1)只拥有杂乱的数据资源，无专业的分析技术

掌握大数据仅是AI营销的基础，在更新、完善数据资源的基础上，AI营销更需要数据清洗、挖掘、分析和预测的能力，才能将数据价值发挥出来。

有的营销公司，即便建有营销数据库且外部采购了数据，比如国家公开的各种数据库、TalkingData友盟等供应商的数据，采集了潜在目标客群的众多行为数据，范围也能涵盖线上、线下，但是，数据本身缺乏丰富的维度，且本身杂乱无章，而营销机构又缺乏专业的数据处理能力。

比如，社交数据对于洞察用户非常有价值，然而数据比较复杂，层次多，单是社交数据的收集即要跨过爬虫和语义分析两道门槛，还要有专业技术和建模进行语义分析，普通营销机构根本不具备这种专业团队，大量数据分析甚至要靠人工处理，与AI相去甚远。

2)只拥有部分AI技术和算法能力，无渠道资源和营销经验

在AI营销的环节中，涉及广告投放、消费者洞察、内容生产等各种营销应用，只有当AI技术与各环节深度融合，将营销内容以文本、语音、图像等多种形式传递给受众，才能实现品牌信息精准送达。

行业内，大量以“数字整合营销”为名的公司，有的也具备一定AI技术能力，对于用户精准画像、媒体渠道、品牌产品定位可以进行“辅助分析”，但是，他们没有懂数据和懂业务的人员提供深入洞察，更没有优势的营销资源和整合服务能力，因此，无法将洞察落地到真正的服务上去，完成一个营销的闭环。

3)只有营销流程中的单点能力，不具备系统整合能力

一个完整的营销流程，涉及到发现、预测、建议、监控反馈、优化等多个环节，其中任何一个环节出现纰漏，都无法实现客户价值。

比如，全球快消巨头宝洁曾经削减了数亿美元的数字广告投放，因为公司高管发现，大量花费用于机器人点击下产生的虚假流量，重投放、不重效果，甚至有意欺瞒客户的现象，在国内也普遍存在。

而BAT这样的平台，依托于高效的算力、算法及大数据资源，拥有智能化、全流程的营销管理能力，可就营销效果进行定量数据分析，监测优化投放渠道，并作出实时的优化建议，百度甚至研发了独有的搜索引擎反作弊算法——绿萝算法，这种全节点、全流程的介入，能大幅减少无效投放，实现投放效果的最大化。

4)只能做到效率优化，不具备服务和体验升级的能力。

当下，有的AI营销机构以更“精准”的效果，或者将大量重复的事情交由程序化自动化处理，以证明自身AI能力，比如，大量高清照片的选择，智能模板的匹配，其实，这远远低估AI营销的可能性。

真正的AI营销，不只是传统层次的效率提升，更能提供新的服务体验，比如，基于目标客群的年龄、婚姻状况、职业等信息，帮助广告主探知用户自己都可能未知的心理和商业意图，去洞悉用户关注的领域、喜欢的事务、想要去做的事情……

“比如说，我们知道用户的大概标签，能够通过知识图谱发现，他们比较喜欢看《中国有嘻哈》还是爱奇艺的其他节目，由此打通其中的关联，还能进一步判断这些节目偏好哪些品牌才更匹配用户。”百度品牌广告产品相关负责人举例说。