75% 的营销人都在用 AI,为什么 84% 还在发"通用款"广告?

前段时间,我和一个做消费品的朋友吃饭。

他特别兴奋,说他们公司全面上了 AI,写文案、做图、投广告,全用上了。团队人手一个工具,谁不会用还要被笑话。

我问他,效果怎么样?

他愣了一下,说,好像……也就那样。广告该没人点还是没人点,转化也没见涨。老板开始问了:这一堆订阅费,花得值吗?

这顿饭之后,我一直在琢磨这件事。后来看到几份行业报告,才发现我朋友不是个例。他代表了一种非常普遍的现象,我把它叫做:用上了,但没用对。

一组很拧巴的数字

先看一组数字。

麦肯锡 2026 年的全球 AI 调查说,75% 的营销人已经在工作流里用 AI 了,91% 的人说自己每天都在用。

看起来很普及,对吧?

但同一批报告里还有另外几个数字。Salesforce 的《State of Marketing》2026 年版发现,84% 的营销团队,依然在跑千篇一律的"通用款"campaign。Jasper 的调研更扎心:51% 的营销人,根本算不出来自己在 AI 上花的钱,到底赚没赚回来。

什么叫 51% 算不出来?

就是说,一半的行业,是在凭信仰花钱。工具开了,流程照旧,钱花出去了,效果没人算。等老板哪天认真起来要个 ROI 报表,故事就讲不下去了。

Gartner 甚至预测,到 2027 年底,会有超过 40% 的 agentic AI 营销项目被砍掉。原因不是技术不行,是 ROI 说不清,成本还一路涨。

采用和效果,是两件事。这中间的差距,才是今天真正值得聊的东西。

先讲两个"赚到钱"的故事

差距在哪?我先给你讲两个正面例子。

第一个故事,关于摩根大通。

这家银行用 Persado 的 AI 平台来优化广告文案。注意,它不是让 AI 随便写,而是在预先批准的话术范围里生成变体,再由人来把关。结果,点击率提升了 450%。

450%。你没看错。一条广告,同样的预算,同样的投放,只是文案由 AI 优化过,点击的人多了近五倍。

第二个故事,关于一家叫 Cosabella 的内衣品牌。

这个品牌让一个叫 Albert 的 AI 去管广告预算。以前的玩法是投放人员拍脑袋:Google 多分点?Facebook 多分点?现在 AI 实时盯着三个平台的表现,钱往哪里流,它自己调。结果,广告支出回报率涨了 336%,付费搜索带来的收入涨了 155%。而且,没多雇一个人。

太强了。但这两个故事放在一起,你会发现一个共同点,而这个共同点,比 AI 本身重要得多。

为什么有的用例赚钱,有的用例打水漂

我把 2026 年能查到的 AI 营销用例翻了一遍,按真实的回报排了个序。排完之后,一个规律浮出水面。

回报最高的几个用例:内容写作,平均 ROI 3.2 倍;个性化触达,2.7 倍(大企业能做到 3.4 倍);受众分层,2.4 倍。还有营销自动化,这个最夸张:每投 1 美元,三年平均收回 5.44 美元,而且 76% 的公司一年内就见到正回报。

回报垫底的几个呢?视频生成,1.1 倍;付费社交素材,1.2 倍;线索评分,1.4 倍。

你想想看,为什么?

它们的模型,其实差不了太多。底层技术都是那一批。真正的区别在于:赚钱的用例,反馈回路又短又清楚。

什么叫反馈回路短?就是营销人今天做了,几天之内就能看到结果,好还是不好,一眼便知。文案写完,点击率摆在那里;自动化上了,三个月的回报账算得出来。

而视频、线索评分这些呢?产出本身难判断好坏,数据又脏又慢,等你看清楚,钱已经花完了。工具开在那里,没人建纪律去验证它,它就安安静静地烧钱。

说白了,决定成败的很少是模型,而是你能不能快速知道它到底行不行。

再补一刀:连最大的那个数字,5.44 倍,都有一个前提,被自动化的流程本身得是对的。流程是烂的,自动化只会帮你更快地做错事。

剩下那一半人,输在哪

那你可能要问了,照这么说,把工具配上、指标盯上,不就行了?

没那么简单。还有一道坎,叫治理。

德勤 2026 年的《State of AI in the Enterprise》说,只有五分之一的公司,给自主 AI 智能体建了成熟的治理框架。大约一半已经部署的 AI 智能体,散落在各个孤岛里,各自为战。86% 的 IT 高管直言:这种没有整合的智能体,带来的复杂性比价值还多。

再加上 51% 的公司连 ROI 都追不了,你就能理解 Gartner 那个"40% 项目被砍"的预测了。不是 AI 不行,是大多数公司先上了车,后找方向盘。

所以,如果你问我,该按什么顺序上这些用例,我的看法是:

刚起步、家底薄的团队,从内容写作和邮件优化入手。回报高、工具成熟、见效快。数据底子还行的,上个性化和受众分层,回报更大,但前提是你的客户数据是通的,不是一个又一个对不上的碎片。营销自动化放在同一波。

至于全自主的智能体营销,Agentforce 那样的,Salesforce 自己的服务场景里,83% 的客户对话不用人工介入就能解决,天花板确实高。但我会把它排在最后。治理没建好就冲全自主,是把一个很有希望的项目,亲手做成明年被砍掉的预算科目。

最重要的一条,不是选哪个用例

最后说一个比选用例更重要的习惯。

回头看那些赚了钱的案例:摩根大通的 450%,Cosabella 的 336%,自动化的 5.44 倍,它们能被证明,都是因为一件事:在 AI 碰流程之前,团队就知道"正常水平"长什么样。

有基线,才有对照。有对照,才谈得上回报。

而那 51% 算不清 ROI 的人,几乎都输在起点:工具先开了,基线从来就没记过。账都没本,你让我怎么算?

还记得我那位吃饭的朋友吗?后来我给他支了一招:别急着上新工具,先把现在每条广告的点击率、每封邮件的转化,老老实实记一个月。然后,再让 AI 上。

三个月后他跟我说,终于能跟老板把账说清楚了。

工具人人买得起。但先量基线、再上工具、用数字说话,这个笨功夫,才是 75% 的采用率里,那 84% 的人一直没做的事。

差别就在这里。