Andrew Bialecki 在开幕演讲中给出核心论点：模型本身的智能，远不如客户上下文重要。Klaviyo 用 Headless、SQL 引擎、Personalization、Composer 与 Customer Agent 升级来支撑这句话——Claude、ChatGPT 等系统可以随处读取客户数据并执行工作流，无需登录 Klaviyo 界面。一个代理只有理解品牌自己的数据、在任何运行环境中获取这些上下文，才是有用的。

Publicis Sapient 的 Duke Marr 给出搭建品牌专属 AI 代理的五层框架：体验层、数据层、商业层已经行业标准化，直接购买即可；真正需要品牌自己构建的是两层——知识层（自己的产品、政策与品牌内容数据）和编排层（指导代理行为的推理规则与边界）。

Shopify 的数据：AI 搜索来源的订单同比增长 13 倍，AI 推荐流量的平均客单价高出 30%，AI 带给 Shopify 商店的流量增长 8 倍，年轻买家领跑。这些购买旅程频繁绕过传统落地页——品牌必须在客户到达网站之前，就找到收集其偏好的方式。

S&P Global 的行业研究：73% 的商户把部署代理式 AI 列为最高优先级，但只有 28% 拥有可行动的实时客户视图来支撑它。原话非常直接：「雄心接近普遍，架构远未跟上（Ambition is close to universal. Architecture is not.）」

Wunderkind、AMB Interactive 与 Lake Pajamas 讨论了一个多数营销项目不愿面对的问题：超过 95% 的网站流量是匿名的——再好的 Klaviyo 流程，也只能触达已经与品牌互动的人群中的一小部分。Lake Pajamas 补上识别缺口后，单次触达收入同比增长 38%，把放弃流程从 5 天压缩到 24 小时后，购物车转化率提升了 168%。

Snake River Farms 与 Composer 产品团队展示了工具如何主动浮现被错失的机会，并自动排优先级——而不是等营销人员自己去翻数据。Composer 负责给出数据与方案，人负责判断。现在，SQL 能力也已进入 Composer。

Nutrition Warehouse 与 Okendo 分享了围绕社区与身份认同（而非叠加折扣）建立的忠诚度体系——奖励健身行为，而不只是结账金额。当他们把欢迎旅程里的 10% 折扣码换成一个免费摇壶和毛巾后，每月挽回约 5.6 万美元；忠诚会员的二次下单概率是非会员的 3.3 倍。

Forrester 研究：一个营销团队执行单场活动，平均要跨 25 个工具和 23 个数据源，因运营摩擦损失约 25% 的机会成本。46% 的营销领导者表示，最大的优先级是整合已有软件——而不是再加一个 AI 工具。

一组从创作者转型为品牌创始人的嘉宾（Sweet Addison's、Shelter Skin、Lighthouse Keeper's Pantry）分享了在 AI 重塑内容发现的背景下，什么样的品牌合作真正有效。他们给营销人的警告很直接：模糊或过度僵化的活动 brief，是赶走优质创作者最快的方式。

增长顾问 Kevin Indig 分析了超过 100 万条 AI 回复，发现清晰的边界：消费者欢迎 AI 帮做产品研究和比价，但偏好自己做基于品味的选择和实际购买。Ridge Wallet 的数据佐证了这一点——其 70% 的销售额仍来自直接访问和搜索，而非 AI 推荐。