AI 在替你干营销，也在替你攒罚单

前几天半夜，我接到一个做电商的老朋友的电话。

他声音发紧。他们运营的实习生，为了做用户分层，把一批带着手机号和收货地址的客户名单，直接贴进了免费的网页版 ChatGPT。

贴完，才想起来问一句：这没事吧？

我说，你知道吗，你这个动作在法律上叫什么吗？叫未经同意处理个人数据。在欧洲，这一下的罚单上限，是 2000 万欧元，或者你全球营业额的 4%，哪个高罚哪个。

他半天没说话。

今天这篇文章，就从这个电话讲起。AI 在营销里能干的事太多了：写广告文案、写博客、做用户画像、优化投放，甚至从线索培育一路管到转化追踪。重活累活，它都替你扛了。

但有个东西，它也一并替你碰了。消费者的数据。

AI 越能干，你离雷区越近。

第一道题：法规这道关，怎么过？

先说结论。营销用 AI，全球有三道主要的关卡：一道管数据，一道管邮件，一道管合成内容。

咱们一道一道过。

先看第一道，管数据的。什么叫 GDPR？

就是欧盟 2018 年生效的《通用数据保护条例》。它管的是欧盟和欧洲经济区范围内的个人数据。

注意，它管的不只是欧盟的公司。只要你的生意做到欧洲边境之内，跟消费者的数据打交道，哪怕你公司开在广州、服务器放在新加坡，它都管你。

用 AI 处理欧盟客户的数据，你得做到几件事：为什么要用、怎么用、用什么工具，都得跟用户交代清楚。而且用户随时有权要求你把他的数据从你的记录里删掉。

不守规矩呢？

最高 2000 万欧元，或全球营业额的 4%，取高的那个。

美国也有对应的版本，加州的 CCPA，《加州消费者隐私法案》。逻辑类似：你碰了消费者的数据，就得按规矩来。

再看第二道，管邮件的。什么叫 CAN-SPAM？

美国 2003 年就通过的一部反垃圾邮件法。名字直译过来特别霸道，《控制非主动提供的色情与营销的袭击法案》。名字虽猛，管的事很具体：你发商业邮件，主题行、抬头、正文都得是真实的，退订入口得好找、点完真生效，而且发之前得有对方的同意。

这部法跟 AI 有什么关系？

关系大了。邮件营销平台 Litmus 做过一次邮件趋势调查，34% 的营销人已经在用 ChatGPT 这类生成式 AI 写邮件文案。

AI 写邮件，效率确实高。但它的老毛病你也知道，为了抓眼球，标题会往夸张里写，写着写着就滑向标题党，甚至滑向欺骗的边缘。

而 CAN-SPAM 对违规的罚法很特别：按封算。一封邮件违规，最高罚 53088 美元。

你没听错，是每一封。

你群发十万封，每一封都可能是一张罚单。这笔账，你自己算。

最后是第三道，管合成内容的。欧盟在 2024 年通过了《人工智能法案》，就是常说的 EU AI Act。

对营销人来说，它最重要的要求就一句话：你的客户，必须知道自己在跟 AI 打交道。

什么意思？

比如合成媒体。AI 生成的图片、克隆的声音、深度伪造（deepfake），甚至那个现实中根本不存在的虚拟网红。只要你营销内容里用了这些，你就得明明白白告诉用户。

不能揣着明白装糊涂。

违反的代价，跟 GDPR、CAN-SPAM 是一个量级的。

第二道题：法守完了，就安全了吗？

三道关卡说完了。你是不是想松口气：我把法都守了，这回稳了吧？

还真不够。

法规管的是你的法律风险。但消费者信任这件事，法律给不了你，得靠伦理挣回来。

伦理三件事：包容、去偏见、透明。

一件一件说。

先说包容。

互联网上的数据，本身就带着偏见，性别的、种族的、肤色的、身体能力的。AI 拿这些数据训练出来，偏见就会原样照进它的输出里：广告、社媒帖文、官网文案，都可能带上歧视性内容。

一被发出来，就是公关灾难。信任碎一地，有时候还附赠一张罚单。

怎么办？给 AI 工具立规矩，把反包容的内容挡在输出之外。如果它反复出问题，要么重新训练，要么调整提示词，要么干脆换一个防护更强的工具。

再说偏见。

AI 的偏见，来源有三个：数据的偏见、算法的偏见、人的偏见。

数据的偏见，是训练数据一开始就残缺或者失衡，输出自然跟着歪。比如你拿一份理想客户画像（ICP）里男性客户占绝大多数的数据去喂 ChatGPT，它会一直给你写只针对男性的投放文案，还写得理直气壮。

算法的偏见，是你训练它去偏好某个结果，哪怕逻辑本身不支持。

人的偏见呢？

有个例子。马斯克旗下 xAI 的聊天机器人 Grok，曾被指把马斯克本人的观点，带进了对用户的回答里。

人，把自己喂给了模型。

这个例子说明什么？说明偏见不只在数据里，还在训练和调校模型的那双手里。

所以要定期用审计过的客户数据去训练，给数据标注和提示词设计立中立的规矩。

最后说透明。

透明其实最简单：你用了 AI，就大大方方说。

为什么用 AI、处理了什么数据、存多久、什么时候用，告诉用户。内容是 AI 生成的，尤其是 AI 占大头的内容，要标出来。

AI 广告定向也一样。给用户一个理由：你为什么刷到这条广告？因为你访问过我的网站、用过我的工具、收藏过类似的商品，算法替你记着呢。

你越透明，用户越放心把数据交给你。

法规是底线，信任是复利。底线守住不破产，复利攒起来才赚钱。

第三道题：明天上班，具体干什么？

道理讲完了，落地上是四件事。

第一件事，拿到明确的同意。

IAPP（国际隐私专业协会）2023 年发过一份隐私与消费者信任报告：68% 的消费者担心自己的在线数据隐私，57% 认为 AI 对他们的隐私是个重大威胁。

信任本来就薄，AI 一来，更薄了。

所以，建一个标准的隐私政策页，写清楚你用 AI 干了什么。收集和处理数据之前，先要同意。数据进 AI 之前，加一道二次确认。定期回访用户：他们想退出的时候，让他退得轻松；想删数据的时候，让他删得干脆。

第二件事，用安全的 AI 平台。

免费的公开大模型——网页版免费的 ChatGPT、Perplexity、Gemini——有个默认设置，很多人不知道：除非你手动关掉，你贴进去的数据默认进入"数据共享"。

你的数据，会被拿去训练模型，甚至微调给别的用户用的输出。也就是说，你在别人收到的回答里，可能看到自己客户的影子。

这就违反消费者隐私法了。

怎么防？用正规大模型的付费版。贴数据之前，先把数据共享关掉。要处理大批量营销数据，用 Snowflake 这类私有化的数据分析平台，别过公共的桥。

还有一个土办法，出奇地好用：把这家 AI 厂商的品牌名放进 Google 搜一搜。结果要是排在第十页，你就得掂量掂量了。能在搜索结果首页站稳的公司，通常——我说的是通常——是有真实客户、有招牌要护的，乱来之前会多想一下。

当然，正式合作之前，安全白皮书、隐私政策，还是得一份一份看。

第三件事，定期审计 AI 的输出。

AI 有个毛病，叫幻觉：一本正经地编造听起来很对的信息。你提示词写得再好，它也可能给你编一条不存在的研究、一个不真实的数据。

没人审就发出去，轻则翻车社死，重则虚假营销，把好不容易攒下的信任一次赔光。

所以，发之前，必须有人看。建一支内容审核小组，盯住每一条要发出去的 AI 输出。给团队写一份 AI 使用手册：哪些词不许出现，语气要贴什么品牌调性，写明白。过去那些部分或全部由 AI 生成的历史内容，也回头过一遍，看品牌调性是不是还在。

上新 AI 工具之前，先过法务。合规是筛供应商的第一道滤网。别为了一点性能上的提升，把风险请进门。

第四件事，把"跟法规"当成例行公事。

数据隐私和 AI 的法律，隔三差五就变。每个季度，把你业务所在地区的法规过一遍，当成例行的体检。

在欧洲做生意，GDPR 和 EU AI Act 每季度必看。在美国，联邦之外还有各州各管一摊，比如加州的 CCPA。

别嫌烦。监管不会提前通知你，罚单会。

最后，回到那个电话

那天深夜，我最后跟朋友说的是：数据贴出去之前，先问自己三个问题。

用户同意了吗？这个工具安全吗？发出去的内容，有人审吗？

三个都能答"是"，再动手。

AI 渗透进营销的核心，这件事不会倒回去。你越依赖它，它碰到消费者数据的机会就越多，出错和越界的概率也就越大。

所以这不是要不要用 AI 的问题，是怎么在用 AI 的同时，把合规做成日常的问题。

再次祝我的朋友，也祝你，永远用不上文中的任何一个罚款数字。