生成式 AI 做营销，试了一大堆，为什么还没赚到钱？

前阵子，一个做市场总监的朋友跟我吃饭，愁眉苦脸的。

他说，公司从去年开始就把生成式 AI 试了个遍：自动写文案、批量出图、投放素材一键生成，连客服话术都能列个模板。结果到了汇报的时候，老板一开口就问「ROI 呢」，他捏着一把 PDF 说不出一个让他点头的数。

我说，你不算特例。现在多数公司的营销团队，都卡在同一个地方。

什么叫试点？工具试了一堆，汇报稿写了一大摞，就是没见钱长什么样。

什么叫规模化？把两三个已经被验证的花，插到每一天的流程里，让它自己出成果。

生成式 AI 在营销里，真正值钱的不是「试过的次数」，是「能不能放大成利润」。

先看三组数字

第一组，看看悲观面。

咨询机构 Bain & Company 在 2024 年做过两轮调研，一轮面向 200 家大型美国公司，一轮面向 184 家。问的是同一句话：生成式 AI 在营销上，有没有超出你的预期？

只有 27% 的人回答：「超了。」

意思是，七成的公司，要么觉得「也就那样」，要么还困在「试点还没验收」的迷宫里。

第二组，看看乐观面。

零售的效果最明显。用 AI 调优定向投放的零售商，广告回报比别人高 10% 到 25%。同花一万块钱预算，别人回收 8 千，你拿回 9 千到一万。多出来的，就是白赚的。

第三组，看看具体的玩家。

你看几个具体的事：

图片电商 Etsy，把 AI 做成了「礼物模式」。你把收礼人的两个偏好填进去，它会从 200 多个人画像里挑一个最合适的，给出礼物清单。用户本来要纠结「到底买什么」很久，现在这段被 AI 一笔带过了。

旅行的 Booking.com，把 AI 塞进了行程规划。你只要说一句「带娃去海边，六天」，它把酒店、航班、餐厅一次排好。原本半小时的功课，变成喝一杯咖啡的时间。

消费巨头 P&G 更狠。它相信数据本身，而不是问卷里的口头答案——AI 实时分析智能硬件的真实使用数据，比如那把 Oral-B iO 电动牙刷，昨天刷了多久、刷了几次，全都上报。然后倒推到底应该做哪条产品线，比发调研问卷准得多。

金融、医疗、电信这种被监管盯着看的行业，只要把隐私和合规的线画清楚，同样能捞着好处。

你看，AI 有毛病吗？没毛病。问题只在：能把「试点」变成「生产」的那批人，太少了。

问题到底卡在哪？

规模化这盘棋，最难的脑筋不在算法，而在组织。

CFO 和 CEO 现在的调调高度一致：预算你别多要，速度你得再快一块，业务目标再加一档。可市场人的数字生态越来越复杂，数据散在几十个系统里，偏偏个性化需求的喊调一天比一天高。这两头一挤，负责人连「把试点真正跑完一个」的力气都凑不齐。

所以关键就一句话：别把精力撒成一张胡椒面。两三个仗打好，比一百个期许糊弄要强。

那该往哪几个地方聚焦？我看了 Bain 的归纳，四个水潭：

• 把流程跑顺。概念稿、出图、翻译、合规审查、素材归档，全部改成自动流水线。
• 内容生产加个性化。文案、配图、投放素材，从「一条一条赶」变成「一批一批出，按人定向」。
• 洞察加数字孪生。给客户造一个数字分身，先在虚拟环境里试版本，等哪个版本确定能赢，再花真金白银。
• 测度加调优。让 AI 每天自动读投放数据，把堆在各处的报表归拢成一张，该加投的加投，该停的停。

这四个不像四个球，更像一条流水线：先让流程顺，再让内容量大，接着用数据少走弯路，最后反过来喂整个链路。

有人能落地，到底做对了什么？

Bain 把那些跑在前面的公司复盘了一轮，得出五个动作。我用自己的话讲给你听。

第一件：立一个有数字的目标

最容易走的弯路，是「一堆可行的想法」——每个人都胸有成竹，但没人说得出「下个季度要把什么指标从多少提到多少」。

做不到一句话讲清目标，AI 就会替你把「没成果」拖到下一年。

讲究的公司在目标上毫不含糊。一家全球金融服务商，目标就是「营销上线时间缩短 50%」，AI 内容体系、技术栈、助手全往那个数字上重建。一家媒体公司，目标是让 AI 自动生成「每个人不一样的沟通内容」，新广告的点击率由此涨了 5 到 7 倍。

目标越具体，AI 越出钱；目标越模糊，AI 越给你三个字：已覆盖。

第二件：先打最近的仗，别铺太大的摊子

试点一开始，最容易变成「十个花园」——我们被「AI 创新」这件事本身迷住了，忘了先定下哪块地最容易收成。

正确做法：挑两三个离钱最近的，比如自动写直邮文案、自动发社媒、自动做落地页。先让这些跑出数字，再往深处走。

有一家知名消费银行的例子就在这：为了网投和搜索投流，搞了一个 AI 创意助手，内容生产时间省了 75%，还顺手算出新开户量还能再抬 20% 到 25%。它没有贪多，一开始就锁定了一个最能出数的关卡，把这条路跑穿了。

第三件：让用的人说了算，别让工具空降

工具被团队吐槽、被搁在一边，十次里有九次是同一个原因：它是 IT 部门「空降」下来的，不跟着队伍原本的节奏，也不还原他们日常怎么干活。

正确做法反过来：让营销的人先把「自己的日常流程」画出来，再由数据或技术团队一起把它变成 AI。也可以学一家金融公司：在内部培养一批「AI 超级用户」，让第一批人先学会用、再带着同事用。

工具发下去没人用，是配置浪费；让人一起把它造出来，才是管理的手艺。

第四件：把学习挂进周历，不是发几个许可证了事

给每人开一个 ChatGPT 企业版账号，第一周新鲜，一个月后回归原样。工具不叠进流程，就成了摆设。

有人已经把它做成「不停转的飞轮」：每周例会放进一个固定议题，这一周试用出来的 prompt 念一遍、效果对一遍，下周继续迭代。有的媒体公司就是这样跑的。AI 不是年会上的演示，是每周都要过的同一道门。

发许可证的边际成本最低，让人改变的，永远是周而复始的反馈。

第五件：别光靠自研，把生态当筹码

营销科技的软件生态本来就很碎，供应商的位次还在换。与其跟无数家各自为战，不如拿出一小笔预算，当季先把候选拉出来试：Adobe 强在做图与数字体验，Jasper 强在批量文案，Synthesia 擅长数字人，Typeface 专注品牌内容。一次押注一家风险太大，不如小规模试两三家，看谁跟你的业务最合，再逐步放大。

别忘了一件事：代理和创意伙伴也在用 AI 重构，你的竞争对手很可能正在悄悄用。借力生态，是在给规模化提速加润滑油。

结尾的话：试过的想一想，放大才见真章

和刚冒头那会儿不同，生成式 AI 在营销这条赛道上，已经从「要不要试」走到了「规模化了没」。

顶尖的团队早就开始准备下一局了。搜索的习惯正在变，客户可能不再点一个个链接，而是把问题交给 AI、让它直接给答案。那渠道投放还是原来的算法吗？再往后想，当你的客户也是「另一个 AI」的时候，营销话术该怎么写？那是个新战场，要改的恐怕不只是投放逻辑，是整个品牌资产的呈现方式。

再回到我那个朋友。

我没让他把 AI 放下。我只跟他说了一句实话：试点这件事，再往里砸时间，答案不会变得更清楚。不如把摊子收一收，从「我试过一堆」里挑出两个离钱最近的，配上数据、配上流程、配上预算，看它三个月能不能给你交一个数。

当「我试过 AI」变成了「我有一条 AI 的流水线在转」，再聊下一代的问题，也有底气。