订阅
知识

当 AI 替你写广告时,谁来替品牌把门?

本文梳理了 AI 撰写营销文案时的五类风险——内容趋同、缺乏直觉、偏离品牌调性、数据隐私隐患与规则变化,并提出拓宽训练数据、保留人工审核、每周检查产出与设定伦理底线等对策。

ai-marketingadscreative-testing
2026-07-29Go Next Marketer4 分钟阅读

The double-edged sword: generative AI is both the most capable marketing assistant and the fastest way to hollow out a brand

Framework: the five flavors of trouble versus the boring disciplines that actually save the brand

上周二,一个在中等规模品牌做营销的朋友给我发消息,语气有点慌。她让公司新换的 AI 工具为一款护肤品新品发布(skincare launch)写十条 Instagram 文案。它给了十条。其中八条的开头都是那句:"前所未有的光彩。"

我笑了。然后我笑不出来了。

因为事情是这样的。那款工具是真的好用。它写得比她以后能招到的任何一个初级员工都快。它从不要求加薪,从不请病假,从不拖稿。所以她会继续用它。换作是你,你也会。

可十条里有八条。同样的开头。同样的节奏。同样空洞的小高潮(crescendo)。

哪里不对劲了。而且这并不是工具的错。

我们来聊聊那个谁都不会放进演示视频里的话题。

缓缓出鞘的双刃剑

生成式 AI(Generative AI)是大多数营销团队有史以来用过的能力最强的营销助手。这句话是真的。这句也是:它同样也是悄悄掏空一个品牌多年积累的最快的办法。

我想把那些真正会出错的事过一遍,因为宣传册子上从来不列这些。麻烦大致有五种,你多半已经尝过其中几种了。

一、内容开始"自我押韵"。 喂给模型的食谱太单一,它产出的东西就开始趋同。同样的节奏,同样的比喻,同样的那三个 emoji。过不了多久,你隔着老远就能认出一条 AI 写的帖子。你的顾客也能。最先死掉的是新鲜感。

二、这台机器没有直觉(gut)。 它能把上百万行行为数据处理一遍,却依然错过让上一支广告真正打动人的那个瞬间——那张凌晨父亲给女儿编头发的照片。它不知道那条为什么管用。它也不可能知道。它只能重新拼贴那些"上游"某处已经被人类感受过的东西。

三、它在黑暗里悄悄地偏离品牌调性(off-brand)。 没人能永远一条一条地审每个产出。于是品牌的口音就溜了。一句法务看了会抓狂的话溜进来。一个语气"过分热情了 3%"的宣称蒙混过关。把它放大到一千条帖子上,你某天醒来会发现品牌听起来已经不再是它自己了。信任也是这样被侵蚀的,每天一点,直到某个早上它彻底没了。

四、数据的账单到期了。 每一句"大规模个性化"(personalized at scale)的承诺,都跑在某人的数据上——通常是你的顾客的数据。如果在授权同意(consent)、数据留存(retention)、在"有用"和"毛骨悚然"之间那条线上敷衍了事,你丢掉的不止是一支广告。你丢掉的是人。有时候监管机构(regulators)会先来敲门,而且它们不会先发个日历邀请跟你约时间。

五、规则手册一直在动。 上个季度还算合规的事,这个季度可能就变成罚款了。不同的国家,不同的红线。大多数团队并不会每天盯着这件事。大多数团队应该这么做。

坏消息就是这些。五种麻烦,全是真的,而且此刻就在你所在的行业里发生。

接下来是好消息。

那些真正能救你的"无聊事"

下面这些就是我会对那位朋友说的,也是我想对你说的。没有一条光鲜。但每一条都管用。

喂给它更好、更宽的数据。 垃圾进,八条一模一样的文案出。如果你的训练集只是同一种语调的几百个变体,你造的是一台复印机,不是一位作者。从不同的季节、不同的受众、不同的声音里去取材。在这里,"多样性"不是一句价值观口号,它是一条输入规格。

每一次都留一个人在回路里。 不是当橡皮图章(rubber stamp,走过场),而是当一个能读完一行字就说"这听起来不像我们",或者更好——"这会伤到某个人,原因是……"的人。这句话比任何软件授权费都值钱。

像样地审核产出。 在日历上设一个固定的时段,至少每周一次,把机器实际上用你的名字发出去的东西从头到尾读一遍。它听起来还像这个品牌吗?它讲的还是真话吗?调整模型,调整提示词,调整训练数据。下周再来一遍。永远。

追效率,但把创造力护住。 让 AI 去起草那七十个变体。让一个人挑出那条有"心跳"的,改写它,为它据理力争。头脑风暴仍然属于人。第一稿可以是免费的。判断力不能。

去拧那些旋钮。 温度(temperature)、top-p(采样参数,控制模型输出的随机性和多样性),或者你的模型把它们叫作什么。参数上一点微小的挪动,就能打破一种窠臼,解锁另一种语调。大多数团队从不碰默认值(defaults)。那相当于把潜力白白留在桌上。

诚实地使用个性化。 这才是真正的奖赏,是值得上面所有那些麻烦的东西——一条比任何广告牌(billboard)都更贴合某一个人的信息。但同一种"对一个人说话"的技术,也会让你对某一个人越界。"体贴"和"冒犯"之间的界限很薄,而且会移动。每一次,都要站在正确的那一边。

搞清楚你触及的每一个市场的规则。 "我不知道"这句话,在任何领域、任何时候,都从没当成辩解奏效过。雇一个盯着这件事的人。或者你自己成为那个人。

趁还没人逼你,先想清楚你不做什么。 把它写下来。你的品牌不会生成什么、不会暗示什么、不会朝什么方向去优化——无论转化提升(uplift)有多大。伦理不是一张海报。它是一串你在还容易做决定的时候就提前同意好的、具体的"拒绝"。

那么,我们处在什么位置

我那位朋友还在用那个工具。她应该用。我也是这么劝她的。

但她后来念给我听了她新加的那块日历时段。每个周五,三点到四点。"AI 审核(AI audit),雷打不动。"她说,给自己排时间读自己发的帖子,感觉有点傻。

这一点都不傻。这就是现在这份工作的全部。

摆在营销团队面前的机会,巨大、真实,还有一点点危险。赢的不是那些采用 AI 最快的品牌。而是那些睁着眼睛采用它、始终握住方向盘、记得机器能写一千行但只有人能决定哪一行值得发出去的品牌。

对工具大胆。对品牌小心。

这就是全部了。