Marketbridge 收购 Channel99，将 AI 可见性纳入 B2B 营销服务

Marketbridge 于 2026 年 10 月 28 日宣布收购 Channel99，并推出 AI 可见性服务，同时提出了一个更具挑战性的承诺：将发现环节与销售联系起来。这笔交易将营销衡量软件纳入一家既为客户提供咨询、又负责执行营销活动的企业。其重要性正在于这种结合。品牌希望了解 AI 助手是否会推荐自己，但营销负责人同样需要证据证明，这些推荐会影响购买决策。

两家公司在宣布收购的同时推出了 AI Visibility。该服务分析企业品牌在生成式回答中的呈现方式、比较竞争对手，并提出改进建议。Marketbridge 提供可据此采取行动的服务。这在诊断可见性缺口与销售旨在弥补该缺口的服务之间，建立了直接联系。

Adobe 和专业分析服务商已经在争夺 AI 发现领域的关注。Marketbridge 的独特主张，是将这种监测与企业账户衡量及营销执行相结合。核心张力在于：品牌在 AI 回答中可被衡量的出现，与有关营收的、经得起推敲的主张之间存在差距。掌握更多工作流程有助于协调相关工作，但并不会自动解决这一衡量难题。

Marketbridge 收购 Channel99 带来了哪些变化

Marketbridge 正在收购一家可为其服务提供参考的衡量业务，而 Channel99 则获得了一个能将其软件带给客户的更大组织。

两家公司在其收购公告中表示，Channel99 将保留原有名称，并作为 Marketbridge 旗下公司运营。创始人 Chris Golec 将继续领导该公司，并向 Marketbridge CEO Bob Ray 汇报。产品与工程负责人 Mark Yatman 及其团队也将加入。

公告将 AI Visibility 描述为分析、竞争情报、建议和实施服务的组合。客户可先进行评估，继而延续至衡量和咨询服务。Marketbridge 指出，其团队可在网站内容、公共关系和思想领导力等领域采取行动。

这一组织层面的变化之所以重要，是因为衡量与执行往往涉及不同的决策。分析服务商可以发现某个品牌很少出现在相关回答中，但仍需有人判断原因是否在于产品信息不清晰、外部报道薄弱，或问题集并不合适。

服务型企业可以安排人员调查这些可能性并实施改进。将衡量软件纳入这类企业，可缩短从观察到问题到提出服务方案之间的组织路径，也使诊断质量具有更直接的商业重要性。

Channel99 的创始人此前创立并领导过 Demandbase。这段经历有助于解释其为何强调企业账户，而非匿名受众总量。一个账户代表潜在客户组织，其中可能有多名人员在研究同一项采购。

交易的财务条款尚未披露。有关Channel99 交易的报道还指出了分销方面的动机：Golec 希望获得更强的销售和营销触达能力。对 Marketbridge 而言，这笔交易为一家此前通过代理和咨询业务收购构建的企业增加了自有技术。

这使该交易比一家营销公司给自己贴上 AI 标签更为具体。它改变了软件的所有权归属、谁能分销软件，以及谁能执行建议的工作。即使有关改善客户成果的说法尚未获得独立验证，这些仍是实质性的变化。

不过，对现有及潜在客户而言，所有权只是起点。真正相关的问题是，哪些事项会变得更容易审查、实施和评估。一个整合后的组织有机会让这些步骤更加连贯，前提是其报告能够保持观察结果与解释之间的界限。

因此，Marketbridge 收购 Channel99 连接了两种商业需求。Channel99 需要分销能力，而 Marketbridge 希望获得支持持续客户关系的技术。客户能否受益，取决于这些需求能否有效转化为有用的决策。

AI 发现让营销负责人面临另一种压力

眼前的压力落在营销负责人身上：他们必须解释可见性缺口，同时不能将每一次 AI 提及都表述为销售成果。

AI 可见性描述的是品牌是否以及如何出现在生成式回答中。这可能包括一次提及、一次推荐、一次比较，或指向支撑材料的引用链接。即使仪表盘将它们并列呈现，这些结果的含义也各不相同。

一个品牌可能频繁出现，是因为人们提出的问题本身就包含其名称。这说明 AI 助手如何描述一家已广为人知的公司，但较少说明陌生买家在研究某个问题时是否会发现该公司。

出现在相关产品比较中的推荐则提供了不同的信号。即便如此，单凭回答本身也无法说明买家是否读到、是否信任，或是否因此改变了候选名单。营销团队需要足够精确的表述，以保留这些区别。

更广泛的采购行为变化，使这一服务具有可信的存在理由。Forrester 的企业采购研究将 AI 搜索与持续依赖人工验证并列讨论。其 1 月发布的内容称，典型决策涉及 13 名内部利益相关者和 9 名外部影响者。

这一组合比“买家已经转向 AI”的简单说法更重要。采购团队可以利用生成式回答进行初步研究，同时仍依赖同事、外部专家和供应商。出现在某个回答中可能影响流程，但未必成为决定性的时刻。

Marketbridge 曾引用一项估计，称 80% 至 90% 的企业采购周期始于 AI 搜索。Citybiz 对AI Visibility 的报道指出，该公告没有提供支持这一估计的方法论。因此，这一数字应被视为公司主张，而非已经确立的行业基准。

这一区别会影响预算决策。证明买家在采购过程中的某个环节使用 AI，并不能证明 AI 几乎开启了每一笔采购。同样，这两种说法都无法证明应有多少支出从成熟营销渠道转移出去。

对营销总监而言，实际压力在于：在证据尚不完整时就必须作出回应。忽视相关 AI 回答，会让潜在的买家信息来源未经审视；将这些回答当作完全可衡量的获客渠道，则可能夸大现有数据所能支持的结论。

此次收购正是针对这一令人不安的中间地带。Marketbridge 可以在更广泛的营销关系中定位 AI Visibility，而不是要求客户单独购买监测服务。这使其能够将发现问题与既有的内容、媒体和销售讨论相连接。

这也提高了报告标准。如果这一主张涵盖更广泛的采购流程，客户应期待获得关于证据从何处开始变为间接的说明。更大的仪表盘只有在能让这些边界更易理解时才有价值。

压力也延伸至内容和传播团队。他们需要说明，建议的改动究竟是提升产品信息的准确性、扩大相关可见性，还是支持某项商业目标。这些结果可以相互促进，但应当保持可分别识别。

这一承诺意在连接回答与企业账户

Channel99 对企业账户的关注，为该服务提供了相关的组织原则，但发现与采购之间仍存在重要缺口。

归因是指将某项结果的功劳分配给此前互动的过程。在这里，结果可能是一项销售机会。销售管道指的是公司正在推进的机会，而不是已经获得的收入。

这些定义揭示了产品主张中的难题。AI 助手可以提及某家供应商，却未必带来网站访问。买家可能记住这个名称、在内部讨论，并在之后通过另一条路径回访。

衡量系统可以观察该序列的部分环节，却无法观察最初的发现过程。将活动与某个组织关联，有助于拼凑出更有用的图景，但不一定能识别遇到该回答的具体人员，也无法解释那次接触究竟有多大影响。

有关 Channel99 的AI 回答衡量报道介绍，该公司每周在 ChatGPT、Claude、Gemini 和 Perplexity 上追踪表现。公司使用一组一致的买家式问题，比较品牌随时间出现的频率及其被描述的方式。

Golec 也承认了一条值得关注的边界：“诚实的归因意味着区分可直接衡量的活动与推断出的影响。”当买家通过 AI 发现一家公司、又通过其他渠道回访时，这一区别尤其重要。

其分析含义很直接。可见性基准与账户活动记录可以相互补充，但并不能建立一条完整的事件链。报告应解释二者之间的关系，而不是暗示接近就能证明因果。

设想一个假设性的供应链软件评估场景。某 AI 助手在库存规划研究中推荐了一家供应商。之后，同一潜在客户的员工访问该供应商网站、参加活动，并联系销售团队。

整合平台可能有助于围绕该账户组织可观察到的互动。它也可能显示，这家供应商在被追踪的库存相关问题中出现得更频繁。这些发现能够支持进一步调查，却无法证明 AI 推荐导致了销售询盘。

这正是公司强调相关受众的重要原因。向医疗行业销售产品的供应商，并不一定会因在无关买家群体中获得更广泛可见性而受益。基准应反映其实际市场对应的问题、限制条件和采购角色。

即使问题集经过精心选择，它仍然只是一个样本。它代表的是为监测而选定的问题，而不是所有 AI 服务中发生的每一段对话。买家应在将可见性评分视为整个市场的描述之前，理解这一抽样边界。

同样的逻辑也适用于建议的内容改动。更清晰地说明产品能力，可能同时改善生成式回答并帮助人类买家。一项有用的评估应识别观察到的信息缺口，但不应承诺能够控制外部 AI 系统生成的内容。

Marketbridge 对 Channel99 的收购创造了一个更审慎地管理这些连接的机会。软件可以识别模式，服务团队则可以调查并作出响应。最理想的工作流程是在保留不确定性的同时，让下一步决策更加清晰。

即使没有完美的归因，这也是一项具有实质价值的主张。客户可以从纠正不准确的描述、或识别被忽视的购买问题中获益。这些益处本身值得评估，同时也应结合日后有关商业影响的证据一并考量。

Adobe 表明，仅靠监测已是一项拥挤的主张

Marketbridge 的竞争差异依赖于其企业客户背景和服务交付能力，因为可见性分析已有成熟的替代方案。

Adobe 提供了一个有价值的对照案例，因为其产品方向同样将发现分析与行动连接起来。其品牌可见性文档将 Adobe Brand Visibility 描述为结合了 LLM Optimizer 功能与 Semrush 市场情报。所述工作流程包括识别缺口、确定机会优先级，以及部署改进措施。

这种重叠限制了 Marketbridge 仅凭建议所能主张的差异化程度。发现缺失提及并建议开展内容工作，已是该类别竞争话语的一部分。买方需要更具体的理由，才能在不同方案之间作出选择。

Marketbridge 的主张强调企业营销衡量与实际执行工作的团队相结合。Adobe 的文档则强调其应用与优化工作流程。这是两种不同的出发点，尽管公告并未证明哪一种能带来更好的结果。

对客户而言，选择不止涉及功能比较。一些组织已有能够调查可见性缺口并实施变更的员工。另一些组织则需要外部协助，以协调产品专家、传播团队、网站负责人和营销运营团队。

服务关系可以承担这种协调负担。但它也可能在原始观察结果与客户决策之间引入另一层解读。因此，买方需要能够获取支持诊断结果和所建议服务投入的证据。

Demandbase 通过 Golec 的经历提供了另一个相关参考点。基于账户的营销围绕选定的客户组织开展营销，早已要求团队在公司层面评估活动。Channel99 将这一导向带入 AI 可见性的讨论。

这段历史能够解释该方法，但并不能证明既有的账户衡量方法可以无缝迁移至生成式回答。一次网站互动与一条未被点击的助手推荐留下的是不同的证据。账户的商业相关性并不能消除这种差异。

专业监测服务商仍然是竞争格局的一部分。寻求狭义基准的客户可能更倾向于专注的分析合作关系。寻求执行支持的客户则可能基于其内部资源和报告需求，更青睐整合式服务。

这些选择促使 Marketbridge 必须说明，客户能从这种组合中获得什么。答案不能止步于便利性。它应澄清账户背景如何改变优先级排序、服务团队如何使用这些发现，以及客户如何评估由此产生的工作。

连续性可能构成一种优势。解读可见性缺口的人员，可以在内容变更上线及后续测量结果到来时继续参与。这种连续性可以减少对变更内容及其原因的误解。

独立性也可能带来成本。建议追加工作的组织，对执行这些工作具有商业利益。这是咨询关系的常见特征，但衡量层面的存在使透明度尤为重要。

因此，客户应在比较监测能力的同时，比较工作流程和证据标准。真正相关的差别在于：谁能够解释一项发现、执行有依据的响应，并在不夸大其意义的前提下报告结果。这正是此次收购中服务部分具有商业重要性的地方。

更好的可见性仍然留下归因缺口

此次收购形成了更整合的产品组合；但公开证据尚未证明其 AI 可见性工作能够带来增量销售收益。

增量性是指，一项干预措施相对于本可能发生的情况所导致的额外结果。它比观察到可见性和销售活动在同一时期上升的标准更高。

一家公司可能在扩展广告投放、推出产品并获得正面报道的同时更新网站。如果其后商机增加，每项活动都可能是合理的贡献因素。即使是整合的衡量平台，也需要有站得住脚的方法来区分这些解释。

销售发生的时间还会带来另一项复杂因素。一条新记录的商机可能反映了在内容干预之前就开始的研究和对话。报告需要识别相关日期，而非仅仅因为事件发生时间相近就归功于某项活动。

可见性衡量本身也存在解读问题。当客户增加产品、受众或竞争对手时，问题集可能发生变化。如果报告分数随后变化，部分波动可能反映的是新样本，而非表现改善。

这并不使监测失效。它意味着客户需要连续性和文档记录。稳定的比较有助于揭示变化，而扩展的问题集有助于探索新的领域。报告应说明何时服务于每一种目的。

提及与推荐之间的区别同样值得审视。一条回答可能将供应商列为不合适的选项，或描述过时的产品限制。将这种出现计为可见性提升，会掩盖对采购决策重要的信息。

因此，准确性应与频率并列考量。较少数量但相关且正确的推荐，可能比包含错误的广泛曝光更有价值。商业解读取决于回答实际说了什么，以及问题代表的是哪些买方。

支持性的客户评价表明，所提出的连接方式能够引起共鸣。Blue Yonder 营销高管 PT Umphress 在发布材料中认可了将回答可见性改进与销售管道连接起来的理念。这种认可证明了市场对该能力的需求，而非其结果的独立证据。

公开发布材料没有提供足够细节，无法复现对销售管道改善的因果评估。买方尚未获得一份完整公开的比较，用以区分内容变更、可见性变化、账户活动和由此产生的商机。

整合型供应商还需要区分衡量质量与所收集信息的数量。额外观察结果可以改善背景理解，但也可能引入不确定的匹配或重复归因。相关标准在于，这些证据是否支持更好的决策。

客户应能够在不失去访问底层观察结果权限的情况下质疑某种解读。当一项发现导致追加服务建议时，它仍应可供审查。清晰的文档有助于支持这种讨论，并使分歧更具建设性。

对内部团队而言，共享的知识库可以保留评估结果、获批主张、内容变更和销售反馈。该记录支持组织记忆；它并不能独立验证归因模型。

恰当的结论应有所限定。Marketbridge 已经汇集了与新兴客户问题相关的能力。要证明这一整合产品能够带来额外商业成果，仍需要超越收购公告和产品定位的证据。

发布后值得关注什么

最有价值的后续信号是更清晰的方法论、记录在案的客户成果，以及证明建议能够转化为可追责执行的证据。

首先，关注未来数月内是否会出现更详细的衡量文档。客户需要了解问题如何选择、结果如何抽样，以及提及与推荐有何不同。他们还需要了解系统如何处理其跟踪问题的变化。

这类文档能够通过让可见性趋势更易解读来强化这一主张。如果客户无法区分品牌呈现方式的变化与衡量方式的变化，仪表板的决策价值就更难评估。

账户连接同样值得获得详细说明。一种有价值的解释应区分直接观察到的网站活动与推断出的影响。它还应指出平台在哪些情况下无法连接一条回答、一个人和一个客户组织。

其次，关注客户研究是否将所主张结果的各个阶段分开呈现。可见性提升、相关账户互动增加以及额外销售商机，是彼此相关的发现。分别发布它们所揭示的信息，会多于一条有关增长的标题。

最具信息价值的案例应描述原始问题、所执行的工作和观察周期。它们还应指出影响客户营销的其他变化。承认替代性解释会使分析更可信。

这类证据将强化整合产品能够改善商业决策的论点。如果公开结果仍仅限于在抽样回答中的出现，它们将支持监测能力，却无法解决更广泛的归因承诺。

第三，关注服务组织能否将发现转化为有文档记录的变更。当没有人负责响应，或无法说明实施了什么时，一项建议的价值就有限。执行是 Marketbridge 主张中应通过具体客户工作变得可见的部分。

最清晰的案例会将已识别的信息缺口与有依据的干预措施及后续评估连接起来。它们会解释结果是涉及更准确的回答、更广泛的相关可见性，还是可衡量的账户活动。每种结果都具有自身的证据权重。

这些是观察信号，而不是要求每个客户都以相同方式行动的预测。不同的销售流程和内部资源会产生不同的需求。底层标准保持一致：随着证据积累，主张应当更加具体。

将 Marketbridge 收购 Channel99 视为分发和能力层面的决策是合理的。它将软件、账户衡量和执行服务纳入同一组织。下一批证据应表明，这种安排如何改变客户决策的质量。

对于评估此次发布的营销负责人，应要求提供一个从发现、实施到后续衡量的案例。询问哪些观察结果直接来自记录的活动，哪些依赖推断。在讨论过程中，应将准确的品牌呈现、相关受众曝光和商业成果分开看待。

在投入更大范围的计划之前，先明确这项衡量要改善哪项决策。这可能涉及修正产品描述、确定内容优先级，或评估目标客户的参与度。就哪些证据足以支持继续推进、哪些情况需要调整方向达成共识。保留原始评估，以便后续结果有可供参照的基准。评估时应带着一个具体问题：因为掌握了这些信息，哪项业务决策会变得更好？