既然今日头条、朋友圈等投放系统提供非常繁复多元的标签给企业，为何还有那么多MarTech企业诞生呢？问题在于相比于企业细分到极致的诉求，这些大平台提供的标签仍不够丰富，需要这些专业的公司或人员来执行精准投放。

一方面，供给方的标准化产品无法深入到所有行业的各个业务场景；一方面，平台的定位也决定了它不能满足需求方所有诉求，给它们提供精确标签的数据量和预测算法。面对智能营销，大多数企业仍严重依赖行业或业务专家，利用其业务经验和决策知识，协助第三方系统学习、二次开发，这种投入的时间成本与降低营销成本的初衷背道而驰。

例如银行、证券等金融行业，其内部系统较完整、数据隐私性要求高的公司，这方面的最大困难是，需要更多的定制化服务来满足客户需求开发，打通内部业务系统和数据本地化存储。供应商在企业转型时能否快速对接企业原有系统和其他指定系统？是否能够满足数据互通的要求？是否能够支持企业独有的功能模块和业务流程需求？这些都是行业待解的难题。

看起来潜力无限的赛道接下来的路该怎么走，其实并不算清晰，很多企业都处于交学费阶段。

二、焦虑中的智能营销不是万能钥匙

更关键的问题是，当下流量成本高企。以在线教育行业为例，据媒体报道,2019年暑期,该行业在外部平台如抖音、微信等投放的获客成本普遍在2000元。

高成本一直是企业营销的痛点，传统的营销广告如百度推广及今日头条：曝光量、访问量产出的价值也单薄，获客成本从数百元到数万元不等，不仅如此，广告从给有意向用户展示，到咨询互动，再到订单转换，整个成单周期也相对漫长。也无怪乎2020年直播电商这种“见效快”的营销模式快速崛起，可刷单和数据造假问题也一直困扰这个新生事物。

这样的大背景下，披着高科技外衣的智能营销就被许多企业视为万能钥匙，各大小企业纷纷搭建自己的私域流量，试图结合智能营销，在这高昂的推广费上，寻找新的突破口。

智能营销的确源于人工智能、大数据分析等新技术，但是上手门槛并不低，精准获客的前提，是源自大量的用户分析及用户标签，而用户分析离不开大量的用户行为数据，仅凭“机器学习的基础算法”这一点，只能对用户进行简单的分类，程序编程本是无法对用户进行精准分层的，更谈不上利用数据进行深度学习修正，没有市场的沉淀，仅仅依靠智能技术的概念肯定会有一些缺陷。

智能营销并不是单纯的构建一个系统能解决，需要长期的数据积累，更需要一个精细化执行的组织，过度的想要依赖智能营销快速的去解决当前企业的困境，是不可取的。