前言
10 月 20 日，Salesforce 宣布以全现金收购 Braze，企业价值约 56.6 亿美元，每股 47.5 美元。
大多数做 B2B 营销的人看到这条新闻，可能会觉得跟自己关系不大。Braze 是做 App 推送、短信、WhatsApp、App 内消息的，客户多是零售、出行、金融这类 B2C 品牌，每年要发出上万亿条消息。工业品、企业软件、医疗器械这些 B2B 企业，好像用不着这种“海量推送”。
但如果只把它看成“Salesforce 买了个发消息的工具”，就看浅了。Salesforce 真正买的，是一种能力：在客户发出信号的那一刻，当场做出反应。
这就是“实时”。
01 Salesforce到底买了什么
Braze 的核心能力在于事件驱动的架构。客户在 App 里点了什么、在网站上看了什么、买了什么，都可以持续更新到客户画像中，帮助系统判断下一步的触达渠道、内容和时机。BrazeAI 则进一步参与内容、优惠、渠道和发送时机的优化。
这补充了 Salesforce Marketing Cloud 在实时响应方面的能力。Marketing Cloud 的前身是多年前收购的 ExactTarget，底层以批处理为主：先圈人群，再排活动，然后定时发送。这在邮件营销时代够用，但放到客户行为瞬息万变的当下，这套模式就显得反应迟缓。
把这笔收购放进 Salesforce 最近的布局里看，逻辑更容易理解：
● 去年收购 Informatica，补的是数据层，把分散在各个系统里的客户数据打通、治理好；
● 这次收购 Braze，补的是执行层，让系统能够根据客户行为及时采取行动；
● 中间是 Agentforce 和刚发布的 Agent Context Engine，负责决策层，让 AI 智能体读到同一份带权限管控的客户上下文，判断下一步该做什么。
数据、决策、执行，Salesforce 正在把这个闭环完整地握在自己手里。
02 背后的三个风向
风向一：平台重新整合
前几年 MarTech 行业流行“可组合”：每个环节选最好的单点工具，用 API 拼起来。但AI智能体的出现，改变了这套成本收益逻辑。一个智能体好不好用，与它能读取的数据、能调用的工具和渠道密切相关。数据散在五个系统里，智能体就只能做半截事。所以大厂开始把数据、决策、执行重新收拢到同一体系中。有意思的是，Salesforce 在公告里强调了“开放、可组合”，说明平台整合并不一定要求把所有数据搬进同一个系统，重点是让决策与执行能够协同。
风向二：CRM 从记录走向行动
传统 CRM 的角色是记账本：线索从哪来、谁在跟、到了哪个阶段。未来的 CRM 要能自己动起来：发现信号、判断意图、建议或直接执行下一步。HubSpot CEO 在 10 月的全员信里提到：过去一年，他们的战略已经从“开发帮助客户实现增长的软件”转向“用 AI 为客户交付结果”，产品团队也开始围绕客户结果重组，而非继续按营销、销售、服务等产品线划分。
风向三：投资与产品布局都在关注营销执行
同一周，Demandbase 推出了 AEO、Campaign、Audience 三个 AI 智能体，其中 AEO 智能体专门追踪 AI 助手怎么描述你的品牌；一家叫 Different 的公司拿到 4800 万美元种子轮，主打 AI 端到端跑需求生成，人只负责审批。大厂收购、老牌厂商重组、新公司融资，共同指向一个趋势：营销正在从“人推动流程”变成“信号驱动流程”。
03 B2B 也需要“实时”吗？
B2B 与 B2C 的差异需要先说清楚。B2B 采购周期往往长达数月，涉及多个决策角色，大多数场景并不需要秒级推送。如果把 Braze 那套直接搬到 B2B，很容易对客户造成过度打扰。
但 B2B 的“实时”，指的不是发得快，而是信号出现时有人接住。比如：
一家目标客户这周有三个人反复看你的价格页；
某位客户参加完你的大会，第二天下载了白皮书；
客户在企微里顺口问了一句“你们和某某比怎么样”；
老客户的采购负责人换人了。
每一个都是采购意向的信号，而且都有保质期。现实中有些企业的情况是：线索先进市场部的表格，周会上筛一遍，再分给销售，等销售打过去已经是一周以后，客户早就冷了，或者已经在跟竞品聊上了。
对B2B来说，“实时”解决的不是速度问题，而是浪费问题。
04 中国 B2B 企业该学什么
我们未必需要 Braze 这样的工具，但可以借鉴它处理客户信号的思路，从以下四件事入手。
■ 先把信号汇到一处
中国 B2B 的特殊之处在于，最有价值的信号往往不在官网和邮件里，而在企微、私域社群、线下活动和销售的聊天记录里。
想要用好这些信息，首先需要将官网访问行为、活动报名签到、内容下载、企微互动、销售跟进记录全部关联至统一客户视图，这样销售就可以直观看到客户的全部近期动态，不用跨多个系统逐一查找信息。
■ 让 AI 辅助做判断，让人做决定
B2B 的客户关系需要结合具体情况维护，不适合让 AI 全自动群发。更合理的分工是：AI 持续盯着信号，把一个客户最近发生的事整理成一张“客户信号卡”，比如谁来了、看了什么、可能关心什么、建议下一步怎么跟进，然后推给对应的销售，由人来拍板。
■ 换一套衡量指标
不少市场部还在用线索数量考核自己。在信号驱动的模式下，更该看的是：
信号从出现到被跟进，用了多久；
有多少高意向信号最后无人处理；
被及时接住的信号，转化成商机的比例有多高。
■ 从小场景开始，不要追求大而全
不必一上来就做全渠道、全旅程。挑一两个价值最高、最容易验证的场景先跑通，跑出效果，再拓展到其他场景。比如：
大会结束后 24 小时内，按参会行为分级跟进；
目标客户访问价格页或案例页时，自动提醒对应销售。
05 给不同角色的行动清单
CMO：在明年的预算中，为数据连接和 AI 辅助跟进安排投入。除了关注获客数量，也要检查现有线索是否得到了充分跟进。
销售负责人：和市场部定一个“信号响应时限”，比如高意向信号 24 小时内必须有人跟进，并纳入考核。
市场运营：本季度挑一个场景，把“信号、判断、跟进、结果”的闭环完整跑一遍，用数据说话。
结尾
Salesforce 用 56 亿美元证明了一件事：营销的胜负，不在于你发出了多少内容，而在于客户发出信号的那一刻，你有没有接住。
对中国 B2B 企业来说，好消息是这件事不需要 56 亿。它需要的是把数据打通的决心、一套新的协作方式，以及从一个小场景开始的耐心。