遗憾的是，就目前看来，不少第三方AI营销公司都会面临着一些难题，这主要包括以下几个方面：
1.不平等的数据库对比：AI营销追求真实有用
巧妇难为无米之炊，AI营销所依仗的是大数据而不是简单地数据。这个“大”体现在两个方面：一是目标流量的规模大；二是个体用户数据完整性。然而，很多第三方的AI营销公司，它们或许并不缺乏AI底层算法方面的能力，是不错的AI公司，但绝对称不上是合格的大数据公司。数据的原始积累其实是消费互联网进行的事情。而对于绝大多数AI营销公司而言，它们所依仗的只有自己以及客户所积累的数据资源，很难称得上“大”。尤其是对于一些小微企业客户而言，它们想要实现增长和拉新，想要引流变现，这要求营销公司要先有让自己技术算法有用武之地的空间，即有自己的私域流量池，而不是简单运营自己过往积累的数据资源。或者只是管中窥豹式数据，洞察用户的某个碎片化场景的数据，由于没有掌握完整画像从而做出错误的判断分析。
2.数据也有“保质期”：AI营销也讲究“敏捷性”
想象这样一个画面：某一用户，大学毕业前他会沉迷于板鞋、篮球鞋，毕业后，休闲鞋、皮鞋，或者由于工作原因，有其它选择，如果系统整天还给他推送学生时代的喜好很难实现转化。
数据的积累很多时候只能是“发生过”，而不是“进行时”或者“将来时”。数据的原始积累很多时候无法告诉企业此时此刻用户的想法，发展的哲学理念是人类社会运营的底层逻辑之一。这要求企业需要掌握数据的即时性，要求数据的收集和反馈能够实现足够的敏捷。这要求企业能够掌握用户的“原数据”，即有自己的专属“流量池”，然而第一手的数据收集位置抢占也是消费互联网时期做的事。
谁有这样的资源？阿里等电商公司能看到用户现在有哪些购买意向；百度可以凭借搜索掌握用户现在想要知道什么了解什么，是用户主动表达自己需求，而其它平台更多的是依靠推荐；腾讯更不用说，社交零售的一大优势就体现在容易收集用户即时性想法。因此，要想实现AI营销的敏捷性就必须占领制造数据的场景获得原数据。
3. 饱和攻击VS干瘪攻击：
关于两类攻击的比较问题主要体现在以下两方面：
一方面在于是否提供营销技术以外的支撑，即在大数据营销基础上挖掘出更全面的服务。
就AI营销而言，底层框架可能差别真的不算特别大，即便现在差距还很明显未来也不是什么问题，毕竟技术开源是大趋势。但要想建好AI营销“大厦”，不只是画一张设计图或者打个地基那么简单，还需要打顶、粉刷、堆砌等各种技能。
