文章核心观点 - IMS公司宣布将于2026年4月14日举办一场关于“答案引擎优化”的免费高管培训活动 旨在帮助企业领导者适应生成式AI平台改变的数字发现环境 将买家研究行为的转变转化为可操作的策略 以在客户决策早期阶段提升企业可见性与可信度[1][4][7] 行业趋势与市场环境 - 搜索行为正从传统的关键词导航 转向AI辅助的评估和推荐环境 买家越来越依赖生成式平台来识别可信供应商 然后才访问公司网站或联系销售团队[3] - 生成式AI平台正迅速成为买家评估选项的首选渠道[4] - 生成式搜索的采用在各行业加速 高管团队正在重新评估数字权威的建立和维护方式[5] - 由AI介导的发现方式 正在改变跨数字渠道的竞争定位[7] IMS公司提供的解决方案与服务 - IMS是一家数字可见性战略公司 专注于答案引擎优化 生成引擎优化和现代搜索基础设施对齐[8] - 公司自2006年以来 一直支持各种规模的企业 建立可扩展的权威系统 以提升可发现性 增强信任信号 并在AI驱动的发现平台上将公司定位为可信的答案来源[8] - 本次培训活动将介绍IMS AEO对齐框架 这是一个三部分的方法论 旨在帮助组织从依赖排名的可见性 过渡到适应答案引擎的准备状态[4] - **信号结构化**：准备网站和数字知识资产 以便AI系统能够解读其可信度、专业性和相关性[4] - **意图映射**：将客户问题、销售对话和支持见解转化为结构化的、准备就绪的答案内容[4] - **可见性激活**：将AEO、GEO和现代SEO对齐为统一的发现策略 覆盖搜索引擎、对话助手和语音环境[4] - 培训被设计为实践工作坊而非理论宣讲 参与者将学习识别结构性可见性差距 理解为何许多网站未被答案引擎清晰解读 并应用框架帮助AI系统将其组织识别为可信的解决方案来源 会议包含现场问答环节[6] 活动具体信息 - 活动由IMS举办 是一场高管培训活动 定于2026年4月14日美国东部时间下午1:00进行 时长为60分钟[1] - 活动面向创始人、首席执行官和营销领导者 旨在帮助他们理解如何在ChatGPT、Claude、Grok和Perplexity等领先生成式AI平台上定位其组织以获得可见性[1] - 活动免费 注册网址为 https://scalegrowth.com/[1] - 关于答案引擎优化方法的更多信息 可在 https://ims.net/aeo 获取[4]

**HubSpot (NYSE: HUBS) 富国银行TMT大会电话会议纪要关键要点** **涉及的行业与公司** * 公司为HubSpot (NYSE: HUBS) 一家专注于中小型企业（SMB）的客户关系管理（CRM）平台提供商[8] * 行业涉及软件即服务（SaaS）客户关系管理（CRM）和人工智能（AI）应用[7] **核心观点与论据：AI战略与差异化** * AI战略核心是将强大AI技术应用于中小型企业市场 通过嵌入式AI和智能体（Agents）帮助客户增长[8] * AI产品差异化基于两点：对中小企业的深刻理解以及平台拥有的丰富上下文数据[9][10] * 公司拥有280,000客户 这些客户在营销、销售、服务旅程中产生的数据为AI提供了独特的上下文优势[11] * 平台已转型为智能体平台 能够处理非结构化数据（如邮件、Zoom转录）并具备协调层（ orchestration layer）用于评估、反馈和记忆[23] * 与原生AI公司竞争具备平台优势、规模优势和生态系统优势 因为构建完整的智能体平台需要CRM基础、上下文数据和大量客户反馈迭代[70][71][72][73] **AI产品与功能** * 在9月的年度会议上发布了三大核心智能体：客户智能体（Customer Agent）、潜在客户挖掘智能体（Prospecting Agent）和数据智能体（Data Agent）[9] * 推出了世界级的Breeze Assistant 作为每个市场部门员工的副驾驶（copilot）[9] * 客户智能体已有超过6,000家客户使用 帮助解决了超过60%的服务工单[49] * 潜在客户挖掘智能体被强调为一个极具潜力的用例 能利用意向信号（intent signals）自动化筛选高价值潜在客户[32][49] **商业化模式** * AI商业化采用混合模式：通过席位（seats）和积分（credits）共同 monetize[48] * 嵌入式AI功能（如内容生成、总结邮件）包含在席位费用中 而完成工作的智能体（如解决工单、研究客户）消耗积分[48][52] * 积分消耗目前以客户智能体为首 其次是潜在客户挖掘智能体和数据意向信号[49][50] **客户采用与关键驱动因素** * AI采用的关键驱动因素并非公司规模 而是公司内部是否有高层管理者自上而下地推动AI优先战略[58] * 发现“AI运营”（AI Ops）或“市场营收运营”（RevOps）角色对于培训数据、管理AI功能和质量至关重要 是推动内部采用的关键力量[59][60] * 客户仍处于建立对数据安全和隐私信任的阶段 强调数据保留在公司内部而非用于外部LLM训练的重要性[58][102] **数据中枢（Data Hub）战略** * 数据中枢（前身为OpsHub）是AI战略的基础 负责从外部源整合数据、提高数据质量并提供数据工作室（data studio）来构建工作流[64][65][66] * 高质量的数据对于AI的准确性至关重要 数据中枢通过提示LLM等方式来完善数据质量（如完善客户资金数据）[65] * 数据中枢是多中心（multi-hub）战略的一部分 成为营销中心和销售中心客户实施AI的基础[67] **市场格局与竞争定位** * 认为平台解决方案最终将胜过单点解决方案（point solutions） 因为客户不希望管理多个分散的智能体而失去对增长的整体可见性[82][83] * 对于中小型企业而言 购买现成的AI解决方案远比自定义开发更具吸引力 因为后者需要显著的AI工程人才投资和持续迭代[85][87][88] * AI正在创造巨大的营销优化机遇 尽管搜索引擎优化（SEO）受到干扰 但通过渠道多元化可以获取更好的回报[99][100] **营销与获客策略演变** * 传统的基于内容引导（content leads）的获客模式因AI概述（AI overviews）和LLM的兴起而受到重大干扰[92][93] * 公司自2022年起推行渠道多元化战略 包括发展10个YouTube频道（潜在客户年增长80-90%）、收购播客网络（超过100个播客）和电子邮件通讯[94][95] * 推出了新的营销策略“Loop” 帮助客户多元化潜在客户来源并利用AI实现个性化[96] * 答案引擎优化（AEO）渠道产生的潜在客户数量仍处于早期阶段（个位数） 但转化率是传统渠道的3倍[96] **AI采用前景** * 技术目前领先于客户的采用能力 采用曲线取决于建立信任、确保数据质量和降低使用摩擦[102][103] * AI发展周期是迭代的 依赖于大量客户反馈来改进功能 这为拥有庞大客户基础的公司带来了优势[72][101] * 当前阶段类似于过去的技术周期（如云计算初期） 虽然变革性价值明显 但广泛采用需要时间[103]