LAM正在杀死“千人一面”的营销

深度拆解日本NTT DOCOMO发布的LAM大规模行为模型。看NTT如何通过1对1行动预测，将营销受注率提升2倍，并实现低成本训练。为中国CMO提供AI时代重塑营销体系的方法论。

营销的终极目标不是在所有人眼里都是对的，而是在某一个人眼里，你无可替代。

我们正处在一个非常诡异的营销时代：一方面，ChatGPT让一个实习生也能在5分钟内产出100条文案；另一方面，消费者对信息的屏蔽能力远超历史上任何时期。问题的症结在于，我们的工具进化了，但底层逻辑依然停留在“投放-触达-转化”的广播时代。

当中国企业还在争论该用Midjourney还是Stable Diffusion生成下一季度的品牌海报时，日本通信巨头NTT及其子公司NTT DOCOMO，已经研发出名为LAM（Large Action Model，大规模行为模型）的新一代AI引擎。它不生成文字或图片，而是直接预测某个具体的人，在特定的时间地点，到底“想做什么”。它在电话营销场景中，将受注率最高提升至传统方法的2倍。这个数字，足以让任何一位CMO彻夜难眠。

LAM：从“预测画像”到“预测行动”的代际跃迁

传统的AI营销模型，本质上是“大语言模型+大数据”的组合。它们可以轻松告诉你，一个25岁、居住在一线城市、喜欢猫的女性大概会喜欢什么口味的奶茶。但这套逻辑正在失效。因为“标签”只能解释过去，无法准确预测下一刻的购买冲动。

NTT DOCOMO发布的LAM技术，给出了完全不同的解法。它的底层逻辑不是处理文本，而是处理“4W1H”时序数据——Who（谁），When（何时），Where（何地），What（做了什么），How（如何做的）。通过将这五个维度的行为数据序列化，LAM能够像读取心电图一样读取用户的“意愿波动曲线”。

这意味着，营销的颗粒度从“一类人”被无限细化到了“一个人当下的一瞬间”。过去我们做1对1营销，往往是基于用户留存的历史标签进行千人千面的推送。而LAM做的，是在用户打开APP的那个瞬间，分析其近期的行为序列，推断出他此刻最核心的焦虑或渴望。例如，当系统识别到用户正在频繁查看流量套餐且多次停留却未购买，LAM不会简单地推测“他对流量包感兴趣”，而是可能推理出“他正在犹豫下个月的续费，且对价格比较敏感”。于是，系统推送的不再是通用折扣，而是一个精准匹配其账单周期的安抚性方案。

被低估的“低成本奇迹”：145 GPU小时即可复制

很多人看到大模型，第一反应是“这得花多少钱”。这种恐惧往往让企业老板在决策时望而却步。但NTT的技术演示彻底打破了“只有巨头才玩得起大模型”的刻板印象。

根据NTT公布的资料，构建这套针对特定营销场景的LAM，训练效率极高。DOCOMO的自有LAM构建过程，仅消耗了约145个GPU小时，使用的是NVIDIA A100 8卡配置的服务器，一天之内即可完成训练。这意味着，LAM的商业化落地比预想中轻得多。

这对于中国企业的启示是：你不需要重新训练一个通识性的万亿参数大模型，你需要的只是一个基于企业自身真实用户时序数据微调的“专精模型”。这种模型成本可控，且因为紧贴企业自身的“数据土壤”，产出的行动预测往往比通用大模型更精准。想象一下，一家连锁咖啡品牌，如果利用过去一年的用户点单时间序列来训练LAM，它就能精准预测某一个白领明天早上8点45分路过门店时，是更想喝一杯提神的冰美式，还是想尝试今天新出的燕麦拿铁。一旦预测成功，优惠券就不再是打扰，而是一种恰到好处的服务。

从“生成创意”到“生成策略”：AI代理的组织级重构

除了精准到毛细血管的LAM技术，NTT旗下的另一家核心公司NTT DATA，则展示了AI在营销管理流中的宏观重构能力。2025年6月，NTT DATA正式发布了一款名为LITRON Marketing的AI代理服务。

这款服务并不是简单的文案撰写工具，而是一个架构在SmartAgent基座之上的对话式营销指挥系统。它最核心的价值在于，它连接并统筹了多个专精型AI代理，实现了从营销战略制定、战术推演、活动执行到效果评估的全链条闭环。

在具体执行层面，LITRON Marketing能干的事相当具体且硬核：它能够辅助完成用户画像分析，绘制复杂的用户旅程地图，甚至直接生成广告图像和具备高度转化力的邮件文案。NTT DATA的新闻稿宣称，这套系统可以将营销业务的整体负荷最多削减60%。

60%这个数字非常微妙。它不意味着彻底替代，而是意味着人机协作的深度耦合。传统的营销团队架构是金字塔式的，策略层、管理层和执行层泾渭分明。一旦LITRON Marketing这类的AI代理介入，中间层将被大幅压缩。未来团队的理想配置可能是：1个极其敏锐的策略负责人，加上数个善于与AI对话、调试、校准的运营人员。创意制作和数据分析不再是一个庞大的部门，而是一种被调用的计算资源。

是中国营销人的危机，还是重新洗牌的机会？

从NTT的这两个案例中，我们看到了一个刺眼的落差。当日本企业在营销AI化上已经进入“行为预测”和“代理协同”的深水区时，不少中国企业的AI营销依然停留在“用AIGC批量做素材然后疯狂铺量”的阶段。

这种差距的本质，在于对营销科学化的理解差异。很多企业老板抱怨抖音和淘宝的流量越来越贵，但他们解决这个问题的方式是去寻找更便宜的AIGC工具来降低素材制作成本。这本质上是用新技术去维护旧有的流量依赖体系，最终依然深陷在平台构建的竞价黑洞中。而NTT的思路是绕开流量竞价的陷阱，通过深度解析自有的用户行为数据，提升每一次触达的命中率。当受注率做到2倍提升时，流量成本自然就降了一半。

因此，中国企业在当前的节点上，需要的不是再去寻找一个神器的AI软件，而是进行一次组织的“硬复位”和“软启动”。

第一步：梳理时序数据资产

像NTT那样思考，重新审视你的CRM系统、小程序后台和线下POS机里的数据。不要只看“买了什么”，要拆解用户在购买前3天、前1小时、刚完成支付后3分钟内的所有触点行为。这些带有时间戳的序列，才是喂养LAM类专属模型的黄金燃料。

第二步：建立低成本的实验沙盒

不要妄想一步到位建设企业级大脑。参考NTT的训练思路，你的技术团队或第三方合作伙伴完全可以在云端租用算力，基于近3个月的核心转化路径数据，尝试训练一个只解决单一问题的小规模预测模型。比如，专门预测高净值用户的流失意愿，或者新用户的第一次复购时机。

第三步：重塑人机协作流

如果你是CMO，现在就可以开始用LITRON Marketing的思维去测试现有团队的协同方式。让AI代理生成策略草稿，人类负责批判和修正；让AI代理生成100组AB测试素材，人类负责审美判断和情感校准。将重复性脑力劳动者转型为AI训练师，是这个阶段性价比最高的组织升级。

我们正在跨过一道门槛。在门槛的这一边，AI是降本增效的工具，是美工和文案的电子替代品；在门槛的另一边，AI是商业洞察的来源，是你读懂每一个鲜活的用户此时此刻心中那无法言说的欲望脉搏的唯一方式。NTT的2倍受注率，不过是这道门槛背后诸多红利的冰山一角。