AI营销应用：两年半每天使用教会我的事

我在两台电脑上做我的工作。

第一台上，我是 SSI SCHÄFER Switzerland 的市场负责人，这家公司是内部物流领域的跨国企业。这台机器处在严格的企业AI政策约束之内。公司数据不得进入前沿模型，因为今天几乎没有哪家AI公司能百分之百保证，你交给它的数据会遭遇什么。实际运行的是纪律：在政策允许的地方，基于清洗过、匿名化的数据做营销分析，用成熟厂商的工具获得预测能力，我在另一篇文章里诚实评估过。

第二台上，我是一名独立营销顾问。在那台机器上，几乎所有事情都经过AI。调研、写作、分析、搭建。另一个世界，完全不同的速度。

同一个营销人。两种相反的现实。如果你想要一个关于AI营销应用的诚实回答，你需要两个都听。这就是这篇文章。

核心要点

• **AI不会取代营销人。它取代平庸的人，放大最好的人。**你最强的三个人加上AI，产出几乎等于一个十人团队，质量还更高
• **两年半之后，我做着同样的工作，方式却完全不同。**几年前对我至关重要的工具，几乎已经从我的工作流里消失
• **它真正擅长的是：**稳住技术质量、有人把着方向的文案写作，以及再没人能说“我不知道”的会议
• **它仍然会出错的：**它对不精确的指令照字面执行，没有先后缓急的意识，也不会跳出框框思考。得有人替它做这些
• **重度使用的真实成本大约每月200欧元。**贵的部分是驾驭它的人的能力
• **是把AI用在营销上，不是把营销套在AI上。**营销不围着机器转

AI不会取代营销人。它取代平庸的人。

先说不舒服的部分。如果你是一个产出低于平均水平的从业者，比如你做网站，机器已经比你强了。不是强一点。是明显强。我不认为这个差距会缩小。

如果你很强，情况正相反。机器打不赢你。它掀掉你头顶的天花板，你的产出明显高于平均水平，随叫随到，一个领域接一个领域。

由此引出乘数效应，这是我对AI营销应用的全部信念的核心：

挑你最能干的三个人，给他们AI，你得到的产出几乎等于一个十人团队，而且质量比那十个人以前产出的更好。

我第二台电脑上的日常就是这个数学的极端版本：一个人的市场部。在那里，乘数不是我读来的理论，而是我的日历能转起来的原因。

先立一道护栏，因为它贯穿下面所有内容：这一切都不意味着围绕AI来设计工作。AI不是营销的中心。它是施加在营销上的杠杆。我会用这句话收尾，因为这句话值得挂在墙上。

同样的工作，完全不同的做法

大约两年半以来，我以激进的方式使用AI，也就是说每天用、用在正式产出上。不是做实验。真正的工作都从它上面跑。

这段时间里我的流程彻底变了。我做的还是同样的事：策略、内容、分析、网站、营销活动。但几乎没有一件还是原来的做法。几年前对我至关重要的工具几乎消失了，取而代之的是用起来确实更好的工具。我为这种工作方式重建了整个营销技术栈。

我没有理由相信这就是终态。我不知道两年后会不会又一次完全不同地工作。我预计会。我记得1998到2006年，那几年我们的工作方式每隔几个月就变一次。我诚实的预期是，这个周期会比那个更快，而不是更慢。

这对你的实际含义是：我在这篇文章里能点名的具体工具，不如运作原则重要。工具会轮换。原则站得住。

没人谈的那个陪练伙伴

AI在营销里最被低估的用途不是产出。是阻力。

我在白板前工作。我带着自己喜欢的想法来，我要在别人看到之前把它们砸碎、拆散。一个配置了你业务真实上下文的助手做的正是这件事。它在你得意的计划里找到那个脆弱的假设。

它抓到的第二样东西，是专家之间的盲区。设计师检查设计。网站管理员检查结构。谁都不挑战对方的领域，于是恰好活在两者之间的不一致，躲过每一次评审。一个两边都有上下文的通才型AI几秒钟就会把它们标出来。它开始像一个正在认识你、和你一起学习的人。你不再是孤军奋战了。

它还改变了“资深”的含义。老规则说，爬得越高，离实操越远，管理越来越偏向行政。有了AI，周转速度快得多，我可以在同一周内和团队一样贴近实操，交付真实成果。对一人营销部门来说，这不是锦上添花。这就是这份工作本身。

它真正擅长什么

三个领域，在生产环境里的差距无法否认。不是在演示里。

**稳住技术质量。**在竞争激烈的市场里你要排到第一，而技术前提是：一个快而干净的网站。很少有人能同时交付漂亮和技术上无可挑剔的网站。在WordPress上，一个同事上传一张未压缩的图片，就足以让整个域名的Core Web Vitals崩掉。有了AI在工作流里，“上传这张图，确保Core Web Vitals保持稳定”变成一条谁都能执行的指令。机器负责压缩、清理结构、保持环境的高速。一个没有深厚技术背景的人，现在能维护过去需要专家才能维护的生产环境。

**有人把着方向的文案。**放任不管，AI写得又快又平。有趣和打动人不是白来的。逐段引导，“这段平了，换个例子，这里你把我讲丢了”，最终结果大概比我独自写的要好十倍。引导本身就是工作。内容生成那一面我写在我的AI营销手册里，规则相同：差异化仍然来自你。

**能收尾的会议。**一段录音十分钟左右变成纪要，每项行动都有负责人。公司里的慢性病“我不知道这个”不再是借口。完全自动化还不存在：纪要仍然会出错，我依然会检查。但责任的迁移是永久的。

它仍然会在哪里出错

大多数“AI毁了我的网站”的故事，其实是人类指令的故事。你看着平庸的成果说“这不行，全删了重来”。机器全删了。它做的正是你叫它做的。（除非那个网站本来就一团糟，那重来是对的。但那样的话，把话说精确。）

顺序是更深一层的限制。AI看到一个错误就想现在修。在真实项目里，正确的顺序往往是“这个留到最后，不然你最后得重做所有东西”。知道顺序，是架构师的活。一个好提示词不足以把项目的缰绳交出去，告诉你相反结论的人，很少真正交付过复杂项目。

然后是两种极端，大多数公司陷在其中一个里。“对我们来说还不够好”对上“它已经完美了”。两个都错。它在一些事情上出色，在另一些上糟糕，昂贵的能力是分清哪个是哪个。公司在这里判断错误时，失败的套路重复得让人压抑；四大失败模式我记录在这里。

还有一个没人计价的风险：萎缩。如果你什么都外包、什么都不学，你消耗掉的恰恰是让你擅长驾驭这台机器的能力。地板在持续升高。低于平均水平的工作从未像今天这样容易被替代，这正是本文论点从另一面得到的印证。

为什么我的雇主不能随意使用这一切

回到第一台电脑。有人会把“跨国企业里严格的AI政策”听成落后。它不是。它是责任，值得一个诚实的解释。

这些政策的存在，是因为数据隐私必须被绝对保证。今天，几乎没有AI公司能百分之百确定地提供这个保证。我们不知道喂给前沿模型的数据会遭遇什么，而且存在它们被用于第三方利益的真实风险。一家跨国企业握着自己的关键信息，以及最重要的，握着客户的信息。它赌不起，所以它不赌。

所以在公司内部，AI在政策允许的地方运行，其余的杠杆留在我的第二台电脑上。两个停滞的世界，完全隔离，也许这种隔离是暂时的。

我押注它们相遇的地方：本地模型。前沿级别的模型，压缩后，跑在低功耗的本地硬件上，而不是跑在一个烧水的数据中心里。像 Kimi K3 和 GLM 5.3这样的模型，已经在展示压缩对质量差距的抹平。一家在自己的硬件上跑模型、用自己的数据、数据从不出楼的公司，不需要信任任何人的隐私政策。当压缩保住了质量，企业AI政策就不再是一堵墙。

这里有一段历史的押韵。互联网被卖错了方向，它被吹成泡沫，泡沫破了，然后它安静地变成一切背后的正常基底。我预期AI走同一条弧线，而我宁愿早站在“正常基底”这一边，也不站在“错误想法”那一边。

AI营销应用到底要花多少钱

梗图说“我裁掉了团队，现在AI比团队还贵”。这在很短的一段时间里是真的。现在不是了。

今天，前沿模型的重度职业使用大约每月200欧元。把每个工具都推到极限的重度用户，月费在400到600欧元之间。为此你得到的，实际上是一个不设上限、脑子还不错的助理，随叫随到，在你懂得提问的每一个领域里。

把这个数字和你营销预算里任何一行比一比。然后注意真正的成本是什么。订阅是小事。驾驭它的人的能力才是贵的部分，因为正是它决定了同一个订阅产出的是平庸网站还是生产级网站。这也是“AI比人贵”这个论点从两个方向看都已经过时的原因：机器从来不是人的替代选项。能干的人加机器才是真实配置，而“平庸且不用机器”才是正在消失的那一档。

我怎么测试一个人会不会真的用AI做营销

关于AI的面试只会得到背好的答案。所以当我需要知道一个人能不能真正驾驭这些工具时，我摆在对方面前的是这个：一个终端、一个好模型的访问权、三个项目。对任何从零开始、需要快速建立能力的人，我也会给这三样。

**项目一：做一个网站。**然后告诉我它哪里不对，你会有什么不同的做法，什么你没做出来，你觉得缺什么。我打的不是网站的分。我打的是你能不能看穿机器递给你的东西。

**项目二：一份市场分析，按你的方式做。**然后为它辩护。你怎么搭的？你本来想怎么搭？数据对吗？你对准确性有多确定？幻觉出来的自信在这里现出原形。

**项目三：自由选择。**做一个你认为这家公司需要的东西。什么都行。

前两个项目测试的是驾驭机器的能力。第三个测试的是机器没有的那个东西。AI不会跳出框框思考，所以我需要一个替机器跳出去的人。

把AI用在营销上，而不是反过来

把这一切拼起来，如果只能留一句、其余全删，我会留这句：营销不围着AI转，永远不该围着AI转。AI是给营销加杠杆的工具。用得好，质量、数字和速度同时上升。

不是把营销套在AI上。是把AI用在营销上。

如果这个区别听起来显而易见，花一周看看各家公司实际在干什么。太多公司正围绕当月模型恰好擅长什么来重建自己的营销，然后纳闷为什么一切都不再像营销。

还有一件事，诚实标注：关于把AI用在真实业务上，无知仍然巨大，我正在为此做一个项目。一个关于在业务中使用AI的实操课程，做成小额持续订阅而不是昂贵的大礼包，并且持续演进，因为它脚下的地面一直在动。它在进行中，等待名单就要来了，一切都还没定稿。我提到它，因为它的动机和这篇文章相同：太多人被灌输了错误的想法，而能力才是稀缺资源。

如果从这篇文章里带走一个行动，带上项目一。打开终端，做个东西，然后老实说出它哪里不对。这个循环，重复上两年半，就是全部方法。