法国铁路SNCF：用AI画出旅客新画像

SNCF通过Adobe Firefly生成促销视觉、Havas Converged AI构建旅客画像，展示重资产国企如何用生成式AI提升营销创意效率与人群洞察精度，为中国大型企业提供可复用的AI营销路径。

“Jean-François Sacco 第一时间向我们提议，在创意真正开始之前，就借助 Havas Paris 名为 Converged 的 AI 构建旅客画像。”

这句话出自 SNCF Voyageurs 品牌战役操盘者的复盘。它点出一个被很多企业忽略的事实：AI 在营销中的最大价值，不是生成一张图、一段文案，而是让“理解用户”这件事从经验判断变成数据工程。法国国营铁路集团 SNCF 用两个真实案例证明，即使是卖火车票的百年国企，也能把生成式 AI 嵌入创意生产与品牌建设的核心链条。

一、两个案例：一个卖票，一个建品牌

先看事实。SNCF Connect 是 SNCF 旗下的票务网站与 App，仅 2023 年就售出 2.09 亿张火车票。这个量级放在中国，相当于半个铁路 12306。团队早在约 18 个月前就开始探索生成式 AI，并且在多个场景中投产。

第一个案例发生在 2023 年 11 月 15 日冬季售票开启时。SNCF Connect 需要快速产出促销视觉，创意概念是“水晶球”。他们用 GenAI 工具，包括 Adobe Firefly 的图像生成与扩展能力，完成了促销物料。这个案例看似普通，但关键在于：它不是实验，而是真实广告投放。

第二个案例更值得深读。2024 年前后，SNCF Voyageurs 迎来五周年，需要推出新品牌传播。传播目标是建立一套独特的品牌语法，展现现代化形象。创意公司 Rosa Paris 在动笔之前，先联合 Havas Paris 的 Converged AI，为 SNCF 构建了一组旅客画像。这些画像不是传统调研问卷里的人口统计标签，而是整合了 SNCF 希望触达的多元受众宇宙。传播媒介包括分段电视、赞助回放、影响者合作，并且被设计成一套可长期复用的工具盒，而不是一次性大投放。

两个案例，一个面向短期销售转化，一个面向长期品牌资产。它们共同说明：AI 营销不是单点炫技，而是可以贯穿“洞察—创意—投放—复用”的全流程。

二、真正的洞察：AI 把“旅客理解”前置到创意之前

过去，品牌做传播通常先拍脑袋定创意，再找人群。所谓用户画像，往往滞后于创意。而 SNCF Voyageurs 的做法反了过来——用 Converged AI 先构建旅客画像，再让创意团队基于画像去设计表达。

这个顺序变化，本质上是营销流程的权力转移。传统的创意总监依赖直觉与经验，AI 则提供了可量化、可迭代的人群理解。在法国这样的成熟市场，铁路旅客构成极其多元：通勤族、跨城学生、周末度假者、商务出行、国际游客。靠一两句 slogan 无法覆盖所有人。

Converged AI 的价值不在于生成文案或图片，而在于把“我们到底在对谁说话”这个问题，变成可以被创意团队反复调用的结构化数据。它像一面镜子，让品牌看见自己受众的真实结构。虽然公开资料没有披露 Converged AI 的具体算法，但从其使用场景看，它更像是一个受众数据整合与聚类引擎，将不同来源、不同形态的旅客数据收敛为可操作的细分群体。

这种前置理解，也解释了他们为什么能提出“SNCF. Prénom : Voyageurs”这样的品牌语法。表面上是文字游戏，背后是旅客身份认同的构建。没有精准的群体洞察，这种语法只是空洞的口号。它传递的信号是：每一个乘客都值得被当作有名字、有偏好的个体，而不是一张车票上的统计编码。

三、AI 营销的三个层级：生成、洞察、系统

SNCF 的两个案例实际展示了 AI 营销的三个递进层级。

第一层是生成层。SNCF Connect 用 Adobe Firefly 完成水晶球促销视觉，属于用 AIGC 加速内容生产。这是最显性、最容易上手的应用。它解决的是“做得快不快”的问题。

第二层是洞察层。SNCF Voyageurs 用 Converged AI 构建旅客画像，属于用 AI 辅助人群分析。它解决的是“对谁说、说什么”的问题。这一层更难，因为它要求企业先有数据基础，再把数据转化为创意团队能理解的语言。

第三层是系统层。品牌战役被设计成长期可复用的工具盒，意味着 AI 能力没有停留在单次项目，而是沉淀为组织知识资产。它解决的是“下一次能不能更聪明”的问题。中国企业往往在第一层投入很多，却很少走到第二层和第三层。这恰恰是拉开差距的地方。

很多企业把 AI 营销等同于“让 AI 写文案、出图”，这是最大的误区。生成只是效率工具，洞察才是决策工具，系统化则是组织能力。只做第一层，相当于给旧马车装上了新轮子，跑得再快也改变不了方向。SNCF 的可贵之处在于，它同时跑通了三个层级。

四、方法论：传统企业落地 AI 营销的四步路径

SNCF 的实践可以抽象出四个步骤，适合中国的大型国有企业、基础设施行业、传统制造企业借鉴。

第一步：从一个小而真实的场景切入

SNCF Connect 没有一开始就做全集团 AI 转型，而是选择冬季售票促销视觉。场景小、周期短、效果可衡量。企业切忌一开始就追求“AI 中台”“全链路智能化”。一个海报生成、一段商品描述、一组用户评论分析，都是合适的起点。

第二步：把“质量、安全、伦理、客户满意度”设为硬约束

SNCF 明确提出了四支柱原则。这非常重要。铁路是高度敏感的公共服务行业，任何 AI 产出如果出现版权风险、内容不当或安全漏洞，都会引发巨大公关危机。中国企业同样需要建立内部审核清单，而不是让 AI 自由发挥。尤其是国企和上市公司，合规风险永远优先于效率提升。

第三步：让 AI 产出进入真实业务流，而非演示环境

SNCF Connect 的促销视觉是实际投放的，不是内部 Demo。很多企业的问题在于 AI 项目永远停留在 PPT 和试点阶段。只有让 AI 产物接受真实用户点击、停留、转化的检验，才能积累可复用的数据反馈。一个只存在于内部评审会的 AI 案例，永远无法证明商业价值。

第四步：将 AI 能力沉淀为可复用的工具盒

SNCF Voyageurs 的战役被明确设计成“boîte à outils”——一套长期工具盒，而不是一次性的媒介购买。这意味着品牌战役结束之后，旅客画像、创意模板、投放策略都能被后续项目调用。中国企业需要摆脱“项目制 AI”，把每一次实践变成组织知识资产。否则每换一个项目，团队都要从零开始。

五、中国语境：为什么铁路、能源、金融更需要 AI 营销

有人可能会问：法国铁路的案例，对中国企业有多少参考价值？答案是相当高，甚至更高。

第一，中国同样存在大量重资产、大体量、品牌老化的大型企业。铁路、电网、石油、银行，它们有庞大的用户基数，但营销效率长期偏低。传统打法依赖大投放、大口号，缺少对细分人群的精细化理解。SNCF 用 AI 画像旅客的做法，恰好能解决这类企业的“人群盲区”。

第二，中国市场的媒介环境更碎片化。抖音、小红书、视频号、私域，每个平台都有不同的内容逻辑。如果没有清晰的人群画像，品牌只会把同一个素材复制到所有渠道，结果就是预算浪费。Converged AI 的思路可以迁移过来：先建画像，再适配渠道。分渠道的精细运营，需要的正是这种前置洞察。

第三，生成式 AI 在创意端的成本优势，对预算敏感的传统企业尤其重要。SNCF Connect 用 Firefly 生成水晶球视觉，本质是把外部设计公司的部分工作内部化。在中国，一个中等规模的品牌活动，视觉物料可能耗费数十万。AI 可以先做出多个备选，再让人工精选优化，时间与成本都能大幅下降。

但中国也有独特挑战。大型国企的组织流程比法国更复杂，AI 工具采购、数据安全、内容合规都需要层层审批。因此不能照搬 SNCF 的做法，而应把“四支柱原则”本地化为更严格的三道关：安全关、合规关、品牌关。安全关确保数据不出域、内容不违规；合规关确保广告法、行业监管要求；品牌关确保调性统一、不损害长期资产。

六、行动清单：30 天启动计划

如果一家中国企业今天想复制 SNCF 的路径，建议从以下动作开始。

• 第一周：选一个未来 30 天内有明确节点的营销物料，如节假日促销海报、新品主图、活动落地页头图。
• 第二周：用 1-2 个主流生成式 AI 工具（如 Adobe Firefly、Midjourney、通义万相、即梦 AI 等）产出多个版本，团队内部评审。
• 第三周：为这个场景建立简单的质检清单，包括品牌色、字体、禁忌词、版权风险、虚假承诺等。
• 第四周：把 AI 参与生产的物料与纯人工物料做 A/B 测试或小范围投放对比，记录点击率、转化率、节省工时。
• 一个月后：复盘数据，决定是否扩展至更多场景，并开始构建本企业的“用户画像工具盒”。

关键是，不要等待一个完美的 AI 战略。先让 AI 在一张海报上跑通，再谈组织变革。SNCF 也是从 18 个月前的小步探索开始，才走到今天两个可核实的真实案例。

用一句话总结：AI 营销的胜负手，不在模型多强，而在于你能否把 AI 嵌入真实的业务流，并让每一次产出都沉淀为下一次更聪明的起点。SNCF 用 2.09 亿张火车票背后的真实投放，证明传统企业同样可以跑赢这场效率与洞察的双重竞赛。