用 AI 做营销数据分析、让决策有据可依，有哪些最佳实践？金科玉律一句话就能说完：在能拿出支撑数据之前，把 AI 的每条结论都当作假设。其余几条（把问题定义清楚、把数据源汇到一起、团队共同复核），都是为了让这条规则落到实处，又不至于把每次分析都变成一次审计。
这件事已经不只停留在会议室里，而是写进了合同。据 Digiday 报道，代理商正在逐条把 AI 加进框架合同（MSA），而不是推倒重写。触发点有三个：客户要求使用代理商自有的 AI 工具，客户要求加入专门的 AI 条款，或者某个项目用上了新工具。Reed Smith 律师事务所合伙人 Keri Bruce 总结说：“说到底，大家要的是披露（disclosure）。他们想知道用了哪些工具。”
不过，知道用了什么工具只是第一步。下一步更尴尬，任何一位客户总监都在会上听到过：“这是怎么知道的？”如果答案只是一句“AI 说的”，这条洞察再好，在客户眼里也不值钱。
为什么用 AI 做的分析让人不放心？
因为它们常常来得无迹可寻，只有结论，没有来路。一份干净的摘要，三条自信满满的结论，却没有一条回到原始数据的路径。客户分辨不出眼前是一份扎实的解读，还是一段没人核对过、只是听着合理的综述。
再加上数据孤岛。社交聆听在一个团队，投放数据在另一个团队，CRM 在客户那里，竞品广告则是提案里的一堆截图。AI 只分析你给它的东西，数据源不全，结论就不全，每个团队都带着自己版本的现实走进会议室。
结果大家都不陌生：花上几个小时对数，再开一个会决定以哪个数为准；客户则为了保险起见，谁的数都不信。
信息不对称：问题的根源
经济学家 George Akerlof 用著名的“柠檬市场”让信息不对称理论广为人知。它解释的是，当一方比另一方知道得多得多时会发生什么：买方分不清好坏，于是什么都不信，什么都压价。
AI 带来的问题如出一辙。如果客户看不到结论是怎么得出来的，就会给所有结论打折扣，好的也不例外。而这来得正不是时候：据 Digiday 报道，AI 正在减少所需工时，打乱代理商按小时计费的模式。工作耗时更少，又更难让人信任，利润就会两头受挤。
信息不对称不只存在于代理商和客户之间，代理商内部同样存在。分析师知道分析是怎么做的，客户总监不知道，创意团队就更不知道了。两种情况的出路一样：共享证据。当所有人看的是同一份数据、能核实同样的东西时，协作就能战胜低效。
怎样的 AI 结论才算可核验？
把这张表当作清单，在给客户发送任何分析之前过一遍。
| 维度 | “黑箱”结论 | 可核验的结论 |
|---|---|---|
| 来源 | “AI 说的” | 链接到具体的帖子、广告或记录 |
| 范围 | 没有数据源、样本量和时间段 | 写明数据源、分析量和日期 |
| 推理 | 观察和解读混在一起 | 区分看到了什么、推断了什么 |
| 对照 | 只有支持性证据 | 也列出反驳或修正它的证据 |
| 复核 | 一个人完成，没有记录 | 经策略、媒介和客户团队复核 |
| 可复现性 | 无法重复 | 团队里另一个人能得出同样结果 |
| 在会议上 | 靠权威来捍卫 | 靠实例来捍卫 |
AI 数据分析最佳实践：一步步来
- 从决策出发，而不是从数据出发。写下问题，以及不同答案会让你做出哪些不同的选择。如果哪个答案都改变不了什么，就不需要这次分析。
- 把数据源汇到一个地方。社交聆听、竞品广告、投放数据，条件允许的话再加上客户数据。数据基础越不碎片化，结论的偏差就越小。
- 把观察和解读分开。“很多评论提到价格”是观察；“价格阻碍了购买”是解读。让工具把两者分开呈现。
- 要求可追溯到原始数据。每条结论都应能追溯到支撑它的帖子、广告或记录。比如在 Defy Monitor 中，AI 的每条结论都能回到背后的真实帖子，因为策略是从受众和竞品真实发布的内容中反推出来的，而不是来自问卷。
- 主动寻找反面证据。问一问：什么和这个结论相矛盾？如果什么都没找到，反而要警惕：要么样本太小，要么问题本身带有偏向。
- 提交前团队共同复核。策略、媒介和客户团队花十五分钟看同一批实例，能省下之后几周的误会和返工。
- 记录工具、数据源和日期。据 Digiday 报道，这正是客户开始提出的要求：知道用了哪些工具、自己的数据如何被处理。
想看看从数据采集到团队查询，这套流程如何组织，可以了解一下 Defy 平台。
代理商内部的数据孤岛怎么打破？
靠的不是再开一个周会，而是一个所有人共用的证据基础。当策略、媒介、创意和客户团队查询的是同一批数据源，争论就不再是哪个数对，而是拿这个数做什么。
很关键的一点是，查询这个基础不能只依赖某一个人。如果只有分析师会用那个仪表盘，孤岛依然存在，只是变成了“人肉孤岛”。能用自然语言向数据提问的工具，把访问权分散开，也把核验的责任分散开。
合同和提案里应该写进什么？
合同条款已经在悄悄变化。据 Digiday 报道，Mile Marker 调整了关于元数据管理、AI 生成内容的知识产权以及所用工具透明度的条款；Go Fish 在过去六个月里加入了品牌安全和数据保护条款。该媒体总结说，客户想知道自己的数据如何存储和使用、有怎样的人工监督、涉及哪些工具。
与其等客户在下次续约时提出来，不如现在就主动做出三项承诺：
- 一份证据附录，随每次交付附上，写明每条结论背后的数据源和实例。
- 一行复核记录，说明谁在什么时候复核了分析。
- 一份工具清单：用了哪种 AI、用来做什么、用了哪些数据。
VML 的 Brian Yamada 在同一篇文章中提醒，要先就 AI 的标准成本结构达成一致，才能写出标准的合同条款，他还建议为日后修订条款留出余地。在这个标准到来之前，透明就是合同里没写、却最管用的一条条款。
