别再给所有人，发同一张优惠券了

前几天，我的手机在同一个小时里，收到了两条促销短信。

第一条：「全场满300减30，戳这里进入会场。」

第二条：「你上周看过的那双跑鞋，降到8折了，就剩最后一批。」

你猜，我点开了哪条？

第二条。第一条，我看了个开头就划走了。

奇怪吗？不奇怪。同是促销，一条像骚扰，一条像提醒。

这两条短信背后，藏着一门正在被AI重新做一遍的旧生意：个性化营销。

什么叫个性化？

什么叫个性化？

说白了，就是在对的时间，把对的话，说给对的人。

听起来简单。但你想想看，一家零售商面前站着的是谁？是成千上万，甚至上亿的个人。他们语言不同、文化不同、钱包厚度不同，买东西的理由更是千奇百怪：有人为了省5块钱愿意半夜蹲点，有人专挑贵的买，理由是「贵，省心」。

想跟这么多人，一个个都说到心坎里？靠人，做不到。过去也确实做不到。

所以过去大家怎么做？大水漫灌。逢年过节，全场五折，一条短信群发一千万人。简单，粗暴，也算有效。但代价是：真正会被这张券打动的，可能只有一成。剩下九成，收到的只是骚扰。

更麻烦的是，消费者早就被养刁了。

麦肯锡2021年的一项调查显示：71%的消费者，期待品牌提供为自己量身定制的互动；76%的人，在品牌没做到时，会感到沮丧。

注意这个词，期待。个性化已经不是加分项了，它是默认值。

做不到个性化的营销，发的每一条消息，都是噪音。

第一件事：把大水漫灌，改成精准滴灌

具体怎么干？麦肯锡指了两条路。第一条，定向促销。

什么叫定向促销？

就是别再无差别发券。先分群，再发。

比如，把用户分成这么几群：

有一群人，对价格极度敏感，你不打折，他扭头就去对手家。那就给他深一点的折扣。少赚一点，总比丢单强。

有一群人，明显偏爱某几类商品，比如只买母婴，只买球鞋。那就顺着他的偏爱推。

有一群人，习惯在App里领券，一看邮件就烦。那就在App里找他。

还有一群人，很久没来买了。别硬拉，按他过去的购物频率，适度递个台阶。

以及会员。会员是主动举手说「我愿意被你个性化服务」的人。折扣给多深，看会员等级。

这几招背后，是同一个底层能力：用数据算出，谁大概率会被什么样的优惠打动。业内管这叫「促销倾向」。听着玄，其实就是给每个人算一笔账：这张券发给他，他用的概率有多大。

值不值得这么麻烦？麦肯锡的研究给过一组数：65%的消费者，把定向促销列为下单的重要理由。做对了定向促销的公司，销售能提升1到2个点，利润率能改善1到3个点。

1到3个点，听起来不起眼是吧。

你算笔账。零售是出了名的薄利生意，净利率能到5%就相当不错了。利润率改善1到3个点，相当于利润凭空多出两成，甚至六成。

薄利行业里，几个点，就是生死线。

大众促销买的是曝光，定向促销买的是回应。

一家北美零售商的实验

有人真做成了吗？有。

北美一家老牌零售商，过去是标准的「日历式促销」：一到节假日，全场大促，人人同一个折扣；平日里，按会员等级给点阶梯优惠。

后来它下决心转型，往数据驱动的个性化促销走。

先建模型。根据每个用户的历史购买行为，算出他对一张优惠「领情」的概率。然后小步快跑，两周一个冲刺，A/B测试不停：这张券发这批人，那张券发那批人，跑数据，看结果，再迭代。

测试跑着跑着，他们发现了一件反直觉的事：用户被优惠券轰炸烦了。

他们的应对，出乎意料：减频。砍掉一部分促销，把体验做简单。

结果呢？三个月，初期测试的年化利润率提升了大约3%。

少发券，反而更赚钱。因为好的个性化，不光是「发得准」，还包括「知道什么时候不该发」。

第二件事：让AI替你，对每个人说不同的话

第二条路，更狠：用生成式AI做内容。

什么叫生成式AI做内容？

刚才说的定向促销，解决的是「优惠给谁、给多深」。但优惠送到用户眼前，还得有一句话说给他听。这句话，过去是文案同事一个字一个字写的。想给一亿个人写一亿句话？不可能。所以只能一句群发。

生成式AI把这件事的成本打了下来。给小众人群定制内容，过去贵到没法干；现在，AI能又快又便宜地批量生成不同语气、不同配图、不同文案，配不同的人群。

不过，这里我得泼盆冷水。

很多品牌确实在试点了。但大部分是怎么试的？手工。今天用一个工具写几句，明天换一个工具配几张图，一次一个孤立的实验。没自动化，没串进系统，甚至没人回头评估哪条内容跑得好。

这就像买了台挖掘机，还在用铁锹施工。

真正的玩法，是把人、流程、平台串成一条线：内容生产自动化，跨团队协作顺滑，促销和内容无缝衔接。麦肯锡观察到，把这套跑顺的团队，内容生产速度是人工的50倍。

50倍。天呐。

当然，AI写东西会跑偏。偏见、毒性、一本正经的胡说八道，都可能冒出来。所以护栏要立在前面：内容必须有人审、有校验，得符合企业的标准和调性。

有一家欧洲电信公司，就做了个很漂亮的示范。他们装了一套「下一步最佳动作」引擎：用多个机器学习模型，预测某个用户接受某个动作的概率、以及接受之后值多少钱，然后排出优先级。动作拆到多细？大约2000种，一条条用短信去试。

接着，生成式AI上场写文案：按年龄、性别、流量用量，给不同的人发不同的消息。公司的主打卖点，混着活动信息，读起来像专门说给你一个人的。护栏也齐：长度、语气、隐私，全部卡死。

几个月下来，收到个性化消息的用户，互动率比没收到的，高出10%。

收到短信的人，多动了一成。就凭这一成，这家电信决定把这套打法铺向更多渠道。

第三件事：底座。没有底座，前两件事都是空中楼阁

讲到这里，你可能想：不就是发券加写文案吗，我明天就能试点。

先别急。前两件事，都长在同一块地基上。

早在2019年，麦肯锡就提出过一个个性化营销的技术框架，叫「4D」：数据、决策、设计、分发。现在，他们补上了第五块：度量。

什么叫数据？不光存交易流水。促销发过什么、被谁用了；内容推过什么、谁点过；统一的标签体系；支撑机器学习的特征库；给大模型用的提示词库、向量数据库。都得有。数据是地基，地基不牢，上面的楼都是租来的。

什么叫决策？一组AI模型，算四笔账：这个人会不会因为这张券下单？这场促销带来了多少真增量？这条内容他会不会点？哪类内容对哪种人最管用？算完，交给决策引擎排序：此刻，该给这个人看什么。

什么叫设计？两套系统，管住两件事。一套管优惠：生成、投放、核销，全渠道一个标准。一套管内容：创作、版本、存储，所有素材进同一个资产库，随取随用。千万别每个渠道各存一套，那是灾难的开始。

什么叫分发？用户从App逛到小程序，转头又收到短信，路径横跨一堆渠道。要做到「实时个性化」，系统得能在瞬间处理用户的行为信号，然后立刻决定：此刻，在哪个触点，推哪条内容。

什么叫度量？闭环。所有渠道的数据汇到一处，增量测试做起来，指标口径统一起来。做出来的看板，老板看收入和利润，运营盯每一场活动。花出去的每一分钱，都要追回来问一句：值吗？

这套东西重不重？重。

北美有一家以深度折扣闻名的大型零售商，为了干这件事，把自己的收银系统和营销技术栈彻底打通，建模型研究商品与用户的交叉关系，还组起了跨部门团队，收掉了大部分全场大促。一年下来，定价优化做出4亿美元的价值，生成式AI加持的定向促销，又贡献了1.5亿美元。

4亿，加1.5亿。强。这就是底座的回报。

那从哪开始？

如果你也想干，从哪开始？四步。

先把地图画出来：哪些地方上定向促销和个性化内容，价值最高。

再找出你最想促成的「终身价值事件」：哪些动作，最能说明一个用户打算长期跟着你。

然后给技术做个体检：缺什么工具，列个清单。

最后，重排流程和组织：人才、数据、技术、分析、营销的协作方式，都围着「个性化」转一圈。

这四步里，最难的还真不是技术，是执行。

工具谁都能买，模型谁都能建。真正拉开差距的，是平台整合到什么程度，团队练到什么程度。

最后，回到那两条短信

现在再看开头那两条短信。

「全场满300减30」，和「你看中的跑鞋降价了」。区别表面上是文案，骨子里是系统：一个不知道你是谁，一个知道你上周在惦记什么。

同一笔预算，有人发的是提醒，有人发的是噪音。

不会玩个性化的那批人，生存空间会被玩得好的那批人，一点点吃掉。

对用户来说，好的营销就三个字：你懂我。差的营销，也三个字：又来了。

祝你发出的每一条消息，都被当成「正好需要」，而不是「随手划掉」。