摩根大通AI文案：点击率提升450%的背后

摩根大通与Persado五年合作证明，AI生成的营销文案最高提升450%点击率，远超人工。本文还原经典案例，揭示AI如何让营销语言更人性化，并提供中国企业可复制的方法论。

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

当大多数企业还在争论AI会不会取代营销人的时候，摩根大通已经用五年的时间给出了一个令人错愕的答案：AI不仅能写文案，还能写出比人更有人味、更能驱动行为的文案。这家全球排名第21的金融巨头，早在2016年就悄悄启动了一项实验，最终在2019年签下了一份覆盖整个集团的五年协议。实验的结果，被浓缩在一句CMO的引语中：“机器学习是通向更具人情味的营销的路径。”不是冷冰冰的效率提升，不是成本削减，而是直接指向营销最柔软的核心——人性。

从2016到2019：一场静悄悄的文案革命

故事的开端并不在人们以为的科技层面，而是在一个营销人无比熟悉的场景：直复营销和数字展示广告的文案写作。摩根大通旗下的信用卡、房贷、个人银行等业务，每天要生产大量直接触达消费者的文案。标题、正文、行动号召，每一个词都在争夺用户的注意力。

2016年，摩根大通将目光投向了一家名叫Persado的AI公司。Persado的核心产品名为Message Machine，它并不是简单的文案自动生成器，而是一个拥有超过100万个标记、评分词汇和短语的“情绪语言库”。这个引擎能够根据受众画像、场景与品牌调性，从海量语言组合中挑选出最可能引发情感共鸣与点击冲动的表达方式，并进行持续优化。

试点很快有了结果。在信用卡和房贷业务中，由Persado引擎生成的广告文案，最高实现了450%的点击率提升——这不是偶然的波动，而是相对于由经验丰富的营销人撰写的对照组，获得的光谱级差距。常规情况下，AI文案的点击率提升幅度也稳定在50%至200%之间。一组来自媒体Banking Dive的补充细节更加惊人：在一次推广无纸化服务的测试中，AI生成的标题带来了近乎翻倍的独立点击量；而在另一张信用卡的推广中，AI标题驱动的独立点击量几乎达到了人工版本的5倍。

这些数据的震撼力在于，它们发生在一家并不缺乏顶级营销人才的500强金融企业。摩根大通内部显然进行了一场严格的对照实验，而实验的结论足以支撑一个战略级决策。

当营销语言成为一门可以被计算的情感科学

为什么AI能写出更“人性化”的文案？这背后横亘着一个认知鸿沟：人类营销人员习惯于从自身经验、语感和审美出发去创作，但人的语言直觉往往存在盲区。我们以为自己知道什么能打动用户，但真正能让用户行动的，往往是那些被我们忽视的细节——一个动词的时态、一个情绪词的强度、一种框架效应带来的心理暗示。

Persado的Message Machine做的，本质上是将营销语言从一门“艺术”变成了一门可测量、可优化的“情感科学”。它通过对词汇和短语进行情绪标记和评分，建立起一个跨越恐惧、紧迫感、成就、安全、归属等数十个情感维度的语言地图。当机器决定使用“抓住最后机会”而不是“不要错过”，或者使用“为你量身打造”而不是“个人专属”时，背后是成千上万次A/B测试积累的概率判断，而不是某个文案的灵光一闪。

这就像高盛用算法进行交易决策一样——不是因为算法比交易员更懂宏观经济，而是因为它能同时处理的信息维度和决策粒度，远超人类大脑。AI在特定营销文本的微观战场上，把“人性”分解为可计算的情绪参数，再以最优化的方式重构，这种能力带来的提升，实质上是对人类语言盲区的系统化补完。

这种转变也回答了一个更深层的困惑：为什么许多企业引入AI文案工具后，效果并不明显？因为大部分企业只是把AI当作一个“文字生成器”，输入需求、输出文本，而缺乏一种将语言策略进行数据化、标签化、闭环优化的基础设施。摩根大通用的是Persado的专有情绪引擎，这是一种高度结构化的语言认知模型，而不是一个通用的大语言模型。两者的区别，就像是按照乐谱演奏和即兴哼唱——后者也许能偶尔出彩，但前者才能确保每次都达到专业水准。

五年企业级协议：AI不再是实验，而是基础设施

2019年7月30日，摩根大通正式宣布与Persado签署了一份为期五年的企业级协议。这意味着Persado的AI文案能力不再局限于信用卡和房贷的小范围试点，而是被纳入个人银行、住房贷款、财富管理等核心业务线的日常营销基础设施。协议覆盖的渠道也涵盖了直复营销和数字展示广告，这两个领域正是金融机构争夺潜在客户、推动转化率的主力战场。

这份协议的关键词不是“工具”，而是“enterprise-wide”——全企业范围。它透露出一个清晰的信号：摩根大通认为AI文案已具备规模化、可复制、可治理的成熟度，而不仅仅是一个有趣的创新项目。这种决策的时间节点值得玩味：2019年，ChatGPT尚未问世，大语言模型的公众认知几乎为零，而金融巨头已经抢先决定将AI植入营销的核心环节。这说明领先者对“新技术何时进入基础层”有着敏锐的嗅觉。

这份协议还意味着一个更深层的组织变革：营销团队的工作流发生了根本变化。文案人员不再是从零开始创作，而是转变为AI系统的“语言策略师”——他们需要定义品牌的语言调性、设置情感维度权重、审核AI生成的组合方案、并解读数据反馈以持续优化模型。营销的角色没有消失，而是上移到策略层面。

对中国企业而言，这种转变的启示直击要害。很多公司的CMO或增长负责人早已听说AI可以写文案，但落地时往往陷入两个极端：要么过度神话，以为随便输入几个关键词就能产出爆款；要么过度轻视，觉得AI写的东西缺少灵魂，最终又缩回人力驱动的旧模式。摩根大通的案例说明，真正有效的应用，是构建一套将AI能力与企业级营销流程深度耦合的体系，让语言策略不再依赖个人英雄主义，而是建立在数据与持续学习的引擎之上。

中国市场的现实处境：为什么你的AI文案没效果？

回过头来看中国市场，金融机构、电商平台、消费品公司纷纷试水AI文案，不少团队甚至已经将ChatGPT、DeepSeek、Kimi等工具纳入日常内容生产。然而一个普遍的抱怨是：AI写出来的东西，要么空洞套话，要么不符合品牌调性，转化率提升远没有外界宣传的那般神奇。

问题出在哪里？对照摩根大通的实践，答案变得清晰——中国企业目前的AI文案应用，大多停留在“单点生成”阶段，缺少三个关键能力。

第一，缺少情绪语言的标签化体系。中国营销界长期依赖“网感”“走心”“扎心”这类模糊概念来指导文案方向，没有建立起一套可量化、可测试、可复用的语言情绪标签库。比如“紧迫感”在不同场景中是应该用“倒计时”还是“名额有限”？“信任感”更适合用“专家推荐”还是“真实用户故事”？这些选择在绝大多数团队里仍然靠拍脑袋决定，而不是通过系统化的标记和数据反馈来迭代。

第二，缺少闭环的实验文化。摩根大通从2016年开始持续三年的试点，建立了严密的A/B测试流程，每一组文案背后的情绪策略都被记录下来，形成可追溯的数据资产。而很多中国企业的AI文案测试是随机的、一次性的，甚至不做对照组。没有成体系的实验，AI就永远无法从数据中学会如何变得更有效。

第三，缺少企业级的整合视角。文案优化往往被当作内容团队内部的一个提效小工具，而非贯穿客户获取、激活、交叉销售全链路的战略能力。摩根大通将Persado激活在direct response和digital display等多个触点，意味着同一套语言引擎可以在不同渠道、不同客群间实现情绪策略的延续性和协同效应，这是一种典型的“平台化”部署思维。

这些差距，本质上不是技术的差距，而是营销管理和组织认知的差距。

走出工具观：如何构建企业级AI营销语言引擎

摩根大通的案例绝非一个无法复制的传奇，它提供了一套清晰的路径图。对于有志于将AI文案能力真正落地为竞争力的中国企业，可以从以下四个层面着手。

第一，建立企业专属的情绪语言标签库。这不需要一开始就达到Persado百万级词库的规模，但必须定义出品牌最核心的情感维度，例如安全感、归属感、成就感、好奇心、紧迫感。然后由资深文案和营销策略师一起，将品牌高频使用的短语、句式、故事原型按照这些维度进行标记和打分，形成一个初始的“语言图谱”。这个图谱是AI引擎的燃料，也是保证品牌调性不偏移的护栏。

第二，将文案实验纳入标准营销流程。每一次营销活动的文案，都不应该是单一版本，而应是至少包括两组情绪策略的AB方案，由AI辅助生成多组变体进行测试。测试结果必须被回传到语言标签库，让某个情感维度在特定场景下的效果数据持续积累，形成越用越聪明的飞轮。财务部门需要理解，这样的实验不是增加成本，而是提高每个点击、每次转化的回报率。

第三，设立“语言策略师”角色。未来的营销团队中，需要出现一个连接创意与数据的新岗位。他既理解品牌想要传递的情感和价值，又能解读AI生成的文案背后的情绪参数和行为预测。他的工作不是写文案，而是定义文案策略、校准语言模型、分析测试结果、沉淀有效范式。这个角色将成为AI时代品牌营销大脑的核心组件。

第四，选择或构建与业务深度绑定的技术平台。通用大语言模型可以用于头脑风暴，但真正面向规模化直复营销时，需要更垂直、更可控的解决方案。企业可以评估市场上现有的AI营销语言平台，也可以基于开源模型叠加自有的语言标签库进行定制开发。关键是，这个平台必须与企业的数据中台、营销自动化系统、CDP（客户数据平台）打通，让语言决策与用户行为数据实时联动。

当这四个层面开始运转，企业就拥有了一个不断自我优化的“AI营销语言引擎”。它不会取代创意人才，而是让他们从重复性的细节工作中解放出来，专注于更高维的品牌叙事和情感策略。这也正是Kristin Lemkau所说的，通过机器学习迈向更具人情味的营销。

回到原点：技术，是为了更好地理解人

摩根大通的故事很容易被误读为“AI取代文案”的成功学，但它真正的价值在于揭示了营销进化的一个底层逻辑：技术越发达，对“人”的理解就越需要精细化。在信息过载的时代，消费者渴望的不是更多的内容，而是那些能精准触动他们内心情绪的语言。AI在这里扮演的角色，不是制造噪音，而是帮助品牌找到那个不多不少、刚刚好能打动人心的表达。

对于每一个正在经历增长焦虑的中国企业老板和营销负责人来说，也许应该问自己一个问题：我们真的了解我们用户的情绪语言吗？如果答案尚不清晰，那么让机器学习去探索人性，或许就是我们该走的那条路。