AI 更懂人心：摩根大通文案增长 450%

摩根大通用 AI 生成营销文案，点击率最高提升 450%。本文深度拆解其与 Persado 的五年企业级合作案例，提炼可落地中国的 3×3 框架，助力企业用机器学习重塑人性化营销。

“Machine learning is the path to more humanity in marketing.” —— Kristin Lemkau, CMO of JPMorgan Chase

一个看似不可能的组合——以严谨保守著称的全球最大银行之一，居然把直接影响营收的营销文案交给机器生成，而且一签就是五年。但结果证明，这个决定不仅合理，而且超前。当大多数企业还在争论“AI 写作有没有灵魂”时，摩根大通已经用 450% 的点击率提升给出了答案。

一、从怀疑到签约：为什么银行敢把文案交给 AI

2016 年，摩根大通开始小范围试验 Persado 的 Message Machine。这个平台不只是一个语言模型，它背后是一个包含超 100 万个已标记、打分的单词和短语库，能对文案的情感强度、说服力、紧迫感等维度进行量化拆解，并通过预测模型筛选出最有可能触发用户点击或回应的版本。初始测试在信用卡和房贷业务的数字展示广告中进行。结果让整个营销团队震惊：AI 生成的文案不仅没有拉低品牌调性，反而在点击率上实现了相对于人类文案 50% 至 200% 的提升，最高的一次甚至达到 450%。

这组数据意味着什么？对一个大型金融机构来说，哪怕只是 1% 的点击率提升，都可能对应数百万美元的新增收入。然而，银行营销向来被两条绳子死死绑住：一是金融监管下严苛的合规审查，每一句文案都要经过法律团队反复确认；二是传统金融服务的高冷形象，容易让用户产生距离感。所以当 CMO Kristin Lemkau 说出“机器学习是通向更具人性化营销的路径”时，外界听到的是一种深刻的认知反转。她不是在赞美技术，而是在点明一个被长期忽略的事实：真正打动人心的沟通，从来不是靠灵光一现的灵感，而是靠对语言规律的深刻把握。而机器，恰恰比人类更擅长发现那些隐藏在大量词语背后的情感模式。

二、450% 增长背后的秘密：Persado 如何让词句产生化学反应

Persado Message Machine 的原理可以理解为“营销语言工程”而非“内容生成”。它不追求像人类作家那样写出动人的长篇故事，而是专注在几个关键变量的组合优化上：标题、行动号召（CTA）、情感关键词、结构顺序。每一次投放都被视为一次精密实验：系统从数百万条历史广告文案中学习，理解哪些词汇在哪种情境下最能激起消费者的回应。然后根据不同的受众、产品和渠道，实时生成多个候选版本进行 A/B 测试，优胜劣汰，持续迭代。

Banking Dive 曾记录一个典型场景：摩根大通推广无纸化账单时，AI 生成的标题带来的独特点击量几乎是人工文案的两倍；而在另一个信用卡活动中，AI 版本的独特点击量是人工文案的近五倍。值得玩味的是，这些高点击文案往往在措辞上并没有炫技式的创意，反而是用更柔软、更贴近日常生活的表达替代了生硬的金融术语。比如，把“享受专属优惠”改成“你的专属福利已解锁”，把“立即申请”改成“下一步，轻松搞定”。这些细微变化背后，是对“尊重、亲近、简单”等人类动机的精准捕捉。

这就是 Persado 合作案最反常识的地方：AI 不是让营销更“机器化”，而是把营销从“品牌自说自话”拉回到“以用户为中心的对话”。传统文案创作依赖个人经验和直觉，容易陷入内部视角的陷阱；而 AI 基于大规模响应数据训练出的判断，更像是一面镜子，照出消费者真实的情感映射。也因此，Kristin Lemkau 的观点才显得深刻——机器学习不是人性的对立面，而是让人性在营销中被更系统地看见和尊重。

三、从试点到企业级：如何避开 AI 文案的暗礁

2019 年 7 月，摩根大通宣布与 Persado 签署五年企业级协议，将 AI 文案能力覆盖到个人银行、房屋贷款和财富管理三大业务，应用于所有直接响应营销和数字展示广告。这绝非一次简单放大。在金融业，一个文案用错一个词就可能面临监管处罚或声誉风险。能在五年长约中坚持使用，说明摩根大通已经建立起一套 AI 与人类审核共舞的可靠流程。

这套流程至少包含三个关键节点：第一，品牌约束模型。Persado 的词汇库虽庞大，但所有推荐都必须在事先划定的品牌语调（Tone of Voice）和禁用词清单内运行，确保不会因追求点击而破坏长期建立的信任感。第二，合规预审前置。AI 生成的文案会自动对接内部合规数据库，对涉及利率、权益、免责声明等关键文本进行标记和锁定，只有非敏感的情感表达部分允许自由组合。第三，效果归因闭环。每次投放都会被追踪到最终转化，并用增量测试（如地域对照实验）剥离自然流量与活动效果，避免被虚高的点击率数字迷惑。这些工程化手段让 AI 并非替代人，而是成为营销团队的“超级副驾驶”。

对于中国企业，尤其是金融、保险、出行、教育等同样面临强监管和同质化竞争的行业，这个案例的启示远超“用 AI 写文案”本身。最关键的一步，不是去挑选最强大的大模型，而是先把营销语言拆解成可量化、可测试的单元。可以先从短信、App 推送、信息流标题这类短文本切入，建立自己的“词汇实验室”，收集不同表达方式下的真实效果数据，再逐步扩展到品牌广告和落地页。在组织上，还需要打破市场部与合规部之间的死循环——将合规要求固化为系统规则，让审查从“逐字核对”变为“例外干预”，才能释放规模化内容生产的动能。

四、回归人性：中国企业的 AI 营销落地框架

摩根大通的五年实践为我们勾勒出一条清晰的路径：让机器学习成为消费者洞察的加速器，而不是创意的绞杀者。落到中国市场的土壤上，可以提炼出一个“3×3”的落地框架。

1. 三个准备：基线、标签与实验文化

首先，必须在企业内建立内容表现的基线数据。很多企业说不清自己当前某类文案的平均点击率、转化率，也无法区分不同标题之间的差异到底来自运气还是本质。没有基线，就无法判断 AI 生成文案是否真正有效。其次，需要对营销语言做标签化处理，哪怕是手工先标注几百条历史素材，区分“感性诉求”“理性诉求”“紧迫感”“社会证明”等维度，这会成为未来训练垂类模型或者微调提示词的基石。最后，要培育一种实验心态：允许 AI 文案的失败，并从失败中提炼规则。摩根大通也是在数百次 A/B 测试后才跑出高增长版本，而不是一蹴而就。

2. 三个行动：小切口、多人机、快闭环

起步阶段，一定要选择决策链条短、效果可量化的“窄切口”，比如短信模板优化、电商详情页标题测试，甚至是客服机器人的回应话术。这类场景风险低、数据反馈快，能快速建立团队信心。在流程设计上，要将“人机协作”而非“机器替代”植入到内容供应链中：AI 提供基于数据的初筛推荐，人类负责注入对社会情绪、热点事件的理解，并承担最终的品牌把关。同时，通过内容中台或营销自动化工具建立“生成-投放-回收-标注-再训练”的闭环，形成持续进化的内容智能飞轮。很多中国企业已经拥有 CDP 或私域运营平台，完全具备接入 AI 文案引擎的基础，缺的往往只是把数据集变成训练资产的决心。

3. 三个升华：从提效到重塑消费者关系

最高阶的利用，是借由 AI 文案能力重新定义品牌与消费者的连接方式。当机器能够精准识别每个细分人群的情感驱动词时，“千人千面”就不再是一句口号，而是可落地的内容工程。摩根大通的实践表明，这种规模化的个性化并没有稀释品牌，反而因为每一句沟通都踩在用户当下的情绪点上，强化了“懂我”的感知。中国的 DTC 品牌、金融科技公司、新消费领域，都处在争夺用户注意力的红海中。谁能率先把 AI 文案从“降本的工具”升级为“增长共情的引擎”，谁就能在下一轮消费者投票中占得先机。

五、结语

摩根大通与 Persado 的五年之约，不是一起技术选型事件，而是一场关于“如何让规模化的沟通重新带有人性温度”的商业实验。AI 文案的 450% 增长或许无法被每个企业简单复制，但它传递的信号再清晰不过：在营销这个领域，理解人永远比玩弄技巧更重要；而 AI，正在成为我们理解人的最精密装置。