对谈13位头部企业高管：品牌怎么做AI增长？

AI到底怎么用，才能真正帮品牌解决增长问题？

GEO该从哪里开始？AI生成内容越来越快，品牌又该如何避免被“平均化”？哪些投放决策可以交给模型？一次营销测试结束后，又该留下什么？

围绕这些问题，Morketing结合13位品牌与营销从业者的观察，整理出了5个值得品牌思考的AI实践方向。

1.GEO怎么做：从内容铺量，转向品牌知识基建

随着用户越来越习惯直接向AI提问，品牌需要解决的已经不只是“能不能被搜索到”，还包括“AI是否理解我、会不会推荐我”。

PureblueAI清蓝创始人兼CEO鲁扬表示，很多品牌对GEO的理解仍停留在多发文章、多铺内容，但“数量并不等于效果”。GEO的核心，是让品牌信息能够被AI准确理解，并在不同用户需求下进入推荐结果。

对于品牌来说，GEO可以从三个方向开始。

首先，先梳理品牌知识图谱。鲁扬认为，品牌首先需要回答几个基础问题：品牌是谁？服务哪些用户？产品解决什么问题？核心差异化优势是什么？

这些信息不能分散在不同渠道，也不能随着营销活动不断变化。品牌需要把核心理念、产品价值、目标用户和差异化优势系统整理，并持续更新。

特赞科技首席运营官谭屹也提到，品牌过去积累了大量内容、用户洞察和业务经验，但这些资产往往分散在不同系统里。AI时代，企业需要重新整理这些沉淀，将品牌记忆、用户认知和行业知识转化为AI能够理解和调用的Context。

其次，围绕用户意图建设内容。

品牌内容不能只回答“我是谁”，还需要回答用户会问什么。鲁扬提到，在一个健康滋补品牌项目中，通过优化内容，一篇高质量文章最多覆盖了16个用户意图。内容不仅被AI看到，也能够进入不同场景下的推荐结果。这意味着，品牌需要围绕用户的具体需求建设内容，让产品价值与真实消费场景形成连接。

同时，品牌要把GEO放进整体营销体系。

GEO不应该成为一项独立的营销动作。春节、母亲节、618等营销节点，都可以同步进行GEO布局，让品牌内容与具体消费场景形成连接。当品牌内容、AI推荐和商品交易逐渐连接，GEO也会从单纯的内容优化，成为品牌长期内容资产的一部分。

2.AI内容怎么做：先定义品牌，再提高效率

AI解决了内容供给问题，但没有解决品牌记忆的问题。Bigo Ads全球销售副总裁Alfa Tsai观察到，当所有品牌都能快速生成图片、短视频和广告文案，内容越来越丰富，品牌之间却可能越来越像。

品牌需要避免把AI变成单纯的内容生产工具。

一方面，先明确什么是品牌不能被稀释的部分。品牌不仅希望提高素材数量和测试速度，也担心品牌的语气、审美和核心卖点在持续优化中被磨平。因此，在使用AI生产内容之前，品牌需要先明确哪些价值需要长期坚持，哪些表达能够形成品牌记忆。

另一方面，用AI提高测试效率，而不是复制更多相似内容。EternityX力恒首席执行官兼创始人吕香凝认为，AI可以快速生成内容、计算转化和优化投放，但并不会天然理解消费者。

品牌可以利用AI快速生成不同内容方向，并通过测试不断验证和调整，但不能把“再做一些类似内容”当成唯一的优化方式。真正重要的是理解，一条内容为什么有效，以及下一步最值得测试什么。

当然，最重要的是把人的洞察和审美留在关键位置。

Liftoff 程序化交易与商业解决方案高级副总裁Casie Jordan观察到，创意总监正在从“创作者”转变为“AI创意流程的导演”。AI可以承担大量创意生成和迭代工作，但团队仍需要有人把握创意方向，判断AI是在放大创意价值，还是逐渐抹平内容的差异。

吕香凝也表示，“没有洞察，AI可能只是更快地生产平庸”。效率可以交给AI，但消费者洞察、文化理解和品牌判断，仍然需要由人掌握。

3.AI投放怎么做：人定义边界，模型持续学习

随着竞价、预算分配、受众识别和创意优化逐渐由模型完成，品牌不需要再依靠人工管理每一个投放环节。但AI投放并不意味着完全放弃控制，而是重新划分人和模型的职责。这块可以注意以下3点：

核心一：不要用过多规则限制模型

“真正的精准，有时来自少一点控制。”

Casie Jordan提到，很多团队习惯不断增加定向条件、缩小受众范围，希望通过更多人工控制提高投放确定性。但条件越多，不一定意味着结果越精准。过度限制可能减少模型能够学习的信号，反而让系统错过潜在的高价值用户。

核心二：由人定义目标和业务边界

未来营销人员的价值会更多体现在定义目标、判断边界和理解业务，而不是反复调整每一个投放参数。品牌需要明确什么是业务必须坚持的边界，什么可以交给模型探索。

AI可以参与人群识别、预算分配和创意优化，但品牌仍需要判断增长目标是否合理，以及投放结果是否真正符合业务需求。

核心三：让每一次投放持续产生学习信号

西红柿互动媒介商务与市场负责人张茜认为，营销竞争正在从“买到更多流量”，转向“给平台提供更有效的信号”。

这些信号可能来自真实的创作者表达、清晰的转化数据和及时的市场反馈。品牌需要让内容、投放和数据形成连接，让每一次用户反馈都能够影响下一轮决策，而不是让每次Campaign成为独立的营销项目。

4.营销怎么沉淀：让每一次测试成为下一次增长的依据

AI降低了内容生产和测试成本，但测试数量增加，不代表品牌一定积累了更多能力。“很多品牌做了大量测试，却没有真正形成积累”。Alfa Tsai表示，一个市场跑出好结果，换一个团队或平台后，又需要重新开始。品牌需要把营销从一次次独立的Campaign，变成持续积累的增长系统。

这块需要注意以下几点：

一、不只看结果，还要理解结果为什么发生

一条素材表现好，不只是记录点击率和转化率，还需要理解它吸引了什么用户，为什么能够产生效果。点击率最高的素材，未必带来质量最高的用户；经验里的市场偏好，也未必符合真实需求。品牌需要结合用户反馈、广告互动、付费表现和不同市场的数据，理解哪些内容真正带来了长期价值。

二、把测试结果沉淀为可复用的知识

未来真正拉开品牌差距的，不是一次决策有多聪明，而是每次投放之后有没有留下可复用的知识。品牌需要把用户反馈、素材实验、市场差异和业务结果沉淀下来，让这些经验能够进入下一轮决策。否则，测试再多，也可能只是不断重复试错。

三、用持续验证替代单次押注

芸星跨境联合创始人贾雯茜表示，品牌正在从“寻找增长”，转向“制造增长的确定性”。相比把大量资源押在一次大Campaign上，品牌会持续测试不同的人群、内容和策略，再根据市场反馈快速调整方向。营销会逐渐成为一套持续运行的增长机制，用更小的试错成本，获得更多可复制的经验。

5.AI怎么进入经营：从营销工具走向增长系统

越来越多品牌开始把AI放进用户洞察、产品策略、营销运营和业务决策等环节。用AI发现过去没有被看到的需求

旺脉集团联合创始人兼VP卢燕提到，AI可以帮助品牌从海量数据中发现过去容易被忽略的用户需求。以一个电子锁品牌为例，品牌原本可能只关注装修人群，但AI从数据中发现，长指甲、拿钥匙不方便的美甲用户，同样存在明确需求。

AI带来的价值，不只是提高投放效率，也可以帮助品牌跳出过去的经验和惯性，发现新的产品场景和用户机会。

·品牌可以让营销更早参与产品决策

贾雯茜认为，营销会越来越前置。品牌可以在产品规划阶段就进入市场，通过用户反馈验证需求，通过内容测试寻找产品表达，让营销从“把产品讲出去”，走向“帮助产品找到该怎么做”。当营销能够持续反馈用户需求，并影响产品策略，它就不再只是传播环节，而成为经营的一部分。

·让AI连接数据、洞察和业务流程

神策数据创始人兼CEO桑文锋认为，企业真正需要的，不是一个单点工具，而是一套能够连接数据、判断和执行的增长能力。AI可以进入用户运营、营销增长和业务决策，将过去分散的洞察、策略和执行连接起来。

迈富时合伙人兼CMO尹思源也提到，企业智能体的意义，是让知识问答、产品推荐、营销内容、客户运营和效果优化等能力围绕同一个业务目标协同工作。