20 个案例看完:AI 营销,谁在真干,谁在装样子

前段时间,一位在大学教营销的朋友约我喝茶。他一脸愁。

我问,你愁什么。

他说,现在的课不好上了。他在台上讲定位、讲传播,学生在底下举手:老师,AI 都能写文案、出广告、剪视频了,你讲的这些还站得住吗?

他一时没答上来。

我说,你答不上来就对了。这种问题,靠讲理论是答不了的。你得给学生看案例。真公司、真预算、真结果的那种。

于是,我陪他把这两年能找到的生成式 AI 营销案例,翻了个底朝天。大公司小公司,成功的挨骂的,一共 20 个。

先说清楚一件事。什么叫生成式 AI 营销?

不是那种设定好规则的自动投放,也不是报表软件。是真能替你生成内容的工具:写文案、画图、做视频、拼整套 campaign。生成的,不是自动化的。

这 20 个案例,我给你分三拨讲。巨头的,小店的,还有卖铲子的。

一、巨头:先看效率,再看胆子

先讲微软。

微软给 Surface 做过一条广告。脚本、分镜、背景画面,全部用生成式 AI 完成。结果,时间和成本省了 90%。

90% 是什么概念?原来一条广告的周期,现在能做十条。

更有意思的是后面这个数字:观众压根没看出来。

你想想看。观众看不出来,这件事本身就值得琢磨。说明 AI 生成的质量,已经过了及格线。但也说明,「看不出来」迟早会变成一个伦理问题。这个我们后面说。

再看 Nutella。

Nutella 用算法给果酱罐设计标签。同一套品牌底子,生成了 700 万个独一无二的图案。每一罐,都不重样。

结果,一个月,全部卖光。

700 万个。你雇设计师画,画到猴年马月?这就是生成式 AI 的第一性原理:内容的边际成本,趋近于零。

零成本,才能做以前不敢做的事。比如,个性化到每一罐。

然后是 Heinz。这个案例,我看完只想说,太强了。

Heinz 拿 DALL·E 2 做实验:让 AI 画「番茄酱」。不管提示词怎么写,画出来的瓶子,都长得像 Heinz。

AI 见过千万张番茄酱图片,它脑子里默认的那一瓶,就是 Heinz。

这比任何消费者调研都狠。品牌做到极致,就是变成品类本身的心智默认值。Heinz 把这个结果做成了广告,直接刷屏。

再看耐克。

耐克为小威廉姆斯退役做了一支 AI 视频:让 1999 年的 Serena,和 2017 年的 Serena,隔网对打。AI 分析她两个时期的打法,模拟出一场「自己 vs 自己」。

创意好不好?好。但争议也大:用 AI 复刻一个真实的人,肖像权怎么算?她本人同意了,别的运动员呢?没同意的呢?

可口可乐的故事,要讲两遍。

第一遍,节日广告。他们用 AI 生成了针对不同美国城市的多个版本,数以千计的素材,快速铺出去。效率没得说。然后,被骂了。批评集中在画面质量和「失真」上。

效率拿到了,口碑翻车了。这是 AI 营销的第一课:快,不等于好。

第二遍,叫 Create Real Magic。可口可乐搭了一个平台,把 GPT-4 和 DALL·E 2 组合起来,开放品牌素材,让消费者和艺术家自己创作可口可乐主题的作品。优秀作品,投到时代广场大屏。

这次风向就变了。同样是 AI 生成,自己人做的,大家夸;品牌硬塞的,大家骂。

想想看,挺有意思。

二、小店:算账,一分一分地算

巨头讲完了。你以为 AI 营销是有钱人的游戏?

错了。小店可能才是最大的受益者。

印第安纳有一家卖贴纸的网店,叫 Otto's Grotto。老板 Therese Waechter,一个人。

她用 Jasper 和 ChatGPT 写产品描述、生成标签,连 Shopify 店面都是 AI 帮着搭的。Shopify 用的是一种叫 Liquid 的语言,她就让 AI 一段一段生成、一段一段改。她给这个起了个名字:vibe coding。不写代码,凭感觉跟 AI 对话,把店搭出来。

2024 年,她的收入翻倍还多。没雇一个程序员。

一个卖贴纸的,和一个市值万亿的公司,用的是同一批工具。工具平权了,差距就回到了脑子上了。

还有一家,叫 Amarra,新泽西的礼服批发商。他们用 ChatGPT 写商品描述,内容产出时间省了 60%。又上了 AI 库存系统,按历史数据和季节趋势预测备货,积压降了 40%。客服那边,聊天机器人接住了 70% 的咨询。

三个数字,全是省出来的利润。

英国肯特郡有家电商,Must Have Ideas,更绝。他们想进电视购物,但传统电视购物,制作成本高得吓人。

他们自己搞了套 AI 系统,叫 Spark。把预先录好的素材,用 AI 拼接、编排、排期,在 Sky 平台上开出了一条 24 小时不间断的电视购物频道。

不用主持人三班倒,不用直播团队连轴转。销量大涨,还攒下一批黏性很高的老客户。

再补两个。

乌克兰教育科技公司 Headway,用 Midjourney 和 HeyGen 做出「用户实拍」风格的视频广告,信息流里看着像真人 UGC。视频广告 ROI 涨了 40%,2024 年上半年拿下 33 亿次曝光。

手袋品牌 Misela,把真实产品图,合成进 AI 生成的全球场景里。模特站在伊斯坦布尔的街角、东京的巷子里,其实一步门都没出。差旅省了,周期短了,出来的东西看起来像是跑遍全球拍的。

三、卖铲子的:淘金热里,谁稳赚

淘金热一起,卖铲子的先发财。

旧金山的 Omneky,帮品牌批量生成广告创意,再用投放数据反哺,哪个版本跑得好,立刻放大。纽约的 Anyword,专做营销文案的生成和优化,网页、社媒、邮件、广告,一套全包。汉堡的 Neuroflash,更玄一点,把神经心理学洞察掺进内容生成里,说能让文案挠到用户自己都没意识到的痒处。Colossyan 做 AI 数字人培训视频,一个脚本,多种语言,直接出片。

波兰的 RTB House 用深度学习预测用户兴趣,做个性化投放,广告效果提升了 41% 到 50%。

还有两个新物种,值得你多看一眼。

一个叫 OneOff,做 AI 时尚搜索:用户说想找「Hailey Bieber 那套 look」,它用大模型把同款、平替翻出来。 creator 的同款变现路径,一下子被捋直了。

另一个叫 Peec AI,柏林公司。他们赌的方向是:搜索入口本身正在被 AI 接管,以后用户在 AI 助手里问「买什么」,你的品牌出不出现,就是生死问题。他们做了一套 SaaS,专门监测你在各家 AI 搜索里的可见度和排名。这个方向太早期,他们早期也只融到了 20 多万美元。但方向,可能比钱重要。

当搜索框换成对话框,SEO 就得重写一遍。

四、留给课堂的三道题

最后说回 Toys 'R' Us。

这个老牌玩具商想复活,找人做了一支 66 秒的品牌片,讲创始人当年创业的故事,全片 AI 生成,历史混着幻想。

片子放出来,评价两极。有人说是品牌叙事的新可能,有人说,拿 AI 讲一个关于童年和温情的品牌故事,情感那层皮,是假的。

我不想下结论。但有三个问题,我觉得每个学营销、干营销的人,都躲不开:

第一,当 AI 生成的内容和真人做的分不出来,「真实性」还剩多少价值?消费者的信任,记在谁头上?

第二,效率的收益,归谁?微软省下 90% 的成本,是降价,是利润,还是更多条广告轰炸你?

第三,个性化到什么程度,就越界了?700 万个标签是惊喜,一个比一个懂你的推送,是打扰。

没有标准答案。但答案,会决定未来十年营销行业的分配格局。

我把这 20 个案例讲完,我那位教授朋友沉默了一会儿,说,看来我的课,得推倒重来了。

我说,不用推倒。你只需要把顺序换一下:以前是先讲理论,再举例子。以后,恐怕得先看 20 个真实发生的故事,再问学生一句——

如果是你,你会怎么做?

AI 不会取代营销,但会用 AI 的营销人,正在取代不会用的。

这句话,送给讲台上的人,也送给台下问问题的学生。