这期听完，我一直在想他那个开飞机的比喻：你不能靠昨天的油量飞今天这段航线。网站下面那层给机器读的数据也一样——它决定 agent 进来时，你被当成一个什么样的人。
这一期讲了什么
00:00–01:04 片头：三个数字先扔出来
- 他给客户的数：今天大约 20% 的入站流量是 agent，不是人；这股流量按每次会话带来的收入算，比人类流量高约 38%；一年后（他说的「明年年中」）会到 50%。
- 另一句更少被引用：甚至在 AI 之前，他们 40% 的流量就是机器人。所以那个 20% 是「好流量」里的 20%，不是全部流量的两成。
- 他的核心判断：agent 没有杀死网页，网页变成了 agent 的前门；人看见的是字和图，agent 看见的是页面下面那一层打了标签的数据。
01:04–06:03 Tealium 在这条栈里的位置
- 定位：一层中立的采集与分发，跑在所有客户体验系统（网站、App、呼叫中心、门店、ATM）之下、云数据仓库与后端交易系统之上；约 1,300 个集成，每天 200 亿个事件实时处理。1
- 它不是「编排 agent」的那类产品：不接管某个 agent，只负责把新鲜的、可信的、带同意状态的上下文喂给它——可以是 agent，也可以是风控或「下一最佳动作」。
- 一句话总结他对自己产品的定义：把事件接住、围绕身份归并、富化成画像、再分发出去。
06:03–09:29 批处理的问题，和「实时」的另一半
- 旧路径是一串回看的管道：拉齐、ETL、再下游，结果是周一拿到周二的数；给 agent 喂 24 小时前的上下文，不只是次优，是会教坏它。
- 他十五年的比喻：开飞机不能只知道昨天的油量，要的是此刻的高度和前方有什么。
- 他把「实时」拆成两半：一半是接到事件就分发；另一半是别弄丢——对方没接住要能发现、能重发、全程可观测，这部分才是企业级门槛。
- 反例是银行：1994 年他入行时是读票机跑批，1995、1996 年就有人做实时核心系统，三十年过去后台还是批处理。所以他们的姿态是不替代，只换点对点集成。
09:29–11:57 一个零售案例：从手机到门店
- 一家四品牌的全球零售商：把网站、门店、App 的事件都收进来，实时富化画像。
- 场景：顾客在商场用手机看男士 34 英寸牛仔裤，走进门店，店员 iPad 上就显示他刚在看什么。
- 同一个人群还能同时喂三处——店内会话、呼叫中心、以及把弃购的人放进再营销或优惠券邮件；画像再回仓库存成人群，供投放和首页个性化调用。
- 工程上有两种取数方式：拉（店员打开那一刻去问一次）和推（写规则，任何地方发生任何事件都推到店内）。
11:57–16:37 为什么「实时」值钱
- 他的经验数：实时体验的转化率比延迟的高 30% 到 200%。
- 一个跟 AI 无关的老数：用户离开网站 4 分钟后发邮件，对比 24 小时后发，打开率大概差 6 倍。
- 克雷格问「聊完就推广告」是不是真的：他答得很直白，那是经典的意图定向；很多能力发生在围墙花园里，数据可能只留在手机端以符合隐私合规。
16:37–25:04 把企业各处的数据接起来
- 他不在「仓库 / CDP / 营销云」之间站队：三种都能做，最高价值的用法不是持有数据，而是把系统粘在一张可信的织布上。
- 「不建影子副本」的具体含义：查到一个画像或一个人群，按规则、由入站事件触发取出来，直接送到激活点，而不是整表复制一份养在别处。
- 为什么需要中间层，他给了个数学：前端 2 个 × 后端 2 个系统要 4 个连接器；现在是前端 30 个 × 后端 12 个，排列数不可维护，靠顾问团队写、人一走知识就没了。一家普通公司用 200 个软件包，至少 30 个影响客户体验。
- 客户规模：全球最大的 10 家银行里 10 家、最大 10 家电信里 6 家、最大的几家航司里 3–5 家；一半业务来自欧洲与亚洲，另有数据驻留合规要求。
- 厂商各自的 schema 是瓶颈，他们的做法是建开放 schema做属性超集；他把这件事类比成 Palantir 的「本体论」，只是他们只做访客行为这一块。
25:04–29:24 代理式商务：agent 读的是另一层
- 他再讲一遍那个分母：20% 是「好流量」的 20%，因为 AI 之前已经有 40% 是机器人。
- 关键动作叫数据层富化：把后端画像、仓库里的人群搬进页面那一层，让 agent 一进门就拿到需要的东西。
- 格式上他点名 JSON-LD（预先定义好每个数据元素含义），协议上点了 A2A、MCP、A2C。
- 机制上有复利：agent 在你这里办成了事，下次更愿意来、也会把你排前面；办不成它换一家。
- 企业内部一样缺上下文：风控、下一最佳动作这些 agent 也要「此刻」；而客户的 agent 会带着用户名、预算、被授权活动进门。
29:24–40:14 会不会取代人类流量
- 他的预测是一年后 50%，但他拆掉了最容易被标题化的读法：人类流量不会腰斩，总量会大涨，因为发起一次交互变便宜了。
- 渠道史的例子：实体店 → 电话 → IVR → 互联网 → 移动 → agent，没有一层被吃掉，连实体店都还在。
- 他甚至把它推到监管场景：新药申报现在是几百页 PDF 送 FDA，将来可能是 agent 对 agent 直接传数据。
- 这一段还夹了垂直行业（金融、医疗、汽车、零售、电信、科技）、SaaS 形态、每天 200 亿事件、以及「从 Snowflake 取人群」的技术细节。
40:14–44:08 身份：agent 算谁
- 克雷格问：agent 代表客户购物时，身份图里谁是客户？他的回答从一个判例开始——法院认定 agent 就是那个人，责任在人。
- 我核了一下：第九巡回法院 2026-08-04 在 Amazon 诉 Perplexity 案中撤销了初步禁令，认定使用 agent 的是人。他记的时间（「今天」）不对，结论对。2
- 工程上有两种做法：在「人」这一层加一个「有没有 agent」的属性，或者给 agent 一个自己的标识再和人对上（他借了 B2B 与 householding 的类比）。
- 对 OpenAI 的 instant checkout，他的态度是别对抗：不为 agent 优化数据层，你会失去整整一代人——他那两个二十多岁的孩子就是例子。
44:08–48:19 它从标签管理长出来
- 2011 年前后广告技术寒武纪大爆发，客户网站从平均 2 个标签变成 15 个，每个标签都是要人维护的 JavaScript。
- 他们的解法是把这件事抽象成一个公共数据层：标签我们管，客户在我们平台里配；后来才加上服务端、移动端、人群与零方数据。
- 仓库与编排的关系，他的说法是分工：仓库跑分析与模型，他们做采集与激活；编排层从架构上应该坐在前后端之间。
48:19–53:26 结果与收费
- 转化 API：连 Google、Meta、LinkedIn、Reddit、Pinterest、Snapchat、TikTok，转化率与广告投放回报平均 +25%；旅游行业从一天前的数据换实时，提升 30–40%。
- 一家汽车经销商把线索转化从全美平均的 10% 做到 30%，然后拿这个能力去收购同行——因为并购的账算得过来。
- 收费按量：先评估量、定年度预算、客户承诺预算，超了有用量档；他不喜欢出现意外。
- ROI 不只是收入：还有速度、工程时间，以及「随时换供应商」的能力——中立层在，议价权就在自己手里。
53:26–56:11 现在与下一步
- 最大的意外不是技术，是竞争：十二年前证明这里有钱赚之后，150 家公司冒出来说自己也能做，那轮风投过热已经退了。
- 他给自己的位置是这块业务里最大的独立厂商；下一步两件事——把 AI 建进平台、把客户要的连接器（OpenAI、Bedrock、Vertex）都接上。
- 两年后再问，他给的词还是 agent，外加语音与全渠道。
口径与核对
这张单子里的数字分两类，混着用会出错。
外部能查到的：
- Tealium 2008 年由 Mike Anderson 与 Ali Behnam 在圣迭戈创办，2012 年出第一款产品 iQ Tag Management；官方口径 1,300+ 集成。客户数两处不一致：2026 年 6 月的新闻稿写「超过 850 家全球企业」，公司 About 页写「超过 1,000 家」。1
- Context API 与托管 MCP 服务器是 2026-06-09 官方发布的，对上他说的「六月上了 MCP 服务器」。5
- 他是 2013-01-16 由 Tealium 官方博客宣布出任 CEO 的；此前是 Limelight Networks 总裁兼 CEO（2006 年加入，2.4 亿美元 IPO）、更早 WebSideStory CEO，服役时是海军 F/A-18 飞行员。6
- 第九巡回法院 2026-08-04 的裁定见上；第三方律所的分析把它读成「使用 agent 的是人，不是开发者」。2
- 第三方流量口径：Imperva《2026 坏机器人报告》说 2025 年自动化流量占全网 53%（2024 年 51%），人类 47%，其中 27% 的机器人攻击打的是 API。7
只有他在节目里这么说的：
- 20% 是 agent、每会话收入高 38%、明年年中 50%——都是 Tealium 自己客户池里的数，没有第三方复现。
- 实时转化高 30–200%、4 分钟邮件打开率约 6 倍、转化 API 投放回报 +25%、旅游 30–40%、车商 10%→30%、一天 200 亿事件、10 家大行 / 6 家电信 / 3–5 家航司。
- 「今天刚有个判决」实为 2026-08-04 的裁定，不是录制当天；「十二年前有 150 家公司来抄我们」没有公开记录可查。
要做决策的话，第一栏当方向，第二栏当供应商自述；至少先用你自己的流量日志把「多少比例是非人类」量一遍，再谈要不要改数据层。
逐句全文翻译
下面是整集的逐句中文翻译，按官方 12 段章节排列，保留说话人标签（克雷格 / 杰夫；片头是节目剪出来的片段，广告是插播）。不压缩、不摘要。说话人标签的判断依据是整集音频的声部分离，不是官方字幕（官方字幕没有说话人标记）。
00:00–01:04 片头：剪辑出来的三个数字
片头：企业采用 agent，确实还处在很早的阶段。
片头：未来会很疯狂，但人不会消失。你的流量会增长。大概到明年年中，其中 50% 会是 agent 带来的——但这并不意味着你的人类流量被砍掉了一半。
片头：代理式商务现在有一个缺口，因为 agent 需要的是当前状态、是带同意的上下文。而数据仓库只能提供昨天那张照片。
片头：这股代理流量的转化，按每次会话带来的收入算，比人类流量高出大约 38%。今天我们客户那边，大约 20% 的入站流量是进来的 agent，不是人。
片头：甚至在 AI 之前，他们 40% 的流量就是机器人。原来属于人类的流量，现在变成了代理流量。你用浏览器打开一个网站时，下面有一层数据是人眼永远看不见的——而那正是 agent 去干活的地方。
01:04–06:03 Tealium 是什么
克雷格：先给听众描述一下 Tealium。它在整个技术栈里处在什么位置，它做什么——就是 Tealium 在做的那套软件。
杰夫：好。Tealium 是一个中立的数据采集平台，它跑在一家公司所有客户体验系统的下面——网站、移动端、呼叫中心、门店收银、分行、ATM、自助机——同时又在它们之上，接住云数据仓库和后端交易系统。所以我们本质上是一个监听、采集、富化和分发的层。我们把公司摆在中立的位置上，因此能和大约 1,300 家不同的厂商集成，覆盖营销技术、客户体验、数据仓库、交易处理；我们帮客户把这些实时数据都听下来，围绕身份做归并，生成富化过的访客画像，然后再及时分发回去，给所有能从这个实时视图里受益的系统。
克雷格：所以它本质上是一个编排平台，或者说编排层。
广告：你好，世界正变得越来越复杂。你的团队每部署一个新的云负载或一个 AI agent，就又多了一个身份，永久地拿到了你关键系统的访问权。你知道吗，去年十家组织里有九家遭遇过身份入侵，因为对手是拿着有效凭证登进来的，而不是破门而入。非人类身份的数量是人类的 109 倍，在云环境里造出了一大片无人管理的攻击面。遗留工具是为管理人类员工造的，于是现代机器访问和 AI 访问基本处于无人管理状态。这正是 Palo Alto Networks 的 Idira 要解决的地方：人类、机器、AI，一个身份平台全部覆盖。96% 的人类用户带着他们并不需要的过高权限在操作。Idira 用动态访问取代永久权限，让你在不拖慢业务的前提下锁住每一个身份。Idira 按需授予访问，任务一结束立刻收回，从而消除高风险的永久权限。有了 Idira，你用单一控制面替换掉各自为政的 IAM（身份与访问管理）、PAM（现代特权访问管理）和治理工具，统一覆盖人类、机器与 AI 身份。用 Palo Alto Networks 的 Idira 保护你组织里的每一个身份。详情见 paloaltonetworks.com/idira。
杰夫：是一个编排层，是数据编排。我们可以通过数据编排来做客户旅程编排：访客画像一旦被富化，你就可以通过不同系统触发不同的体验。同时我们是非常开放的架构。有些公司只用我们做数据采集、过滤和富化；另一些用我们做身份和访客画像，再做完整的编排。无论哪种情况，我们都会把数据发回去，去做我们所说的「激活」——激活各种客户体验，或者送到各种能受益的数据端点。而最明显的受益者，显然就是你播客名字里的那个东西：AI。
克雷格：是。
杰夫：过去三年，我们确实看到客户在 AI 用例上的需求大幅涌起。
06:03–09:29 实时数据与传统管线
克雷格：我跟大多数聊编排层或编排软件的人，谈的都是在管 agent。但你这套比那个更宽，对吧？还是说你们也会在工作流里编排 agent？
杰夫：我们不接管一整个 agent 去编排它。我们只是喂 agent 数据和上下文。
克雷格：明白了。
杰夫：而且是新鲜的实时上下文——可信的上下文，你知道这个访客的同意状态是什么。所以我们做的事是：采集数据、给数据打标、过滤数据、富化数据，然后把它喂进 AI 模型。有时候那是 agent 的用例，有时候只是风控算法，有时候是「下一最佳动作」算法。
克雷格：「编排」这个词本身在 AI 接管之后变形了。放在现代技术栈里，作为架构而不只是一个流行词——它到底指什么？（我自己也常犯这个毛病。）
杰夫：你往回看十年——我们其实 2012 年就开始建了——当时数据科学家为了拿到好数据，跑的是批处理管道。他们搭一连串回看的批处理管道，把数据拉在一起，跑一个 ETL，然后可能再把这条新管道发到别处。这是一条层层叠叠、回看过去、又贵又次优的路，因为结果是：你在周一拿到周二的数。现在把镜头推到 AI agent 身上——你不想给这个 agent 24 小时前的上下文，对吧？所以它不只是次优，它还贵得多。所以当年发明 Tealium 的时候，我们看了 Tibco——大型机时代的消息总线；WebLogic——互联网时代的中立应用服务器；我们说，企业需要一个实时的数据编排层。与其从这些系统各自拉管道——一家普通公司用 200 个不同的软件包，我敢说至少 30 个影响客户体验——不如直接实时监听这些系统产生的、事件级别的流量。这基本上就是实时 ETL：我们拿到事件，围绕身份归并，富化一个画像，然后把它发到客户想送的任何地方。可能是发给 OpenAI 的转化 API，或者 Google、Meta、TikTok、Reddit 去做投放；可能是发给邮件系统，或者做成人群包；也可能回到数据仓库做分析。所以那些实时事件的编排——我认为「编排」这个词真正起作用的时刻，就是你从批处理翻到实时的那一刻。因为你是真的在实时接住事件，编排它们去哪、长什么样、怎么打标，然后把它们送出去。这需要协调，需要一个被硬化过的企业级系统，因为很多这些软件公司、包括互联网本身，并不是天生、真正地实时到第一口。所以你得把它硬化。如果我们发出去一个事件，对方厂商没接住，我们得知道，这样才能重发，对吧？否则它就掉在地上，数据丢了。所以编排的很大一部分，你可以理解成信任、可靠性和可观测性——把一个事件从 A 点送到 B 点。另一部分，就像我刚才说的：你可以把这个事件富化，让它从原始的裸事件，变成一份厚实的访客画像，不管这个访客是已知还是未知。这样你就能造出一些很猛的体验，对这个访客转化更好。
09:29–11:57 零售商怎么用实时数据
克雷格：能给我们一个用例吗？带我们走一遍——不用点名客户——一个典型客户，他们怎么用它。
杰夫：当然。就拿一家大型零售商来说，全球性的，手上有多个品牌。这家零售商想把客户活动和潜在客户活动都捕捉下来——网站上的、门店客流里的、移动 App 里的，四个品牌全都要。于是他们把 Tealium 配成数据采集层，监听所有这些属性（线上的、线下的）事件级的数据，实时富化访客画像，然后增强体验。比如有人在商场里用手机看着某样东西，然后走进门店；现在这些零售商给店员配了 iPad，屏幕上会显示：「哦，Lunsford 先生刚进来，他刚才在看男士 34 英寸牛仔裤」之类的。于是你可以用刚刚在数字世界里发生的事，去支撑一次店内会话；也可以用刚刚发生的事，去支撑一次呼叫中心会话。你可以把人放进邮件：比如那些把东西丢在购物车里就走的人，你可以把他们放进再营销活动——不管是展示广告的再营销，还是通过邮件发一张优惠券做提醒跟进。然后你还可以把这些富化过的画像送回云数据仓库，在那里跑大计算、切成人群，再把整个人群用 Tealium 抽出来激活。这个人群可以用来做数字媒体投放，可以用来做首页个性化，也可以是忠诚度计划的一部分。所以这家客户，基本上把我刚才讲的每一件事都用上了。
11:57–16:37 为什么实时能提升转化
克雷格：我是说「实时」这个概念——店员在你还在店里的时候就能收到更新，而信息来自你的线上活动，对吧？
杰夫：对。
克雷格：这挺厉害的。你能讲讲为什么实时——这是个很直观的例子，但为什么今天实时这么重要？
杰夫：实时体验的转化率，比延迟的体验高 30% 到 200%。另一个例子是航空公司：你在旅途中，航司告诉你登机口、行李转盘——那全是当下的、实时的客户互动。再比如体育场馆，我们今天就在纽约一个体育联盟那边（我的一个团队成员去了）。你想想，几乎所有数字体验，只要你用的是新鲜上下文，都会更高、更投入、转化更好。就这样，说完了。我觉得 AI 只是把这一点照亮了。我们从 2012 年就有数据：如果你在用户离开网站 4 分钟后发邮件，对比 24 小时后再发，打开率大概差 6 倍。这很疯。所以对我们来说这是直觉上显然的。有意思的是，过去十年人们会争论「你不需要实时数据」。我是飞行员，所以我总在想：我绝不希望开飞机的时候只知道昨天的油量。我要知道此刻的高度，和前面有什么。
克雷格：在「手机上搜牛仔裤、然后走进门店」这个场景里，数据是怎么流的？你看着的那个平台捕捉到了数据——我猜门店就是那个用 Tealium 的客户。他们采集数据的不同渠道有哪些？
杰夫：流程基本上是：如果客户把我们完整部署了，我们一直在监听所有系统，任何一个系统上的任何交互都会产生事件，这些事件实时流进 Tealium；然后客户（我们帮他们）去建用例——比如：店员拿起 iPad 调出某个人的画像时，我希望用精确到毫秒的最新活动把它填满。那会是从门店系统往这个数据库里拉一次，也可能是推送，因为客户也可以设规则说：任何时候、任何地方发生事件，都发到店内系统——因为店内体验太值钱、转化太高，我们希望他们成交额更大。
克雷格：这是所有人都会问的问题。我们都有过那种经历：聊到某样东西，然后就收到它的广告。那属于这条实时数据流的一部分吗？还是你有什么洞察？
杰夫：那肯定是。那些监听能力，就是我说的客户体验系统之一，我们会去监听它的实时事件；至于怎么映射，取决于客户怎么配——如果有一家厂商卖那种监听软件，我们会给那家厂商建一个连接器，接收那些事件。很多时候，这件事发生在一个围墙花园里：设备的所有者，也就是在这里跑操作系统的那个，可能自己也想给你投广告，所以这些知识可能只留在手机客户端上，以符合隐私合规。数字世界里各种疯狂的事都有，但本质就是经典的意图定向：我可以推断你的意图——不管是听你说话、听你网站行为上的点击流，还是听你手机上的点击，我都在听那份数据，然后推断意图，再在你要转化的概率最高的那一刻去接触你。
16:37–25:04 把企业各处的数据接起来
克雷格：有个问题——我跟你的团队来回聊过，为什么现代技术栈要同时支持实时和事件触发的激活；他们说，与其逼团队去选一种架构……这是什么意思，「不逼团队选一种架构」？
杰夫：我们肯定也处理批处理、延迟的数据，因为很多公司只有批格式的数据。我们会尽量拿到最新鲜的数据。所以我们不会进去说「你必须实时」，我们说：把你手上最好的数据拿出来，围绕最好的数据去归并身份和画像。另外，行业现在有一场大辩论：你的人群应该放在云数据仓库里，还是放在 CDP 里，还是放在营销云里？我们的看法是，这三种方式我们都能做。Tealium 最高价值的用法，不是我们必须持有那些人群，而是我们把所有这些系统粘在一张可信的织布上。我们以非常可信、隐私合规的方式做这件事，全球高性能，实际上零数据丢失——企业级可靠性。
克雷格：那你怎么把住在 Snowflake、Databricks、BigQuery、Redshift 这些东西里的数据实时激活，而不造一个影子副本、或者第二个事实来源？
杰夫：我们有一个能力叫 Cloud Stream：从云数据仓库里把一个人群抽出来，实时激活到他们想去的任何激活点。人群发到哪、为哪个活动服务，这些规则在我们平台里定义。但它通常由某个入站事件触发：如果这个入站事件发生，就去拉这个人群，然后往这里激活。
克雷格：这主要……我猜不只是零售。你给的用例是零售商。零售之外还有哪些企业用例？
杰夫：很多。世界上最大的银行里有 10 家用 Tealium，10 家最大电信运营商里的 6 家，最大的几家航司里的 3 到 5 家。所以是各行业的大公司。在银行，比如有人要申请房屋净值贷款；在保险，比如有人刚买了新车、需要车险。他们很快就会成交。这是深思熟虑的购买，但窗口只有一个。在汽车经销商那里，我们有很多经销商客户。比如我在给我女儿找那辆她大学放假回来要用的新车，或者二手车——我很可能那个周六就把它办完，因为我把时间留出来了。
克雷格：对。
杰夫：所有行业都从实时受益。去争论「延迟的数据更好」这件事本身就没道理：它更慢、更贵，还需要更多存储空间，因为你把它存在一堆不同的地方。在我们看来就是没道理。
克雷格：那你怎么看——这些系统会全部变成实时吗？所有数据流都转成实时？还是说，我猜有些用例实时并不重要？
杰夫：讽刺的是，1994 年我从海军出来，开始做银行技术。银行每晚通过那些大型读票分拣机处理支票，跑一个批处理过存款系统，后端也是一样——那是最经典的批处理。后来大概 95 或 96 年，人们开始建实时的核心银行系统。但行业从来没有升级到那上面去。直到今天，所有这些大银行里还有批处理。所以是的，今天你可以完成一笔实时交易，但幕后仍然有批处理。我觉得那里有惯性——这就是一套在运转的系统。所以我们的做法是：当然接受批文件，我们做很多文件导入进 Tealium，但我们也宣讲实时。我们做的每一件事都是补充层，克雷格，除了点对点集成之外，我们其实不替代任何东西。所以我们和所有大营销技术厂商合作，我们只是补完这些实时用例的最后一公里，让他们的系统更好，因为他们拿到了更好的数据。
克雷格：对。
杰夫：我们会进去替换，但替换的只是点对点集成。
克雷格：维护那些也很贵。
杰夫：对，就是厂商强加的 schema，对吧。
克雷格：为什么随着技术栈现代化，这些 schema 会变成瓶颈？要把数据激活出去，需要什么？
杰夫：比如说一家邮件厂商，他们造了一个 schema，是围绕邮件优化的。再比如一家网站 A/B 测试厂商，把 schema 为那个目的优化。我们建的是一个开放的 schema，你可以把所有不同的元素或属性映射进这个开放、灵活的 schema 里，造出你想追踪的所有属性的超集——关于访客行为的。Palantir 把这叫本体论（ontology），他们在企业层面做，不只是客户数据，是你所有的数据。我们专注的——我不太想只叫它客户数据，因为它其实是访客数据：潜在客户和客户。你基本上是围绕访客行为建一个完整的本体，然后把各个系统的属性映射进去，得到这个全面的视图，然后所有系统都能从「别人看见了什么」里受益，对吧？
克雷格：对，我猜在金融数据里这会变得很关键，因为否则你在「暴露给用户、显示给用户的数据」和「那一刻真实的数据」之间就会出现一个缺口。是这样吗？
杰夫：是的。不过我们通常不做账户余额这类东西。我们只是在帮着一份贷款申请、一份保险申请这类场景造体验。我们更靠漏斗上部。后端交易处理系统会去填余额。基本上，凡是行为类的，就是 Tealium 的地方。行为数据之后能帮你做各种事：定价、下一最佳动作、风控、个性化内容，随你说。所有这些都指向更高的转化。
25:04–29:24 代理式商务的兴起
克雷格：对。我一开始问 agent 编排，是因为在大多数对话里，「编排层」这个词指的是编排 agent、或者在模型之间切换。但在代理式商务里，现在有一个缺口，因为 agent 需要当前状态、需要按需给出的、带同意的上下文，而数据仓库只能提供昨天那张照片。那「编排做对了」是什么样子？
杰夫：好。今天我们客户那边，大约 20% 的入站流量是进来的 agent，不是人。甚至在 AI 之前，他们 40% 的流量就是机器人。所以那 20% 其实是他们「好流量」里的 20%。原来属于人类的流量，现在变成了代理流量。而 agent 仍然从网站进来。所以我们跟客户解释的是：agent 没有杀死网页。要说有区别，网页更重要了，因为它是 agent 接触你的前门——但你要能说它们的语言。不管是 A2A、MCP 还是 A2C，我们帮客户做的，就是把网站上的数据层，为这股入站代理流量准备好。你用浏览器打开一个网站时，下面有一层人眼永远看不见的数据——那正是 agent 去干活的地方。我们可以把数据拉出来，我们管这叫「数据层富化」：从后端把访客画像里那些属性拉出来，也从云数据仓库里拉出来，放进数据层，这样 agent 一进来，需要的东西就都在数据层里了。然后你的流量转化就会更高。这股代理流量，按每次会话的收入算，比人类流量高大约 38%。所以这是非常重要的流量。我们只是在帮客户优化他们的数据层。agent 喜欢 JSON、JSON-LD——那基本上是一份预先配置好的定义，说明每个数据元素是什么意思，相当于预先打好标签的数据。你把它发到网站上，agent 就会喜欢你；你要成为那种网站——agent 能替它的用户把事情办成的网站。那意味着下次它会给你更高的评价、更高的排序。
克雷格：对，你说的是 agent 来访问的网站，或者说外部 agent 来对接的系统；但你也在说公司自己在跑 agent、给它们喂实时数据。
杰夫：企业里面显然会有 AI 模型。有时候它们是 agent，在做具体任务，比如风控、下一最佳动作。你管它叫 agent、模型还是技能，随你。那都是「代理式企业」的一部分。还有就是：你的客户会把他们的 agent 派过来，给它们配上自己的用户名、一定的预算、一定的被授权活动，来你网站上替他们办事。你最好能接住，否则那个终端客户——或者他的 agent——就会去挑另一家能让 agent 办成事的厂商。
29:24–40:14 agent 会取代人类流量吗
克雷格：对。企业采用 agent 确实还很早。你刚才说 20% 的流量现在是代理流量？你怎么看它接下来怎么变，这对 Tealium 意味着什么？
杰夫：我们觉得一年后会是 50%。你看那条斜率和趋势，看这些 agent 变得多好用。人们会直接在手机上跟 agent 说：「嘿，帮我查一下这趟行程。帮我订个晚饭。」互联网会消失到墙里。屏幕这个东西——必须有个屏幕才能上网、拿信息、做交易——它会一直在，但你也可以只靠语音完成。而那个语音能力，大概率还是走同一扇前门，只是不需要 HTML 渲染。所以未来会很疯狂，但人不会消失。你的流量会增长。大概到明年年中，其中 50% 会是 agent 带来的，但这并不意味着你的人类流量被砍掉一半。它意味着活动更多了，因为现在做事更容易：把 agent 派出去干活、去搜东西更容易了。所以我们认为，净下来会话总量会大幅上升，大约一半是代理流量。但你不能忘了人类界面，因为他们仍然要个性化，你仍然得追踪同意，今天要做的事一件都不能少。所以 AI 和 agent 只是叠加在你所有已有渠道之上的又一个交付渠道，它们不替代任何东西。这也是一直以来的规律：先是实体店，然后加上电话，然后加上 IVR，然后突然来了互联网，突然又来了移动。它只是一层，而且这些没有一样消失——连实体店都还在。这些东西是一层层叠上去的，最好的公司会在每个渠道上都跟客户打交道，并且在所有渠道上给一致的体验，让这些渠道在 Tealium 所在的数据层互相说话，知道在所有渠道上发生过什么。
克雷格：对，你提到一个有意思的点：不需要 HTML 渲染，因为 agent 是直接跟系统说话的。我跟一个人聊过新药临床试验，那要出很多文件、出试验方案，最后是不知道多少页的文档发给 FDA，然后 FDA 把这些全喂进一个 AI。所以人们说，很快就是数据直接发给 AI——你的 agent 把数据发给 FDA 的 agent，很多事情会实时发生。你觉得这会在其他领域发生吗？那些不需要纸张、不需要 PDF、不需要 HTML 渲染的地方？
杰夫：是的，我想我们只是看到一切都在越来越数字化——我在这行大概 32 年了。我记得坐在投影仪前用透明胶片写字，然后有了 PowerPoint，但你还是要把幻灯片打印出来，放到投影仪上；后来有了能接笔记本的投影仪，你就再也不打印了。所以一切都在数字化，包括各种表格——希望 FDA 的表格也是，这样我们能更快拿到更多药、救更多人。我觉得 AI 最酷的地方，是它会治好很多疾病，
克雷格：对。
杰夫：救很多命。在我们数字营销这个世界里，从 Tealium 成立以来，我会说我们不是在替代纸张，我们是在替代批处理，替代那些要靠人年复一年维护的点对点集成。如果你还记得数学，这就是所谓的 N 的阶乘问题：前端两个系统（以前是呼叫中心和网站），后端两个系统（交易处理和数据仓库），你就需要四个连接器。然后你走到前端 10 个、后端 8 个，再到现在前端 30 个、后端 12 个——排列的数量、点对点连接的数量就变得不可持续。但公司就是这么长起来的。然后他们会请顾问团队来建这些连接器，顾问做完去了别的公司，企业里的知识就没了。所以从旧到新最大的转变，就是我们会说：让我们进来，用一层优雅的实时数据层把这些全换掉，你的日子会好过得多：转化更好、支持成本更低、处理成本更低、存储成本更低。实时是更好的方式。这一路挺好玩，但这确实就是我们一直在做的事。
克雷格：有没有某个领域或行业垂直，是你们参与最深的？
杰夫：金融服务、医疗健康、汽车、零售、电信、科技，B2C 和 B2B 都有。我以前开玩笑说，除了油田服务，谁都需要一层实时数据层——我觉得这话基本还成立。旅游和娱乐我们有一堆客户，所以真的是所有行业：制药、医疗、保险，随你说，我们在每个行业都有很好的客户。
克雷格：那 Tealium 这一层坐在哪儿？它是一个 SaaS 平台，大家通过 API 来打它吗？
杰夫：对，我们是基于云的 SaaS；也确实有客户会自己跑——把软件托管在他们自己的域里；但大体上我们在云里运行和处理数据。而且我们帮忙采集的数据，大部分本来就源自防火墙之外。所以我们像是数据回到企业四堵墙之前的一个停靠点。凭我们有的安全、可审计和信任，这是对的做法，因为这样我们就能拿到规模效应：每天 200 亿个事件，实时、在全球范围、代表我们所有客户处理。
克雷格：对。
杰夫：一直是这么运营的。
克雷格：这也是个有意思的问题。你的用户基础是全球的，不只是——
杰夫：Tealium 一半的业务来自欧洲和亚洲，大约一半来自北美。所以非常全球化。而且就像我说的，那些大电信、航司、银行，还有娱乐公司、零售商，我们合作的都是全球性的。他们很喜欢有一个能采集数据、又能满足各地数据驻留要求的伙伴——法律要求的时候，我们能把主权数据留在本地。
克雷格：对。而且你对操作系统、对架构是什么，是无所谓的——
杰夫：我们所有的客户，每一家的技术栈都不一样。没有两家有完全相同的厂商组合、地域或运行平台。所以我们就全都接。
克雷格：那在 Snowflake 上，你说不建影子副本就能实时激活 Snowflake 里的数据——实际移动的是什么？总得有什么离开仓库吧。
杰夫：你会从 Snowflake 里取出一个画像，发到比如说 Reddit，去做人群激活之类的。你可以取整个人群，也可以只取一个画像，取决于请求是什么、你在平台里定义的规则是什么。
40:14–44:08 怎么追踪 agent 与客户身份
克雷格：当一个 AI agent 代表客户购物时，在你建的那个身份图里，谁是客户？是人，还是 agent？
杰夫：有意思。今天就有一个诉讼，这个话题被提出来，那个……
克雷格：哦，是吗？
杰夫：对，法院裁定 agent 实际上就是那个人，是那个人负责。
杰夫：agent。
杰夫：所以对 Tealium 来说，这会是一种在「人」这个访客层级上新增属性的做法，然后你标：他有没有 agent。那个 agent 就是他的 agent。你可能会有一个代理标识（agentic identifier）。这些我们都在跟客户实时做——他们希望怎么看到它。因为我们也可以给 agent 它自己的标识，你可以在平台里为这一切设定规则。
克雷格：对。但给 agent 一个身份，这更像是 agent 厂商那边会做的事，不是购物者会去设的东西，对吧？
杰夫：对。是厂商会决定。这里有个概念叫「家庭化」（householding），或者在企业业务里，把一个人和一个公司关联起来。同样的思路也适用：你会把一个 agent 和一个人关联起来，可能是家庭的一部分，但你大概会很清楚地知道它是 agent。
克雷格：对。OpenAI 有个东西叫 instant checkout，把漏斗压缩到几乎没有。如果浏览是 agent 在做，那个建立在浏览行为上的个性化行业会怎样？
杰夫：那就要回到那句话：把你的数据层为那个代理结账、那个代理体验优化。是的，如果你已经通过 API 和你愿意支持的协议，把 agent 需要的所有数据都摊出来了，那个 agent 就能比人更快地进来、成交、离开。网站的意义除了转化还有什么？有时候是教育——大型药企在向不同受众科普他们的新药。但通常是为了某种转化，比如完成一份贷款申请。所以我认为 instant checkout 是未来的一部分。人类流量不会消失。你会收到想要 instant checkout 的入站代理流量；如果你为他们优化了数据层，你从他们身上拿到的转化就比给他们制造麻烦要高。如果我是公司，我不会去对抗代理式即时结账这个趋势，因为那样你会失去整整一代人——我那两个二十多岁的孩子，他们就是不会用你。如果他们的 agent 在你这里办不成事，他们就不会用你，他们会去别的地方，去 agent 能替他们办成事的地方。
克雷格：对。
杰夫：对，AI 原住民会要求这种服务。
44:08–48:19 Tealium 如何走出标签管理
克雷格：对。我也有成年子女，二十多岁，他们非常没耐心。Tealium 一开始是做面向浏览器的标签管理公司，对吧？你能描述一下那是什么吗？
杰夫：对，所以……
杰夫：当然。我们创立公司的时候——大概 2011 年前后——当时发生的事是：广告技术经历了一场寒武纪大爆发，SSP、DSP、横幅网络、个性化内容、A/B 测试等等。于是公司……在互联网 1.0 时期，你可能网站上有一两个像素，用 JavaScript 去读数据层，那个叫 tag（标签）。我们创立 Tealium 时，想解决的是全渠道数据碎片化这个问题，但总得挑一个起点。我们决定从网站开始，因为我们熟——我们来自网站分析团队。我们建了一个平台。我们的客户从平均 2 个标签，变成了 15 个标签。于是他们的广告技术和营销技术团队，得在网站上维护所有这些 JavaScript 标签，这变成了一个很大的管理问题，而且是个持续的问题。我们就把这件事抽象成了一个公共数据层：所有标签我们管，他们在我们平台里就能做。我们就是这样从网站上起步的。后来显然加了服务端、加了移动端，加了人群能力；这些年又加了零方数据采集，一点点往上加。
克雷格：对。人们听到很多关于仓库、很多关于编排的说法。这两者之间有清晰的分界吗，还是重叠？
杰夫：我会说，仓库在建越来越多能力。我们想仓库的时候，它是用来跑分析、跑 AI 模型的。我们想做的是数据采集那部分，把数据流进那个数据仓库；然后我们想帮他们做激活那部分。他们不想去建 1,300 个连接器、再像我们这样维护它们，所以我们可以帮他们做激活。至于编排层，从架构上说最高效的位置是在后端和前端之间。回到我说的那个 n! 问题：后端从来不止一个，永远不会；前端也永远不会只有一个。所以永远是前端二三十个、后端五到十个。因此在我们看来，这个编排能力应该坐在中间。
克雷格：你们六月上线了一个 MCP 服务器。客户拿它做什么？
杰夫：那个很棒。我们的客户可以用 Claude、Codex、Grok，随便什么，去做任何以前必须登录 Tealium 才能做的事：建规则、建属性、建活动、建人群。现在他们真的可以跟 agent 用自然语言说，agent 通过 MCP 服务器咬住 Tealium，替他们把这些全做完。这是我做梦都想不到的、对我们平台能力最大的一次解锁。因为我们建了一个很强的平台，过去要花很多培训才能让人上手：我怎么用 Tealium 做这个？一旦他们搞明白了，就很好。现在他们连那段爬坡、那段培训都不用经历，因为 agent 自己能想明白，用 MCP 咬上来，把事情办成。
48:19–53:26 真实世界的结果与增长
克雷格：对。我问过用例，但你能不能描述一次部署？你说过实时带来的转化提升。能不能讲一次部署，是那种真的「成了」的？同样不用点名客户，但前后对比是什么样？
杰夫：当然。我们网站上放着很多这类案例，ROI 案例一大堆。我们一年在全球办三到四场客户大会，客户真的上台讲他们的 ROI。与其给一个具体例子，我想说，有几个地方是明显的低垂果实。一个是广告技术里的转化 API：Google、Meta、LinkedIn、Reddit、Pinterest、Snapchat、TikTok 都有转化 API。我们的客户通过 Tealium 把数据连到这些转化 API 上，他们的转化率和广告投放回报平均提升 25%。这听起来是个不大的数字，但你想想他们在数字广告上花多少钱——通常至少是他们技术栈花费的 10 倍，很容易是 20 倍。这是大钱。当你把广告投放优化 25%，你拿到的是很大的提升。我们说过转化，在旅游行业，从一天前的数据换成实时数据，我们看到的转化提升是 30%、40%。到处都能看到。另一件事是把多个渠道的数据拼起来带来的价值。比如一家汽车经销商：经销商的线索来自数字和营销渠道，全美平均一家经销商把大约 10% 的线索转化成成交。有一家经销商，大概是三年前就早早拥抱 Tealium 的思想领袖型玩家，他们优化了数据、清理了数据源、建了这个干净的数据层，转化率到了 30%。所以是从 10% 变成 30%，三倍。而在这个县里，汽车行业是零和的：只会卖出那么多车。所以这意味着这家有远见、懂数字化的经销商，正在从同社区的其他经销商手里抢份额。
克雷格：对。
杰夫：而且 10 到 30，你想想——这是深思熟虑的购买，平均三万美元、四万美元的采购。这也让这家经销商有底气出去收购别的经销商，因为他们知道，一旦能把 10% 的转化率做到 30%——或者说平均做到 20%——他们就能在那笔并购上拿到很好的价值。
克雷格：对。你们怎么收费？是不是大家都在做的那种按量计费——
杰夫：对，我们按量收费。跟客户一起评估他们的量会是多少，然后做一个年度预算，他们承诺这个预算；如果超了，有用量档。但通常客户都在预算之内。我们不喜欢出现意外。这样他们能做好预算，拿到他们以为能拿到的 ROI。
克雷格：对。说到 ROI，你说的是收入，还是说好处也在速度和工程时间这些方面——
杰夫：都是。肯定是效率和速度、敏捷度，以及试新东西的能力。有了那个中立的数据层，你可以试新的厂商，随时换进换出，用你喜欢的——一个开放架构的技术栈。然后更高的转化率就是更高的增量收入、更高的广告效率、更高的定向效率；你可以把省下来的钱再投到增长上，也可以放到利润表底部，都行。
克雷格：对。你做这件事……你刚才说从 2013 年开始？是这么说的吗？
杰夫：Tealium，我们 2011 年投的它。2009 年它起步时是两个人的咨询公司，然后我们在 2011 年真正开始做这家软件公司。
53:26–56:11 Tealium 与企业 AI 的下一步
克雷格：好。有什么最大的事情，最后和你预期的不一样？你说你们从标签管理起步，后来上到数据层，但——显然变化很多，有没有什么是最后和你想的不一样的？
杰夫：最大的意外，是十二年前我们展示出这里有多大需求之后，有 150 家别的公司想来抄我们。真的有一百五十家公司从木头缝里钻出来说：「哦，Tealium 干的事我也干。」所以是「哇」。那个年代风投过度投资，太疯狂了；现在基本退了。而我们坐在这里，是这块业务里最大的独立厂商，把那张可信、中立的数据层交给企业。所以随着 AI 从地平线上升起来，随着对「干净、带同意的数据采集」的巨大需求，我觉得我们的未来是亮的。我们也愿意跟任何感兴趣的人聊。
克雷格：对。那你们现在在做什么？你的市场就是你的可服务市场，你可以花十年去打这个市场，但这件事往哪走？你看到地平线上有什么——你们最终会和仓库合并吗？去做仓库？
杰夫：我们只是把 AI 建进我们的平台，让客户能跟他们的数据说话、听他们的数据，一切都用 agent 的方式做。这一点现在非常受欢迎。然后我们正在为 AI 生态建所有客户想要的连接器——OpenAI 的连接器、Google、Amazon Bedrock、Google Vertex，所有这些。这样客户就能动起来，真正拥抱这一波。
克雷格：对。那两年后如果我们再聊——我希望会——你觉得企业在处理客户数据这件事上，会有什么变化？
杰夫：会有疯狂得多的代理流量，而且非常全渠道，会有大量语音界面；那些拥抱它的聪明公司，会有转化更高、活得很好的生意。所以会很好玩。
References
- 1Tealium 公司简介与产品史
tealium.com
- 2第九巡回 2026-08-04 裁定的分析
troutmanprivacy.com
- 3Eye on A.I. 第 390 期单集页
aneyeonai.libsyn.com
- 4官方视频（含完整英文字幕与 12 段章节）
youtube.com
- 5Tealium Context API 与托管 MCP 服务器发布
tealium.com
- 6Meet Tealium’s New CEO: Jeff Lunsford
tealium.com
- 7Imperva《2026 坏机器人报告》
imperva.com
Comments