2026泰达论坛【新技术生态专场】丨李文君：AI时代汽车营销：破解数据困境，赋能全域增长

由中国汽车技术研究中心有限公司、中国汽车工程学会、中国汽车工业协会、中国汽车报社联合主办的第二十二届中国汽车产业发展（泰达）国际论坛（以下简称“泰达汽车论坛”）于2026年9月17日至9月20日在天津市滨海新区举办。本届泰达汽车论坛将围绕“智绿筑基·生态蓄势·共创共赢”的年度主题，邀请重磅嘉宾展开深入研讨。

在9月18日“新技术生态专场：汽车大数据技术应用与数字化转型”中，中国互联网协会中互智安数字发展部总经理、中网研究院副总经理李文君发表题为“AI时代汽车营销：破解数据困境，赋能全域增长”的演讲。

以下是演讲实录：

尊敬的各位领导、各位嘉宾以及业界同仁，大家上午好！

非常感谢主办方的邀请，有幸参与本次论坛与各位交流分享。当前人工智能技术已经渗透至各行各业，我所从事的汽车营销领域正经历深刻转型。今天，我将结合本企业现有研究成果、行业观察以及落地实践项目，和大家探讨一项核心问题：在汽车营销领域，人工智能如何破解数据困境，赋能全域增长。

从市场反馈的数据可以清晰看到，汽车营销领域正在发生结构性转向，车市全面进入以存量迭代为主的新阶段，主要存在三项核心变化：第一，购车人群发生改变。2025年乘用车累计销量当中，车辆报废更新规模与全新购车规模基本持平，换购需求已经超越首次购车，成为车市最核心的增长动力。全国六百余座城市的市场区域分化愈发显著，即便是同一座城市，也不宜套用同一套运营策略，应当采取分层分区的精细化运营模式。第二，用户决策场景发生改变。用户核心决策环节已经前置至线上，不少消费者到访门店之前，心中已经基本确定意向车型配置。终端门店销售人员不再需要从零引导用户决策，更多是承接用户到店前已经形成的消费判断。第三，用户价值判断发生改变。当前半数以上购车用户更加看重智能体验，全场景用车感受已经成为核心考量要素。与此同时，自主品牌的市场认可度逐步提升，品牌口碑与体验逐步成为影响用户成交的关键因素。

上述变化共同指向一个核心逻辑：当下市场需求已经细化至每一位个体，人工智能也让我们对消费者的理解可以下沉至个体层面。

全新的经营研究逻辑应当如何定义？一言以蔽之，即从流量经营转向价值共创。过去我们的核心思路是规模化归集流量，推动销售线索高效转化。但该模式下价值属于单向传递，用户被视作一个个流量颗粒，配套数据也多为静态标签，用户与品牌完成交易即代表关系结束。支撑这一新范式转型，存在三项理论支点：

科特勒在营销5.0与6.0理论当中提出，核心技术应当回归人性，消费者正从信息接收受众升级为价值共创者。人机共生的消费模式表明，如今消费者已经将人工智能工具视作自身的决策伙伴。品牌面对的不再是独立的个体，而是人与人工智能相结合的复合主体。价值共创理论指明发展方向，营销不再是企业单向输出价值，而是与消费者协同创造价值。该理论逻辑指向同一个本源：真正读懂消费者。

何为真正读懂消费者？过往的数据只能告诉我们，消费者购置过何种车辆、购置时间、车辆品牌以及消费金额。而具备经营价值的核心问题则是，消费者将于何时置换下一台车辆、意向置换车型，以及置换背后的动因，还有哪些要素会左右其最终消费决策。多个跨领域模型已经得到验证，依托历史行为预判未来消费行为，效果往往优于传统标签筛选模式。但长期以来，汽车行业始终面临四重发展困境：

第一，数据分散于整车企业、线下门店以及各类平台，同一个用户的信息被割裂为多个碎片化片段。

第二，用户行为可观测，但消费动机难以研判。我们能够获知用户试驾、浏览车型的记录，却无从知晓其背后的考量要素。

第三，消费需求会伴随家庭情况、行业政策以及市场环境的变化持续发生调整。

第四，用户口头表达的意愿，有可能和最终实际选择存在偏差。

调查问卷当中表达的态度，并不能等同于用户真实购车意图。而人工智能带来一项关键改变，可以将多元数据、动机模型以及实际行为纳入同一套决策系统。标签能够展现用户过往画像，行为轨迹则可以判断用户未来走向，营销也由此从静态归类，升级为动态人本洞察。

想要实现个体层面的用户理解，离不开完备的数据底座。我们搭建的数据底座覆盖车辆真实交易记录、用户设备行为、消费行为、用户口碑以及各类经营信号，每一类数据都能够反映用户的部分特征。切实可行的方式，是围绕人、车辆、城市搭建统一语义维度，完成多源数据关联。需要厘清一点，数据融合并非简单把多张数据表归集至同一数据库，还需要完成语义统一、时间对齐以及置信度标注，令交易、用车、口碑、车型等各类数据可以相互印证解读。

举例而言，高线城市与下沉市场的用户购置同一款车型，背后代表的消费层级并不相同，而数据的融合程度与丰富程度，直接决定人工智能对消费者的理解深度。

夯实数据底座之后，需要推动数据持续运转。我们不应在数据底层搭建多套相互孤立的系统，而是构建一套可以自主驱动、持续迭代的闭环飞轮。在感知层，实时捕捉消费者状态变化；在人工智能认知层，精准识别用户显性与隐性需求，以及最优车辆置换窗口期；在行动层，完成场景与内容的适配匹配；最后进入沉淀层，每一次用户交互信息都会回流沉淀为数据资产，持续反哺算法模型。

依托这套闭环飞轮，我们聚焦两项核心发力方向：

第一，开展用户需求预判。依托人工智能能力提前挖掘用户潜在需求，摒弃被动等待线索的模式。

第二，开展场景价值创造。从单纯售卖产品，升级为与用户协同搭建完整用车消费场景。在人工智能技术赋能之下，这套生态化运营模式，会形成一套运转越久研判越精准、运行越久效率越突出的闭环飞轮。

我们来看第一项落地业务场景，依托人本时序洞察，搭建人工智能线索评级引擎。传统线索评分仅参考静态标签信息，例如线索来源渠道、是否预留联系方式、浏览的车型页面、提交咨询的页面。该模式属于一次性筛选，很难跟踪客户决策过程的动态变化。而人工智能线索评级引擎，可以整合静态画像、用户行为、历史购车记录、政策环境等多维度信号。引擎主要研判四项核心问题：该用户成交概率如何、购车时间窗口远近、客户长期价值高低、当下应当匹配何种服务。基于智能化研判结果，在执行层对客户做动态分级，业务团队优先跟进优质线索。依托人工智能工具，将研判结果转化为可落地的业务动作，把人力精准聚焦至成交概率高、客户价值高、购车窗口临近的核心客户群体。

为实现更深层次的客户理解，我们基于数据洞察能力搭建人工智能数字消费者体系。消费者并非可供简单统计的数据点位，而是一套完整动态的个体决策系统，自身具备主观偏好、行为惯性、时序逻辑与风险判断。用户的身份、消费能力、消费偏好、行为轨迹、社交关系，均会影响最终购车决策。这套体系的核心定位，不是各类标签的简单叠加，而是依托标签完成推演交互、支撑仿真模拟的决策主体。即便用户拥有完全一致的标签，背后的决策逻辑也可能截然不同。例如传统标签定义下25-35岁、身处一线城市、年入30万元的群体，仅能反映静态特征。而我们采用人格化建模思路，还原每一位用户独有的决策逻辑，可以进一步区分用户是追求产品品质，还是崇尚潮流时尚。落实到汽车营销领域，代表受众策略不再只是筛选同质化人群，而是进一步读懂群体之下每一个个体差异化的决策逻辑。

但实践当中我们发现，如果多维度数据缺少规范框架约束，仿真生成的用户人格就会出现失真，行为预测结果也会出现偏差。为此我们搭建十层结构化体系，依靠标准化约束确定建模范式，整套体系划分为两个层级：

第一层级包含六层自上而下的约束机制，这套约束确定用户的关注方向、行为边界以及不同场景下的处理模式。第二层级包含四层由内向外的传导路径，还原用户表达方式、过往经历、信息理解模式以及最终购车行为。这套系统并非只生成面向消费者的输出话术，而是保障用户表达、决策动因、最终选择三者相互统一、可以互相印证。我们的核心验收标准，并非数字人格的语言模拟有多贴近真人，而是当价格、配置、权益以及外部情境发生改变时，模型能否输出与真实消费者相契合的选择。只有输出结果具备稳定性与可解释性，模型才可以真正服务于营销决策流程。依托这套人格建模体系，可以将用户主观认知完成量化，转化为可计算、可推演的营销决策依据。

我们搭建完成数字消费者模型，主要包含四项量化研判维度。第一，意向量化，由系统判别客户所处的消费阶段，是信息了解对比阶段、试驾阶段，还是成交筹备阶段。第二，风险量化，提前识别用户流失动因与意向转移情况，例如客户意向由本品牌转向其他品牌，研判背后属于价格、配置或是其他因素。第三，价值量化，评估客户价值不能仅看单次交易，还需要研判置换周期、售后需求、金融消费潜力以及全生命周期其他服务诉求。第四，策略量化，针对不同价格、权益、触达方式先行仿真推演，从中筛选可行性更高的落地方案。该能力既可以研判圈层群体的共同决策逻辑，也可以上升至城市乃至宏观维度，研判区域差异与消费趋势。最终经由人格建模、多维量化、策略调优、业务执行再到模型迭代的完整链路，将传统营销活动升级为具备自主学习能力、持续迭代优化的智能化经营系统。

在这套可计算决策模型基础之上，我们将人工智能数字消费者体系与汽车营销全价值链深度融合，打通产品定制至市场运营的完整闭环。依托覆盖全国的数字消费者体系，搭建四套上层人工智能工具，覆盖全周期业务场景，依靠仿真推演输出可落地的决策参考。

产品上市之前，企业通常关注产品与设计理念能否获得市场认可。我们可以组建人工智能焦点小组，由大批量数字消费者针对车型外观、配置、定价以及产品卖点开展研讨。该方式虽不能替代真实市场验证，但可以用更低成本筛除适配度较差的方案，帮助企业把有限调研资源投入更有验证价值的方向。

产品上市阶段，企业需要确定并且落地各类经营策略，定价策略存在诸多组合形式。我们可以将各类组合方案输入数字消费者模拟群体，观测不同收入层级、不同城市的用户反馈，分辨哪些群体可以被策略撬动，哪些群体即便实施对应策略也不会改变消费选择。

产品上市之后，企业核心关注销售落地。我们同样可以借助工具预判用户置换窗口期，识别用户置换动因，以及用户持续观望的背后原因。上述人工智能工具均以模拟、回测作为运行逻辑，核心价值是以可控成本，为企业提供前置化决策参考。

口碑传播路径、消费圈层形成、市场份额流转，均不属于个体用户行为，而是万千用户互相影响、交互之后形成的群体结果。为此我们依托数字消费者网络底座，搭建上层人工智能社会模拟器。将具体车型、定价、权益、营销事件输入模拟器，数字消费者会复刻真实用户的行为，浏览产品、横向对比、沟通讨论之后，完成消费决策。系统自动记录用户产生兴趣的环节、出现犹豫的环节，以及被竞品吸引的环节。企业开展实际资源投入之前，可以先在数字环境完成推演，将市场试错放置于虚拟空间完成。

总而言之，人工智能带来的变革，并非简单提升单一业务环节效率，而是重构营销生产函数。当前我们主要依托三项核心资源能力：

第一，人工智能数字消费者体系，提升用户洞察与内容产出效率。借助数字消费者完成前期探索，可以将相关工作压缩至一至两日，研究人员可以把精力投入关键环节的实证验证与业务研判，而非反复整理基础信息。

第二，线索评级引擎，优化投放与运营效率，持续锁定高价值客户。由智能体承接重复性工作，销售、运营团队可以专注深度用户沟通与成交转化。

第三，社会模拟器，降低市场试错成本。定价与权益方案可以先行仿真推演，再开展落地实施。

以上各类人工智能能力相互组合，可以推动企业内部营销智能化、企业数据资产化，进一步实现产业协同化。依托数据、模型、智能体三层能力叠加，持续拉高汽车营销行业的效率基准。

面向未来，人工智能给汽车营销行业带来的变革，不再是单点技术的较量，而是产业生态的协同升级。期待各方继续依托数据、模型与智能体，共同探索汽车营销全新发展路径。

谢谢大家！

本文根据泰达汽车论坛现场速记整理，未经演讲嘉宾审阅，仅供参考。