AI营销何时见回报

从内容创作到软件编程再到顾客细分，人工智能（AI）的应用热潮方兴未艾。然而，尽管媒体、分析师和高管们围绕AI如何影响企业进行了大量猜测，但要看出组织在何处取得了实际成效，仍非易事。为了深入了解当前AI在营销领域的部署及其回报情况，《首席营销官调查》（The CMO Survey）抽样访谈了316家营利性美国公司的营销负责人，请他们评价在营销中应用AI对公司业绩产生了何种影响。在这些营销负责人中，有95.6%任副总裁或更高级别职位。据其报告称，AI应用在三个关键领域取得了显著成效：销售生产力提高6.2%，顾客满意度提升7%，营销管理费用则减少了7.2%。

考虑到所取得的这些积极成效，我们深入分析了调查结果，以了解哪些因素提高或削弱了AI的回报。我们发现，AI投资的回报因AI工具引入时间、公司所处数字化转型阶段及其AI试验水平的不同而各异。下面我们仔细分析一下这些数据，看看营销人员可以从中得到何种启示。

AI的引入与回报曲线

调查的一个重要发现是，大多数组织在营销工作中引入AI的历史并不长。结果表明，60.4%的公司在营销中使用AI的时间不足一年，17.9%的公司使用了一年，18.7%的公司使用了两到五年，只有2.9%的公司使用AI超过五年。

为什么这么多组织起步缓慢？原因是训练和部署AI数据模型成本高、投入大，而且非常复杂，这导致很多公司在将AI技术推广到业务部门时遭遇挑战。不过，ChatGPT在2022年11月的推出，让尝试应用AI工具变得更加容易。领导者开始探索生成式AI在整个组织内部广泛应用于创新、优化任务以及实现特定业务流程的可能性。Gartner咨询公司预测，到2026年，使用生成式人工智能API（应用程序编程接口）或部署生成式AI应用的企业将超过80%。这个比例较2023年的5%显著增多。

在回报方面，AI的引入时间至关重要。不过，根据《首席营销官调查》的数据，AI应用力度和专业知识的增加，并未按预期轨迹持续提升回报。相反，在公司部署AI模型从不足一年到满一年的过程中，AI带来回报的增速会加快。然后，AI的回报在第二年到第五年间减弱，并在五年后再次加速提升。

这种现象作何解释？在第一年，公司通常会部署一些基础版本（minimum viable product， MVP），并通过展示其投资回报率来争取推广AI项目所需的预算。通常的做法是先在特定的业务用例中应用，然后推广到多个职能部门或整个企业。IT和数据团队在获得高层支持和推广投资后，会致力于建立AI能力，比如部署更多的数据模型以优化不同的用例，培养机器学习运营（MLOps）能力，并在模型走偏时进行监控和再训练。考虑到所需的时间和学习过程，这项繁重工作在第二到第五年间会抵消正收益。然而，到第五年时回报将翻倍，这可能会让投入看起来物有所值。

数字化转型阶段与AI回报的关系

公司在探索数字化转型时，领导者会付出大量精力去搞清楚AI在何处适用，以及在哪些地方能够发挥最大效果。公司实施数字化转型的过程可分为四个阶段：

● 起步期——采取初步行动，对转型进行设计和可视化

● 发展期——构建整合前的数字化组件

● 整合期——在公司内部全面整合数字化投资

● 建制期/成型期——利用数字化投资推动和评估营销决策

在每个阶段中，我们再次看到，AI投资回报曲线随时间推移呈现非线性变化。在起步期实现小幅回报，然后在发展期（随着销售生产力和顾客满意度的提高）回报翻倍。这些回报在公司进入整合期时会减少，而在建制期/成型期达到最高水平。你在考察相关的营销管理费用削减幅度时也会看到类似的轨迹。

整合需要很大的投入，因为公司需要设法将组织内的不同系统连接起来，使其能发挥更大的效能。这需要跨职能以及跨部门的合作，而在大多数组织中这都是两个巨大的挑战。这里的启示在于，营销领导者应当承担从发展期到整合期的过渡成本，以实现进入建制期/成型期后的高收益。

试验推动AI取得成功

数字化转型成功的一个驱动因素是采用试验的方法。根据《首席营销官调查》，35.6%的营销管理者通过试验方式了解营销活动对顾客的影响，相比2020年6月的31.4%有所上升。

虽然这些结果显示出一定的增长，但这一比例仍然较低，大多数公司对试验的使用率仅处于中等水平——这种使用率并未带来最高水平的AI回报。相反，我们发现，报告称至少有一半时间用于试验的公司，在销售生产力、顾客满意度和营销管理成本方面的AI回报最高。

探索AI在营销工作中的战略性应用

根据我们的调查数据，营销组织使用AI的最常见方式是内容个性化定制（52.8%的公司）和内容创作（占49%）。然而，这些最常见的应用方式，并未在销售生产力、顾客满意度和营销管理费用上带来最可观的回报。

数据显示，以虽不常见但更具战略性的方式使用AI，可以改善公司的回报状况。这类方式包括通过优化营销内容和时间提高投资回报率（仅36.6%的公司使用）、利用预测分析获取顾客洞察（32.9%）、制定目标决策（31.7%）、应用会话式AI提供客户服务（26.4%）、提升数据分析和报告能力（24.8%）、深化顾客细分（21.5%）、提供最佳后续推荐（4.9%）和优化语音搜索（3.7%）。这里的启示在于，营销人员应跳出常见的AI应用方式，确定战略性使用AI的方法，从而给整个组织带来深远影响。

人工智能是一项颠覆现有系统的挑战性技术。这种高度的变革性意味着，当营销负责人采用新的组织和决策方式时，回报可能并不确定。《首席营销官调查》的结果显示，成功利用AI的公司提高了销售生产力和顾客满意度，并降低了营销管理费用。尽管在刚引入AI时，这些收益可能并不会立刻显现，但随着时间的推移，数字化转型、营销试验以及对AI工具的战略性和差异化应用，将迅速提升回报的增长潜力。