Marketing 7.0 讀書筆記|Ch4:你的顧客已經不是人,是被 AI 強化過的「增強型人類」

Marketing 7.0 讀書筆記|Ch4:你的顧客已經不是人,是被 AI 強化過的「增強型人類」
Marketing 7.0 Ch4 Augmented Human 增強型人類封面
Part 1 的最後一章。Kotler 介紹一個新物種:Augmented Human(增強型人類)。他們的思考、情緒、社交、消費全部被 AI 接管。如果你的行銷劇本還停在「對人類消費者」,你已經落後一個世代。這章告訴你 Augmented Human 怎麼想、怎麼感受、怎麼買,以及他們有多難搞。

銜接閱讀:本章承接 Ch3:Performance Marketing 與 AI 的雙重陷阱,從「行銷職能變了」進到「顧客本身變了」。

一、Augmented Human:被科技強化的新物種

書中(Figure 4.1)把 Augmented Human 拆成 5 個特徵:

Augmented Human 五大特徵圖
Augmented Human 五大特徵:Kotler《Marketing 7.0》Figure 4.1 重製
特徵行為長相
Cognitive Outsourcing(認知外包)不再記電話、生日、待辦事項,全部丟給手機/AI
Emotion Management via ContentSpotify 早晨歌單、TikTok 搞笑短片、YouTube 勵志內容調節情緒
Digital-First Socializing同處一室也用聊天 App 對話。Gen Alpha 在同一個房間打遊戲,主要靠 in-game chat 互動
AI-Driven Consumption不主動找品牌,AI 餵什麼就看什麼、買什麼
Physical-Digital Shopping線上線下無縫切換:店裡掃 QR Code、手機支付、AR 試戴

對行銷人來說,這個物種帶來三個棘手挑戰,分別發生在 思考、情緒、消費 三個層面。書中對應到大腦三大網路:Attention Brain(注意力腦)、Social Brain(社交腦)、Reward Brain(獎勵腦)


二、思考:Aggressive Filtering(積極過濾)

90 年代末就有 Banner Blindness 概念:使用者會自動跳過廣告版位。30 年後的今天,這個行為從「刻意忽略」進化成「自動忽略」。社群無限滾動、AI 模板化內容、一致的廣告 pattern,讓大腦學會「看到像廣告的就跳過」。

對廣告主的殘酷真相:你在 GA 看到的「Impression / View」,大部分是被視覺掃過去但大腦根本沒處理。你以為觸及了,其實沒有。

Lo-Fi Content(低保真內容):唯一有效解

書中提出對策:捨棄精修廣告,做 Lo-Fi 內容。手機自拍、晃動運鏡、不修光、收進路人聲音、自然情緒、最少剪輯。

為什麼有效?大腦學會「精緻 = 廣告」這個 pattern,Lo-Fi 因為「不像廣告」反而能穿越過濾器。同時 Lo-Fi 跟一般使用者貼文長得像,融入 native content 不違和。

書中舉的反差案例:WalmartLoewe(精品奢侈品牌)都在做 Lo-Fi。 預算高低不重要,重點是「看起來像個真人發的」。

The Attention Brain 的三道過濾關卡

三大腦網路圖:Attention Brain、Social Brain、Reward Brain
三大腦網路 × 行銷命中策略:Kotler《Marketing 7.0》框架重製
機制功能
Sensory Gating從外往內過濾,把無關刺激擋在門外
Selective Attention從內往外決定關注什麼,靠過去經驗 + pattern recognition(這就是 banner blindness 的根源)
Processing Fluency訊息穿過後,越好懂越喜歡。這就是為什麼簡單的口號比複雜論述更有說服力

書中很關鍵的觀察:長文已死,短內容當道。 從 Search Engine 到對話式 AI(直接給摘要答案),從精修影片到直播跟 lo-fi。Gen Z / Gen Alpha 是被「低認知負擔」環境養大的世代,他們的腦不是壞了,是被訓練成這樣的。

行銷人的設計準則:訊息要 Novel enough(夠新奇能破除 pattern)+ Native enough(夠自然不會被當廣告排斥)

三、情緒:Social Fragmentation(社交碎片化)

Echo Chamber(同溫層):演算法的副作用

平台的商業模式是「最大化使用者停留時間」,所以演算法自動把你關進「跟你過去一致」的內容池。久了你變得越來越偏激、越來越封閉、越來越難接受新觀點。

對品牌的兩難

  1. 想擴張到新族群,但內容打不進別的同溫層(被當成外人)
  2. 想為每個 tribe 客製訊息,但 tribe 越多,內容生產量爆炸,且品牌定位被稀釋

Micro / Nano Influencer 的崛起

Influencer 層級金字塔與 KOL 預算配置建議
KOL 影響者層級 × 王董建議預算配置

書中(Figure 4.3)整理影響者層級:

層級粉絲數行銷功能
Mega1M+大眾品牌曝光,像傳統 ambassador
Macro100K+大眾觸及,但被視為「太商業」
Micro10K-100K圈內人,社群信任度高
Nano1K-10K社群核心成員,影響力來自「大家是同類」

關鍵變化:演算法已經從「最大化觸及」轉向「最大化互動」。Micro/Nano 因為 engagement 高,content 反而被 push 得更頻繁。「鄰居推薦」勝過「明星代言」。

The Social Brain 的科學依據

為什麼 Tribe 這麼有威力?書中拆解:

  • Parasocial Relationship:粉絲對名人的「單向情感連結」,明明沒互動卻覺得是朋友。社群媒體讓這種連結更強,但 Mega 級的互動還是單向的,久了空虛
  • In-Group Bias:大腦為了避免社交資訊過載,自動偏好「跟我像的人」
  • Mirror Neurons:看到 tribe 內成員做某件事,自己的鏡像神經元會自動模擬,產生「我也想這樣」的衝動(Ch1 已介紹過鏡像神經元在社交閘門的角色
白話總結:人腦演化成「為部落生存」,今天只是把部落從非洲草原搬到 Discord、IG Close Friends、PTT 看板。

四、消費:Selective Frugality(選擇性節儉)

Micro Trend Fatigue(微趨勢疲勞)

近年的微趨勢:時尚有「Quiet Luxury」、「Athleisure」;飲食有「Internal Shower Drink」(奇亞籽檸檬水)、「Cloud Bread」(雲朵麵包)。

這些趨勢的特徵:起得快、死得也快。一開始大家追,後來疲乏,因為發現「所謂個人化推薦其實大家都在追同一個東西」。Gen Z 開始反向操作,擁抱極簡跟刻意消費。

Lipstick Effect(口紅效應)

經濟壓力下,消費者不是「全面省」,而是「省日常、慷慨於小確幸」。經典定義:經濟衰退期口紅銷售反而上升,因為買不起 LV 但買得起 50 美金的 YSL 口紅,用小額負擔換取情緒慰藉

書中把口紅效應擴大:旅遊、演唱會、咖啡店、串流訂閱、遊戲 in-app 購買,任何能帶來情感愉悅的小奢侈品都算

Polarized Spending(兩極化消費)

兩極化消費沙漏圖:Premium 成長、Value for Money 萎縮、Economical 成長
兩極化消費結構沙漏 × 品牌策略選擇:Kotler《Marketing 7.0》Figure 4.4

書中圖(Figure 4.4):消費者結構從金字塔變成沙漏。

層級變化
上層(Premium)持續成長
中層(Value for Money)快速萎縮
下層(Economical)持續成長

McKinsey 2025 研究證實這個趨勢:消費者一邊買私品牌(Private Label)食品省錢,一邊在旅行跟珠寶上 Splurge。這不是矛盾,是策略性配置情感 ROI。

The Reward Brain 與多巴胺循環

階段多巴胺角色
Pre-purchase期待感觸發多巴胺,產生渴望
During體驗符合或超越預期,多巴胺持續釋放
Post-purchase正向經驗存進長期記憶,形成下次重購的衝動

關鍵警告:長期被微趨勢轟炸,獎勵系統會 burn out。原本興奮的事變得無感,大腦會把所有 trend 都歸類為「噪音」自動屏蔽。

口紅效應是大腦的「Reset 機制」:主動選擇能帶來個人滿足的小消費,重建「我有掌控感」的感受。這對被演算法推來推去的 Augmented Human 特別重要。


五、給行銷與零售從業人員的解讀

Take-away 1:你的素材策略要徹底翻盤

過去十年,台灣 D2C/電商的素材公式是:漂亮商品圖 + 強調折扣 + CTA 清楚。這在 Augmented Human 面前已經失效了。

新的素材策略應該是

  • 80% Lo-Fi(手機自拍、店員試用、客人開箱、員工日常),20% 精修(重點商品的 hero shot)
  • A/B 測試的常勝軍會越來越是「不像廣告的廣告」
  • 不要害怕「不夠專業」:Loewe 都在做 Lo-Fi 了,你的精緻度焦慮可以放下了

Take-away 2:KOL 預算配置要重新分配

如果你的網紅預算還是 80% 給 Mega / Macro,現在就該重新配置。

建議比例(依品類調整):

  • 30% Mega/Macro(建立品牌認知)
  • 50% Micro(10-100K,社群信任)
  • 20% Nano(1-10K,社群滲透)

具體到台灣市場:找一個 50 萬粉絲的網紅,不如找 10 個 5 萬粉絲的、20 個 1 萬粉絲的。風險分散、信任度更高、單位 ROI 更好。

Take-away 3:你的會員體系要為「兩極化消費」重新設計

如果你是大眾品牌(Value for Money),請小心,你正站在沙漏的腰。中層萎縮的趨勢會持續吃掉你的客群。兩個方向選一個:

  • 往上做:推 Premium / 限量 / 體驗型商品,擁抱 Lipstick Effect 預算
  • 往下做:用 Private Label / 大包裝 / 直供,搶日常品省錢預算

「中庸路線」會死得最快。台灣零售業這幾年百貨中島、社區型超市、傳統量販的掙扎,已經是這個趨勢的徵兆。

Take-away 4:Echo Chamber 對行銷研究的啟示

過去做市場研究,假設「市場是同質的,分群是策略選擇」。現在反過來:市場本身就是被演算法切碎的,分群不是選擇,是事實

這意味著:

  • 不能再用一支 TVC 打天下
  • 必須為不同 tribe 做不同創意(即使核心訊息一致)
  • 需要建立「Tribe Mapping」能力:知道你的顧客分散在哪些 echo chamber,每個 chamber 的語言、KOL、迷因是什麼

這是行銷人在 7.0 時代的新基本功。


六、三個值得自問的反思題

  1. 你的內容策略,跟 Augmented Human 過濾資訊的方式對齊了嗎? 過去三個月發過的廣告素材,有多少是 Lo-Fi、多少是精修?比例對嗎?
  2. 你正在合作的 KOL,是「對的圈子」裡的「對的聲音」嗎? 還是只是 follower 數漂亮?
  3. 在「節儉但要被取悅」的市場裡,你提供的是功能效用,還是情感體驗? 你的品牌,能成為消費者的 Lipstick 嗎?

下一章 Ch5 進入 Part 2:終於要講書中最核心的框架「Cognitive Compass(認知羅盤)」。從這章開始,書從「分析環境」轉向「給出方法論」。

系列導覽← Ch3 數位行銷的陷阱Ch5 認知羅盤 →Ch1 系列起點Appendix:5D + 4C + 9E 整合圖


📖 書目資訊Philip Kotler、Hermawan Kartajaya、Iwan Setiawan,Marketing 7.0: A Guide for Thinking Marketers in the Age of AIWiley,2026(ISBN: 9781394329861)。本文所有觀念框架與品牌案例(Spotify、TikTok、Walmart、Loewe 等)皆引用自原書,智慧財產權屬原作者及 John Wiley & Sons, Inc. 所有。完整論述、圖表(Figure 4.1–4.4)與案例細節請以原書為準。

引用來源說明:文中提及的 McKinsey 2025 消費者 trade-down/splurge 研究,皆轉引自原書 Ch4 內容,原始出處請參考原書。


協作聲明與免責

這篇文章由王董與 AI 一起整理製作完成。文中引用的第三方資料、研究或工具都會標註來源名稱;若原始出處有公開連結,會以 [來源名稱](URL) 形式附上,方便你進一步查找。若文中內容與原始出處有任何出入,請以原文為準。

內容僅供參考與學習交流,不構成任何專業、商業或投資建議,請依自身情況判斷並自行承擔行動風險。文中提及的工具功能、數據與平台政策可能隨時間異動,請以各官方最新公告為準。

Read more

Gemini Enterprise Agent Platform 解析:AI Agent 五分鐘做得出,為什麼半年上不了線?

Gemini Enterprise Agent Platform 解析:AI Agent 五分鐘做得出,為什麼半年上不了線?

今年你只要會打字,五分鐘就能 vibe coding(用自然語言邊聊邊寫程式)做出一個 AI Agent(AI 代理,會自己查資料、自己跑流程的小機器人)。 真的,五分鐘。 做一個會自動回信、自動查訂單、自動跑客服的小機器人,現在比泡一碗泡麵還快。 但接下來這句才是重點: 做得出 demo,跟「敢放上線天天幫你跑業務」,中間隔著一條深得嚇人的鴻溝。 這條鴻溝,多少團隊掉進去就再也沒爬出來。 Google Cloud 最近有一場對談,主題就叫《From Prototype to Production》(從原型到生產),主持人找來兩位 Google 老將 Dave Elliot 跟 Addie,專門講這條鴻溝怎麼跨。他們端出來的東西,叫做「Gemini Enterprise Agent Platform」(Gemini

By Lewis wang
AI Agent 時代新護城河:為什麼第一方資料比模型更關鍵?

AI Agent 時代新護城河:為什麼第一方資料比模型更關鍵?

過去一個多月,Salesforce 做了一件很瘋的事。 他們在差不多 30 天內,連開四場大會加一次財報電話會:行銷大會 Connections(CNX 2026)、Tableau 資料分析大會、華盛頓特區的 Agentforce World Tour,還有一場專講電商的 Commerce 場,最後用 FY27 第一季財報收尾。 五場活動,講的其實是同一件事:Agentic Enterprise,中文我把它翻成「智能代理企業」。 而且這次不是喊願景。財報數字是這樣的:Agentforce 的年經常性收入(ARR,Annual Recurring Revenue,每年穩定收得到的訂閱收入)已經破 10 億美金,光一季就燒掉 28.6 兆個 token,季增 152%。(來源:Salesforce

By Lewis wang
AI 落地為什麼總失敗?矽谷用「前線部署工程師 FDE」把 AI 從工具變員工

AI 落地為什麼總失敗?矽谷用「前線部署工程師 FDE」把 AI 從工具變員工

今年五月四號,OpenAI 和 Anthropic 這兩家全世界最會做 AI 模型、平常針鋒相對的公司,在同一天各自宣布要成立一個專門幫企業導入 AI 的合資公司。 Anthropic 那家,找來 Blackstone、Goldman Sachs 等一票華爾街資金,規模 15 億美元。OpenAI 那家更直接,取名叫「The Deployment Company」(部署公司),募了 40 億美元,估值一口氣衝到 100 億美元。 兩家死對頭難得有志一同,而且嘴上掛的是同一個詞,叫 FDE,Forward Deployed Engineer,中文翻成「前線部署工程師」。 你可能沒聽過這個詞。但如果去翻 Y Combinator(矽谷最有名的新創加速器)的徵才看板,現在有超過

By Lewis wang
你的 AI 不是不夠聰明,是你管太多:Code with Claude London Day 2 全 13 場,給電商老闆的三條 AI 治理

你的 AI 不是不夠聰明,是你管太多:Code with Claude London Day 2 全 13 場,給電商老闆的三條 AI 治理

你有沒有過這種經驗。 剛開始用某個 AI 工具的時候,它意外地好用。然後你想讓它更好,於是多寫了一條規則。又遇到一個漏洞,再補一條。再來一個例外狀況,又補一條。三個月後,你回頭看那段 prompt,已經長到自己都不想讀,而 AI 呢?反而越來越笨,越來越常給你莫名其妙的答案。 如果你問我,這幾乎是每個認真用 AI 的人都會踩的坑。 Anthropic 前陣子把開發者大會「Code with Claude」開到了倫敦。我之前把第一天的 24 場演講整理成一篇導覽,那是「現況盤點」,台上的人在講模型進化到哪、產業瓶頸移到哪,比較像產業 keynote。想補課的可以先看那篇 Day 1 全 24 場筆記。 這篇要講的是第二天,跟 Day 1 不同天。

By Lewis wang