营销人要慌了吗?生成式 AI 到底会把这门生意改成什么样

前段时间,我刷到一条新闻。

可口可乐用 AI 造了一款新饮料,叫 Y3000。这瓶饮料的配方、口感、包装视觉,有一部分是生成式 AI「想」出来的。

我当时的第一反应是:连饮料这种靠舌尖和味觉的生意,都开始让 AI 插手了?

然后我又翻到几条:联合利华、雀巢、麦德龙,都在用 AI 生成广告创意。Meta 公开说要让 AI 自动出广告素材。还有一份预测说,营销会是受生成式 AI 冲击最大的部门,每年能撬动大约 4630 亿美元的生产力空间。

4630 亿。

你没看错。

我当时就在想一个问题:这玩意儿到底是怎么运作的,为什么突然之间,它什么都能做了?营销人到底是该拥抱它,还是该紧张?

我把自己关进书房翻了几天资料,想把它想明白。今天,我把这几天想通的事,一块儿跟你聊聊。

先搞清楚:生成式 AI 凭什么什么都能做

什么叫生成式 AI?

你给它一段话、一个指令,它就能给你吐出一篇文章、一张图、一段视频,甚至一段程序代码。

这件事听起来很玄,但底层逻辑其实没那么神秘。

过去我们训练 AI,靠的是「监督学习」,也就是人喂它标准答案,它学着对答案。问题是,标准答案太贵了,要标注,要人工,所以数据量上不去,模型的能力也就卡在那。

后来有人换了个思路:不喂答案了,把数据里的一部分挖掉,让模型自己猜缺的那块是什么。这就叫「自监督学习」。

举个例子。你给它一句话:「这是一篇___文章」。它就得猜,空格里大概率是「评论」或者「科学」,而不太可能是「雨伞」。

这么干的好处是什么?答案就藏在自己手里,不用人标注,数据量想堆多大堆多大。文本、图片、视频、音频,全都能这么训。训出来的模型,就叫「基础模型」。

那它怎么生成新东西呢?说白了就是「接龙」。你给它一个开头,它根据训练时见过的所有东西,算下一个字最可能是什么,一个字一个字往下吐。

这里有个关键:它每次吐字,是带着随机性的。同样的开头,每次吐出来的可能不一样。

这就意味着,它天生就会「编」新东西。

天呐。这一点很重要。随机性,加上它见过海量数据,等于它能帮你把两个风马牛不相及的概念搭到一起。而历史上很多大发明,从医学突破到便利贴、到防碎玻璃,不就是这么碰出来的吗?

但是,光「新」还不行。

你新出来的东西得「对」。得是消费者能接受、愿意买单的「对」。

有人做过一个对比实验。让 ChatGPT 和一群 MBA 学生各自想十个产品点子,然后打分。结果 ChatGPT 想的点子,平均下来比 MBA 学生还受欢迎。更有意思的是,研究人员还在其中一个组里额外给 ChatGPT 喂了一批「优质点子」做参考,结果发现,喂不喂,分数差不多。

为什么?

**因为它早就见过了。**训练数据里,它已经记住了人类觉得什么是「合适」的。你再补,是多余的。

所以你看,生成式 AI 这东西,本质上有两把刷子:一把叫「新颖」,一把叫「合适」。两把加一起,在学术界有个词,叫创造力。

但它不是神,它有 bug

讲到这里,我得给它泼一盆冷水。

2023 年 2 月,Google 高调发布对标 ChatGPT 的 Bard。发布会现场,Bard 回答了一个关于韦伯太空望远镜的问题。

结果天文学家一看,答错了。

就这一个错误,Google 股价当天蒸发了一千亿美元。

更早两周,Meta 发了一个叫 Galactica 的科研大模型,定位是「给科学家用」。结果上线三天就撤了,它生成的论文看起来特别像那么回事,事实全是错的。

这种「一本正经胡说八道」,业内有个词,叫幻觉。

为什么会幻觉?计算机科学家的解释是:现在大多数大模型只在文字上训练,它没见过真实的物理世界。它不知道一个杯子拿起来会掉,不知道水会往下流,它只见过描述这些事的文字。

所以它在做推理、做因果判断的时候,经常露馅。

但你也别急着下结论。现在多模态模型已经开始把图像、声音、视频都塞进去训练了。这事在未来能不能补上,谁也不敢说死。

只能说,它现在最擅长的是那种「没有标准答案」的活儿。画张图、想个产品点子、写段广告文案,这些它来劲。让它做需要严格事实校验和因果推理的事,你得自己把关。

真正的大戏:它要改写创新这件事

好,技术讲清楚了。我们进入正题,它到底怎么改变营销?

我把它拆成四个动作。这四个动作,基本涵盖了一家公司从想点子到留住用户的全部环节:想出来、测一测、讲出去、留住人。

一个一个说。

一、想出来:AI 帮你想,但你得小心它会「同化」你

公司想新点子,过去常用一招:众筹。把消费者拉进来,开个开放创新平台,让大家提想法。戴尔、宝洁都干过。

现在生成式 AI 来了,消费者可以在它的帮助下,一个人就生成一堆方案。

听起来是好事对吧?但这里有个隐藏的坑。

人跟人一起想点子的时候,看到别人的想法,会产生两种反应:一种叫「认知锚定」,被对方带跑了;另一种叫「认知激发」,反而更想跟对方不一样。

生成式 AI 进来之后,这两种反应都还在。但问题来了,它吐出来的东西,大家都能用。

如果一个用户让 AI 帮他出十个点子,另一个用户也让 AI 出十个点子,这两组点子撞车的概率有多高?

相当高。因为它们背后是同一个模型、同一套训练数据。

这就尴尬了。公司搞众筹创新,图的就是「一百个人有一百种想法」。结果 AI 一进来,一百个人的想法,可能都长一个样。

那怎么办?有个学者提了个有意思的思路,叫「反向工程」,让 AI 别急着给答案,而是反过来问消费者问题,把消费者从 AI 给的答案里拽出来,逼他们往更远的地方想。

这个思路能不能跑通,现在还没人知道。但这个问题,值得每一个搞营销的人想想。

二、测一测:AI 能不能替消费者回答问卷?

过去公司测新产品,得做市场调研、发问卷、搞焦点小组。慢,贵,还经常不准。

现在有人说,大模型可能能替一部分消费者回答问卷。

你可能会觉得这是天方夜谭。但已经有人验证了。

有研究者把 GPT 当成一个「虚拟消费者」来提问,发现它吐出来的需求曲线,跟真人调研出来的高度一致。价格越敏感收入越高的反应、产品选择上的惯性,都对得上。还有人用它复现了品牌感知图,跟真人问卷画出来的几乎一样。

甚至有研究发现,在给营销内容打标签这件事上,ChatGPT 比众包平台的工人靠谱得多,跟专家几乎一样准。

这是怎么回事?研究者管它叫「算法保真度」。你给模型一段描述,说「你是一个 35 岁、住在二线城市、月入一万的女性」,它吐出来的回答,跟真实这个画像的人群回答高度相关。

因为它训练数据里,见过太多这类人的表达了。

**但这里有个坑,它见过谁多,就更像谁。**对那些冷门品类、小众品牌,它的表现会明显掉下去。因为它训练数据里没那么多相关内容。

所以,用它做调研可以,但你得知道它擅长什么、不擅长什么。

还有个更进阶的玩法:别只盯着一个模型用。每个模型训练数据不同、架构不同,各有各的强项和盲区。把几个模型的结果拼起来用,可能比单独用一个准得多。

三、讲出去:AI 写的广告,到底能不能打动人?

Gartner 预测,到 2025 年,品牌三成的营销信息会由 AI 生成。

这个比例不低了。

但问题来了:AI 写出来的东西,真的能说服消费者吗?

研究给出的答案很分裂。有研究说 AI 写的政治说服文案跟人写的差不多;也有研究说 ChatGPT 写出来的文案,用户的满意度和付费意愿比人写的还高,连专家都写不过它。

我自己用下来的感受是,AI 写东西容易「啰嗦」。温度参数调高一点,它就开始东拉西扯。而冗长的表达,在创意评估里反而容易拿高分,因为读起来显得「丰满」。

但「丰满」和「有说服力」是两回事。

所以真正的研究问题不是「AI 能不能写」,而是「它哪个参数调到哪个值,写出来的东西对哪类人最有效」。

这件事,营销人不能甩给技术部门。这是营销自己的活。

四、留住人:AI 帮你出图,但「我做的」这个感觉还在吗?

用户买了东西之后,你得让他持续跟你玩。这叫客户参与。

怎么让他持续玩?让他做点事。办个创意大赛、让他用你的素材做个作品、投个票。人一旦在东西上花了心血,就会觉得「这是我做的」,心理学上叫心理所有权。所有权一上来,粘性就来了。

可口可乐干过一件事。它跟 OpenAI 合作开了个 Real Magic 平台,用户可以用 GPT-4、DALL·E 和可口可乐历史素材库生成原创图片,优胜作品会被投到纽约时代广场、伦敦皮卡迪利广场的大屏上。

门槛一下子被踩没了。完全不会画画的人,也能参加。

但问题也来了。

**人之所以对一个作品有感情,是因为他付出了心力。**现在心力是 AI 替他出的,他还会对这个作品有感情吗?

这是个零和还是正和,现在没人能下结论。

从公司角度,好处是显然的,以前只能拉到有创意的用户参与,现在谁来都行,参与面一下子宽了。但从单个用户的角度,粘性可能反而变弱了。

这就是一对矛盾:宽 vs 深。

怎么权衡,值得每个做品牌的人想想。

更深的问题:用久了,它会反过来改变我们

前面四个动作,讲的都是「我们怎么用它」。

但跟一群做实业的高管聊下来,我发现他们真正焦虑的,是另一个问题。

用着用着,我们和我们的客户,会不会都被它改变?

一个高管的原话是:「现在董事会里每个人都在问,营销部门以后还能给公司创造什么价值?省成本他们一直想干,AI 一来,这刀更快了。」

这话挺扎心的。

营销能给公司创造价值,靠的是它手里那一堆「市场资产」:品牌、客户关系、客户洞察、渠道能力。这些东西,理论上是稀缺的、别人模仿不来的,所以值钱。

但生成式 AI 一来,两件事同时在发生。

**一件是:很多过去值钱的能力,突然不值钱了。**写文案、想点子、做调研,这些过去要养一整个团队的事,现在一个 API 调用就搞定了。你能干,别人也能干。稀缺性没了。

另一件是:它又不是万能的。它的输出依赖你喂给它的输入。你想让它产出真正贴合当下市场的东西,你得有最新鲜的客户数据、最准的市场洞察。这些东西,还是得靠人去积累、去维护。

所以现阶段看,「人在回路」可能还是逃不掉的。AI 出草稿,人来定夺。但再往后呢?

没人能给出确切答案。这个问题的判决书,可能得交给时间。

还有一个更让人后背发凉的角度

我读到一个研究,说人长期依赖 GPS 导航,大脑海马体的功能会减弱,方位感会变差。

智能手机用多了,人的注意力时长在变短。

印刷术普及之后,人靠记忆和修辞背诵的能力,基本就废了。

那生成式 AI 呢?

它替你出创意、替你想文案、替你做设计。一开始你觉得是它帮你干活。但慢慢的,你的「创意肌肉」会不会萎缩?

消费者也一样。当 AI 替他把一切创意活儿都干了,他还会珍惜「有创意」的东西吗?他对创新的偏好,会不会变?

**我们正在面对一个,可能是被 AI 重塑过的消费者。**他的口味、他的偏好、他在营销里扮演的角色,都可能跟今天不一样。

这事儿细想,有点吓人。

收尾,聊几句更远的

除了上面这条主线,我在翻资料的过程中,还看到三个值得所有人警觉的方向。

一个是隐私。公司想用好 AI,得拿自己的专有数据去微调模型。但你把这些数据喂给一个第三方模型,等于把自己手里的牌亮了一半。稀缺性可能就这么没了。哪些公司该喂、喂到什么程度,这是个战略问题,不是技术问题。

一个是假信息。AI 一天能造一万条假新闻,成本几乎为零。过去这被认为是公共政策问题,但现在已经开始有人用它有组织地攻击品牌,西方疫苗、星巴克、H&M 都中过招。营销人再也不能假装这事跟自己无关了。

最后一个,有点反常识。我们都在讨论 AI 怎么帮营销。但反过来想,营销学的积累,能不能反过来帮我们更好地理解和驾驭 AI?

营销领域有几十年研究人类认知偏差的传统。问卷怎么设计才不带偏、人为什么会做出非理性决策。这些知识,拿来分析 AI 这个「黑盒」为什么会在某些时刻胡说八道,可能比计算机科学家自己琢磨还更管用。

因为 AI,某种意义上,是在用人类的语言、模仿人类的模式思考。要懂它,得先懂人。

这是我这几天翻下来,最让我兴奋的一个洞察。

最后

回到开头那个问题:营销人要慌了吗?

我的答案是,慌没必要,但不慌是错的。

生成式 AI 不是又一波随风飘过的技术概念。它正在实质性地,把营销这件事的底层拆开重组。哪些能力会被它稀释掉、哪些能力反而变得更值钱、消费者会变成什么样、品牌该怎么重新讲自己的故事,这些问题,没有标准答案。

但有问题的人,已经比没问题的人,领先了一步。

至于答案,边走边找吧。

我也还在想。