90% 的营销负责人都在加码生成式 AI，但真正会用的人不多

前段时间，一个做电商的朋友约我吃饭。

饭桌上他一直低头刷手机。我说你干嘛呢，饭都不好好吃。他说，在看 AI 写的商品文案。他们店三千多个 SKU，以前两个编辑埋头写一个月，现在 AI 一个下午全部吐出来，编辑只在后面把关。

他抬头问我：润，你说营销这一行，是不是要变天了？

变天谈不上。但有一组数字，你听了可能会坐直一点：在一项面向营销负责人的调查里，90% 的人表示，要在未来两年加大生成式 AI 的投入。

这不是哪家的宣传口径。这是营销管理者们自己投出来的共识。

那问题就来了。

这么多人往里冲，到底冲的是什么？是省事，是赶时髦，还是真有账可算？

我把这件事翻来覆去想了很久。今天跟你聊聊。

先把词儿说明白

什么叫生成式 AI？

你可能会说，不就是 ChatGPT 嘛。

差不多，但不止。它是一类能"无中生有"的 AI：你给它指令，它给你产出。文字、图片、视频，都行。写商品文案、做海报、剪短片、回客户消息，它都能插一手。

以前的 AI 是"判断题机器"——判断这封邮件是不是垃圾邮件，判断这个人会不会买。现在的生成式 AI 是"作文题机器"，你出题，它答卷。

这个差别，对营销人来说太重要了。

因为营销的日常，一大半都是作文题。

它到底擅长什么

我给你拆三个最实在的战场。

第一个，内容生产。

营销人最熟悉的痛，是空白页。盯着屏幕，光标闪烁，一篇产品文案憋一下午。

现在呢？初稿几秒钟就出来了。你不用再从零开始，你要做的是改：改成品牌的语气，改掉不准确的说法，改到有人的温度。

麦肯锡算过一笔账：用生成式 AI 做内容的营销团队，生产力最高能提升 40%。

40%。不是靠加班加出来的，是把写产品描述、总结客户评价这类活儿交出去省出来的。

我那个朋友的三千个 SKU，就是这个逻辑。AI 把体力活包了，编辑只守真正需要讲故事的重点新品。

第二个，客户互动。

你去 Sephora 的线上店逛过吗？它的 AI 助手能根据你的肤色、你买过的东西，推荐适合的色号。航空公司也在用，航班动态、行李问题，AI 直接答，不用你在电话里排队。

这些工具厉害的地方，在于它认识你。一个老客户进来，AI 知道他上次买了什么，推荐顺势就调了。做得好，客户感觉到的不是被机器应付，是被认真对待。

第三个，投放优化。

以前投放什么节奏？跑一周，拉数据，开会，调创意。现在 AI 实时盯盘：这条标题不行，立刻换下一条；这个人群反应好，预算马上倾斜。过去几天才能走完的循环，几分钟走完。

三个战场说完了。你发现没有，它们有个共同点。

AI 干的，全是"量"的活。人腾出来，才能干"质"的活。

但是，凡事总有反面

聊了这么多好处，我要是只讲到这儿，那就是软文了。

生成式 AI 有一堆真问题，每一个都能把一场漂亮的营销活动砸了。

最出名的一个，叫幻觉。

什么叫幻觉？就是 AI 一本正经地胡说八道。你让它写产品文案，它给产品编一个根本不存在的功能；你让它引数据，它把数字编得有零有整。语气之笃定，让你丝毫起不了疑心。

Gartner 做过调查，近 70% 在试水生成式 AI 的组织，都把幻觉列为头号担忧。将近七成。这不是杞人忧天，是踩过坑的人投出来的。

第二个问题，偏见。

AI 是拿数据喂出来的。数据里藏着刻板印象，它就学刻板印象。招聘广告用词不知不觉偏向某类人群，生成的图片里某些群体总是缺席。没有谁是故意的，但伤害已经造成了。

第三个问题，隐私。

个性化是 AI 最拿手的事，可个性化靠的是客户数据。收多少、怎么存、怎么用，每一步都是雷区。欧洲的 GDPR、加州的 CCPA，管的都是这个。

消费者自己也在较劲。思科 2024 年那份隐私调查里，92% 的消费者想要更多对自己数据的控制权，近 60% 的人已经因为隐私顾虑换过品牌。

近六成。你一边用 AI 做个性化，一边把人家吓跑，这买卖不划算。

第四个问题，版权。

这些模型的训练数据是从全网扒的，里面有没有受版权保护的东西？生成的文案、图片跟别人的作品撞了车算谁的？相关的官司已经打了好几场，到现在也没完全说清楚。

还有很多人心里那个没说出口的问题：我的岗位呢？

世界经济论坛 2023 年那份报告估计，未来五年全球可能有 8300 万个岗位被自动化吃掉。听起来很吓人。

但同一份报告还有下半句：预计会新增 6900 万个岗位。

被吃掉的和新长出来的，不是同一批人。中间差的，是重新学习的意愿。

那到底怎么用

问题这么多，是不是先缓缓？

我的判断恰恰相反。正因为问题多，会用的人才少，窗口才在那儿。

关键是一条纪律。

可口可乐搞过一个叫 Create Real Magic 的活动，请消费者用 AI 生成带品牌元素的艺术作品。听着很放飞对吧？但每一件最终发布的作品，都经过了人工审核。

这就是分寸。

业内有个流传很广的说法，叫 70/30：让 AI 承担 70% 的重活，人守住那 30% 把内容从"能用"变成"好用"的部分。

我喜欢这个分法，但我自己的总结更简单：

AI 负责规模，人负责判断。

AI 一分钟能写二十条 Instagram 文案，这个能力你练十年也追不上。但哪条符合品牌调性、哪条会冒犯人、哪条在撒谎，只有你知道。

比如一封邮件的标题。AI 给你两百个备选。但"史上最大促销"这种话适不适合你的牌子，"专属甄选"是不是你的客户爱听的，机器不知道，你知道。

这是人的活儿。抢不走的。

具体怎么起步？我的建议特别朴素：别推翻你整个技术栈，也别开大会做半年规划。

先挑一件最烦的重复活儿交出去。标题测试，或者商品描述初稿。跑一阵子，看数据，再扩。

还有一件事很多人忽略：数据本身得是干净的。

垃圾进，垃圾出。你的客户数据库里地址缺一块、邮箱拼错一位，再聪明的 AI 也白搭。有意思的是，AI 反过来也能帮你洗数据——自动发现填错的字段、补全缺失的信息，形成正循环。数据越好，campaign 越好；campaign 越好，沉淀的数据又越好。

最后，算笔账

聊了这么多，回到最俗也最硬的问题：钱。

生成式 AI 在营销上的回报，能用四个口径量。

效率。Salesforce 2024 年的营销状态报告说，68% 使用生成式 AI 的营销人报告明显省了时间，不少人每周释放出 10 到 20 个小时。

我们算一下。取个中间值，每周 15 小时，一年 50 个工作周，就是 750 小时。按一天 8 小时算，将近 94 个工作日。

一个十人的营销团队，等于凭空多出来好几个人力。这不是感觉，这是算术。

转化。Adobe 2024 年的数字趋势报告发现，用 AI 做个性化的品牌，转化率最高比用传统细分方式的高出 30%。德勤的研究也佐证：61% 的消费者更愿意从提供个性化体验的品牌那里买东西。

收入。麦肯锡的结论更狠：个性化做得好的公司，这部分带来的收入比同行平均高出 40%。

留存。贝恩公司的老数据了：客户留存率提升 5%，利润能涨 25% 到 95%。AI 能预测哪个订阅客户快要流失，提前送上一份只为他准备的挽留方案。留人比拉新便宜得多，这笔账营销人都会算。

四个口径，四笔账。哪一笔都不是画饼。

回到那顿饭

那天饭吃到一半，我朋友又看了一眼手机，忽然说了句：其实我最怕的不是 AI 干得慢，是它干得太快，快到我来不及看它写了什么。

我觉得他悟了。

工具越快，人的把关越值钱。这个道理，放在印刷机上是成立的，放在生成式 AI 上，一样成立。

会用 AI 的营销人，替代的从来不是同事，是那些还在跟空白页较劲的日子。

至于你，愿你的团队既有 AI 的手速，也有人的心眼。