• 紧张： 就在人工智能自动化媒体使归因变得最难捍卫的时刻，董事会要求提供人工智能营销投资回报率的证明。
• 噪音： 这已被归为一个工具问题，而不是一个结构性问题：人工智能自动化媒体的行为方式与建立归因的衡量方式不同。
• 直接消息： 营销的衡量问题不是人工智能。当讨论测量问题时，人工智能是董事会最终来到房间的原因。

要了解有关我们的编辑方法的更多信息，请探索直接消息方法。

营销长期以来一直存在衡量问题。在人工智能之前存在的版本令人沮丧，但易于管理：归因模型不完善，多点触控权重存在争议，品牌投资对下游转化的贡献很难证明，但也很难反驳。首席营销官们忍受着这种模糊性。董事会容忍了它。测量问题是渠道混合的一个已知限制，在内部讨论过，很少升级。

人工智能还没有解决这个问题。它改变了围绕它的讨论，使潜在的功能障碍更难以推迟。董事会已经开始以询问资本投资的具体方式询问人工智能投资回报率——期望得到一个站得住脚的答案——而此时，占据营销预算最大份额的工具却引入了该渠道大规模采用的一些最不透明的决策。

数据显示什么

Gartner 2026 年首席营销官支出调查发现，营销领导者现在平均将 15.3% 的预算分配给人工智能工具和功能——这一重要项目在过去两年中有所增长。只有 30% 的企业表示已经做好了成熟或完全开发的 AI 准备——数据基础、治理、人才和流程成熟度。 Gartner 表示，组织需要负责任地扩大 AI 投资。分配和准备情况之间的差距并不窄。它代表了营销预算中相当大的一部分，而大多数组织尚未充分考虑到这一投资。

更广泛的测量结果是一致的。 IAB 的《2026 年数据状况》报告发现，高达 75% 的买方表示，领先的先进测量方法（归因、增量测试、媒体混合建模）在严谨性、及时性、信任和效率方面表现不佳。另外，Gartner 还记录了 84% 的公司存在“品牌末日循环”：对品牌衡量的投资不足削弱了人们对结果的信心，从而导致品牌预算收紧，进而导致对证明品牌价值的衡量投资更少。这项研究专门针对品牌衡量，而不是人工智能，Gartner 本身并没有得出这种联系，但它所描述的机制（资金不足的人无法证明自己的观点，因此资金仍然不足）为许多首席营销官现在描述的人工智能支出陷阱提供了一个有用的（尽管是推测性的）视角。

为什么人工智能让归因变得更困难，而不是更容易

人工智能在营销衡量方面的承诺是一致的：与之前的基于规则的模型相比，机器学习系统可以处理更多数据、识别更多信号并产生更准确的归因。在某些狭隘的背景下，这已被证明是正确的。与传统方法相比，人工智能驱动的媒体混合建模可以运行得更快，并包含更多变量。预测受众模型可以比人口统计目标更准确地识别可能的转化者。

该承诺没有充分预见到当人工智能从测量层转移到媒体执行层时归因会发生什么。 Meta 的 Advantage+ 和 Google 的 Performance Max 等平台不仅仅在人类媒体策划人员设置的参数范围内进行优化。他们针对买家未指定且通常无法完全审核的受众群体和广告资源类型，自主做出定位决策、创意选择、出价策略和展示位置选择。人工智能的逻辑在设计上是不透明的——系统已经确定某些信号组合会产生更好的结果，并且它会针对这些结果进行优化，而不会暴露其背后的推理。

对于归因来说，这会产生一个特定的问题。传统的归因模型（最终点击、多点触摸、数据驱动）的工作原理是通过离散的、可观察的接触点跟踪用户的旅程：这次广告展示、这次点击、这次转化。当人工智能系统通过营销人员看不到的信号分布做出目标决策时，接触点变得更难隔离。当接触点是由无法检查其选择标准的系统选择时，归因问题（哪个接触点导致了这种转化）就变得不太有意义。模型产生的答案总体上可能是准确的；在董事会询问的特定渠道、活动或创意层面上进行辩护是非常困难的。

当人工智能应用于测量本身时，问题就变得更加复杂。每个营销堆栈的基础数据都存在缺口——这是隐私限制、跨设备匹配限制以及线下行为的结构不可见性的结果。人工智能并不能弥补这些差距。正如 IAB 自己的报告所警告的那样，它可以统一并加速衡量，但如果没有透明度和治理，它就有可能强化营销人员已经面临的黑箱决策——根据机器学习的权威做出的决策，而机器学习比电子表格更难质疑。

董事会在解决问题方面的作用

营销衡量功能失调已经存在多年，但没有成为董事会危机，这主要是因为最了解营销领导者的人是向上管理的人，他们有权自行决定管理围绕它的对话。人工智能以一种特定的方式改变了这种动态：它让董事会有理由提出他们以前没有想到要问的问题。

当人工智能投资是 IT 预算中的一个项目时，董事会使用适用于技术的框架对其进行评估：实施成本、效率增益、风险。当人工智能投资在营销预算中所占的比重越来越大（根据 Gartner 的数据，这一比例为 15.3%，并且还在不断增长）时，董事会开始使用他们应用于资本配置的框架来询问这一问题：回报是多少，如何衡量，以及为什么我们应该分配更多？这些都是合理的问题。这些问题也是测量基础设施目前不支持以信心委员会期望的方式回答的问题。

出现在董事会面前的 CMO 拥有 15% 的人工智能预算分配和一个被大部分行业从业者描述为达不到要求的衡量框架，在结构上处于一个令人不安的境地。人工智能投资是可见且可量化的。回报则不然。与首席营销官长期以来在软指标和战略原理上捍卫的品牌投资不同，人工智能隐含着可量化的承诺——整个宣传就是它将产生更好的数据、更好的衡量和更好的问责制。批准人工智能投资的董事会就是在这个前提下批准的。首席营销官现在必须解释衡量实际上更困难，他正在针对争论另一方做出的承诺进行反馈。

IAB 的 Eidos 项目正在尝试做什么

业界对这个问题的认识已经产生了协调一致的反应。 IAB 于 2026 年宣布的 Eidos 项目是一项全行业努力，旨在解决先进测量指标方面的信任差距，汇集了 30 家营销公司的领导者，致力于制定人工智能驱动的测量系统的标准化和透明度标准。该项目明确承认，当前的衡量环境并未为首席营销官提供捍卫其决策的工具，并且行业需要共享标准来确定人工智能驱动的衡量应披露和展示的内容。

Gartner 研究和行业评论中反映的新兴从业者共识是三角测量：并行运行媒体混合建模、多点触控归因和增量测试，每种方法都提供对其他方法的交叉检查。这种方法产生的估计比任何单一方法都更可靠，但它需要对测量基础设施和专业知识进行大量投资——大多数营销组织一直不愿意进行这种投资，尤其是因为测量不会产生董事会奖励的那种可见输出。

研究的真正含义是什么

这项研究得出的结论并不是人工智能失败了。人工智能工具正在提高生产力、改进受众定位并提供大规模内容。这些好处是真实的。这些工具没有提供——并且在某些方面变得更难提供——的是问责制基础设施，该基础设施将允许以董事会现在期望的投资回报语言来捍卫这些好处。

更好的人工智能无法解决这一差距。如果这个问题得到解决，那么这个问题将会得到解决，方法是对行业系统性资金不足的衡量基础设施进行投资，通过监管和平台透明度标准让营销人员了解他们正在购买的人工智能系统，并重新设定人工智能作为营销证明问题的解决方案而不是作为具有自己的衡量要求的强大工具出售给董事会时设定的期望。在更好的问责制前提下为人工智能投资提供资金的董事会正在等待会计，而会计已经逾期了。