AI 如何改變消費者行為？核心在三處：搜尋、發現新產品，以及信任。對代理商來說，這帶來了一個令人不安的結論：建立在年度研究和人口統計細分之上的洞察方法，已經跟不上不斷變化的消費者行為。
與此同時，AI 也在改變策略人員自身。據全球營銷效果研究機構 WARC 的《2026 策略的未來》（The Future of Strategy 2026）報告，AI 的引入是策略角色正在經歷的最大變化。受訪的策略人員大多來自代理商一方，其中 56% 認為 AI 取代策略崗位是他們預期中最大的威脅，比上一年高出 15 個百分點。但與此同時，66% 的人認為有充分的理由保持樂觀。
AI 如何改變消費者的行為？
策略人員應該關注三大轉變。它們不是自然規律，而是假設：在每個品類中的表現各不相同，需要用你自己的資料去驗證。
1. 從搜尋關鍵詞到直接提問
人們不再輸入三個關鍵詞、比較十個連結，而是越來越多地向 AI 助手提出完整的問題，並得到一個只包含少數推薦的答案。初篩從消費者手裡轉移到了機器手裡。沒有出現在這些答案中的品牌，在比較開始之前，就已經被排除在考慮集之外。
2. 從主動搜尋到被動推薦
TikTok、Instagram 或 YouTube 上的資訊流由推薦演算法策展，而不是由朋友圈子決定。產品在沒有人主動搜尋的情況下就被發現了。購買衝動產生於評論區和創作者影片中，而這些都是公開的，因此也是可以觀察的。
3. 從信任內容到信任人
AI 生產的光滑、泛泛的內容越多，那些一看就是真實的聲音就越有分量：評價、使用體驗分享、有態度的創作者。聽起來和其他一切都一樣的品牌傳播，只會淹沒在背景噪音裡。
對不同的專業領域，這意味著不同的事情。媒介代理商必須弄清楚，在廣告還沒有機會接觸到消費者之前，初篩是在哪裡完成的。創意代理商必須交付一聽就出自人手、而不是平均值的作品。CRM 代理商面對的是被演算法寵壞的客戶，泛泛的電子郵件簡報會更快被打入冷宮。公關和達人營銷代理商的分量在上升，因為可信的聲音變得更有價值，前提是它們依據真實的共鳴、而不僅僅是觸達規模來挑選這些聲音。
為什麼傳統洞察方法不再夠用？
因為太慢，也離得太遠。一份年度研究給某種行為拍下快照，而這種行為在調研執行期間就已經在變化。人口統計細分描述的是一個人是誰，卻說明不了這個人今天如何做決定：身邊的參謀是一個聊天機器人、一位創作者和三個評論區。
此外還有方法論的問題。調研衡量的是人們被問到時如何描述自己的行為。公開討論展示的則是沒人問時他們會說什麼：在評論、評價和論壇裡。兩者都有用武之地，但後者離做決定的那一刻更近。
資料錯覺：為什麼資料更多不等於理解更深
這裡潛伏著一個陷阱，而 AI 會讓它變得更大。所謂資料錯覺效應（Data Illusion Effect），指的是人們傾向於從大量資料推斷出深刻的理解。桌上的曲線、聚類和儀表盤越多，團隊就越有把握，無論他們是否真正理解了資料背後的人。
AI 會放大這種效應。它能把海量資料濃縮成三句令人信服的話，而這些話對不對，往往已經無從核實。可規律並不等於解釋。資料能揭示規律，卻無法定義人。
WARC 由此為這門學科得出結論：價值在於判斷，在於知道哪些問題值得提出，在於理解資料集背後的人。這些，正是任何摘要都無法代勞的。
新舊洞察工作對比
| 維度 | 傳統洞察工作 | AI 時代的洞察工作 |
|---|---|---|
| 來源 | 調研、樣本組、年度研究 | 公開討論、內容和競品廣告，輔以調研 |
| 節奏 | 每年一次，或按專案進行 | 持續進行，設固定檢查點 |
| 分析單位 | 人口統計細分 | 帶有動機和痛點的使用者畫像 |
| 可證性 | 彙總的百分比 | 每個結論都可追溯到真實帖子 |
| AI 的角色 | 幾乎沒有 | 收集、聚類、總結 |
| 策略人員的角色 | 獲取和整理資料 | 提問、核查、解讀、決策 |
代理商如何重建洞察工作？
- 盤點資料來源。你目前的使用者畫像和定位建立在哪些資料之上？它們有多舊？最後一次是誰核查的？
- 把公開討論列為固定來源。品類中的評論、評價、創作者內容和競品廣告，應該成為每一份洞察基礎的組成部分。
- 驗證三大轉變。具體地問：這個品類的人如何發現產品？AI 助手和創作者扮演什麼角色？他們信任誰？
- 建立舉證規則。任何 AI 結論在寫進策略文件之前，都必須有人親眼看過背後的帖子。
- 調整節奏。不必取消年度研究，但要補充一個帶著明確問題的月度洞察檢查。
- 把策略人員從資料蒐集中解放出來。收集、整理和總結可以交給 AI，省下的時間應該用於解讀，以及與客戶的對話。
策略人員會被 AI 取代嗎？
擔憂是真實的，WARC 的資料已經說明了這一點。但反方的觀點更有力：AI 取代的是資料蒐集，而不是判斷。消費者行為變化得越快，就越需要能解讀規律、容忍矛盾並從中找出方向的人。
獨立代理商甚至可以把這一點變成優勢。它們調整流程，通常比結構層層疊疊的大型網路代理商更快，前提是能獲得同等水平的資料。Defy 平臺正是為此而建：在 Defy Monitor 中，每一個 AI 結論都能追溯到背後真實發布的帖子，策略源自目標受眾和競爭對手實際釋出的內容，而不是調研。
這對下一次客戶提案意味著什麼？
把“目標受眾為 25 至 45 歲、生活在城市、數字化程度高”這樣的句子，換成三條來自公開討論的真實引語，展示這些人此刻在操心什麼。再補充他們在哪裡發現產品、在這個過程中信任誰。客戶不會追問樣本量有多大，而會問下一步做什麼。而策略，正是從這裡開始的。
