《TECHNOLOGICAL FORECASTING AND SOCIAL CHANGE》：The impact of artificial intelligence (AI) and customer relationship management (CRM) on integrated marketing communications (IMC)
编辑推荐：
人工智能（Artificial Intelligence, AI）的近期进展，包括生成式人工智能（generative AI, GenAI）的快速扩散，正在重塑当代营销实践，并改变企业设计与传递传播信息的方式。AI技术——如预测分析、对话代理与自动化内容生成系
人工智能（Artificial Intelligence, AI）的近期进展，包括生成式人工智能（generative AI, GenAI）的快速扩散，正在重塑当代营销实践，并改变企业设计与传递传播信息的方式。AI技术——如预测分析、对话代理与自动化内容生成系统——现已成为数字商业战略的核心要素，使企业能够规模化个性化服务、增强客户互动并自动化决策流程。在此背景下，AI日益被视为以客户为中心的传播流程（包括依赖信息一致性、数据整合与跨渠道协调的整合营销传播（Integrated Marketing Communications, IMC））的变革性力量。本研究借鉴动态能力观（dynamic capabilities view），将AI概念化为一种上游分析能力，将客户关系管理（Customer Relationship Management, CRM）视为存储、解释与操作客户数据的组织惯例，并将IMC界定为需要跨职能协调的组织协调能力。研究在俄罗斯新兴市场背景下，于2024年3月收集了384名营销经理的调查数据，采用偏最小二乘结构方程建模（Partial Least Squares Structural Equation Modelling, PLS-SEM）进行分析。研究结果表明：CRM对IMC具有显著的强正向影响（β = 0.828, p < 0.001）；AI对CRM具有显著正向影响（β = 0.557, p < 0.001）；然而AI对IMC的直接效应不显著（β = 0.044, p > 0.10），表明CRM完全中介了AI对IMC的影响（间接效应β = 0.505, p < 0.001）。本研究的发现揭示了AI作为一种上游分析能力，只有通过CRM惯例嵌入组织协调流程，才能转化为整合传播成效。这一机制性解释为AI赋能营销传播的理论发展提供了重要实证基础，并为新兴经济体企业如何通过能力编排实现技术价值落地提供了管理启示。
**人工智能、客户关系管理与整合营销传播的互动机制研究——基于新兴市场的实证解读**
**一、研究背景与问题提出**
整合营销传播（Integrated Marketing Communications, IMC）强调跨渠道传播工具的系统协调与信息一致性，旨在创造统一的品牌体验。在数字化转型加速的背景下，IMC日益依赖数据驱动的活动来实现跨触点内容、时机与传播流的对齐。人工智能（Artificial Intelligence, AI）技术——涵盖预测分析、对话代理与自动化内容生成——已构成数字商业战略的核心要素，使企业能够规模化个性化服务并增强客户互动。与此同时，客户关系管理（Customer Relationship Management, CRM）作为存储、分析并操作客户数据的核心组织机制，被广泛视为整合传播的信息基础设施。
然而，现有研究存在三个主要缺口：第一，尽管已有文献考察了IMC的技术与创新前因，但AI对IMC的影响机制尚未得到充分的理论化与实证验证，尤其是AI在一般数字转型叙事之外对IMC的直接作用仍缺乏理论解释；第二，CRM与AI的交互如何共同塑造IMC结果——特别是CRM是否构成AI洞察转化为协调传播的组织机制——这一问题鲜有研究；第三，既有研究通常将AI仅仅概念化为CRM的附属子组件，忽视了AI作为独立技术能力（涵盖内容创作、预测建模与客户互动设计）的更广泛角色。针对上述缺口，本研究基于动态能力观（dynamic capabilities view），提出AI作为上游感知与分析能力、CRM作为存储与激活客户知识的组织惯例、IMC作为协调的市场面对结果的递进式能力序列逻辑。研究旨在回答三个问题：（1）AI是否直接影响IMC？（2）CRM如何影响IMC有效性？（3）CRM是否中介AI与IMC之间的关系？
**二、研究设计与方法**
本研究在俄罗斯新兴市场开展调查，于2024年3月通过专业营销研究机构招募了384名营销经理作为样本。受访者主要来自莫斯科地区，涵盖不同性别（女性47%，男性53%）、年龄层次、工作经验（62.1%具有2至5年经验）、企业规模（29.7%小型企业、37.5%中型企业、32.8%大型企业）及企业类型（32.5%为B2C+B2B混合型）。问卷采用英文开发并经标准回译程序翻译为俄语，所有构念均采用5点李克特量表测量。测量工具改编自已发表的有效量表：IMC根据Butkouskaya等人（2021）的研究从信息与渠道一致性、数据利用和客户关系导向三个维度操作化；CRM依据Abdullateef等人（2010）的量表测量基于技术的CRM实践、客户中心流程与个性化互动；AI则基于Chintalapati与Pandey（2022）及Huang和Rust（2021, 2022）的研究，涵盖内容创作、客户体验增强与预测分析三类功能。分析采用偏最小二乘结构方程建模（Partial Least Squares Structural Equation Modelling, PLS-SEM），以5000次自助抽样检验假设路径，并运用探索性因子分析确认维度结构。
**三、研究结果**
**3.1 模型验证结果**
测量模型评估显示所有构念均具有令人满意的信度与效度：外载荷均超过0.70，Cronbach's alpha与组合信度（Composite Reliability, CR）均高于0.70，平均方差抽取量（Average Variance Extracted, AVE）均超过0.50阈值，确认了收敛效度。区分效度通过Fornell-Larcker准则与异质-单调比率（Heterotrait-Monotrait Ratio, HTMT）得以确认，HTMT值均低于0.90的推荐上限。模型拟合指标（SRMR、dULS、dG）均处于可接受范围内，方差膨胀因子（VIF）远低于保守阈值，表明不存在显著的多重共线性问题。
**3.2 假设检验结果**
结构模型分析结果如下：CRM对IMC具有强且统计显著的正向影响（β = 0.828, p < 0.001），支持假设H1；AI对CRM具有显著正向影响（β = 0.557, p < 0.001），支持假设H2；然而，AI对IMC的直接效应不显著（β = 0.044, p > 0.10），假设H3被拒绝；AI通过CRM对IMC产生显著的间接效应（β = 0.505, p < 0.001），表明CRM完全中介了AI与IMC之间的关系，假设H4获得支持。这一结果表明，AI对IMC的影响并非直接实现，而是必须通过CRM这一组织机制进行转化。
**四、讨论与结论**
**4.1 研究发现的理论与实践意义**
本研究的核心发现——AI对IMC的影响被CRM完全中介——提供了重要的理论澄清。尽管AI具备内容个性化、自动化消息与实时优化的能力，但这些能力不会自动转化为更高水平的传播整合。IMC本质上是组织协调问题，需要跨职能的战略一致性、数据整合与协调执行，而AI单独无法提供这些组织条件。CRM作为整合客户知识、编排渠道决策并维持信息一致性的组织惯例，构成了将AI输出转化为协调传播行动的关键桥梁。这一发现验证了动态能力观的核心逻辑：上游分析能力只有通过互补的组织惯例进行部署才能创造价值。
研究贡献体现在以下方面：理论上，本研究提出了基于机制的AI-IMC关系解释，将CRM确立为完全中介变量，阐明了分析潜力与传播成效之间的边界条件；实证上，量化了CRM对IMC的作用强度（β = 0.828），确认了组织数据整合与客户知识管理作为IMC基础的核心地位；概念上，将AI定位为独立的上游能力而非CRM的附属组件，揭示了其在内容创作、预测分析与客户体验等多维度的功能路径；地理上，通过考察快速数字化转型的新兴市场情境，丰富了AI赋能传播系统的研究地理与组织多样性。
管理实践方面，研究结果强调组织不应期望单独采用AI即能改善传播整合。管理人员应优先投资于支持全面客户数据整合、实时分析与跨渠道决策的CRM系统建设，将AI应用（如推荐引擎、对话代理、预测分析）充分嵌入CRM工作流。同时，组织需要评估AI就绪度，包括数据质量、员工技能、工作流整合与变革管理实践，并通过培训、跨职能协调机制与负责任AI使用内部指南来提升能力。政策层面，研究建议公共政策不仅应促进AI采用，还应支持负责任与有效使用AI所需的组织能力建设，监管框架可鼓励透明与道德的AI实践，并可针对中小企业推出降低能力差距的定向举措。
**4.2 研究结论**
本研究考察了人工智能、客户关系管理与整合营销传播在快速数字化新兴市场情境中的互动关系。实证结果表明，AI强化CRM能力，CRM进而显著增强IMC，而AI对IMC不存在直接影响。这些发现阐明了AI赋能传播系统中组织能力的排序逻辑：AI作为上游分析能力发挥作用，但传播整合仍然是一项组织协调挑战——除非AI生成的洞察嵌入支持信息一致性、数据利用与跨渠道协调的强大CRM惯例，否则传播整合可能仍然支离破碎。结构模型中识别的完全中介效应因此为技术与关系能力如何互动以塑造IMC有效性提供了更精确的解释。通过提供来自经历加速数字化转型的新兴市场的实证证据，本研究拓宽了AI赋能营销研究的 geographic 范围，并有助于理解异构制度条件下能力发展的过程。总体而言，本研究推进了关于组织如何利用AI提升传播有效性的理论、管理与政策相关知识，强调AI投资必须辅以CRM能力发展方能实现IMC结果的实质性改善——这一逻辑与强调互补资源与惯例编排的能力基础观高度一致。
