学者声音 | 沈俏蔚等： 数智时代营销科技治理的挑战与机遇：文献综述与研究展望

来源：【北京大学】

本期文章

数智时代营销科技治理的挑战与机遇：文献综述与研究展望

作者

沈俏蔚、张颖婕、李奕霖，北京大学光华管理学院

王翀，香港城市大学商学院

刘宏举，北京大学光华管理学院

摘要

以数字化和智能化为核心的营销科技应用极大地推动了企业营销策略的优化，提升了营销效率和供需匹配的精准度。然而，营销科技的广泛应用也带来了治理层面的多重挑战。本文从消费者、企业、市场三个层面深入探讨营销科技应用中的治理问题，重点关注消费者隐私保护、企业算法治理以及宏观影响和政策治理，回顾并分析了现有文献，并提出了未来研究的方向。

关键词

关键词：营销科技；人工智能；隐私保护；算法治理；市场治理

内容精要

一、研究的背景与意义

新技术的涌现对营销领域的理论研究和实践应用产生了深远的影响。 近年来，随着人工智能（Artificial Intelligence, 简称AI）和大数据等技术的快速发展，以数字化和智能化为核心的营销科技（Marketing Technology）融合技术工具和营销管理，极大地推动了企业营销策略的优化，在提升供需匹配效率和企业竞争力方面体现出巨大潜力(任之光等，2022)。本文所讨论的营销科技既包含AI等智能工具在营销策略中的应用，也包含新技术所产生的产品与服务（Hoffman et al.， 2022）。营销科技的典型应用包括：通过实时数据分析和智能预测，帮助企业洞察消费者需求，识别潜在机会，优化资源配置；优化营销策略与执行，提供更加个性化、精准化的营销方案。数智技术的大量应用也显著降低了企业运营成本，如智能营销分析工具大幅降低了决策成本，智能客服则以远低于人力成本的方式增强了客户互动体验（Grewal et al.， 2024）。此外，营销科技的应用场景已从传统市场分析扩展到多领域、多层次的数字化转型过程（Verhoef et al.， 2021），在提升供需匹配效率、优化产业结构以及推动创新方面发挥着不可替代的作用。

根据麦肯锡研究报告，营销是快速发展中的生成式人工智能最重要的应用领域之一（Chui et al.， 2023）。在市场洞察方面，现有研究在积极探索大语言模型(LLM)在哪些领域可以替代传统的市场调研方式（Goli and Singh, 2024; Li et al.， 2024）、提升预测能力（Ye et al.， 2025）。在内容生产和营销策略方面，最新的研究关注LLM生成广告的效果评估（Reisenbichler et al.， 2022; Chen and Chan, 2024; Hartmann et al., 2025）以及AI工具对于内容生产的影响（Burtch et al.， 2023; Zhou and Lee, 2024）。在销售和服务场景中，智能客服的作用以及销售人员与人工智能如何协同被广泛研究（Luo et al.， 2019；Luo et al.， 2021; Jia et al.， 2024）。 有大量的研究关注营销科技在多场景应用中的效果衡量、作用机制以及如何优化等问题（Grewal et al.， 2020），本文则关注伴随营销科技应用而产生的治理问题。要实现长期的可持续增长，仅仅关注技术应用的经济效益还远远不够，我们需要更深层次地考虑如何兼顾市场效率、公平和社会福祉。随着营销科技特别是智能技术的大规模应用，诸多治理层面的挑战逐渐显现，在伦理、安全和社会公平等方面暴露出潜在问题。在微观层面，消费者数据隐私保护问题日益凸显，企业滥用算法操纵消费者行为等现象时有发生；在企业层面，算法设计如何平衡商业利益和社会福祉、平台经济中如何协调多主体利益关系，均反映出治理的多维复杂性；在宏观层面，新技术应用引致的市场结构变化以及政策层面对技术应用的规范路径等，成为亟待研究的关键议题。图1总结了营销科技的新场景与新问题。本文将从消费者、企业、市场三个层面深入探讨营销科技应用中的治理问题，通过对国内外相关领域现有文献的系统性梳理与分析，识别研究缺口与未来研究方向，为后续研究奠定基础。

图1 营销科技的新场景与新问题

注：本图按照从微观到宏观的逻辑结构，概括了营销科技领域在消费者、企业以及市场层面涌现的代表性新场景（左侧），以及与之相对应的新研究问题（右侧）。

在消费者层面，本文重点关注消费者隐私安全问题和治理思路。在营销科技应用场景中，消费者个人信息和行为数据被多个智能端口采集。这种跨时空、多维度的海量数据采集，一方面显著提升了营销策略的精准性和个性化服务的价值，使消费者多样的需求可以更有效地被满足；但另一方面，个人信息的大量收集和利用也引发了人们对数据和隐私的担忧。以个性化营销为例，智能广告提升了广告投放效能、减少了用户搜索成本，但同时也带来了数据滥用的风险，如“大数据杀熟”现象。因此，消费者在享受营销科技带来的服务价值与隐私保护之间面临着复杂的权衡。随着智能技术应用多样性和多模态数据采集的不断提升，隐私问题也愈发复杂。人机互动中的个人隐私数据是否得到妥善使用成为新的问题。由于数据所有权和使用权的分离，数据的输入、计算和输出等阶段都有隐私泄露的风险（李三希等, 2023）。同时，智能应用对消费者的影响已不仅仅是对数据的搜集和使用，人机交互中还存在多方面的行为干预，隐私治理需要具备更全面的视角。然而，营销科技应用场景中广泛存在信息不对称，消费者很难做出明智的隐私决策，导致个人信息披露态度与行为之间出现较大差异。

在企业层面，本文主要关注算法机制设计的治理问题。基于高维数据和人工智能的推荐系统以及以大语言模型为代表的智能体应用是营销科技的重要组成部分。一方面，通过特定算法推荐系统可以实现个性化的营销服务；另一方面，智能体可以从海量数据中不断学习并优化自动化决策过程，改善交互体验。然而，这些技术的应用并非没有风险，数据要素的质量和算法设计的方式会直接影响营销智能的应用效果及社会影响（De Bruyn et al.， 2020）。在企业层面，营销科技应用存在以下突出问题：第一，不断丰富的消费者偏好数据中仍然存在系统性偏差或者缺失。基于偏差数据的算法可能会产生误导性推荐，不仅影响消费者的判断，使其做出次优决策，还可能对其福祉、权益乃至长期行为模式产生深远影响。第二，算法的优化面临多目标之间的平衡，过度强调单一目标可能会导致算法应用的结果出现偏见，造成社会不公平，损害消费者福利。例如，某些算法可能过度强调短期利润，忽视消费者的长期利益和企业的社会责任。第三，生成式人工智能等新兴技术工具不断涌现，为解决传统算法和数据难题提供了可能的同时，也让企业面临如大模型幻觉、模型效率不高等关于算法应用的新挑战。在企业算法治理机制中，如何确保营销实践透明、公平且负责任，从而实现长期的商业成功和社会福祉的平衡，是亟待研究的问题。

在市场层面，营销科技的快速发展也带来了企业管理和市场治理的多维复杂性。在智能技术的应用中通常涉及多个主体，如何通过机制设计来实现多主体的交互协同以及利益平衡，是营销科技长期健康发展的重要保障。特别是在平台经济和双边市场中，平台、商家和消费者构成利益相关的多个决策主体，而各个参与方的目标函数不同（Marotta et al.， 2022），他们的互动对整个市场生态会产生重要影响。综合考虑不同主体在智能技术应用中的交互作用及其受到的影响，有助于我们更好地理解营销科技治理体系的重要性和复杂性，并为制定有效的治理和保障体系提供理论依据和实践指导。进一步地，营销科技的广泛应用将对企业竞争和市场结构产生多重影响。营销科技能够显著提升企业的竞争能力，改善其市场表现。然而，不同企业采纳智能工具的时间和程度存在差异，这种自选择性可能导致大型企业和中小企业间的竞争差异进一步扩大。在产品市场层面，随着生成式人工智能等技术的快速发展，AI生成产品大量进入市场，这些产品如何与传统制造的产品竞争，以及它们如何影响市场效率和市场结构，也是值得研究的新问题。在营销科技应用产生经济效益的同时，技术应用所产生的社会影响也日益受到关注。营销科技应用的大量涌现使得很多领域的生产成本和交易成本显著降低，同时也带来新的问题，应如何设计和实施有效的治理政策来应对这些问题、引导市场健康发展，都是当前亟须深入研究的重要议题。

通过消费者层面、企业层面、市场层面从微观视角到宏观视角的分析，本文着重从治理角度探究营销科技带来的挑战以及可能的应对策略。本文围绕数智技术应用的基础，即数据要素和算法设计，在消费者和企业这两大微观主体中展开相关治理问题讨论。在此基础上，进一步考虑不同决策主体的互动以及在宏观层面的综合影响，进而探讨相应的机制设计和治理措施，为营销科技的可持续发展提供政策建议。

余文将从以上几个层面，对近年来的相关文献进行系统梳理与回顾，揭示营销科技治理问题的关键进展和不足之处。在此基础上，本文还将聚焦未来研究中亟须解决的核心问题，并提出潜在的解决思路，为进一步推动营销科技治理层面的理论构建与实践创新提供指导。

（第二部分至第四部分详见原文）

五、未来研究方向

如前文所述，营销科技为消费者创造价值，为企业带来增长动能，但同时也在多个层面存在治理难题。围绕营销科技治理中上述几方面的研究问题，本文在附录中列举了若干代表性文献的研究方法、研究内容和主要发现。基于这一领域的已有研究成果，本文总结如下几方面有待进一步探索的研究空缺。

在消费者层面，现有关于营销科技应用的研究已经对个性化推荐、搜索、智能广告等进行了深入讨论，但在前沿技术的消费者效用与应用价值评估方面仍存在诸多空白。尤其是在生成式人工智能、智能体等新兴技术逐步融入营销实践的背景下，消费者对这些技术带来的真实价值感知、使用效用以及长期满意度尚缺乏系统性的评价标准和测度方法。与此同时，消费者隐私决策机制作为营销科技应用中的核心议题，尽管已有行为经济学、心理学等角度的讨论，但现有研究尚未构建出能够解释“隐私悖论”成因及消费者隐私决策全过程的统一理论框架，消费者在不同情境下的隐私权衡策略及其后续行为反应机制仍有待深入揭示。此外，随着多样化隐私保护技术与隐私计算手段的发展，新技术逐渐应用于营销数据治理实践，但相关研究主要集中于技术层面的实现机制，对于其在不同营销场景中的适用性、消费者接受度及实际效果评价仍显不足，需要进一步结合消费者行为特性和隐私偏好，探索隐私保护技术的优化路径。最后，面对智能体日益介入的营销互动环境，技术应用对消费者的影响已超越数据收集和使用范畴，涉及决策干预、行为诱导等复杂的交互过程，亟须完善的隐私保护治理政策体系。未来研究应关注如何通过制度化手段协调技术创新与消费者权益保护，构建动态调整的隐私治理机制，预防可能产生的负面社会效应，保障营销智能化应用的可持续发展。

在企业层面，现有算法治理研究主要关注算法偏见的成因和后果，提出的纠偏策略多依赖于数据的统计特征，而对具体营销场景的适用性关注不足。未来研究可从消费者行为数据层面入手，结合营销学等理论模型，探索更契合营销实践的算法纠偏方法。此外，现有的纠偏策略往往对高质量数据依赖较强，而在数据隐私问题日益突出的背景下，其可行性受到一定限制。未来研究可考虑利用新技术，如大语言模型，在减少对敏感数据依赖的同时，利用大模型的通用知识能力，进一步提升纠偏算法。此外，现有研究主要集中于开发方法来消除算法输出中的偏见，对于问题的根源即有偏的训练数据问题关注较少，需要更多的研究专注于利用大语言模型等新技术高效地解决企业对消费者行为认知数据缺失和样本代表性问题，提升决策的公平性和效率。在人与算法的互动层面，用户对算法的反馈行为也是企业算法治理不可忽视的环节。尽管部分研究已关注消费者的情绪表达、评分行为及其对算法结果的影响，但用户与算法之间的策略性反馈、动态博弈关系及其长期协同优化机制尚未被系统性揭示。未来研究可基于人机互动理论，深入探讨消费者在不同场景下的反馈动机与行为模式，评估反馈机制对算法演化与营销效果的动态影响，为优化消费者体验与平台公平性提供理论支持。与此同时，现有算法开发多以工程性目标为导向，缺乏基于行为理论的系统预评估机制。行为理论指导的算法开发预评估有助于在算法上线前识别潜在的消费者认知偏差、情感反应及行为干预风险，从而实现算法设计的前置治理与风险控制。未来可结合行为决策理论、隐私计算心理机制等，建立覆盖开发、部署、使用全过程的行为预评估框架，提升智能算法在营销场景中的适用性与社会接受度。

营销科技工具的应用开辟了许多新场景，平台、算法、平台参与方的属性和行为都变得更加复杂。技术与算法对不同参与主体的影响以及利益平衡机制有待探索。大模型等新型高效智能工具的应用，可能对平台多方主体产生不同影响，而其中的交互过程、动态变化，以及利益协调机制还缺少相关讨论。智能算法在复杂决策场景中的参与使多主体目标协同面临新问题。尽管智能算法能在决策支持方面发挥重大作用，但对算法的依赖可能反而会导致决策效率和效果的下降。这是由于在复杂场景决策中，人类经验和隐性知识的运用将对协作结果产生极大影响，而智能算法的应用可能增加了部分协作主体的偏差成本。因此，智能算法等技术工具的实践应用效果及其对多方主体的影响机制还有待深入理解和评估。

在市场层面，营销科技应用对市场竞争格局产生了深远影响，但相应的政策治理尤其是对新技术的采纳与监管研究尚处于起步阶段。现有文献主要从（单个）企业视角出发，关注营销智能工具的采纳对于企业营销策略和经营表现的影响，而较少讨论营销科技应用对于企业动态竞争以及市场结构的影响，尤其缺少人工智能产品对原有产品市场的影响评估，在宏观层面的影响也有待实证研究和评估。此外，过往研究主要关注营销科技产生的经济效益，对其产生的社会效益研究还非常有限。智能技术使得很多领域的生产成本和交易成本显著降低，这些智能工具的有效利用可以赋能在市场交易中处于相对弱势的群体。在这一领域需要更多的实证研究来探索智能工具对不同群体的福利影响。在政策研究方面，过往研究主要关注数据和隐私保护方面治理政策的效果和对各方的影响，对于当下迅速发展中的生成式人工智能技术在应用层面的监管和治理研究十分稀缺。

六、结论与展望

本文主要从福利和治理的视角，对营销科技应用中的潜在问题进行了讨论和文献综述。随着技术的广泛应用，数据隐私保护、算法偏见和多主体协同等问题日益突出，亟待通过创新的治理框架来解决。本文从消费者、企业和市场几个层面对营销科技应用中的重要问题进行了梳理，并提出了未来研究方向。

展望未来，营销科技的研究需要更加关注如何实现技术应用的透明性、公平性和可持续性，进一步聚焦于如何在技术应用中实现利益共享与风险共担，平衡竞争与协作、短期利益和长期福祉，为构建科学有效的治理方法和治理体系提供理论支持和实践指导。

本文来自【北京大学】，仅代表作者观点。全国党媒信息公共平台提供信息发布传播服务。

ID：jrtt