欧莱雅、星巴克和 Verizon 对生成式人工智能营销的了解

一家大型消费品公司的市场营销副总裁在看到前景可观的概念验证后，刚刚批准了一项新的人工智能个性化平台项目。供应商信誉良好，董事会也已听取了相关汇报。接下来的八个月里，双方进行了整合工作，最终完成了一个基于两年客户购买数据训练的、可立即上线的细分模型。

但项目启动后，一切都事与愿违。推荐内容到达用户手中时早已过时。部分用户群体收到的信息甚至完全是针对其他地区的。项目启动 18 个月后，该项目被悄然搁置。官方给出的理由是“战略调整”。

与其说这是一个假设，不如说这个故事综合体现了 Gartner 在 2025 年对 413 位营销技术领导者进行的调查 中所描述的企业人工智能营销项目如今的主要发展趋势。只有 5% 的营销领导者表示，他们仅仅将生成式人工智能作为一种工具来部署，而没有将其深度整合到组织架构中，最终获得了显著的业务成果。

技术本身并非瓶颈，实施顺序才是。

星巴克、Verizon 和欧莱雅都构建了令人印象深刻的生成式人工智能营销项目，有效提升了营收。它们的共同点并非来自同一供应商，而是遵循一套统一的构建流程——在人工智能发挥作用之前，它们必须按顺序完成四个关键步骤。正如麦肯锡发布的 《2025 年人工智能营销个性化框架》 所述，大规模可持续个性化需要一个循序渐进的框架。那些在这方面做得出色的公司，会将每个步骤都视为下一个步骤的前提，正如框架是成功的先决条件一样。

来源：麦肯锡——个性化人工智能营销计划需要像这样的有效框架。

为什么大多数生成式人工智能营销程序在面对现实时都会失败

企业人工智能营销 可能会以一些本可避免的方式失败。企业投入巨资构建复杂的模型，却输入零散的数据。他们构建的细分逻辑每季度更新一次，而不是持续更新。他们将个性化引擎部署在无法大规模整合个性化信息的单一内容系统上。而且，他们以曝光量而非收入影响来衡量成功，这意味着问题往往被忽视，直到项目彻底失败才被发现。

把它想象成四个关卡。错过任何一个关卡，无论之前投入了多少，整个项目最终都会停滞不前。

1. 数据统一：在整个技术栈的每个系统中使用一个清晰、规范的客户身份。
2. 受众智能：持续更新的实时行为细分。
3. 内容基础设施：可动态组装的模块化资产。
4. 编排与衡量：跨渠道交付与闭环报告相结合，且在发布前就已构建完成。

以下三个案例研究分别展示了在实践中清除这些障碍是什么样的。

星巴克如何从数据层开始构建其人工智能引擎

星巴克的会员忠诚度计划曾令业内艳羡。到 2023 年，仅在美国，星巴克就拥有 3400 万会员，每位会员都会生成涵盖订单、地点、支付模式和应用程序活动等方面的行为数据。然而，挑战在于这些数据来自不断扩展的系统生态系统：移动应用程序、POS 终端、得来速（Drive-thru）屏幕以及物联网连接的咖啡机。在任何个性化引擎能够可靠地使用这些数据之前，必须将其整合为一个单一、连贯的客户记录。

“我们经常谈论星巴克的个性化能力，但实际上这项工作永无止境，因为随着新技术和新功能的出现，我们会不断获取并将它们整合到我们的系统中。”
—— 布雷迪·布鲁尔 (Brady Brewer)，星巴克执行副总裁兼首席营销官（注：原文引为 CEO）

Deep Brew 是星巴克基于微软 Azure 构建的专有人工智能平台，旨在解决基础数据统一问题。据星巴克数据与分析部门负责人介绍，该平台利用企业数据分析平台 (EDAP) 和数据湖，从整个生态系统中采集并整合各种信号，包括购买历史、时间、天气、门店位置和应用程序行为。所有操作均在星巴克自有基础设施上完成，无需暴露任何第三方数据，每个数据触点最终都会汇集成一条权威记录。

在这一稳定的基础架构之上，实时受众洞察和跨渠道整合得以实现。Deep Brew 的引擎能够同时在会员应用程序、店内 POS 系统和得来速菜单板上生成推荐内容。该系统会持续根据新的行为数据调整，从而确定在哪个渠道向哪个客户展示哪些内容。

来源：哈佛大学——星巴克的数字化飞轮运作依赖于一个名为 Deep Brew 的幕后人工智能营销引擎。

该项目的成果体现了其在流程安排上的严谨性。截至 2024 年第一季度，奖励计划会员目前占美国公司自营门店销售额的近 60%。移动端订单占美国交易总额的 30% 以上。这些都是结构性成果，是先构建数据层，然后让其他一切在此基础上发展的结果。

Verizon 如何将每位用户的 1500 个数据点转化为用户留存利器

Verizon 每年处理 1.7 亿次客户互动。在其发展历程的大部分时间里，每一次互动都是从未知开始的。客服人员接听电话时，并不知道来电者是准备取消现有服务、升级套餐，还是本月第三次咨询账单问题。

该公司的 AI 个性化技术栈直接解决了受众智能问题。它利用每位用户的 1500 个数据点，包括使用模式、服务历史记录、套餐活动和行为信号。然后，在客服人员开口之前，系统就能以 80% 的准确率预测通话意图。同样的智能信息也应用于 MyPlan，MyPlan 会根据每位客户的实际行为而非其人口统计特征，动态地提供个性化优惠。受众智能层持续运行。

“我拥有 6 万名客服代表，我知道他们各自的专长，所以我可以为您匹配最合适的客服代表。”
—— 汉斯·韦斯特伯格 (Hans Vestberg)，Verizon 首席执行官

统筹管理也延伸至实体渠道，每个触点都与衡量指标挂钩。店内人工智能会在顾客到店的瞬间提取其完整信息，从而将平均到店时间缩短约 7 分钟。这种路线规划功能可直接应用于闭环衡量。2024 年第四季度，无线服务收入同比增长 3.1%，Verizon 高管认为，这一增长部分归功于 MyPlan 个性化服务。

欧莱雅如何将皮肤扫描直接与销售联系起来

欧莱雅在个性化方面面临的挑战对美妆品牌而言至关重要：顾客无法在线试用产品后再购买。这导致退货率高，转化率低。该品牌需要一种方法，在旗下 30 多个品牌和数十个市场同时提供增强顾客信心的个性化体验。

来源：欧莱雅——欧莱雅的 SkinConsult AI 为顾客提供定制化的体验，并降低品牌的产品退货率。

该解决方案同时着手解决受众智能和内容基础设施问题，最终推出了 SkinConsult AI。SkinConsult AI 基于欧莱雅皮肤老化图谱中的 6000 张临床图像进行训练，并通过 4500 多张涵盖不同肤色的智能手机自拍照进行验证。它只需询问几个问题，分析客户照片，即可在几秒钟内生成个性化的护肤方案。该诊断结果直接输入到一个模块化内容系统中，该系统利用标准化的内容组件，动态地为每位用户生成量身定制的产品推荐。无需为每个输出内容单独制作创意素材。

数据验证了该架构的有效性。ModiFace（欧莱雅的合作伙伴）在其网站上报告称，这项技术已被全球近十亿消费者使用，并已部署在欧莱雅旗下 37 个国际品牌中。来自虚拟试穿市场的研究发现，与标准产品展示相比，AI 个性化产品页面可将转化率提高 30% 至 40%。

下次人工智能营销评估前的 4 个问题

排序是让客户数据可用、受众洞察实时更新、内容大规模个性化以及从一开始就能衡量结果的关键所在。本文中的每个案例研究都遵循同样的逻辑。在下次进行人工智能营销评估之前，请问自己以下四个问题：

1. 您的系统对“客户”的定义是否一致？ 如果您的 CRM、电商平台和会员数据库各自维护着不同的客户定义，那么您的人工智能就无法针对统一的客户群体进行个性化定制。
2. 检查您的客户细分实际更新频率。 大多数企业营销团队按周、月或季度进行细分，这太慢了。Verizon 在将客户转接给客服人员之前预测其通话意图，这只有在受众智能持续运行而非按计划运行时才有效。
3. 你的内容真的可以动态组合吗？ 欧莱雅的 SkinConsult 人工智能通过组合标准化的模块化组件来生成个性化的护肤方案。星巴克也采用了类似的方法，在其各种触点上无需为每种组合重新制作内容。
4. 您的测量系统在产品发布前是否准备就绪？ 精准性要求从一开始就将测量工具集成到项目中，而不是事后加装。欧莱雅之所以能够跨平台追踪互动，是因为它构建了以用户同意为先、实现归因分析的数据模型。

顺序即策略

再说回那家消费品公司的案例。这个项目失败并非因为人工智能出错，而是因为团队从最终结果出发，反向推导。他们在没有统一的客户记录之前就构建了个性化引擎；在内容模块化程度不足以动态组合之前就推出了动态优惠；在不知道如何衡量成功之前就发布了产品。

星巴克、Verizon 和欧莱雅的项目启动时间可能都比利益相关者预期的要长。但他们最终得到的是一个上线后真正有效，并且在规模扩大后依然有效的项目。

Gartner 2025 年的一项调查发现，65% 的首席营销官认为人工智能将在两年内彻底改变他们的角色。而那些率先奠定基础的公司，将有机会引领这场变革。

**顺序即策略。**https://www.virtasant.com/ai-today/what-loreal-starbucks-and-verizon-know-about-generative-ai-marketing?locale=zh_CN