有真實資料的 AI 營銷案例在哪裡？比行業大會上宣傳的要少得多。大多數“AI 成功故事”統計的是產出：生成了多少素材、理論上省了多少小時、上了哪些工具。真正值得學習的少數案例，會點明一個具體的低效問題，對它進行衡量，解釋方法，並誠實說明結果到底有沒有發生。
最新的例子就出現在本週。Campaign Middle East（Campaign 中東版）報道，效果營銷代理商 TRKKN 使用 Google 開源的 Meridian 營銷組合模型（MMM），幫美妝零售商 Faces 看清其在沙烏地阿拉伯的收入究竟從哪裡來。三年資料、11 個渠道，預測可帶來 8.5% 的增量收入，ROI 提升 10.8 個百分點，而這一切只是透過重新調配 Faces 本來就在花的預算。
Faces 與 TRKKN 的案例到底證明了什麼？
證明了一件具體而有用的事。TRKKN 在 Faces 現有的 Google Cloud 環境中部署 Meridian，對 2023 至 2025 年的線上線下營銷資料和收入資料建模，併為每個渠道構建了響應曲線和飽和曲線。Performance Max 是表現最強的渠道。模型還顯示了在哪些地方追加預算會遭遇邊際收益遞減。
Faces 隸屬 Chalhoub Group，其數字營銷總監 Harry Lonergan 用一句話概括了價值：“Meridian 幫助我們跳出了末次點選效果所呈現的視角。”
有兩點需要注意。第一，報道寫得很清楚，8.5% 和 10.8 個百分點來自模型情景推演，而不是落地後的結果。第二，這是統計建模，不是生成式 AI，所以它對內容工具什麼也說明不了。這兩點都不會削弱這個案例，反而讓它更可信，因為你清楚自己在看的是什麼。
為什麼大多數 AI 營銷案例都很單薄？
經濟學家把價格無法傳遞正確訊號的市場稱為“市場失靈”。其中一個經典原因是資訊不對稱：交易一方掌握的資訊遠多於另一方。廣告業與此共存了幾十年：平臺給自己的作業打分；代理商為客戶看不見的工作按小時計費；客戶用末次點選資料評判渠道，而這些資料偏偏抬高了離成交最近的那個環節。
AI 案例繼承了這個問題。供應商只公佈勝績，很少公佈方法，幾乎從不公佈基線。“節省了 40% 的製作時間”聽起來像證據，直到你追問：40% 的什麼？怎麼衡量的？那些工作後來怎麼樣了？
有用的案例恰恰相反。它們直面市場長期容忍的低效問題，比如末次點選歸因或耗時數天的人工報告，並亮出數字。從這個意義上說，效率確實是創新之母：在看清一個流程的成本之前，你無法重塑它。
哪些 AI 案例有可以核查的數字？
以下是我們今天能拿出來的案例，包括我們自己的客戶，用的是同一把尺子。沒有公開資料的，我們直說。
| 案例 | 解決的低效問題 | 數字 | 預測還是已實現？ | 還缺什麼 |
|---|---|---|---|---|
| Faces 與 TRKKN（Meridian MMM） | 用末次點選視角看 11 個渠道 | 8.5% 增量收入；ROI 提升 10.8 個百分點 | 基於三年資料的預測 | 落地後的結果 |
| SAMY 與 Defy Agents | 人工效果報告 | 三天的工作縮短為一天 | 已在工作流中實現 | 省下時間的商業價值 |
| Enchant 與 Defy Monitor | 人工 CRM 洞察與活動部署 | 無公開資料 | 已用於其全部客戶 | 量化的成果 |
| SharkNinja 與 Defy Monitor | 瞭解拉美市場 | 無公開資料 | 用於制定可快速測試、快速學習的策略 | 這些測試的結果 |
| 衝刺型代理商（Beers With Friends、X&O） | 動輒數月的專案和月費合同 | 五天一個衝刺；客戶一年回來好幾次 | 運營模式已在使用 | 故事裡完全沒有 AI |
“三天變一天”在代理商內部是什麼樣子？
全球達人營銷代理商 SAMY 採用 Defy Agents 來精簡效果報告，把三天的工作縮短到一天。這個數字並不光鮮，卻正是重要的那種，因為報告是每個客戶服務團隊都熟悉的雜活：從各平臺拉數、對數、排版、檢查、傳送、解釋。
Defy 平臺上的智慧體工作流，能把這類重複性交付從人們的桌面上拿走。有意思的問題是，另外兩天變成了什麼。如果它們被更多同樣的工作吞掉，客戶什麼也看不到；如果投入到分析、創意和溝通上，報告就不再是成本，而是續約的理由。
Campaign US 對代理商衝刺模式的拆解，展示了速度在商業上會通向哪裡。Beers With Friends 以五天為一個衝刺週期。X&O 聯合創始人 Brett Banker 說，公司的“客戶留存率為零”，因為客戶一年回來好幾次，而不是籤長期代理（agency-of-record）合同。這篇報道完全沒有提到 AI。這正是重點：客戶本來就願意為速度和專注買單，更快的交付只是讓更多代理商能用上這種模式。
照搬之前，如何判斷一個 AI 營銷案例
- 點明低效問題。之前什麼是浪費的、看不見的？“我們用上了 AI”不算低效問題。
- 找到基線。三天的報告工作、末次點選歸因、以月計的專案週期。沒有基線，就不算案例。
- 檢查方法。用了哪些資料、覆蓋多長時間、多少個渠道？Faces 的案例三個問題都答了。
- 區分預測與已實現。模型推演出的增幅是預測。把它當作待驗證的假設，而不是寫進比稿 PPT 的成績。
- 追問省下的時間去了哪裡。效率只有體現為更好的工作、更快的決策或更低的客戶成本，才算數。
- 自己做試點。一個客戶、一個工作流、一個月，開始前先把基線寫下來。
哪些地方的證據仍然薄弱？
大多是聲音最響的地方。衡量和報告能產出乾淨的前後對比資料，所以容易成為好案例。生成式內容就難多了：多產出的素材容易統計，但要證明這些素材賣出了更多東西卻不容易。對任何止步於數量的案例都要保持警惕。
我們自己的表格也有空白。Enchant 和 SharkNinja 是真實的部署，但沒有公開資料；SAMY 的數字衡量的是時間，不是收入。我們寧願把空白擺出來，也不想粉飾。接下來跑得好的代理商，會在公佈勝績的同時公佈方法，因為只有這樣的案例，才會讓一位挑剔的客戶財務總監願意讀第二遍。
