AI 营销的钱，到底什么时候才叫挣得回来？

上周，一个做市场营销的朋友来找我吃午饭。

刚落座他就问：你成天研究商业的事，那我问你一个实际问题，AI 营销，到底挣不挣钱？

我说，你先别急着要答案。你先告诉我，你们公司这两年投在 AI 上的预算，涨了没有？

他想了想：翻了一倍还多。

我问：那你的 ROI 报表上，涨了没有？

他愣了三秒：没算过。

我把筷子放下，跟他说了一句大实话：你现在这个“没算过”，就是过去两三年全行业最常见的三个字。

什么叫 ROI？说白了，就是钱花进去，得带着钱出来

什么叫 ROI？ 你投进去一块钱，过一阵子，能不能连本带利回到你账上。这块，就是投资回报。

AI 营销最开始讲的故事，谁都听过：效率翻倍、个性化拉满、决策越来越聪明。

愿景给得那么满，期望自然被抬得很高。可等真金白银砸下去了，大家才发现，账没想象中回得快。

2025 年，波士顿咨询（BCG）发过一份调研，数字说得很直接：

只有大约四分之一的企业，走完了试点，拿到了看得见的 AI 价值。

换句话说，剩下四分之三的公司，钱花出去了，ROI 还在路上。你以为这是哪家倒霉公司的故事？不，这可能是大多数公司的现状——想想都觉得凉。

这不是一家之言。把同类调研都摊开，画面基本一致：

• 约 47% 的公司说，自己的 AI 项目开始有利润了；近三分之一只打个平手，剩下 14% 在倒贴。
• IBM 问过还没见到 ROI 的公司，超过一半觉得，还得再等上一到两年，才可能看到像样的节省。
• 德勤（Deloitte）的口径也差不多：74% 的企业，还没从 AI 上拿走足够多的价值。
• 再往前翻，2023 年高德纳（Gartner）就追过一笔：那一年，只有 54% 的 AI 项目活过了试点；活下来的那些，还有不少没兑现当初承诺的财务或运营影响。

所以结论其实很清楚：

所有人都在投 AI，但大部分公司，还没等到钱进账。

为什么算不出账？四个坑，坑坑致命

AI 落地这么难，究竟卡在哪？专家们来回筛，筛出四个重复出现的坑。

第一个坑，数据不干净。 AI 跑得有多快，数据就把你拖得有多重。行业里有个说法：数据问题能吃掉一个 AI 项目大约 80% 的工时。数据服务平台 Informatica 的调查里，也有 43% 的公司，把数据质量列为头号绊脚石。

第二个坑，账没算实。 技术买了，试点也跑了，可这个功能到底打算换回哪笔收入，没几个人认真算过。德勤的数据里，39% 的公司卡在战略不清、用不起来、规模化不了。还有一半左右的 AI 项目，连真正的生产部署都没走到，就草草收场。

第三个坑，人没跟上。 Informatica 的数据里，35% 的公司说，缺的从来不是工具，是懂数据、会用 AI 的人。项目铺开了，没人运营，自然跑不到生产。

第四个坑，风险被低估。 有人统计过，高达 85% 的 AI 项目，会因预期管理不当、数据底下埋着雷，给出有偏差甚至误导的结果。部署成本和基础设施，低估起来能达到十倍。再看合规。埃森哲（Accenture）的调研里，对未来五年新增 AI 法规“完全准备好了”的企业不到 1%；45% 的企业高管相信，未来 12 个月里发生重大 AI 事故的概率，超过四分之一。

数据、账、人、风险——四个坑连起来踩一遍，ROI 自然遥遥无期。

有人真把账算明白了。他们做对了什么？

别急着划走。数据之外，还有一批赢家，结局完全相反。

我研究过这批人，他们做对的事情，翻来覆去就三件：

第一，把“会用 AI”当成本事来教。 给员工做过 AI 培训的公司，项目部署成功率，比没怎么做的高出 43 个百分点。工具满大街都是，真正拉开差距的，是人。

第二，敢往深处使劲。 麦肯锡（McKinsey）的统计里，营销和销售的口子，只要把 AI 用到了“深度”，销售 ROI 平均能比同行多出 10% 到 20%。

第三，愿意算三年账。 BCG 把持续领先的公司单独拉出来比了比：三年下来，它们的营收增长是同行的 1.5 倍，资本回报率是 1.4 倍。

这里面最像公式的一条，还是 BCG 给的 10-20-70 原则：

10% 的资源，放在算法上； 20%，放在技术和数据里； 剩下的 70%，放在“人”和“流程”上。

看清楚这个比例，别搞反。搞反了，钱先输一半。

从哪下手？先把“什么叫 AI 营销”说清楚

所以，先别急着问“要不要上 AI”。真正的问题，是“怎么上”。

什么叫 AI 营销？ 就是让 AI 模型当你的参谋，去跑营销策略、去找用户。它能在一座山一样的数据里，翻出人看不见的规律，然后告诉你一句人话：谁，最可能买你。

想从里面赚到钱，麦肯锡说，先挑这三件最务实的事：

1. 潜客识别。 把最可能下单的人，先从人群里捞出来；
2. 营销优化。 什么时间、走哪个渠道，让系统自己拍板，别等你拍脑袋；
3. 个性化触达。 让机器人替你，跟每个用户一对一聊。

再往 ROI 上算一笔。干得好的公司，基本都做到三件事：战略上，一句话写清楚 AI 到底来干什么；预算上，把数字预算里投给 AI 核心技术的钱，提到了 20% 以上；团队上，除了买工具，还配了懂模型的数据科学家、策略师。

挑 AI 工具，我只盯一样：它能不能把账说清楚

总算说到最后一步，怎么挑工具。

参数别去看花眼。先盯一个东西：可解释性。

什么意思？就是工具出了个结论，它能不能告诉你“我凭什么这么判断”。有的 AI 像黑盒子，它说了算，你只能信；好一点的是玻璃盒子，把判断的依据拆开给你看。

做营销的 Iterable 走的就是后面这条路。它把可解释 AI 嵌进了 AI Suite 里的 Brand Affinity（品牌偏好）和 Predictive Goals（客户预测）两个模块，既能抓客户的喜好，也能讲清楚这个判断是怎么来的。它给你的是能拆开看的账，不是一句“信我”。

最后

回到开头那位朋友。

我最后跟他说：你想三个月就把钱都挣回来，那不太现实。但把数据的坑填上，把员工的 AI 能力补上，把七成的心思押在人身上，再挑一个能讲清道理的 AI 工具。过一两年，你再叫我出来吃午饭，把那本 ROI 账带上。

他笑了笑：那这顿饭，我自己付。

我说：到时候，账先生，你请我吃贵的。

祝那个迟一点算账的你，算出来的是底气，不是心慌。