AI营销，说白了就两件事

我在营销自动化这行待了很多年，见过太多这样的企业。

买了一套主流MA平台，里面AI功能一应俱全——智能打分、个性化推荐、发送时间优化。销售顾问演示的时候眼睛都亮了。结果上线半年，打开系统一看，campaign还是全库发，AI功能一个没开。

我问他们为什么。回答几乎一模一样："那个太复杂了，我们先把基础跑通。"

你懂的，这种回答我听了太多次了。

我追问：基础跑通了多久了？

"三年了。"

坦白讲，这个答案让我沉默了几秒。

其实不是复杂，是从来没人告诉他们，AI在营销里到底能解决什么具体问题。今天我来说清楚——其实就两件事。

第一件事：找对人

营销里有一个永恒的问题：这条信息，应该发给谁？

说实话，以前的做法是人工定规则：最近30天活跃的用户、买过A品类的用户、注册超过3个月但还没下单的用户……这类规则能用，但有两个根本缺陷：一是规则是静态的，客户行为是动态的，今天这条规则明天可能就失效了；二是规则靠人想，你想不到的相关性就找不到，有大量隐藏的信号被白白浪费。

AI打分解决的就是这个问题。我理解的逻辑是：它基于历史数据——线上订单、浏览路径、点击行为、购买间隔、沉默天数——自动算出每个客户当前的购买倾向有多高、流失风险有多大。

这些分数是活的，随着客户行为实时更新。我觉得这才是和人工规则本质不同的地方。一个上周刚浏览了三次产品页但没下单的客户，他的购买倾向分会悄悄往上走，系统就会在这个时候触发一封针对性的邮件。这是人工规则根本做不到的精度。

有一个概念我觉得要分清楚：规则打分不是AI打分。

如果你能把打分逻辑定义清楚，用规则引擎完全可以实现——这是规则，不是AI。

真正的AI打分是让机器从数据里自己找规律，算法是黑盒，它发现的相关性是人的经验想不到的。比如"买过某品类的用户，如果在60天内没有再次访问，流失概率会显著上升"——这条规律是AI从几十万条历史记录里跑出来的，不是营销人员拍脑袋能定义的。

当然，AI打分对数据有门槛：至少一年的历史数据，一定量级的样本，数据质量得过关。这个门槛是绕不过去的。

我见过一个国内快时尚品牌的案例，他们用Emarsys的AI预测细分功能，把之前"全库发邮件"的模式，改成按购买倾向分层触达——高倾向客户优先、流失风险客户单独挽回、沉默客户用不同频率和内容唤醒。

运营10个月后，邮件打开率从10%涨到15%，点击率从2%涨到4%。数字看起来不大，但背后是几十万用户的精准覆盖，每一个百分点都是真实的收入增量。以前他们也不是不想做精准，是没有工具帮他们把"精准"这件事变得可操作。

第二件事：说对话

找到了对的人，接下来是给他们看什么。

推荐引擎干的就是这件事：基于客户数据、产品数据、历史购买记录，给每个人推不同的内容和产品。

我来解释一下背后两种基本逻辑。

第一种是协同过滤——"和你相似的人喜欢什么"。你在电商平台买书，系统推荐"买过这本书的人还看了……"，这就是协同过滤。逻辑是：行为相似的人，偏好往往也相似。

第二种是内容过滤——"基于产品本身的属性做匹配"。你买了一双跑鞋，系统推荐同等价位、同等功能评分的其他品牌——这是内容过滤。逻辑是直接从商品属性出发，不依赖其他用户的行为数据。我觉得这两种逻辑没有高下之分，关键看你有什么数据。

实际应用里，两种方式通常混合使用，根据场景和数据丰富程度来决定侧重。

这个逻辑，从邮件里的产品推荐模块，到电商页面的"千人千面"，本质是一样的——不同的人打开同一个页面，看到的内容不一样；同一个人，不同时间打开，看到的也不一样。

我觉得"千人千面"做得好不好，取决于两件事：数据有多丰富（只有线上行为，还是叠加了线下交易、忠诚度积分、售后记录），以及实时性有多高（是昨天批量跑的结果，还是基于刚刚发生的行为实时触发）。

Love, Bonito 是一个很有说服力的案例。这家东南亚女性时尚品牌，原来的问题是技术栈割裂，超过60%的客户在转化前要经历4个以上的触点，但每个触点说的内容都是"广播"而不是"对话"。

接入Emarsys推荐引擎后，他们把每封邮件的产品模块改成基于客户历史行为的个性化推荐。6个月内，线上营收增长了15%，首次购买的转化率提升了67%，推荐模块带来的转化率是普通内容的3倍。

AI真正的战场：全生命周期

说完这两件事，我还想说一个更大的视角。

MA（营销自动化）的核心是campaign和segmentation，是从营销者角度出发——我要发什么、发给谁、什么时候发。AI的应用是让营销者的工作更高效、更精准。

但真正好的数字化营销，还需要从消费者角度出发——基于他的行为轨迹，判断他现在在哪个生命周期阶段，然后在合适的时机推合适的内容。两个视角缺一个都是残缺的。我见过很多企业的MA运营，只有"发"的动作，没有"旅程"的设计——这就是为什么打开率年年下降，客户越来越难触达。

这两个视角结合起来，才是AI在营销里真正的用武之地。

举一个具体场景，我自己复盘过很多次的：一个客户第一次在你家买了产品。AI识别到这是新客，自动触发新客欢迎旅程，推送使用指南和会员权益。

两个月后，这个客户停止了互动，打开率降到零。AI识别到流失信号，触发挽回campaign，推一张有限期优惠券。客户重新打开，浏览了一款新品但没下单。AI给他推个性化的产品推荐邮件，内容就是那款他看过的产品加上几款"和你相似的人也买了"的搭配。客户下单，复购成功。

这整个旅程，没有人工干预，全程由数据驱动。我每次跟客户讲到这里，他们都会停顿一下。这才是AI的完整价值——不只是帮你发一封邮件，而是帮你运营每一个客户的全生命周期。

DJI大疆是我见过的最有说服力的规模化案例之一。他们在100多个国家用Emarsys做全渠道个性化，AI负责识别客户阶段、触发对应的自动化旅程。

结果是：整体营收增长180%，高价值客户收入增长122%，流失率下降38%。这不是某一项功能的功劳，是"找对人+说对话+全生命周期运营"三件事同时做对的结果。

最后说一句实在话

AI营销不复杂，难的是认知和数据基础。

很多企业买了MA，拿来发群发邮件，AI功能三年没碰——不是因为懒，是因为从来没人告诉他们AI在这里能解决什么具体问题。我每次问这些企业"你们的MA平台里AI功能用了几个"，十个里面有八个答案是零。

说白了，AI在营销里就两件事：找对人，说对话。

如果你的平台里这两件事都没做到，那不是AI的问题，是你还没开始真正用它。

找对人，说对话。

关于作者：Ivan，SAP CX 大中华区业务负责人，专注企业数字化营销与客户体验。

写于 2026年6月

互动话题：你们公司的 MA 平台，AI 功能用了几个？