一年前，舆论的关注点在于“AI能否取代人力？”。在接下来的12个月中，我们见证了答案逐步写为“Yes”的过程。

根据Coatue报告，2023年，AI 已在各个领域证明了其实用性——使用GithubCopilot编程节省了55%的时间；使用 Runway 编辑视频节省了90%的时间；使用AI 客服节省了95%的人工成本，客户满意度从55%提高至69%。

Theory Ventures 创始人 Tomasz 表示：2024年将是企业通过 AI 实现生产力实质性提高的一年，每名员工的ARR有机会增加10-15%。同时，根据麦肯锡最新报告预测，生成式AI每年将为全球生产力贡献4.4 万亿美元，其中，营销的生产力会增加 5%—15%，每年约 4630 亿美元。

一方面，AI似乎是为营销生。从洞察需求——深入数据分析，到创意诞生——生成品牌内容，再到媒介投放——制定个性化策略。几乎所有的营销流程和任务，都值得用AI再做一遍。

但另一方面，AI营销的价值还未被真正激发，很多营销技术更像是“亮闪闪的新东西”，企业对AI营销新技术的投入更像是在装点门面。《哈佛商业评论》指出，超半数的营销人认为他们还不是很了解AI，44%的受访者认为企业还没有真正的AI营销战略。

与此同时，一项《2023AI营销现状》调研显示，约90%的受访者认为在未来12个月内，AI对于营销来说颇为重要。受访者为900位增长责任人，包含约300位CEO、CMO。

那么，拨开一团“眼花缭乱”的东西，回归营销本质。当下的AI营销到底能做些什么，现在又走到了哪一步？适道将结合麦肯锡等多家机构的报告，从营销生产力的三大要素——市场洞察、创意内容、媒介效能，进行分析。

01.洞察市场需求——从提出假设到验证假设

在报告中，麦肯锡讲了一个故事。

一家亚洲饮料公司希望更快地进入欧洲市场。按以往经验来看，仅仅为一个新市场构思一个新的产品概念，就要用整整一年时间。

于是，饮料公司求助于ChatGPT，并问了两个问题：

1、哪些新饮料可能吸引会欧洲客户并推动增长？

（What kinds of new beverages might appeal to European customers and drive growth）

2、哪些创新方法可以加速产品的整个创新过程？

（What innovative methods might speed up the product innovation process from end to end.）

就这样，饮料公司通过和ChatGPT的对话，开始了用户洞察。即，输入汇总的非机密客户信息，询问目标市场的口味趋势，以生成对欧洲饮料消费市场、消费者行为的大致了解。

整个过程在一天内完成。接着，在ChatGPT的回答基础上，营销团队通过民族志等研究方法，深化ChatGPT的洞察。

在产品设计环节，研究人员和设计师求助于文生图大模型，生成了30个自带清晰图像的高保真产品概念。

整个过程依旧是一天内完成。在以往，一个工业设计师开发一个高保真的产品概念就要花费7-10天。

最终，营销人员将这些概念带到现场，和客户进行快速测试，并在早期反馈中大获成功。也就是说，AI帮助这家饮料公司在短短一个月内完成了一年的工作量。

众所周知，营销的起点是洞察。

洞察，即收集、分析消费者需求+市场环境+行业趋势+竞争态势的数据和信息。

正如上述故事所言。在以往，营销人员需要对平台上的海量内容进行数据分析，而后挖掘营销亮点，整个工作量巨大且枯燥。现在，企业可以运用AI收集、分析潜在消费者的数据，定位其大致的兴趣方向。

在假设形成环节，AI可以摆脱人工时代的经验主义，快速总结趋势、提出观点、启发研究、策划方向。以“情感分析”为例，企业可以通过AI工具衡量消费者对特定品牌、产品或广告活动的态度。整个过程能够通过查看社交媒体帖子、评论和其他在线反馈完成。例如，欧莱雅集团运用AI收集、分析大量在线评论、图片和视频，识别潜在的产品创新机会。

在信息收集环节，AI可以自动生成问卷、进行对话式AI访谈，结合更多元的数据范围。例如，个人服装服务公司 Stitch Fix 用AI 帮助造型师解读客户反馈并提供产品推荐；生鲜配送平台Instacart 用AI 为客户提供食谱和膳食计划建议，并生成购物清单；在房产中介行业，以往想获取目标客户的意向购房面积，需要花费大量精力编写复杂的表达式/关键词，准确率上限只能达到85%。现在使用AI对话的方式，只需将原始交互文本输入到大模型，利用语义理解能力，就能轻松提取出客户的意向面积。（《2023人工智能与营销新纪元》白皮书）

在洞察产出环节，AI可以大批次分析非结构化数据，将原本复杂的数据分析过程可视化为图表和图形，再有效率地获取资料和数据来验证假设，最终产出洞察，实现营销洞察能力的全方位升级。在这个过程中，AI可以识别指示未来发展趋势。包括但不限于预测哪些产品或服务很快被普及，哪些客户更有可能成为忠实客户等等。例如，赶集网结合行业报告和GPT-4，产出快递运输业、餐饮服务业、美容美发业求职用户的行为偏好、用户画像等等。

一句话总结，AI能够更好地理解消费者和商品，通过提升洞察效率，从而提升营销效率。

02.生成创意内容——预测AI将主导广告创作

一个Big Idea的诞生需要多久？传统流程中，由Agency产出Big Idea——70%案头工作+20%头脑风暴+10%的创意产出，可能会耗时几周——几个月。

此外，一些由KOL和KOC*式生成的内容也需要耗时几天——几周。然而，实际上，例如抖音电商上的营销短视频，生命周期不超过一周，有些甚至是以天为单位。这些短平快的内容，不仅成本高，还容易出现内容枯竭的问题。

因此，用AI辅助Big Idea产出，并逐步替代“日抛”内容是品牌的实践方向。一个问题也由此浮现：AI产出的创意内容质量到底如何？会不会“塑料感”太强？

复旦管院和秒针营销科学院团队发布的《2023人工智能与营销新纪元》白皮书显示：

1、在文案作者身份上，专家能够识别AI和人类，而消费者无法区分；

2、AI的文案创作能力等同工作经验2.47年的人类；

3、在文案专业能力上，人类得分显著高于AI，特别是在创造性和洞察能力上；

4、消费者对AI文案的质量评价，与人类文案无明显差异；

5、AI推荐低介入、搜寻型、体验型产品时消费者的反馈更积极；

6、用“人机协同”共创，可以有效地消除消费者对AI内容的 “算法厌恶”。

以上结论均由双盲实验得出，参与实验人员为招募的专家和消费者；研究使用的AI大模型为ChatGPT3.5和文心一言（实验人员对两个大模型产出的文案质量差别感知不显著）。

不过，该研究仅是聚焦于通用大模型。适道检索资料时发现了一个有趣的例子，供大家对照参考。有文章指出：对ChatGPT输入“品牌名、素颜霜、抗老、买一享四、双十一”等关键词，ChatGPT生成的文案是“双十一狂欢季，xx品牌素颜霜为你提供*的抗老解决方案！现在买⼀享四，不仅抗老效果更佳，还可以节省资金！快来加入XX素颜霜的阵营，让你的肌肤永远年轻！"

而对某AI营销公司的AI产品输入同样关键词，其生成的文案是“想要抗老的姐妹们赶紧冲呀！这个双十一，抗老界的内卷王xx素颜霜，现在下单买一享四，错过等一年。它是这种冰淇淋一样的质地，也不搓泥。我用的时候都感觉自己在涂面霜，而且这个肤感真的绝了，就像是给皮肤做了一个贵妇级的按摩，真的太舒服了。这样的皮肤状态，谁看了不羡慕，快快加入购物车吧。”

相比之下，后者显然更具营销属性，且“迷惑性”更强。但总体而言，以上结论无法证明PUGC会被AI取代，后续还需要进一步论证。

而就目前的实际案例来看，AI产生的创意内容可谓是，多模态全面开花。例如，网易严选推出AI 主题曲《如期》，作词、作曲、编曲、演唱全部由 AI完成；支付宝的营销短片《支付往事》，其中所有的视觉呈现都由 AI 完成；晋江文学改编动画电影《去你的岛》，互动海报由 AI 生成。而在“广告界奥斯卡”戛纳狮子国际创意节，2023年有8.3%的获奖作品在概要中提到了AI，相较2022年的4%翻了一倍不止。

根据NP Digital预测，2024年，网络上新出现的内容，大部分都会由AI生成（包含人机协同）。

另外，虽然目前人类创作的广告比AI更吸引人，但如果用一个成功的广告作为基础，让AI进行优化调整，转化率却会得到显著提升。因此，考虑到成本问题，NP Digital预测2024年，AI将主导广告创作。

03.提升媒介效能——实现智能化分发

投放一波广告要准备多少套方案？100套够多吧。但有些企业甚至会准备多达4000个投放方案，只为看看哪个效果好。

光听上去就知道成本不小。

而AI能做的除了提高洞察能力，生成创意内容，还可以提高投放精准度，并基于自然语言的新交互方式，进行个性化服务。

在效率提升上，预生成符合场景和客户需求的大量个性化内容。通过筛选消费者行为和市场趋势数据，帮助企业找到*时间和渠道投放广告，*限度地扩大覆盖范围，做到降本增效。在场景拓展上，基于大模型，回答知识库中超出预设流程的问题，更好地分发和解决客户问题；在体验升级上，生成不同风格的对话内容，更好地模拟人工客服等等。

例如，去年3月，电商SaaS服务商Shopify通过集成ChatGPT，升级智能客服（聊天机器人），帮助消费进行个性化推荐、帮助商家节省互动时间。此外ChatGPT还可以提供平台商品评论数据分析、标题及关键词优化、营销文案撰写、网站智能化开发编程等多项功能，有效改善卖家运营效率及消费者体验。

结语

那么，企业如何利用通用大模型发展AI营销战略？

麦肯锡给出了一个具体的实施时间表：

1、前6周：制定试点项目路线图，明确用例，评估当前的技术能力和短期内的技术支持，组建一支合适团队、合适的运营模式，并找到潜在风险。

2、前90天：启动一个通用人工智能 “Win Room”，以进一步明确优先级用例，制定项目路线图，给通用人工智能模型“喂”数据。制定风险应对方案，进行审计以确保通用人工智能能够使用。

3、前6个月：整合通用人工智能项目和当下的营销技术，来制定一个长期的人工智能变革战略，其步骤包含——评估影响力、管理变革适应性及可扩展性、微调模型等等。

但话说回来，通用开源大模型能否满足企业差异化竞争需求还有待考量。

另外，我们还可以抛出一个问题：如果每家公司都去求助AI，基于市场数据分析得到雷同的答案，生产相似的产品。长久下去，公司还有差异性和竞争力吗？

《营销管理》的作者Alexander Chernev表示：“在可预见的未来，不太可能发生AI替代人类。但会发生改变的是：使用AI科技的管理者可能会取代不使用AI的管理者。”

无论如何，商业增长需要的是人。一些了解用户、制定战略、提供价值的工作，仍然需要人来完成，这一点未来可能也不会变。