AI赋能营销能力跃迁：从基础到互联的完整路径解析

论文信息

英文标题：AI-Enabled marketing capabilities and the hierarchy of capabilities: Conceptualization, proposition development, and research avenues

作者：K.T. Manis（新墨西哥州立大学），Sreedhar Madhavaram（德克萨斯理工大学）

发表期刊：Journal of Business Research（Volume 157, 2023, 113485）

期刊信息：JCR Q1区（BUSINESS领域），中科院管理学1区Top期刊，2023年影响因子10.5，五年影响因子10.0，CiteScore14.2

DOI：10.1016/j.jbusres.2023.113485

技术深度融入营销领域已是显而易见的趋势。CRM平台、营销自动化工具、社交媒体监控系统、数据分析仪表盘……技术的身影遍布营销的各个环节。然而，尽管"技术赋能"（technology-enabled）与"AI赋能"（AI-enabled）在学术探讨中高频出现，"赋能"这一概念本身却始终缺乏明确的界定。

为何同样一套AI系统，有的企业能够借此构筑竞争护城河，有的却仅仅是"跟风式"应用？核心症结在于——企业究竟如何借助技术来"赋能"其营销能力，从而实现能力层级的阶梯式跃升。

这篇刊载于Journal of Business Research的研究，依托资源-优势理论（R-A Theory）中"基础资源与高阶能力"的分野，通过融合营销、信息系统、工程及计算机科学等多个学科的文献，首次系统性地回应了以下问题：

AI的本质究竟是什么？

"赋能"的真正内涵为何？

AI通过怎样的运作机制来赋能营销能力？

R-A理论（Hunt, 2000）将基础资源与高阶能力加以区分。能力被界定为"基础资源（有形+无形）在社会复杂层面的协同整合，使企业能够高效/有效地产出有价值的市场供给"。

Madhavaram和Hunt（2008）将能力划分为三个层级：

企业通过组合或整合现有资源/能力，能够逐级攀升能力层级——从基础层到复合层再到互联层。每提升一个层级，竞争对手模仿的难度就越大，企业获得持久竞争优势的可能性也就越高。

研究梳理了超过30个AI定义（从McCarthy等1955年直至2021年），提炼出四个核心定义要素：

信息（Information）：AI运转的"燃料"，涵盖内部/外部、数据/知识等维度

学习（Learning）：AI的核心适应机制（涵盖监督学习、无监督学习、少样本学习等范式）

高效且有效地执行操作（Efficiency & Effectiveness）：AI运作的速度与精确度

操作（Operations）：AI对信息所采取的具体行动

最终界定：AI是一个随时间推移通过学习而持续演进的信息系统，能够高效且有效地对信息执行一项或多项操作（包括获取、整合、分析和/或解读）。

研究整合了营销、工程与计算机科学领域的自动化文献，构建了一个六级自动化层级框架：

核心洞见：自动化层级越高，信息系统的角色越发关键，而用户的角色则相应弱化。"学习型自动化"（第6级）是本研究独创性提出的层级——AI的学习机制赋予其随时间持续自我优化的能力。

研究归纳出AI赋能营销能力的四项核心操作：

定义：搜索与收集/检索信息的过程

信息