当 AI 长进营销：那些"看不见"的胜利

前几天，我和一个做消费品的朋友喝咖啡。

他没抱怨生意难做，反而是甩给我一句话：「今年最难的不是预算砍了多少，是钱花了，连响都听不见。」

我愣了一下。

这话戳中了点东西。媒体碎片化到这个份上，过去砸一支TVC就能炸一圈的玩法，确实不灵了。但他后半句更有意思：「真正涨起来的对手，都不太打广告了。他们在调 AI。」

调 AI。

不是说搞个 ChatGPT 写两条文案那种。是把机器学习能力，长进营销链路每个环节的那种 AI。

我回来翻了一圈这两年的案例，看完只有一个感觉：AI 早就在重新洗牌了，只是动静藏得深。

我给你讲几组故事。听完你大概就明白，这盘棋已经下成什么样了。

第一组：AI 把"做内容"这件贵事，变便宜了

先说一个最直接、也最容易被低估的用法。

降本。提速。把过去请外包、磨半年才能出一张的物料，压成几天甚至几小时。

Klarna，那个做"先买后付"的瑞典公司。他们干了一件挺狠的事：把营销生产环节，整体接到了生成式 AI 上。

结果呢？

图像制作周期从大约 6 周，压到 7 天。三个月里跑出 1000 多张定制图。一年下来，账上多出来约 1000 万美元——直接省的，大头来自砍掉的外包和供应商。

天呐。

这个数字背后藏着一个反常识：很多人以为用 AI 省的是「人力」，其实真正大头是「外部协作的摩擦成本」。 agencies 那套Brief-报价-排期-改三轮的流程，被一夜抹平了。

类似的剧本还在 Mango 身上重演。这家西班牙快时尚给自己的青少年线「Sunset Dream」做了一支完全由生成式 AI 拍出来的 campaign。流程有意思：先把真衣服拍了，再用 AI 把模特、场景、氛围整个搭出来。衣服是真的，画面是 AI 长出来的。

为什么要这么干？因为他们把这次 campaign，当成公司 2024-2026 战略里的一块能力拼图，目标是把"AI 长进生产流水线"这件事跑通。公关秀是副产品，不是目的。

赢家不是把 AI 当噱头的人，是把它做成流水线的人。

第二组：AI 把消费者变成了"创作者"

降本是省自己的事。第二组玩法更狠，它让用户替你做营销。

Burger King 搞了个「百万美元 Whopper」比赛。规则不复杂：用户通过 App 或小程序，自选食材拼一个汉堡。然后呢？AI 会立刻给你的汉堡生成一张海报级的成品图，还配一段 AI 谱的专属广告曲。

你做完一份汉堡，手里就多了一份可以直接发朋友圈的成品。

想想看，过去 UGC 最大的痛点是什么？是用户拍得不好看。BK 这一招，直接把"参与门槛"压到地板。

Warner Bros 给《芭比》造势，用的是同一招的另一面。他们和 PhotoRoom 合伙做了个自拍生成器：用户传张照片，几秒钟出一张电影海报级的"芭比版你"。

数据有多夸张？上线后累计使用 1300 万次以上，社交分享约 1300 万次。

你想想看，每个用户都是一台自带分发渠道的广告机。而且他们发出来的，是你官方审美贴的样子——模板化了，再土也土不到哪去。

最有意思的是印度那个 Cadbury 的 Diwali campaign。

他们找了宝莱坞顶流 Shah Rukh Khan，但不是让他代言一个统一广告。是用深度伪造+语音合成，让小商户老板输入店名，就能生成一段 Khan 亲自"喊出你家店名"的代言视频。

2500 多家小商户，每家都拿到了自己的、有宝莱坞巨星出镜的、专属广告片。

触达 1.4 亿人。

太强了。

这类玩法的共同逻辑是：把工具给用户，让用户成为内容工厂。创意不再稀缺，用户会替你想出 2500 种花样。

第三组：AI 把"我懂你"做到了不留痕迹

前两组解决的是「生产」和「分发」。第三组，是真正撑起商业模型的那块：个性化推荐。

这块的老祖宗是 Amazon。早在 2003 年，他们就把推荐引擎做成了核心引擎：你的浏览、购物车、订单、停留时长，全部喂进机器学习模型，反推出"你接下来大概率会买什么"。

这套逻辑后来被无数人模仿，但真正把它推向"教科书级"的是两个案例。

Netflix。

他们家推荐系统驱动了平台上 80% 的观看量。

80%。

也就是说，你打开 Netflix，看了三秒首页就划走的那些剧，是 AI 替你筛选过的。它还在做一件更细的事：同一个剧，给不同用户看到的海报是不一样的。你爱看爱情戏，海报就突出感情线；你是动作片粉，海报就突出爆破场面。仅这一招，点击率拉高 20-30%。

更妙的是，AI 还把《纸钞屋》《亚森·罗苹》这种原本只火在西班牙、法国的本土剧，精准推到了全球同好面前。文化反向输出，靠的是机器识别"你这个口味，不管在哪个国家，都会喜欢"。

Spotify 走得更远。

他们把"懂你"做成了一个年度文化仪式——Spotify Wrapped。每年年底，每个用户都拿到一份自己专属的"年度听歌报告"：你最爱的歌手、你听了多少分钟、你的音乐人格是哪一型。

全球每年 6000 万次以上的分享。一个人发完朋友圈，三五个朋友跟着发，雪球滚起来了。

广告这边，他们家的 Ad Studio 也是同一套逻辑：根据用户的心情、设备、时段、收听习惯，实时生成不同的音频广告。广告回想率拉到非个性化版本的 2.7 倍。

当数据足够准，"推荐"就不再是推销，是服务。

第四组：AI 还在重新定义"品牌信任"

前三组是商业效率的故事。但 AI 这把刀，还能往更深的方向挥，它直接动到了品牌的价值观。

Dove 算是最早一批把"AI 伦理"做成营销议题的品牌。

他们注意到一件事：生成式 AI 的"默认输出"，会强化刻板的、不真实的审美标准。比如 prompt 里写"美女"，AI 大概率给你一个白皮肤、瘦削、大眼的欧美脸。

于是 Dove 干了两件事。

第一，发布了一份 Real Beauty Prompt Playbook，一份教创作者怎么向 AI 写提示词、才能拿到更包容、更真实形象输出的指南。给的是工具，不只是喊口号。

第二，他们公开承诺：永远不会用 AI 去模拟"真实女性"的形象。

这两步合起来，把"伦理立场"做成了"差异化资产"。在 AI 内容泛滥的时代，"这是真的"本身就变成了稀缺品。

Heinz 走了另一条野路子。他们在 DALL-E 2 刚出来时，做了一件极简的实验：让用户随便输入「番茄酱」相关的提示词，看 AI 会画出什么。

结果惊人：不管你 prompt 怎么写，AI 默认画出来的瓶子，都是 Heinz 那种长颈玻璃瓶的样子。

8.5 亿次曝光。

为什么这么炸？因为它戳中了一个反常识：当连机器的潜意识里，你都是这个品类的代名词，你的品牌护城河已经深到什么程度了。

Nike 那条《Never Done Evolving》更艺术。Serena Williams 即将退役，Nike 和 AKQA 用 AI 训练了她 1999 年（首夺大满贯）和 2017 年（澳网夺冠）两个版本的虚拟形象，让她们隔了 18 年，隔空打了一场比赛。

YouTube 上 170 万人看完了这场不存在的比赛。自然观看量同比 Nike 平时的内容，涨了 1082%。

致敬一个传奇，过去只能剪 retrospective 影片。AI 让你能把"传奇"这件事，重新演一遍。

所以，真正的赢家是谁？

故事讲到这里。

你会发现一件事：这四组案例，没有一个是把"我们用了 AI"挂在嘴边的姿态。 它们都没把 AI 当成卖点本身。

仔细看，每个赢家真正做的，是把一件具体的事做到底：

• Klarna 抹掉的是外部协作的摩擦；
• Burger King 给的是创作工具，让用户自己产出广告素材；
• Netflix 把"我懂你"做成了默认体验；
• Dove 替"真实"立了一道别人不敢碰的底线。

真正的 AI 营销赢家，不是最早用上的人，是最先想清楚"AI 怎么重塑我和消费者的关系"的人。

我那位抱怨"钱花了听不见响"的朋友，问题不在预算，在他还在用 2018 年的打法：一支 TVC、几条信息流、KOL 发几条小红书，然后蹲在后台看 ROI。

这套打法的链路是断的。消费者从看到广告、产生兴趣、做决策、买完分享，每一步之间都有漏斗，每一步都在漏水。AI 真正的价值，是把这条漏斗重新焊成一个闭环。

谁先把这条链路焊上，谁就让对手来不及反应。

Lexus 那条全球首支由 IBM Watson 写脚本的广告叫《Driven by Intuition》。他们让 AI 学习了 15 年的获奖汽车广告，找出"什么样的叙事弧线最打动人"，然后让奥斯卡获奖导演 Kevin Macdonald 把它拍出来。

事后研究显示，Lexus 被认为是"创新品牌"的比例，涨了 13%。

这条广告本身不是终点。它是一个信号：当 AI 都能学会什么是"打动人"，营销的核心问题早就不是"我有多少预算"，而是"我有多懂用户"。

回到那个喝咖啡的下午。

我最后跟朋友说：「你今年最大的对手，可能不是隔壁那个牌子，是你自己脑子里那套『AI 只是工具』的旧认知。

它早就不是工具了。它是新的世界观。」

愿你能比别人，先一步看清。