156 个品牌，正在用 AI 做营销：我把数据库翻完了，说三件让你意外的事

前段时间，我在网上翻到一份挺有意思的东西。

有人把全球 156 个品牌用 AI 做营销的案例，整理成了一张可以检索的数据库。每张卡片上写三行字：用了什么工具，拿到了什么结果，原始资料在哪。更新到了 2026 年 7 月。

我本来以为又是那种"AI 将颠覆营销"的口水汇编。点开看了几页，发现不是。

它不预测未来，不喊口号，只摆事实。

Coca-Cola 用 AI 重制了那支"Holidays Are Coming"，一个互动的 AI 圣诞老人头像，60 天里在 43 个市场拿到了超过 100 万次互动。Adidas 用生成式 AI 做个性化邮件，销售涨了 37%，成本砍掉 91%。Sephora 的虚拟试妆，购买完成率是普通流程的三倍。

你想想看，156 个名字，每一个背后都有一串真金白银的数字。

这不就是咱们一直想看的"到底谁在用、用得怎么样"吗？

我把这份库翻了一遍，想说三件可能和你想的不一样的事。

第一件：广告平台那点提升，是真实的，但别神化它

先说最容易被夸大的那一档。广告。

Meta 的 Advantage+、Google 的 Performance Max，这两套东西你现在只要花钱投广告，基本已经在用了。它们干的事说白了就一件：以前一个媒体优化师要盯的出价、人群、版位组合，现在算法替你算了。

效果呢？数据库里的数字很一致。

Meta Advantage+ 平均让 ROAS 涨了 22%，Google Performance Max 平均让转化多 13%，CPA 基本持平。Lululemon 在加拿大跑 Performance Max，配合一套归因和增量实验的测量方法，ROAS 涨了 8%。

8% 到 22%。

这个数字重要吗？重要。在一个利润按百分比算的行业里，十几个点的提升是真金白银。

但它不是那种会让你"哇"出来的革命。它更像什么呢？你原来雇了个不错的优化师，现在这位优化师 24 小时不下班，还不要加班费。

真正让人坐起来的数字，不在广告这边。

第二件：成本砍掉九成的地方，在创意生产

这才是我翻完数据库后最想跟你说的。

Adidas 的个性化邮件创意，成本降了 91%。Nestlé 内部那个叫 NesGPT 的工具，15 万员工在用，内容生产时间砍掉 60%。Unilever 搞了个 AI 内容工厂，单次活动的产出量是以前的 17 倍。

91%。60%。17 倍。

这些数字不是"提升了一点"，是把原来那条流水线的成本结构整个掀了。

但请注意，我说的不是"AI 取代了创意"。

你去看 Too Faced 那条睫毛膏的广告。它是用 Adobe 的 Firefly Video Model 生成的，五道工序，花了大概两周。剪辑这一关从四天压缩到一天。省下来的钱去哪了？拿去请了更多网红合作，拍了更多真人模特素材。

人定 brief，AI 干流水线。

这才是这些案例真正在讲的事。设计师、文案、策略师没有被干掉，被干掉的是那部分重复的、组装式的、把一个 banner 改成 40 个尺寸的活。

我再给你一个更狠的。Kalshi，一个预测市场公司，找了个创作者用 Google 的 Veo 3 拍了条全国级广告，插播在 NBA 总决赛第三场的 YouTube TV 流里。成本大约 2000 美元，两天做完。同等规格的传统拍摄？七位数，几个月。

Dollar Shave Club 更绝，用 Higgsfield 和 Claude 做了一支广告，400 美元。他们 2012 年那条成名作花了 4000 美元。

当一条广告的制作成本从十万级掉到千级，整个行业的产能逻辑就变了。

这不是预测，是已经发生的事。

第三件：那个最出风头的，悄悄走了回头路

这一段，我想单独说说 Klarna。

2024 年初，Klarna 部署了一个 OpenAI 驱动的客服机器人，覆盖 23 个市场、35 种以上语言。第一个月，它就接下了三分之二的客服对话，响应时间从 15 分钟压到 2 分钟以内。公司公开说，这相当于 700 个全职客服的活，贡献了 4000 万美元的利润改善。

听起来是 AI 客服的教科书级胜利，对吧？

媒体也确实是这么报的。

但到了 2026 年，Klarna 转向了混合模式，重新招回了人工客服。原因？复杂问题的满意度掉下来了。

我特别想让你记住这个反转。

数据库里客服那一档有 20 个案例，Bank of America 的 Erica 累计 20 亿次交互，Wendy's 的语音点餐准确率 86%，Verizon 给 2.8 万客服代表配了 Gemini 助手、销售涨了近 40%。这些都是实打实的成绩。

但这些赢的家有一个共同点：AI 是叠在一支真人队伍上面的那一层，不是替代这支队伍。

Verizon 很典型。它给客服配 AI，不是为了让客服下岗，是让他们从"接电话"转向"在电话里卖东西"。

Allstate 每天发出去大约 5 万封理赔沟通邮件，现在几乎全是 AI 起草的。但每一封都有理赔员审过才发出去。

Lowe's 给 1700 多家店的约 30 万员工配了一个 OpenAI 做的助手，员工在卖场拿着手持设备就能问产品细节、库存、施工建议。它不替代员工，它让员工答得更准、更快。

Klarna 的故事教训在哪？在于你把 AI 当替代品，它就会在某个你不注意的角落掉链子。你把它当放大器，它就把你团队的能力放大。

这一条，比任何一个百分比都值得记住。

那些没人嚷嚷的，反而做得最深

聊完上面三档，我得说一个容易被忽略的类目。

企业内部的 AI 部署。

这个类目不对外、不上新闻、不刷屏。但它是企业领导人私底下问得最多的一个方向。

JPMorgan Chase 用 8 个月把一个叫 LLM Suite 的工具推给了大约 20 万员工，用户每周省下 3 到 6 小时，近一半人每天用。Microsoft 把自己当 Copilot 的试验田，公开了部署手册，一年省了大约 5 亿美元。IBM 把 AI agent 撒进了自己 70 多个业务条线，两年算下来 35 亿美元的生产力影响。

这些数字大不大？

大。

但更有意思的是它们的做法。Amgen 从 2023 到 2025 年分了几个波次给大约 2 万员工上生成式 AI，每一波之间都留出治理和测试的缓冲。Vodafone 先用 300 人试了三个月，测出来每人每周省 3 小时、法律部门省 4 小时，90% 的人说想继续用，然后才推到 6.8 万人。

没有一家是一把梭的。

它们都在做同一件事：先小范围跑出数字，再用数字说服下一波人。

这不就是任何一次组织变革该有的样子吗？AI 只是让这件事跑得更快、测得更准了。

如果你要动手，从哪开始？

数据库的整理者给了三条规矩，我觉得挺实在，转述给你：

第一，只用能点名的真实品牌，不要"某世界 500 强零售商"这种匿名货。

第二，每一个数字都能追到原始出处。公告、财报、新闻稿、厂商案例。厂商自家博客的会单独标出来，让你知道这是谁在说话。

第三，必须有具体结果。"提升了效率"不算数。百分比、金额、省了多少小时、影响了多少人。这才算。

我也顺着这个思路，给你一个我自己的判断。

别从最性感的地方下手。

生成式视频做品牌大片，很酷。但你第一笔能拿出去汇报的 ROI，大概率来自邮件主题行测试、广告创意 A/B 测试、商品详情页文案这一类"无聊"的活。

这些活的特点是：可量化、可回滚、不用换供应商、不用走采购流程。Mailchimp 的 AI 主题行工具平均让打开率涨 23%，Klaviyo 的预测发送让单收件人收入涨 30%。这些都是你已经付费的工具里就有的功能。

先用这些跑出一个数，再去啃个性化推荐、用户分层、在应用里的体验定制那些硬骨头。那时候你团队聊的就不再是"我们要不要试 AI"，而是"上季度这个工具给我们带来了什么"。

对话的层级，完全不一样了。

最后说一句

这份数据库里有零售、餐饮、金融、出行、电信、制药、酒店、媒体，156 个名字。

零售和电商走得最快，因为它们本来就有商品库、推荐引擎、用户数据，AI 接进去是顺水推舟。食品饮料紧随其后，Coca-Cola、Heinz、Cadbury、Nestlé、PepsiCo 都在这张表上。金融服务在客服和反欺诈上发力最猛。Mastercard、Stripe、JPMorgan，AI 在这个领域已经扛了十几年大梁了。

你如果想找一个标杆对着抄，CMO 视角我推荐这几个：JPMorgan（内部 LLM + Persado 写广告文案）、Coca-Cola（广告里的生成式 AI）、Adidas（个性化邮件）、Nestlé（内容生产）、Sephora（视觉搜索和推荐）、Spotify（把个性化做成了产品本身）、Walmart（员工培训 + 供应链）。

每个名字后面，都是一串可以追到源头的数字。

不神化，不贬低。翻完这 156 个案例，我没觉得 AI 在营销里已经"颠覆"了什么。我看到的是一件更实在的事。会用的人，已经开始把不会用的人甩开了。

差距不是昨天才出现的。但 2026 年，它终于大到所有人都看得见了。

愿你在这场拉开差距的过程里，是走在前面那一边。