 和代理在每一个行业和业务线中扩散，它们为营销人提供了提供这种清晰度的强大机会。有了正确的客户、业务与决策上下文，代理可以在营销人自己定义的目标与护栏之内，几乎实时地为每位客户推荐或采取「次优最优行动」（next best action）。