代理商应该向客户展示哪些 AI 指标？恐怕不是大多数代理商最引以为傲的那些。开了多少账号、部署了多少智能体、生成了多少素材——这些描述的是你的投入。客户买单的是结果：每项工作花多少钱、多快交付、出错多少、对利润有什么影响。把这些量化出来，你的 AI 故事才会变成一个商业故事。
转向的压力如今直接来自合同。据 Campaign US 报道，世界广告主联合会（WFA）与 Agency Mania Solutions 对 69 家跨国企业（合计广告支出 1,470 亿美元）的研究发现，按人力工时计算的代理商报酬占比，已从 2011 年的 54% 降至 2026 年的 17%。58% 的品牌预计会更多采用按效果付费；目前只有 20% 因 AI 调整了付费模式，但计划调整的达到 61%。
为什么客户开始追问你的 AI 到底带来了什么？
因为“时间”正在失去衡量价值的意义。过去要做一天的报告，现在一小时就能完成：按一天收费显得奇怪，按一小时收费又等于给自己降薪。WFA 的研究指出，AI 让时间越来越难以代表一家代理商的价值。
但这场转变卡在了半路。Adweek（《广告周刊》）本月报道，尽管 AI 正在侵蚀按 FTE（全职人力）计费的收入，品牌在采用按结果付费方面依然迟缓。Horizon Media Holdings 总裁 Bob Lord 把 FTE 计费称为“旧体系”，并质疑如果没有“某种外部力量”，这套体系能否被打破。
这种僵局恰恰是独立代理商的机会。既然旧模式需要外部力量来打破，那么手握可信结果数据的代理商就可以成为这股力量，而不必坐等采购部门强推。前提是，你拿出的数字得是对的。
代理商的 AI 数据里，哪些算虚荣指标？
一位新加坡代理商创始人花了 18 个月，试图把自己约 20 人的公司改造成“AI 原生”。本周在一场 AI 应用分享会上，他用一张幻灯片总结了教训：我们统计了什么，以及真正重要的是什么。如图所示，左栏是那些塞满内部全员大会 PPT 的数字：AI 用户数、自动化任务数、部署的智能体数、生成的素材数；右栏则与业务结果挂钩：单位产出成本、产出时间、质量/错误率、利润影响。
他的观点很直接：客户并不在乎你有没有用 AI，他们在乎的是产出好不好。没有哪个甲方会因为代理商开了 40 个 AI 账号就续约。
下面是把每个虚荣指标转换成客户能感知的指标的一种做法。
| 我们统计的 | 为什么它好看 | 真正重要的 | 它回答客户的哪个问题 |
|---|---|---|---|
| AI 用户数 | 衡量的是账号，不是有用的工作 | 单位产出成本 | “每份报告、每次修改、每个素材是不是更便宜了？” |
| 自动化任务数 | 只算尝试次数，忽略返工 | 产出时间 | “我们是不是更快拿到成果？” |
| 部署的智能体数 | 奖励的是搭建，而不是结果 | 质量 / 错误率 | “发到我们邮箱的东西靠得住吗？” |
| 生成的素材数 | 数量很廉价，大部分从未被使用 | 利润影响 | “这推动了销售、利润率或效率吗？” |
这些对应关系是我们的建议，不是铁律。但原则不变：你汇报的每一个数字，都应该经得起客户一句“所以呢？”
为什么“差不多就行”的 AI 产出代价最高？
这场分享里最有用的观点是关于“采纳率”的。假设一个 AI 工作流起草了十条客户回复、社媒文案或报告摘要，其中六条可以直接采用。大多数团队会为这六条庆祝，然后默默手动改好另外四条。这位创始人的主张是：搭建一个闭环，把每一次修改都反馈回系统，让六条变成七条、八条、九条。
危险恰恰在反方向。只有六到七成时候靠谱的产出被当作“差不多就行”放行，平庸就成了公司的默认标准。没有人决定降低标准，它只是慢慢滑落了。
放到代理商的日常里，这种滑落就是：社媒团队周五下午还在重写 AI 文案，结果一点时间也没省；或者一家 CRM 代理商的人群细分大多数时候是对的，剩下的时候令人尴尬。纸面上省下的时间被修改吃掉了，而客户看到的是失误，不是平均值。
采纳率是从第一天起就能追踪的质量指标。采纳率上升，说明闭环在起作用；采纳率原地不动，说明你买到的只是一份订阅，而不是一种能力。
为什么代理商总在汇报错误的 AI 数字？
价值感知理论（Value Perception Theory）给出了简单的解释：人们判断价值，看的是自己体验到的收益相对于付出的代价，而不是卖方投入了多少。投入对代理商可见，对客户却不可见。“部署的智能体数”是投入；提前两天送达、无需任何修改的报告才是收益。
代理商习惯用投入指标，因为它们容易统计，还能让团队显得很忙。控股集团也早已教会市场用同样的方式谈论自有平台。但客户感受不到你的技术栈，他们感受到的是交付速度、准确度，以及工作有没有推动他们的业务数字。
这也是按时间计费日渐式微的原因：工时同样只是一种投入。
如何建立一份客户愿意买单的 AI 记分卡？
从小处着手：一个工作流、一个客户、一个季度，跑通之后再扩展。
- 选一个客户本来就能感知到的工作流。月度报告、竞品审计、素材尺寸适配或投放前质检。如果它改善了客户也不会察觉，那就选错了起点。
- 诚实地测量基线。在引入 AI 之前，记录工时、单位产出成本和每次交付的修改次数。没有基线，一切改善都只是轶事。
- 用结果来设定目标。“报告从三天缩短到一天交付，客户零修改”远胜于“用 AI 做报告”。
- 计算全部成本。把员工检查和修改 AI 产出的时间也算进去。省下四小时、又多花四小时返工的工作流，等于什么也没省。
- 每周追踪采纳率。记录哪些被采用、哪些被修改以及原因，再把修改反馈到提示词、模板和示例里，让采纳率持续上升。
- 用客户的语言汇报。单位产出成本、产出时间、错误率，以及在能建立关联时对销售或利润率的影响。账号数量留在内部 PPT 里就好。
- 把证据带进商务谈判。两个季度的结果数据，就是谈按产出或按效果收费的底气——WFA 的研究显示，这正是多数品牌预期的方向。
创意在结果指标中处于什么位置？
创意人担心结果指标会把创意简化成电子表格，这种担心不无道理，但并非必然。目标是在媒介预算花出去之前，缩短创意概念与可衡量结果之间的距离，而不是让电子表格来写创意。
这意味着要尽早拿出证据：作品回应了哪些受众痛点、品类里的竞品在说什么、一个创意赢得点击的可能性有多大。在 Defy 平台上，创意预测会与真实广告表现进行对照验证，因此与客户的结果对话从证据出发，而不是从个人品味出发。品味依然决定做什么，证据决定你能为什么据理力争。
交付同理。全球网红营销代理商 SAMY 采用 Defy Agents 精简效果报告流程，把三天的工作缩短到一天。这是客户能实实在在感受到的“产出时间”指标——而这正是重点所在。
