这类讨论通常绕着渠道打转。非品牌词搜索越来越贵，转化越来越差，于是预算转向 LinkedIn，有人画出图表，会议准点散场。
图表并没有错。可它解释不了回报为什么下滑，而唯有弄清这一点，才知道下一步该怎么走。
下面换一种讲法：三个杠杆各自坏在哪里，AI 改变了什么，又有哪些纹丝未动。
三个杠杆，为何相继失灵
第一个杠杆，是在有人产生需求的那一刻买下他的注意力。非品牌词搜索瞄准的是问题本身而非品牌名，一次点击就是一笔交易。如今这套机制正从两端瓦解：答案直接出现在搜索结果页和 AI 助手里，问题不必点进网站就已解决。
LinkedIn 目前占 B2B 广告预算的 41%，此前为 39%；非品牌词搜索的占比则从 37% 降至 33%。一年间，非品牌词的单次点击成本上涨 29%，点击率下滑 26%。
来源：Dreamdata，LinkedIn Ads Benchmarks Report 2026，2026 年 3 月 10 日 · 汇总自逾 6600 万次会话和 350 万条客户旅程
Dreamdata 的新闻稿称这 41% 是付费社交预算中的占比，报告博客则称是广告预算中的占比，所以这两个百分点的变动只能看作趋势，不能当作精确测量。趋势本身毋庸置疑。
第二个杠杆，是在一个季度内读出结果。它坏得无声无息：采购旅程越拉越长，报告周期却原地不动。
LinkedIn 广告支出回报率的中位数，30 天时为 0.1 至 0.3 倍，180 天时为 1.5 至 3.0 倍，365 天时为 3.0 至 6.0 倍。
来源：GrowthSpree 2026 年基准数据，2026 年 4 月 29 日 · 所追踪 B2B 账户的中位数，经二手报道转引，非原始发布
这组数字只能当作曲线的大致走势，而不是常数，因为您自己的曲线会随订单规模而变。但走势站得住：前期显得廉价，后期显得昂贵。拿 30 天的报告去评判一段 272 天的旅程，结论永远是失败，因为在第 30 天，它确实还是失败。
第三个杠杆，是清点作出回应的人。B2B 的买方从来不是某个点过链接的人，而是一个十人委员会，在四个渠道间来回争论，一争就是九个月。
LinkedIn 的平均单次点击成本为 5.98 欧元，Google 搜索为 5.19 欧元，Meta 为 1.60 欧元。LinkedIn 每影响一家公司的成本为 70.11 欧元，前一年为 154 欧元。
来源：Dreamdata，LinkedIn Ads Benchmarks Report 2026，2026 年 3 月 10 日 · 所追踪全部 B2B 广告主的平均值，非单一账户数据
只看单次点击成本，弃投 LinkedIn 的理由几乎不言自明。可按每影响一家公司的成本算，同一个渠道一年内几乎降价一半。两个数字出自同一个数据集，这才是让人不安的地方。
各杠杆在何处失灵，又会在哪些数字上露出端倪
| 杠杆 | 失灵之处 | 在您的数据中如何显现 |
|---|---|---|
| 需求时刻的注意力 | 答案到了，点击却没来 | 会话减少，需求未减 |
| 按季度读结果 | 采购旅程比报告周期更长 | 30 天回报仅 0.1 至 0.3 倍 |
| 清点回应的人 | 回应的是十个人，不是一个人 | 点击越来越贵，单家公司成本越来越低 |
第三栏所据数据，上文均已完整注明出处。2026 年 8 月复核。
这些问题都不是挪动预算就能解决的。能否解决，要看贵公司在两次复盘之间做得了什么。
在答案形成之处现身
答案既然不再需要点击，功夫就得下在答案之中。也就是说，要知道有人问出您买家关心的问题时，AI 助手究竟怎么回答。这一点，排名报告给不了您。
这件事之所以要紧，不在流量，而在于候选名单早在有人给您打电话的几个月前就已拍板，拍板时您并不在场。
94% 的采购团队在首次接触销售人员之前，就已给心仪的供应商排好名次；其中 77% 最终买下的，正是这个初步首选。
来源：6sense，2025 Buyer Experience Report，2025 年 11 月 12 日 · 覆盖北美、EMEA 和亚太地区 4000 余名买家
换句话说，在您还等着询盘的时候，排名已经成形，而排在榜首的那一家，大约每四次能赢下三次。
这正是 AI 的长项，因为这是一份永远做不完的轮询差事：每周都得有人（或有程序）问一遍同样的问题，再把回答记下来。
排名追踪负责搜索这一半，并把每个排名对应到挣得它的那个页面。生成式引擎优化（GEO）负责另一半：直接向 AI 助手发问，记下哪些提到了您，哪些引用了您，哪些两样都没有。
随后，内容引擎针对这个缺口补写内容：从一个关键词到一篇发布的文章，共八个环节，草稿留待专人签批。
这里的回报不是点击更便宜，而是在点击流向的地方占据一席之地；靠内容而非媒介采购换来，以 AI 助手是否提到您来衡量，而不看流量。
时间上要有现实预期。建立基线要一周。AI 助手的说法要发生变化，则需两到三个季度，因为这取决于并不由您掌控的信息来源。承诺见效更快的人，无非是把基线当成了成果。
让九个月的周期撑得过去
这一点，AI 本身无法直接改变。
时间窗口由您来定。没有哪台机器会替您判定：30 天这把尺子选错了。
AI 改变的，是一个长周期能否撑得过去。九个月里始终把握全局并非易事，失败往往不是决策出了错，而是第六周压根没人去看。
机器的价值正体现在这里，所以先说说这套机器究竟是什么。
监测智能体是一项常驻任务：有排期，有预算，可读取的数据范围也事先划定。不管有没有人记得去问，它都照常运行。
监测智能体报告变动，起草智能体拿出应对方案。具备相应角色的人签批之前，什么都不会发布，一分钱也不会花出去。周度经营回顾会写明变了什么、为何而变；发现的问题变成看板上的卡片，有负责人，有截止日期，不会烂在报告里。
Ask Intelligence 依据您自己的数据作答，给出真实数字和出处；数据里没有，它就直说没有。
这种拒绝恰恰是功能所在，原因值得说透。一个花了九个月才暴露出来的衡量问题，交给一个查不到数字就自己补的系统，不会得到解决，只会再被掩埋九个月。
回报在于缩短从出错到有人察觉的距离。在 272 天的周期里，大部分损失就藏在这段距离中；它也是本文所有数字里，唯一能在一周而不是一个季度内改变的那个。
统计公司，而不是点击
统计公司而非点击，先是数据问题，然后才谈得上洞察。十个人、四个渠道、九个月，证据散落在一个个从未对过账的系统里。
对账，是每个见效的 AI 项目里最枯燥的那一半。头两周，我们在这上面花的时间往往超出客户预期，而此后的一切是否可信，就取决于这一步。
先接通系统，把指标统一定义，让各数据源口径一致，然后再提问。Ask Intelligence 通过限定在品牌范围内的只读工具读取数据，因此它给出的数字，就是您系统里的那个数字。
在此基础上，销售管道会抢在任何人察觉之前标出已经沉寂的商机，并依据商机记录而非直觉预测未来营收。
LinkedIn 的广告支出回报率为 121%，Google 搜索为 67%，Meta 为 51%。表现最好的账户中，这三项数字分别为 279%、138% 和 133%。
来源：Dreamdata，LinkedIn Ads Benchmarks Report 2026，2026 年 3 月 10 日 · 基于十二个月内已赢单商机的数据驱动归因，不含展示量
第二组数字值得多看一眼：普通账户与前四分之一账户之间的差距，比平台之间的差距还要大。
这道差距靠的不是什么媒介采购秘诀，而是连续数月稳定不变的执行。这类工作从来不会因为多招人就跟着放大；但交给按排期运行、不会被临时抽去赶新品发布的系统，就能放大。
AI 无能为力之处
这部分得说直白些，因为市场上大多讳莫如深。
AI 缩短不了那 272 天。十个人不会因为有机器在旁盯着就更快达成共识。谁兜售更短的采购周期，卖的就是市面上根本没有的东西。
衡量窗口、计量单位和叫停标准，依然是管理层的决策。把它们交给系统，您得到的只是一个监测手段齐全、问题却问错了的版本。
没人对过账的数据，依旧是一笔糊涂账。把三个彼此打架的系统摆在它面前，它要么挑读到的那个信心十足地作答，要么（如果设计得当）干脆拒答。
它也不会自证价值。产量从来不是瓶颈，一个能多做出四十场营销活动的 AI，回答的是一个没人提过的问题。一个四人团队的产出，本就超过了他们能如实评判的量。
运行成本
反对意见随之而来，一位称职的 CFO 不出九十秒就会提出：您刚论证了无法衡量的支出很危险，却又要在下面添一行同样无法衡量的 AI 开支，这样的结论未免说不过去。
所以，AI 要和它所评判的支出记在同一本账上。每次运行都留有记录：谁发起、做了什么、何时、确切花费多少。每个模块设硬性上限。凡是发布或花钱的操作，前面都有审批关卡。价格在运行前就已显示，不必等到月底才发现。
席位免费，这一点比听起来重要。开账户不花钱，监测工作就不必只分给那三个拿到授权的人。您付的是 AI 实际运行的费用，从一笔不会过期的余额中扣除。
一个九个月里每天清晨检查排名的监测智能体，会作为一项持续成本逐条列出，旁边就是它的产出。
本页不公布费率：一次运行的价格取决于具体工作，而且您在运行前就能看到，不必事后才知道。关于成本结构，可以透露的是：监测的花费比内容生产低一个数量级，这与多数团队给 AI 做预算的思路恰好相反。
如此一来，这笔账谁想算都算得清，回报也就不再取决于信或不信。
五项决定，依次而行
这周如果能挤出一小时，先做第一件，它的回报足以覆盖其余四件。
从答案所在处入手
再买点击之前，先问一遍 AI 助手
用买家真正会问的问题，去问他们实际使用的 AI 助手，记下三种结果：被提到、被引用、两者皆无。建这条基线的花费，不过是一个月非品牌词投放的零头。可以自己动手，也可以选固定价格的审计，但务必赶在下一次预算决策之前完成。
让监测按排期运转
交给常驻任务，而不是指望某人周四得空。排名、沉寂的客户，以及多市场销售时各市场的信息偏移。目的不在洞察，而在于让偏差发生到有人知晓之间，不再隔着六周。
先修数据，再提问题
先打通各个系统，再提问。来源可查的答案，胜过更快的答案。接通现有系统，每个指标只定义一次，并要求系统要么引用真实数字，要么直说数据缺失。
重设时间窗口和计量单位
每次汇报，都把 30 天、180 天和 365 天放在同一张幻灯片上。每一行以客户账户为单位，而不是点击。这两项都不归 AI 决定，却决定了 AI 的工作看起来是回报还是成本。
第一张发票之前，先把叫停条件写下来
叫停标准，落在纸上
我们的叫停标准大致如下：如果 180 天的监测既没改变任何一项预算决策，也没发现任何一个有人据此采取行动的偏差，我们就停下来，把原因写成书面说明，把钱转投到有证据支撑的地方。这是我们 AZIMUTH 方法中 Bearing（定方位）阶段所做的不显山露水的苦活，也是多数 AI 项目急于奔向精彩部分时跳过的那一步。
延伸阅读：想了解上文 6sense 数据背后的完整论证，请看买家在点击之前就已做出决定；如果真正让您犹豫的是自建还是采购，请看接入 AI 变便宜了，做决策却没有。
基准数据会修订，供应商会修正此前公布的数据，平台也会悄然改变报告内容。我们每月 1 日复核本文，并标出变动之处。勘误请发至 hello@bearingbridge.com。
