客户面向型 AI 在营销与服务中的博士岗位

项目概览

该博士岗位位于 AI Value 中心，隶属于 Technology Marketing Group，关注的问题是：组织如何把生成式和多模态 AI 变成可测量的业务价值。公开说明把客户面向型 AI 描述为一个正在快速成熟但仍缺乏经验法则的领域，因此本岗位希望把直觉性决策变成可检验的研究问题。

项目由三个互相关联的子课题组成，都与行业伙伴合作，并希望从受控实验逐步走向真实运营环境。起始时间灵活，申请将持续接受至岗位录满为止。研究以论文发表为目标，但也会涉及教学和硕士论文指导。

项目详情

第一个子课题是语音代理的提示粒度问题。企业在部署生成式语音代理时，必须决定给它多严格的说话边界：过于严格可以换来可靠、完整和合规，过于开放则更能应对没有预料到的情形。该项目把这一决策视作服务运营中“脚本化与授权化”的机器版本，并用实验室实验、真实语音互动、可适应提示策略比较以及保险行业合作方的现场实验来研究。结果衡量的是行为层面的指标，例如任务成功、基于转录的对话修复，以及未经授权的承诺等合规失败。

第二个子课题讨论 AI 到人工接手时的情绪承接。客户在负面情绪状态下从语音代理转给人工员工时，AI 的情绪回应能否真正延续，还是会在后续对话中反而显得像脚本，这个问题会直接影响客户是否觉得被听见，以及是否愿意推荐服务提供方。这个子课题会先做因子实验，再通过受训演员模拟接手过程，最后进入与同一保险伙伴合作的现场实施。

第三个子课题是用多模态预测营销内容表现。项目会基于一个正在进行的博士课题和已建立的数据合作，开发并基准测试多模态嵌入方法，将文本和图像分别或联合编码，作为模型输入，用来预测社交媒体内容在发布前可能获得的互动效果。

研究环境也很具体：中心在数据科学、对话式 AI 和营销分析方面已有积累，并且投入了本地部署的 GPU 基础设施，以便在完全数据可控的条件下处理保密合作数据。中心还提供现成的语音机器人和聊天机器人实验基础设施，以及与行业伙伴长期合作的条件。整个岗位的难点不在于做一个单点模型，而在于把实验设计、因果分析、心理测量、LLM 编码管线、多模态建模和现场实施连成一个连贯的研究链。三个子课题都要求把受控实验与真实运营数据结合起来，因此申请者需要重视预注册、因果识别和结果可解释性。中心强调开放、包容和高质量发表，也意味着候选人要能把行为研究问题说清楚，再用合适的方法把它测出来，而不是只追求模型复杂度。中心特别看重把实验结果解释成可执行的管理建议。

申请要点

• 学历背景：商科、计算机、相关人文社科或理工背景均可，常见包括心理学、数学、工程、物理、统计等。

• 地理条件：申请者目前应居住在欧洲。

• 研究兴趣：需要对实验研究和定量实证方法有强烈兴趣。

• 技能要求：组织能力强，能同时处理多项任务；英语写作与沟通能力强。

• 研究取向：技术背景申请者是欢迎的，但更应关注管理与行为研究问题，而不是单纯模型开发。

• 工作内容：要参与教学、指导硕士论文，并承担少量行政工作。

• 合同与节奏：一年期合同，可延长至六年；起始时间灵活；申请直到岗位录满为止。

• 联系方式：进一步信息可联系 Sebastian Tillmanns；页面未提供统一申请邮箱。

需要进一步确认

• 三个子课题之间的时间分配和优先级。

• 各行业伙伴在现场实验中的合作边界。

• 申请者是否需要具备特定的语音实验或行为实验经验。

• 合同续期条件和差旅、研究补助的具体标准。

PhD 项目深度调研报告：营销与服务中的客户面向型 AI 博士岗位

执行结论

建议标签：强但需核实匹配。

这是一个对能够连接 AI、服务研究、营销分析和定量行为研究的申请者非常有信号的博士岗位。它的优势很清楚：苏黎世的顶尖研究机构、面向管理与技术的院系、专注 AI 价值的中心，以及把岗位放在真实行业场景中的工作方式，而不是只做实验室任务。主要谨慎点在于，几个与申请成败直接相关的细节并未公开：准确薪资水平、正式导师设置、合作方数据访问、续期规则，以及三个研究方向在博士阶段如何排序。

本报告只评估这个岗位本身，不预测任何个人一定会被录取。

学校、项目与地点信号

主办机构的学校信号非常强。THE 2026 将其排在全球第 11，QS 2026 排在第 7。THE 也给出了计算机科学、商科/经济学和社会科学等相关学科信号。这些是宏观信号，不足以单独证明项目质量，但对学术品牌、研讨资源和后续流动性都很重要。

博士所在的是 D-MTEC，一个以管理、技术和经济为核心的院系。公开项目说明显示，这里的博士通常把研究、学习和教学结合起来，正常周期约四年，并且拥有紧密的商业和行业联系。官方学生数据也显示这里有规模可观的博士群体和国际学生群体，因此同行环境比较强。

苏黎世本身也是强产业、强研究城市，但生活成本不低。地点信号很好，生活成本信号则需要认真规划。

导师与实验室评估

导师研究方向

这个项目位于 AI Value 中心。中心公开的研究方向包括客户服务中的 AI、多模态数据建模和流程自动化。这与岗位的三个子课题高度对应：语音代理的提示严格度、AI 到人工接手时的情绪承接，以及营销内容表现的多模态预测。

Sebastian Tillmanns 的公开资料指向生成式 AI、企业数据、客户关系管理、消费者行为和零售。Joseph Ollier 增加了对话式 AI、人机交互、传感器数据和数字健康服务场景的方向。Florian von Wangenheim 则把整个团队放在技术密集型服务管理、客户管理、在线营销以及会替代或重塑人类交互的技术框架中。

近期重要论文

近期相关论文显示，这里有可信的研究基础，但并不是每篇都和新岗位一一对应。

• Ollier、Nissen 和 von Wangenheim，2025 年《Computers in Human Behavior》文章：讨论聊天机器人保证性声明、个性化、隐私顾虑、信息披露意愿、感知控制和工作联盟。这与客户面向型 AI 和服务个性化高度相关。
• Tillmanns 和 von Wangenheim，2024 年关于 Click & Collect 采纳的开放报告：使用了 120 份消费者访谈和生成式 AI 分析，支持客户数据和 AI 辅助分析这一侧。
• Boyd、Sese 和 Tillmanns，2023 年《Journal of the Academy of Marketing Science》论文：研究 B2B 客户推荐设计和信号传递。它不直接讨论 AI 代理，但与企业到客户的信息设计和专业受众有关。

实验室、资源与合作环境

中心公开宣传本地 AI 基础设施、客户服务 AI 工作、多模态数据建模，以及围绕呼叫中心数据、语音/聊天机器人和社交媒体活动分析的合作。岗位本身也说明，它会依托行业伙伴，从受控实验逐步走向真实运营环境。

最大的实验室风险不在于方向是否匹配，而在执行。面向真实客户的 AI 研究依赖合作方授权、数据访问、隐私控制、随机化设计、转录质量和发表权。这里都应该被当成尽调问题，而不是默认已解决。

研究方向与领域前景

领域动能

这个领域动能很强。最近的营销学和信息系统研究已经从“AI 作为工具”转向“AI 作为面向客户的行动者”。一篇 2026 年的机器营销论文认为，AI 助手和代理正在成为市场参与者。2024 年的 JAMS 路线图也把营销中的生成式 AI 视为会带来新问题的一类技术，重点涉及输入、输出、部署和后 GenAI 的客户关系。

语音代理研究也正在进入更真实的服务场景。2025 年一项关于 AI 驱动电话服务的现场与在线实验指出，AI 可以提高信息支持，但在情绪支持方面可能不如人工员工。这个结论与该岗位的接手和情绪承接方向直接相连。

可能的研究切口

这个项目有几个很适合发表的切口：

• 把提示严格度当作服务设计控制变量：企业应该把语音代理的回复边界规定得多严格。
• 接手连续性：AI 代理的情绪回应如何与人工同事的后续跟进相互作用。
• 基于转录文本的度量：对修复、任务成功、客户情绪和合规失败进行经过验证的编码。
• 多模态预测：用文本-图像嵌入预测发布前互动表现。
• 管理转化：把实验结果转化成面向客户 AI 上线的规则。

最强的博士设计，可能会选择一个子课题作为核心，把另外两个子课题作为联动论文或合作论文。

职业与市场前景

职业与市场证据是正面的。WEF 把 AI 和大数据列为增长最快的技能；OECD 认为 AI 采纳会增加对高学历劳动力以及数据分析/解释技能的需求；McKinsey 则把生成式 AI 的很多价值放在客户运营和营销/销售上。这意味着毕业后可以进入学术、AI 产品研究、客户分析、营销科学、服务运营、咨询和企业 AI 治理等路径。

如果申请者能把 AI/数据技能与可信的行为研究、因果研究结合起来，这份履历会最强，而不是只停留在模型开发。

资助、申请与生活成本

这个岗位是苏黎世的 100% 固定期限博士职位。页面说明，最初的一年期合同可延长至六年，并且有差旅和研究补助。官方雇佣信息说明，博士雇员通常按固定工资档位发放，并且会阶段性上调，而工资页面则说明 2026 年的工资标准适用。

但这个岗位的具体工资档位并未公开。这个问题很重要，因为苏黎世生活成本高。官方成本指南估计，单人每月约需 2430 瑞士法郎。住宿指南还提醒，住房稀缺且昂贵，合租房通常每月约 800-1000 瑞士法郎，小公寓要高得多。

财务上，这份岗位大概率能覆盖正常 100% 博士雇员的基本支出，但准确的税前工资、扣除项、保险、津贴范围和续期条件，在申请前仍应核实。

申请边界也很重要：岗位要求申请者当前居住在欧洲。申请会持续开放，直到岗位招满，因此开放状态可能随时变化。

申请者匹配与准备

更适合的背景

这份岗位最适合拥有工商管理、市场营销、计算机科学、心理学、统计学、工程、数学、物理或相近定量背景的硕士申请者，前提是他们对管理与行为研究问题本身有兴趣。

强申请者通常会展示实验设计、因果分析、心理测量、调查或行为测量、Python/R 数据工作、LLM 管线、转录编码验证或多模态嵌入模型经验。岗位并不要求申请者在三个子方向上都已经有经验，但要求有足够的实证成熟度和灵活性。

需要谨慎的情况

如果申请者不住在欧洲、只想做纯技术模型开发型博士，或者必须在开始前把所有项目细节都固定下来，就需要谨慎。这个工作大概率还会要求合作方协调、教学、硕士论文指导、学术写作和运营问题处理。

需要强化的材料

有用的材料包括：一篇带可复现定量分析的论文或项目、写作样本、实验或因果推断经历、处理文本/音频/图像/客户数据的案例，以及一封能明确选定三个子课题之一并清楚解释其核心挑战的动机信。

风险与待核实问题

高优先级问题

• 正式博士导师是谁？在 D-MTEC 规则下谁是共同导师？
• 第一学年预计把哪个项目流作为博士论文核心？
• 准确的税前工资档位、扣除项、年度递增和津贴金额是多少？
• 当前“居住在欧洲”这一条件有多严格？哪些签证/居留情形算合格？
• 哪些行业伙伴、数据集、随机化许可和发表权已经确认？
• 提交时岗位是否仍然在申请门户开放？

中优先级问题

• 每年教学和硕士论文指导的工作量有多少？
• 第一份一年期合同之后，续期标准是什么？
• 多模态方向如果还有一位在读博士，署名如何处理？
• 语音录音和转录件是否已在中心的数据控制下获批用于研究？
• 前两年现实的会议和期刊目标是什么？

证据与来源

核心机构与项目来源

• S01 官方岗位和申请说明
• S12 D-MTEC 博士项目信息
• S13 博士录取要求
• S14 博士学习要求
• S19 THE 排名信息
• S20 QS 排名信息
• S21 官方学生数据

导师、实验室与论文来源

• S03 AI Value 中心主页
• S05 客户服务中的 AI 研究方向
• S06 多模态数据建模研究方向
• S07 合作信息
• S08 Sebastian Tillmanns 个人页面
• S09 Joseph Ollier 个人页面
• S10 Florian von Wangenheim 个人页面
• S22 聊天机器人保证与个性化论文
• S23 Click & Collect 采纳报告
• S24 B2B 客户推荐论文

领域、资助、成本与市场来源

• S15 博士工资信息
• S16 博士雇佣规则
• S17 苏黎世生活成本指南
• S18 苏黎世住宿指南
• S25 机器营销文章
• S26 营销中的生成式 AI 路线图
• S27 AI 电话服务现场实验
• S28 WEF 技能展望
• S29 McKinsey 生成式 AI 价值报告
• S30 OECD AI 与技能报告