140 个品牌到底怎么用 AI 做营销?我翻了一份真实的清单

前段时间,有个朋友问我一个问题。

他说,刘润,你看现在 AI 这么火,营销圈天天在喊"AI 赋能""AI 重塑"。可到底有谁真的在用?用出了什么结果?你能不能给我一份能信的清单?

我想了想,说:让我找找。

然后我就开始翻。翻了财报、翻了发布会、翻了那些品牌的官方说法。翻到最后,我手里攒出来一份东西。

147 个案例。140 个品牌。12 个方向。

有具体的工具、有具体的结果、有具体的人。不是空谈,是真干了。今天我想跟你好好聊聊这件事。

先说一个最基础的问题

什么叫"品牌真的在用 AI"?

不是发个新闻稿说"我们拥抱 AI"。是用 AI 干了一件具体的事,而且,这件事有一个能拿出手的数字。

比如说,转化率提升了百分之多少。成本砍了多少。省了多少小时。有多少用户真的用了。

没有数字的,我基本不信。

所以我这份清单的第一条规矩就是:必须有真名实姓的品牌,必须有可查的来源,必须有一个具体结果。三条缺一条,不要。

好,规矩立完了。咱们开始。

广告:最容易看见,也最容易高估

你打开任何一个品牌在 AI 营销上的成绩单,排在第一位的永远是广告。

为什么?因为 Meta 和 Google 把这事做成了基础设施。你只要花钱投广告,他们的 AI 就在替你干活。你不用懂,你甚至不用知道。

Meta 的 Advantage+,把人群定向、素材、投放位置、预算分配全部自动了。Meta 自己说,这套东西帮广告主的广告支出回报涨了 32%。

LinkedIn 的 Accelerate 更狠。它读你的官网、你的领英主页、你过往的广告数据,然后自己写素材、自己找人。LinkedIn 说它把每次行动的成本砍掉了一半多,创建一个广告活动的时间从 15 小时压到 5 分钟。

15 小时到 5 分钟。

你想想这个时间差。以前一个优化师一周干两个活动,现在一天能干十个。这中间省下来的人,要么去做策略,要么被裁掉了。

但这里有个真相,我必须跟你说清楚。

平台自己报的数字,永远会挑最好看的那组。

Lululemon 在加拿大跑 Performance Max,广告回报涨了 8%。8%,不是 32%,也不是 50%。这才是大多数品牌真实拿到的水平。

广告平台的 AI 是真的有用,但它的作用是被夸大的那一类。

真正让人吃惊的数字,在另一个地方。

真正的省钱发生在创意生产

你想想看,一条广告以前要花多少钱。

Dollar Shave Club 2012 年那条爆款视频,花了 4000 美元。当时全行业都觉得这已经是极限省钱了。

到了 2025 年,他们做了一个新活动,叫"250 Years, No BS"。多少钱?

400 美元。

十分之一。

他们用 Higgsfield 和 Claude 做的。脚本和喜剧桥段还是人写的,但工具负责快速迭代。从接到 brief 到成片,一周。核心创意只花了三天。

再看看 Too Faced。这个美妆品牌做了一支睫毛膏广告,全程 AI 生成,用 Adobe 的 Firefly Video Model 训在自家的产品图上。后期剪辑从 4 天压到 1 天。省下来的钱去哪了?拿去拍更多的模特素材和找 influencer 了。

这才是 AI 在创意领域真正的价值。

它替代的不是创意人,是创意人下面那条流水线。画画、剪片子、做变体、改尺寸、翻译文案——这些重复劳动被吃掉了。留下来的,是定义问题、写 brief、判断哪个方案好的人。

Kalshi 这个预测市场平台更极端。他们请了一个创作者,用 Google 的 Veo 3 做了一支全国性广告,投在 2025 年 NBA 总决赛第三场的 YouTube TV 直播里。

成本大约 2000 美元。两天做完。

传统的同等制作要多少?七位数。好几个月。

300 到 400 次生成,挑出 15 个能用的片段。这就是现状。AI 生成的废品率极高,但即便如此,成本还是被压到了原来的百分之一。

这就是规模化的力量。

个性化:它不是一个功能,是产品本身

这一类里,我想先讲一个故事。

Spotify 有一个功能叫 DJ。它会挑歌,会像电台主持人一样在歌和歌之间说话,而且是针对你的口味在说。2023 年上线,到 2026 年 5 月,已经覆盖 75 个以上的市场,加了法语、德语、意大利语、巴西葡萄牙语。

它影响了 9400 万 Premium 用户的听歌习惯。

9400 万。你想想这个数字。中国一个一线城市也就两三千万人。这个 DJ 影响的人口比很多国家都大。

但 Spotify 不是一个"营销团队在用 AI"的故事。AI 就是它的产品。 没有这套推荐系统,Spotify 活不下去。

Netflix 也是。推荐系统不只是首页那几个位子,它渗透到了个性化消息、推送通知。Netflix 公开发表过关于推荐系统、上下文赌徒算法、强化学习、基础模型、因果推断的论文。他们要做的事很清楚:让你少花时间找,多花时间看。

当一个东西从"功能"变成了"产品本身",它就不是竞争优势了,它是生存底线。

大多数品牌没到这一步,但他们在努力靠近。

Sephora 的 Virtual Artist,用手机摄像头识别人脸,把口红、腮红、修容叠加上去。1000 多种色号。还有 AI 色号匹配,你拍一张图,它告诉你这是什么色,然后推荐一个类似的 Sephora 产品。

Financial Times 干了一件更聪明的事。他们把那堵付费墙换掉了。

以前是固定的:看 5 篇免费,第 6 篇弹订阅。现在是一个机器学习模型,它在决定该问谁订阅、该放过谁。 2025 年 1 月上线,FT 报告转化率涨了 290%,生命周期价值在接触模型的用户群里涨了 7% 到 10%。

同一堵墙,变成了一堵会思考的墙。

Sainsbury's 这个英国超市,投了 7000 万英镑在个性化定价和推荐的机器学习上。覆盖 1800 万 Nectar 会员,每周生成 2.6 亿条个性化优惠。结果是什么?

水果和蔬菜的销量,涨了 1.3 亿份。

1.3 亿份。一个超市,通过 AI 推荐让顾客多买了 1.3 亿份蔬菜。这就是个性化能做到的事。

客户服务:教训最深的一类

这一类,我要重点说一个品牌。

Klarna。

Klarna 是一个支付公司。2024 年他们部署了 AI 客服,高调宣布:AI 每月处理 230 万次对话,相当于 700 个全职客服。重复咨询下降 25%,利润改善 4000 万美元。

700 个岗位。砍了。

当时全行业的头条都在写这个。AI 替代人工的标杆案例。

然后呢?

然后 Klarna 悄悄改口了。客户满意度撑不住,他们不得不回到"AI + 人工"的混合模式。AI 处理第一层的简单量,人工来扛复杂的、需要判断的、需要温度的部分。

这就是这一类最重要的教训。

AI 在客服里,最好的位置是一层网,不是替代品。它接住那些重复的、可脚本化的问题,把真人解放出来去处理真正需要人的事。

Verizon 做的就是这个。他们给 28000 个客服代表配了一个基于 Gemini 的助手,训练在 15000 份内部文档上。客服在通话中可以即时找答案。部署之后,服务团队的销售涨了近 40%。Verizon 没有裁人,他们把客服重新培训成了销售。

Bank of America 的 Erica,2025 年 8 月突破了 30 亿次客户交互,月交互量超过 5800 万次,服务近 5000 万用户。Allstate 每天发出约 5 万封理赔沟通邮件,几乎全部由 AI 起草,由人工审核。

模式是一样的:AI 起草,人类把关。

Lowe's 给 1700 多家美国门店、30 万名员工部署了一个 OpenAI 助手。员工在卖场上拿着手持设备问它产品细节、项目建议、库存。Lowe's 说这是零售业首次在这种规模上部署同类工具。

规模感很重要。一个 AI 助手好做,30 万人用起来的 AI 助手是另一回事。

企业内部:领导者最关心却最少公开的那一块

这是我被问得最多的一类。

"我们公司该不该搞一个内部 AI 平台?值得吗?"

让我给你几个数字。

JPMorgan。他们内部搞了一个 LLM Suite,2024 年 9 月推给了 14 万名员工。当时总裁 Daniel Pinto 把 AI 的预期价值上调到了接近 20 亿美元,其中大部分跟反欺诈有关。

20 亿美元。一个银行。

IBM 把 AI 智能体用在了自己 70 多个业务领域,覆盖 27 万员工。两年下来,报告了 35 亿美元的生产力影响。他们的 AskHR 智能体处理了 94% 的简单请求。AskIT 把 IT 支持团队的通话和聊天砍了 70%。

Cisco 自己搭了个内部 AI 助手,2025 年 11 月的时候已经服务了超过 10 万用户,处理了 4500 万次交互,平均每天 15.6 万次。用户报告平均每周省 5 小时,73% 的人说生产力提高了。

每周省 5 小时。一年 52 周,就是 260 小时。10 万人就是 2600 万小时。

这个数字往那一摆,CEO 不心动是不可能的。

Nestlé 的 NesGPT,基于 ChatGPT 同款技术。前三个月,7000 多名美国员工跑了近 23 万次 prompt。用户报告平均每周省 45 分钟。45 分钟不多,但乘以 7000 人,乘以 52 周,就是 5.4 万多小时。这还只是美国市场的一部分员工。

内部赋能为什么是企业领导者最关心的话题?因为这里的回报最直接、最可量化、最难造假。 投了一个亿,你今年就能算出来省了多少人力、加速了多少决策。不像广告那种"品牌曝光",这里有账可算。

还有几个被低估的方向

我想再快速过几个方向。它们没有广告那么耀眼,但在品牌内部默默发挥着作用。

供应链。 Walmart 的路径优化技术,砍掉了 3000 万英里的无效运输,避免了 9400 万磅的碳排放。Target 的库存账本每秒能处理 36 万笔交易。Zara 用 AI 做需求预测和库存管理,2025 年销售同比增长 7.1%。

欺诈和安全。 这一类是 AI 干得最久、最稳的。Stripe 的支付基础模型,2024 年帮商家挽回了 60 亿美元被错误拒绝的合法交易。Visa 在 2025 年黑色星期五到网络星期一期间,AI 拦截的可疑欺诈活动比前一年多了 144%。HSBC 用 AI 替代了基于规则的反洗钱筛查,发现的金融犯罪是原来的 2 到 4 倍,误报少了 60%。分析数十亿笔交易的时间,从几周降到了几天。

这就是 AI 在营销之外的暗力量。 它不出现在消费者的视野里,但它影响利润、影响库存、影响风控。

所以,如果你是一个品牌负责人,你该怎么做?

我不想给你列一个"五步走战略"。

但有几件事,我从这 147 个案例里看出来的,可以跟你分享。

第一,从你团队每周摸得最多的那件事开始。

邮件个性化的 A/B 测试、广告素材的快速变体生成——这是最容易起步的地方。可衡量、可回退、不需要重建系统。Meta Advantage+ 你已经在用了。Klaviyo 你已经在用了。先把这些用到底。

第二,内部赋能的回报比客户面对的 AI 更快。

给客服团队配一个文档助手,给营销团队配一个能读消费者调研的智能体,给销售团队配一个能起草 RFP 回复的工具。这些不性感,但它们省下的时间是实打实的。

Hyatt 把 AI 用在了企业客户销售上。他们一年要处理 150 万份企业 RFP。AI 起草回复,销售从手写变成审核修改。CEO 说每个销售每周省下整整一天。一天。

第三,创意领域是最大的省钱机会,但 brief 仍然是人写的。

Dollar Shave Club、Too Faced、Kalshi,这些案例告诉你:AI 替代的是流水线,不是创意人。如果你有一个会写 brief 的人,你可以把执行成本砍到原来的十分之一甚至百分之一。如果你没有这个人,AI 帮不了你。

第四,客服这一类,千万记住 Klarna 的教训。

AI 是一层网,不是替代品。你可以让 AI 处理 70% 到 90% 的简单量,但最后那一层复杂的、有情绪的、需要判断的,必须是人。如果你不预留这一层,客户满意度会教你怎么做人。

第五,别等。

这个我说得直白。到 2026 年了,如果你还在问"我们该不该用 AI",你已经晚了。问题早就不是该不该,而是从哪里开始、怎么量化、怎么扩。

最后

我翻这 147 个案例的时候,有一个很深的感受。

真正的变化,从来不是一声巨响,而是 140 个品牌各自默默地,把一件事做了。

Coca-Cola 用 AI 重做了 1990 年代的经典圣诞广告。Heinz 让 DALL-E 画番茄酱瓶,结果 AI 画出来的全是 Heinz 的样子。Cadbury 用机器学习把一支沙鲁克·汗的广告变成了几千家小本生意的本地广告。Mint Mobile 让 Ryan Reynolds 念了一段 ChatGPT 写的文案,他自己说"有点吓人"。

这些事一件一件发生,加在一起,就是一场迁移。

从"AI 是个新东西"到"AI 是基础设施",这个迁移在 2025 年完成了临界点的跨越。到 2026 年,问题已经变成了另一句话。

不是"谁在用 AI",而是"谁还没用"。

我不知道你的品牌在哪个位置。但我希望你,看完这 147 个真实的故事之后,能找到自己的那一个起点。

那就够了。