AI营销的钱，到底花得值不值？我给你看10家公司的账

前段时间，一个做CMO的朋友约我喝茶。

他说，预算被砍了，但老板给AI工具的钱反而多了。理由就一句话：别人都在用，我们不用就输了。

他问我：你说，这笔钱到底花得值不值？

我说，这事问故事没用，问PPT更没用。

得看账本。

巧了，我最近正好翻了10家公司的账。零售的、快消的、做软件的、开银行的、拍片的，还有一家新加坡的中小企业。行业五花八门，但每一笔账都有据可查。

今天我就把这10笔账，挨个讲给你听。

先立一个基准数

翻账本之前，先给你一个参照物。

麦肯锡在2023年出过一份AI状态报告，里面提到：把AI真正揉进营销职能的公司，营收提升3%到15%，销售ROI改善10%到20%。

3%到15%，什么概念？

你想想看。一家年收入10亿的公司，3%就是3000万，15%就是1.5亿。这已经不是「省点费用」的量级了，这是换赛道的量级。

为什么前几年大家不信？因为那时候AI营销还停在试点阶段，大品牌关起门在沙盒里玩，外面的人隔着玻璃围观。

现在，玻璃没了。

好，开始翻账。

丝芙兰：一个11%，一亿美元

先讲丝芙兰。

丝芙兰在它的App和网站上装了一套AI个性化引擎。你买过什么、你的肤色数据、你最近在浏览什么，它都记得，然后像私人美容顾问一样给你推荐。

用过它家Virtual Artist虚拟试妆的顾客，转化率比没用的高11%。更狠的是，丝芙兰把一个财年的增量收入归因给个性化引擎，数字超过一亿美元。

一亿美元。

一个推荐引擎，干出了一个中型公司的年收入。

这里面有个细节值得琢磨。丝芙兰没有给所有人推同一波「夏季大促」，它是把每个人当成「一个人」来服务的。这就是AI个性化和传统分群的区别：模型每被使用一次，就变聪明一分。

用得越多，越准。越准，越赚钱。

这就是复利。

可口可乐：把内容生产的时间，砍掉一半

第二笔账，可口可乐。

可口可乐是早早把生成式AI摆上台面的大品牌，拉上OpenAI和贝恩一起干。2023年它搞了个活动，让消费者直接用GPT-4和DALL·E生成品牌创意内容。

消费者玩得开心，公司账上也好看：内容生产周期缩短了最多50%，全球市场的创意迭代成本降下来一大截。

50%是什么概念？

一家同时在几十个市场跑成千上万个本地化活动的公司，内容产能翻倍，人手一个没多招。

这就是AI在执行层干的事：把人的瓶颈拿掉，但把人的判断留在策略层。

阿里和摩根大通：机器写的文案，真的更能打吗？

讲到这，你可能会说：润总，机器写的东西，能有人写得好吗？

问得好。我给你看两笔账。

阿里的AI文案工具「鲁班」，一秒钟能给平台商家生成两万条商品文案。两万条，一秒钟。任何人类团队都望尘莫及。

但快不等于好，对吧？关键在后面的A/B测试：AI写的商品描述，点击率平均比人写的高8%。

无独有偶。摩根大通拿AI生成的广告文案，跟自己内部营销团队写的文案做对照实验，用的是Persado的自然语言生成技术。结果AI版每次都赢，有些场景下点击率是人工版的两倍多。摩根大通随后跟Persado签了五年企业级合同。

银行啊。合规要求最严、最保守的行业。AI在镣铐里都能跳赢专业的文案团队。

天呐。

这说明什么？说明「人写的肯定更好」是个假设，不是事实。当AI用高转化样本训练过、冲着明确的转化意图去优化时，它在规模上赢，在单点上也能赢。

联合利华和Netflix：省下来的，都是纯利

再看两笔「省钱」的账。

联合利华把AI铺进了全球程序化广告，用机器学习实时调出价、调人群、换素材。结果是获客成本降了25%，触达目标还一个没少。按它家的广告盘子算，一年省下的钱是以亿计的。

省下来的钱去哪了？说白了，直接变成利润。

Netflix那边更夸张。它的推荐系统管着你看到的每一张海报、每一个被推到首页的片名。Netflix自己披露过：这套系统每年帮它省下大约10亿美元的客户留存价值。没有它，用户流失率会明显上升，Netflix就得花更多的钱买内容来填坑。

还有个容易被忽略的细节。Netflix的AI有相当一块是长在营销层，不在产品层。同一部片子，给不同用户配不同的缩略图，就靠这个计算机视觉选图，点击率能差20%到30%。

对的内容，配对的图，在对的时刻给到对的人。

这就是AI营销做到极致的样子。

Spotify和星巴克：把「一个人」当「一个人」服务

这两家的账，讲的是同一件事。

Spotify每年年底的 Wrapped 年度总结刷屏，但撑起它的个性化引擎是一年365天连轴转的。每封邮件、每条推送、每条App内消息，都是按单个用户定制的。AI生成的个性化邮件，打开率是群发邮件的2到3倍。

星巴克就更生活化了。它内部的AI平台叫 Deep Brew，看你的购买记录、位置、时段，甚至当地天气，然后在「刚好想喝」的时刻把优惠推给你。上了AI个性化之后，优惠核销率是原来规则分群时代的3倍。背后那3000万活跃会员，一直是它最重要的收入引擎。

3倍核销率。2到3倍打开率。加上丝芙兰那11%。

你发现没有，凡是把个性化做到「个体级」的，回报都是跳变式的，不是修修补补的5%。

为什么？因为分群再细，也是「一批人」；只有个体级，才是「你」。

HubSpot和一家小公司：这游戏不是巨头的专利

讲了这么多巨头，你可能在想：那是他们家大业大。

看两笔小账。

HubSpot把AI线索打分装进自家CRM，先在自己内部销售团队跑通了才对外卖。用AI打分的销售团队，转化率比人工打分的高30%，销售的时间不再浪费在没戏的线索上。

然后是我最喜欢的一笔。

新加坡一家做B2B服务的中小企业，借力Hashmeta AI这样的营销平台，跑了半年的「AI内容加AI响应」：一边按稳定节奏发布AI辅助、人工策略师把关的搜索内容，一边让AI在90秒内响应每一条进线咨询，WhatsApp和邮件全覆盖。

半年后，自然搜索流量涨了340%，合格线索转化率提升58%。

340%。

没有巨额预算，没有数据科学团队。一个普通的中小企业，半年。

AI放大的是判断力，不是预算。

这10笔账，藏着3条规律

好，账翻完了。你把10笔账摊在桌上一起看，能看出什么？

第一条：快。 一秒两万条文案，90秒响应一条线索。AI把人的执行瓶颈拿掉了，但注意，人的判断还坐在策略层，没动。

第二条：准到个人。 分群级营销已经是上一个时代的东西了。个体级的个性化带来的，是转化和留存的跳变，不是微调。

第三条，也是最狠的一条：复利。 模型每交互一次就更聪明一分，内容库每多发一篇就更厚一层。早用的人，每个季度都在拉开身位。

晚来的人想追？要追的不是一步，是滚了几个季度雪球的差距。

不过，我得再啰嗦一句。

这10家里，没有一家是「AI单打独斗」赢的。丝芙兰有美容顾问在调教推荐逻辑，摩根大通有资深营销人在审AI的产出，星巴克有策略师在设计忠诚计划的机制。

AI负责速度和规模，人负责方向和品味。

AI放大人的专业，它不取代人的专业。

那你从哪下手？

看到这，问题就变成了：我从哪开始？

对大多数成长型企业，有三个杠杆最粗的地方。

一是搜索可见性。用AI按稳定的量产出能排上去的内容，同时盯住GEO和AEO这两个新阵地。什么叫GEO、AEO？就是让你的内容被ChatGPT、Perplexity、Google的AI摘要引用。用户现在越来越多地问AI，而不是搜链接，这个阵地正在快速变大。

二是线索响应速度。这有个数，几乎没争议：5分钟内被联系上的线索，转化可能性是拖一小时再联系的9倍。AI响应系统7乘24小时在岗，WhatsApp、邮件、网页聊天全接住。半夜三点来的询盘，一分钟都不耽误。

三是客户互动。能记住对话历史、能个性化推荐、搞不定还知道转人工的AI客服，本质上就是用中小企业的成本，复刻星巴克和Spotify的留存打法。

从这三个口子进去，回报是会滚雪球的。

回到那杯茶

那天最后，我跟朋友说：你的问题问错了。

不该问AI值不值，该问自己什么时候开始。因为这10笔账告诉我们，赢家从来不是预算最大的那几家，而是动手最早的那几家。

差距每个月都在拉大。

在AI这件事上，等待的成本，比试错的成本高得多。

账我给你翻完了。下一步，看你的了。

祝你，是滚雪球的那个人。