• 预测经济是指媒体和广告从统计注意力转向预测并证明结果。绩效从滞后指标变为领先指标。
• 智能体和衡量因数据碎片化而停滞。只有3%的CMO能将一半的营销与业务成果挂钩（麦肯锡），而解决方案是一个统一、受治理的数据和AI基础。
• 基于四个C构建：上下文（Databricks CustomerLake，一个智能体CDP；Genie；Lakebase）、控制、成本和选择（Unity Gateway）。一家利用智能体激活忠诚度数据的宠物 specialty 零售商实现了12%的交易提升。
二十年来，媒体和广告一直依靠注意力运转。曝光量、触达率和点击量是货币，因为它们可以量化。然而，这种货币正日益贬值。在整个行业——并在纽约广告周上达到高潮——媒体、代理商和广告技术/营销技术领域的领导者们都在问同一个问题：不是“谁看到了它？”而是“它改变了什么?"
每个答案的背后都是 预测经济的兴起，在这种经济中，优势来自于在花钱之前就知道受众想要什么，并且能够展示它的价值。绩效已从滞后指标转变为领先指标。
聆听Databricks媒体和广告GTM负责人Jake LaDuke分享他对预测经济——以及媒体、广告和营销的未来——的看法，然后继续阅读以了解更多。
行业在要求什么
几个值得关注的主题：
智能体正从回答转向行动。 一场又一场会议、一次又一次关于智能体AI的对话都得出同样的结论：没有可信、受治理的数据支撑，智能体就会失败。早期的成功既关乎效率，也关乎效果，例如跨多个事实来源编排衡量。在卖方，像广告销售转型副总裁这样的角色两年前几乎不存在，因为智能体接管了从推介到付款的电子表格、电子邮件和过时的费率卡，让销售人员能够专注于关系和收益。
衡量必须证明影响。 根据麦肯锡的一项研究， 只有3%的CMO能将一半的营销与业务成果挂钩. 这一要求正在整个生态系统中产生涟漪效应：代理商正在重组合同，广告技术正在将证明融入其产品，出版商正在推出自己的衡量。希望经济正在让位于预测经济，而只有合作伙伴数据能够连接，这个循环才能闭合。
营销技术和广告技术正在合并为一个技术栈。 典型企业技术栈中有90到120个工具，渠道级报告已不再足够。CMO需要跨每个触点的整体绩效，而不仅仅是广告或营销。与此同时，CMO和CRO从不同的技术栈中获取相同的受众，将两者合并可以让双方都做得更好。
CTV和零售媒体需要闭环。 出版商需要一个数据资产用于受众情报、货币化和跨平台衡量。零售媒体是一个快速增长但仍受衡量制约的渠道，需要干净房间、第一方激活和闭环衡量。
在这一切背后，消费者行为的变化速度快于技术栈。智能体商务、AI生成的创意以及作为新影响者的LLM正在改变人们发现品牌的方式，高管们希望将这些转变视为机遇而非威胁。
以上每一点都指向同一个前提：一个统一、受治理的数据和AI基础。当你的数据碎片化时，适应预测经济就变得难以为继。领导者必须停止将这些作为单独项目来资助，而是为每个人构建一个可以依托的基础。
上下文是预测的起点
每个预测都始于上下文：你的智能体对你的客户和业务在你的数据资产中的视图有多完整。正如Databricks CEO Ali Ghodsi所说，模型没有智能问题，它们有上下文问题。
PetSmart 展示了当上下文汇聚时会发生什么。利用其7500万Treats Rewards会员的忠诚度数据，该公司超越了批量轰炸式活动，AI决策智能体大规模提供个性化消息。结果是沙龙预订量提升22%，自动补货交易提升13%。收益来自于让数据资产协同工作，而不是来自更聪明的模型。
上下文在客户360中最为重要。营销人员越来越希望在他们经营业务的地方开展营销，而不是将黄金档案复制到单独的CDP中。这就是 CustomerLake, Databricks的智能体CDP背后的理念。营销和数据团队可以直接在其受治理的数据上构建可信的客户360档案、激活受众并个性化互动。 与衡量编排相结合，这些相同的客户信号直接连接到ROI。
Genie 然后将该上下文带给决策者。它充当连接到您受治理的企业数据的AI同事，因此规划者、营销人员和销售人员可以用自然语言提问，并获得基于他们自己定义的答案。在底层， Genie Ontology 让AI理解您的业务：其独特的定义、关系、业务规则、权威来源和权限。在回答或决策时，它按权威性和相关性对该上下文进行排序，应用权限，并交付最有用的部分。
在当下智能行动还需要运营上下文：客户刚刚做了什么、他们被提供了什么，以及智能体决定了什么以及为什么。 Lakebase, Databricks的无服务器Postgres数据库，将这种实时状态保存在您的分析数据旁边，因此智能体记忆、决策历史和最新特征可以以生产速度提供，而无需中间脆弱的管道。
实现这一目标始于一个简单的纪律：一次定义身份、受众和指标，并集中治理它们。
控制、成本与选择：从追求Token最大化到价值最大化
上下文让你得到预测。另外三个C决定你能否在规模化层面负担得起据此行动，以及你是否应该行动。
控制。 这不仅关乎从人员角度管理谁有访问权限，也关乎从智能体角度进行管理。智能体会接触受众数据、竞价和品牌敏感型广告位，因此治理必须成为前门。 Unity Gateway 让每个模型和智能体请求都经过同一个控制平面，具备身份验证、审计和PII防护栏，因此由企业设定防护栏，由平台执行它们。
成本。 为AI而AI已不再被CFO们容忍，转变正在从追求Token最大化转向价值最大化。每个智能体循环都会消耗Token，而始终在线的活动会让这一消耗成倍增加。Unity Gateway按团队、模型和应用归属支出，执行预算和速率限制，并将简单请求路由到更便宜的模型，因此AI成本与业务价值保持同步。
选择。 为合适的工作配备合适的模型很重要，因为前沿模型会定期相互超越。如果切换意味着重写应用，你就总是落后一代。Unity Gateway通过一个API提供来自多个提供商的模型，因此你可以通过配置进行替换，而不是重新工程化。该基础构建于开放格式之上，可保持你的数据可移植，而 OpenSharing 和 Databricks Clean Rooms 让你无需复制数据即可与合作伙伴协作
领导者应从第一天起就将治理、成本可见性和可移植性视为设计要求，而不是事后改造。
大处着眼，小处着手
展望未来，广告本身将会改变。随着广告回避率上升而意图仍基本未被开发，它必须从让人感觉打断了人们想做的事情，转变为由该观看者意图驱动的更智能、更整合的1:1体验。要实现这一点，需要跨品牌、代理商、广告技术和出版商的新操作系统和运营模式，一切都服务于结果。
展望未来，领导者需要在大处思考AI如何成为业务的增长杠杆，然后在小处着手于你最先解锁的用例，无论是受众规划、激活还是衡量编排。从“为什么”开始：新的收入来源、更低的成本或更简单的运营。并非每个问题都需要智能体。
选择一个有意义的决策，例如重新激活流失客户、为买家打包受众，或闭环零售媒体活动。汇集上下文，设定防护栏，事先就如何衡量影响达成一致，然后从那里扩展。走得最远最快的人，将是那些变得更懂技术的业务人员，以及变得更以业务为中心的技术人员，他们建立在可信上下文、真正控制、选择自由以及随价值扩展的成本之上。
准备好开始了吗？ 观看Beet.TV的视频, 收听Advertising Week的播客, 并在 Databricks for Media, Advertising, & Entertainment.
了解更多。相关标签：在收件箱中获取最新文章
订阅我们的博客，将最新文章发送到你的收件箱。