AI在营销里到底挣不挣钱?说说真话

先给你讲一个数字。

88%。

现在有88%的企业,都在营销里用上了AI。买工具、批预算、写新闻稿,热火朝天。

但是,麦肯锡的研究发现,真正在利润表上看到影响的,不到10%。

你品品这个数。

钱花了。工具买了。会开了。最后大部分公司,只搞出了热气,没搞出收入。

为什么?是AI不行吗?

不是。

麦肯锡说,只有6%的企业算得上「AI优等生」——标准是AI带来了5%以上的EBIT影响。MIT 2025年的一份研究更狠:95%的生成式AI试点项目,没能真正交付价值。

IBM在2025年Q4的调研里有个特别有意思的数:79%的企业说自己生产力提升了,但只有29%能讲清楚AI的ROI到底是多少。

这俩数摆在一起,你就看出问题在哪了。

生产力上去了,生意没动。

什么叫生产力上去了?就是你的员工确实快了。原来写一篇文章8到10小时,现在2小时。原来一个营销活动要磨一周,现在半天出方案。

但是,转化率没涨,获客成本没降,客户也没多留下来一秒。

说白了就是,大家在公司里头忙得更欢了,可市场和营收,纹丝没动。

这是一场「生产力表演」,不是一场商业变革。

真正拉开差距的变量

那6%的优等生,到底做对了什么?

麦肯锡给了一个特别清楚的答案:他们的高管,真的在管这件事。

不是甩给技术团队,不是外包给代理公司,不是招一个「AI负责人」就当甩手掌柜。是CEO、CMO自己把AI战略攥在手里,亲自定方向,亲自盯结果。

优等生公司里,高管亲自站台、亲自掌舵AI项目的概率,是其他公司的3倍。

德勤2026年的分析也印证了这点:决定AI能不能规模化的最强因素,是高管赞助和正式的治理框架。不是选了什么工具,不是预算多少,甚至不是数据起点有多干净。

普华永道说得更直白:失败的企业,都是在追风口,而不是把AI对准具体的、可衡量的业务流程。

AI战略这件事,你一旦外包,它就不再是你的竞争优势了。

AI真正挣钱的地方,说五个

讲清楚哪里失败之前,先把真正能挣钱的地方讲透。我给你盘五个,数据都是公开可查的。

第一,个性化。

个性化这件事,营销人喊了二十年了。AI是第一个真正能让它在企业级规模上跑起来的技术,不用养一支分析师团队每季度重建人群包。

麦肯锡的数据:个性化能让获客成本降一半,营销ROI提升10%到30%。AI驱动的精准投放,转化率高40%,客单价高35%。

星巴克有个系统叫Deep Brew,给2760万会员做个性化推荐,人均消费涨了34%。

但是这里有个坑,必须提醒你。AI个性化只有在用第一方自有数据时,才是挣钱的。你拿第三方数据去喂AI,等于在一片既不可靠、又随时可能违法的地基上盖楼。看起来漂亮,法律和品牌风险都在暗中标注好了价格。

第二,付费媒体优化。

这是目前大多数营销团队最快、最直接能证明ROI的入口。

AI在出价、定向、创意测试上的模式识别能力,跟这个任务简直是天作之合,反馈环又紧到能立刻量出效果。

AI驱动的投放,ROI高22%,转化多32%,获客成本低29%。上线速度快75%,点击率高47%。

美国市场上,AI驱动的搜索广告,预计从2025年的10亿美元,涨到2029年的260亿美元。

市场不会等你。

第三,内容生产。

以前一篇1500字的文章,要写8到10个小时。现在一个懂行的人配AI,2小时搞定。93%的营销人说AI加速了内容产出,邮件收入多41%,内容排期也更稳。

但是,这里有一个关键区分。

AI是生产力的放大器,不是策略的替代品。

那些为了省成本砍掉人工审校的团队,最后产出一堆跟别家用同样AI的公司一模一样的内容。你的品牌稀释了,你在内容日历上看不出来,但你的读者感觉得到。

第四,预测性分析。

这可能是被低估得最狠的一块。

92%的头部营销团队在2025年就在用AI做预测分析了。82%的CMO说AI让他们对预测准确性更有信心。成熟的部署里,AI推荐引擎让转化率涨了150%,客单价涨了50%。

有意思的是,预测分析恰恰是营销里部署率最低的AI应用,尽管ROI排名前列。

这是一片竞争空白。谁现在动手建,18个月后,你就在用精确预测打别人还在吵季度归因模型的对手。

第五,客服自动化。

对大多数公司来说,客服是成本中心。AI改变这个等式的方式,不是把人都裁掉,而是把那些把人磨没的重复劳动干掉。

支持成本降18%。澳洲的NIB用AI自动化客服,省了2200万美元。解决时间最高缩短87%,52%的客户交互有AI参与,满意度还能到84%。

对B2B来说更简单:AI处理掉一线标准问题,你最贵的人才能腾出手去做真正能成单、能深化关系的事。

AI不挣钱的地方,也说五个

大部分写AI营销的内容,都把AI说得无所不能。不是的。

如果你要根据一份不完整的画面来做预算决策,你正在给自己挖一个昂贵的坑。

坑一:在烂策略上叠AI。

这是最常见、也最贵的错。

管理层看到竞争对手用AI,批了预算,上了一套工具。但是策略本身,在AI来之前就是错的。

麦肯锡的研究里,70%以上的转型项目失败,主因是目标不清、上下不对齐,不是技术问题。

AI不会修好一个烂策略。它只会让烂策略跑得更快、规模更大。

在问AI该说什么、对谁说之前,先想清楚:你到底在跟谁说话,他凭什么在乎你,你想让他下一步做什么。

坑二:工具一堆,数据不通。

贝恩2025年的研究:当「谁来负责」「怎么衡量」「流程怎么重设计」这三件事缺位时,AI项目没法规模化。

把AI工具完全集成进同一套数据栈的公司,成本效率的提升,是那些用零散工具的公司的2倍。

给你一个自查红线:如果你的团队能列出六七个常用的AI工具,但没人能讲清楚这些工具之间的数据怎么流动,你正在演一出生产力大戏。工具很忙。生意没动。

坑三:AI碰品牌,出事是品牌的事。

这个坑跟前几个不一样,因为代价不只是钱,是声誉,而且是在你dashboard看得见之前,就已经悄悄在累积。

可口可乐用AI做的圣诞广告,引发了一场消费者反弹。那个AI做的「威利旺卡体验」,直接成了品牌灾难的教材。还有不止一家公司的客服AI,在公开场合输出了尴尬甚至有害的内容。

AI生成的内容出了问题,损伤的不是工具,是你的品牌。

任何接触品牌声音、危机沟通或客户关系的AI输出,都必须有一道人工审核关。这不是官僚主义,这是品牌保险。

坑四:过度个性化,客户反而跑。

个性化是有天花板的,而现在大部分AI部署,根本识别不出自己已经撞线了。

在B2B里,在多个决策者身上同时施加重度个性化,会引发决策疲劳和疏离感。CoSchedule 2026年的调研显示,只有9%的营销人把个性化列为2026年的首要目标。炒作和实践之间的鸿沟,比你想的大。

过了某个临界点,个性化就不再像服务,开始像监控了。这条线,根据场景不同而移动,现在只有人的判断,才能靠谱地读出你踩在了线的哪一边。

坑五:永远在试点,永远不上量。

这可能是最危险的,因为从外面看,它像是在进步。

BCG 2026年的CEO调研:AI试点项目遍地开花,但大部分企业拿不出可量化的业务影响。只有16%的AI项目实现了企业级规模化,只有25%交付了预期的ROI。

待在试点模式里的代价,不只是浪费了实验预算。是复利式的竞争劣势。

2024年就All-in AI营销的那批公司,2026年已经在收割市场了,不是在做实验。你在试点里多待一个季度,就是给先动手的对手多送一个季度的优势。

一道简单的选择题

讲了这么多,给你一个特别简单的判断框架。

凡是能说清楚这三件事的AI项目,值得投:对准了具体业务流程、有清晰的成功指标、有高管亲自背书。说不清楚的,先停一停。

四个象限给你一个速查:

• 先动手:ROI高、门槛低。付费媒体优化、邮件个性化。
• 再放大:ROI高、门槛也高。预测分析、AI智能体。
• 先管住:ROI低、门槛高。AI品牌创意、自动生成内容。
• 果断停:ROI低、门槛也低。零散的独立工具、为了AI而AI的项目。

接下来是什么?智能体

到目前为止我们聊的AI,本质都是工具——人用它,干得更快更聪明。

接下来的东西,质的不同。

Gartner的预测:到2026年底,40%的企业级应用会内置任务专用AI智能体,比2025年涨了8倍。

翻译成营销的语言:广告活动实时自我优化,不需要人插手。线索自己打分、自己路由,根据实时行为信号走。内容日历根据热门需求自动填充。客户旅程根据个人行为动态调整,而不是按照预设的人群包。

把超过一半AI预算投向智能体的早期采用者,已经报告了88%的ROI实现率,而所有AI采用者的平均是74%。这个差距,会随着技术成熟继续拉大。

但是这里有个治理问题,我必须提醒你。

Forrester 2026年预警:B2B企业会因为不受治理的生成式AI,损失超过100亿美元。治理是收入保护策略,不是开销。

普华永道2025年调研:60%的高管说负责任AI提升了ROI和效率,但近一半的企业,在落地层面还是搞不动。

AI治理不是官僚主义,是复利回报的基础设施。 现在建好治理框架的企业,等AI能力进一步加速时,会比别人跑得更快,而不是更慢。

接下来90天,怎么办?

分析够了。给行动。

前30天,做三件事:

1. 把现在在用的每一个AI工具过一遍。能不能画出一条到营收的线?画不出,就砍掉或者合并。
2. 指定一位高管做营销AI的ROI负责人。一个人,一套KPI,每季度复盘。不要搞委员会,不要轮值。
3. 找出你手里最有价值的两项自有数据资产。邮件列表、CRM、自有平台的行为数据。这些才是值得在上面做AI个性化的地基。

第二个30天,加两件事:

4. 在付费媒体优化上,启动一个AI试点。定义清楚假设、成功指标和复盘日期。这是你能最快证明ROI的入口。
5. 给所有面向客户的AI内容,建立一道人工审核流程。在出事之前就写好。品牌危机不是你发现缺少审核机制的好时机。

第90天:

6. 把所有在跑的AI项目,跑一次完整的四门审计。达标的纳入运营模式,在试点炼狱里赖着的,该砍就砍。开始动手建预测分析的数据基础设施。这是你2026到2027年的护城河。现在起步的公司,在对手决定入场之前,已经有18个月的模型训练积累了。

最后说一句

AI在营销里,真的有用。

在特定的地方、有对的地基、由对的人掌舵,它已经在重写整个品类的竞争格局。

但大多数现在用AI营销的企业,并不在那些特定的地方。他们在做实验、买工具、给董事会汇报生产力指标,而董事会越来越不好糊弄。

到2027年领跑各自品类的公司,不是实验做最多的那批,是最快把赌注押在对的用例上、配上对的治理、由真正理解「活动」和「结果」之差的高管来推的那批。

赢家不是工具用得多的,是工具用得少、纪律更强、承诺更深的。

这就是全部的论点。