夜雨聆风学习资料网

ARTICLE · 1377819

联合利华把 15 万份文档喂给了 AI

联合利华把 15 万份文档喂给了 AI

联合利华的首席营销官 2026 年 11 月 16 日发了篇博客,披露了一组数字。

内容产量是 2024 年的 12 倍,成本低 90%。以前拍一条视频要三周,现在三小时。

这家公司把两件通常分开的事一起做了,"降本增效"这个词装不下。

品牌事实给机器读

联合利华把 15 万份科学文档做了结构化处理,为的是让机器能读懂产品宣称和背后的证据。

它还每周追踪超过 100 万条提示词,看自家品牌在 AI 生成的推荐里出现得怎么样。

首席营销官的说法是,过去六个月里,他们追踪的品牌与市场组合有 91% 改善了;十个关键市场里有八个,联合利华的品牌进了候选前三。多芬在美国和印度的除臭与洁肤品类被提及最多, rexona 在巴西和印尼的除臭品类领先。

过去品牌做内容,目标是让人看见、让人相信。现在多了一件事:让机器能读懂你说的功效是真的,有证据撑着。15 万份文档的用途是给模型读,压根没打算给消费者看。

这跟 GEO 对上了,让 AI 引用你,靠的不只是发稿,是把事实整理成机器能取用的样子。

内容越多,人越值钱

内容产量涨 12 倍、成本降 90%,按常理该琢磨怎么少雇人。

联合利华的动作反过来。合作创作者从 2024 年的 7.5 万涨到 50 万以上。它说创作者内容的回报大约是品牌自制内容的 1.5 倍。

还举了个例子。多芬和 Reddit 合作,请用户评价一款修护发膜,承诺前 50 条评价无论好坏都原文发布,不删改。活动之后,这款产品从美国发膜品类第三卖到了第一。

这里面的逻辑挺有意思。

机器能批量生成内容,也能批量整理事实。但它没法替你制造"有人愿意说真话"这件事。越是什么都能生成,来自真实用户的声音越稀缺。

那位营销官自己有句话:技术可以做内容、优化花费、推荐产品,但技术没法让一个品牌对人有意义。

更在意的那个平衡

把 15 万份文档喂给机器,和让 50 万人替你说话,看着是两条线,其实是一条。

前一件解决的是"AI 推荐你的时候说得准不准",后一件解决的是"人为什么愿意选你"。少了任何一件,另一件的效果都会打折。

那些真实评价、复购记录、使用反馈,既是让人相信的证据,也是让机器读懂的事实。一份材料,两个用处。

联合利华的做法里有个细节:它承诺把前 50 条评价原样发布,包括负面的。这需要底气。产品经不起看,就不敢这么干。

会员运营到最后,真正值钱的是这批人愿不愿意替你说实话,人数只是个起点。

收尾

内容生成这件事,机器已经赢了效率。

剩下的战场,一边是有没有把事实讲得让机器懂,一边是有没有值得人开口的东西。前者靠整理,后者靠产品。

---


数据与方法说明

1. 联合利华首席营销官 Leandro Barreto 于 2026 年 11 月 16 日发布博客披露营销战略:Storyboard18 2026 年 11 月 18 日报道原文,据 Storyboard18 2026 年 11 月 18 日报道引述,以下数字均源自该博客,为企业自报口径。

2. 内容产量为 2024 年的 12 倍、成本降低 90%、一条视频从三周缩短至三小时:同上 2026 年 11 月 16 日博客披露,企业自报口径。

3. 将 15 万份科学文档结构化以帮助机器理解产品宣称与证据、每周追踪超过 100 万条提示词:联合利华 2026 年 11 月 16 日博客披露,企业自报口径。

4. 过去六个月追踪的品牌市场组合 91% 改善、十个关键市场中八个进候选前三、多芬在美国与印度除臭及洁肤品类被提及最多、Rexona 在巴西与印尼除臭品类领先:联合利华 2026 年 11 月 16 日博客披露,企业自报口径。

5. 合作创作者从 2024 年的 7.5 万增至 50 万以上、创作者内容回报约为品牌自制内容的 1.5 倍:联合利华 2026 年 11 月 16 日博客披露,企业自报口径。

6. 多芬与 Reddit 合作发布前 50 条无删改用户评价、此后该产品从美国发膜品类第三升至第一:联合利华 2026 年 11 月 16 日博客披露,企业自报口径。

7. 营销官原话"技术可以做内容、优化花费、推荐产品,但技术没法让一个品牌对人有意义":Storyboard18 2026 年 11 月 18 日报道引述博客原文。

回首页,搜索你想要的文档

在首页搜索框输入关键词,快速定位资料

文库首页搜索指引 立即搜索

相关学习资料