喜力如何把AI做成营销操作系统
喜力用Freddy AI、Allocation AI和新加坡GenAI Lab搭建营销AI操作系统。解析三层架构背后的商业逻辑，以及中国企业可落地的五步行动清单。
“GenAI将在理解消费者需求、增强客户互动和提升生产力中扮演更重要角色。”
说这句话的是喜力全球首席数字与技术官 Ronald den Elzen。听起来四平八稳，甚至有点像任何一家跨国公司的官样文章。但如果你把喜力过去两年在 AI 上的三件事放在一起看，会发现一个被大多数人忽略的信号：这家全球排名第 487 位的啤酒巨头，正在把 AI 从“创意玩具”改造成“营销操作系统”。
多数中国企业对 AI 营销的理解，还停留在“用 Midjourney 生成几张海报”“用 ChatGPT 写几条小红书文案”的层面。工具买了一堆，账号开了一排，最后发现产能没有明显提升，预算没有更聪明的花法，组织协同还是一团乱麻。喜力的做法给出了另一个答案：不是堆工具，而是建系统。从内容生产到预算分配再到组织实验，它用三个 AI 项目把营销决策的底层逻辑重写了一遍。这背后藏着的，是一套可以迁移到任何行业的 AI 营销分层架构。
多数企业做 AI 营销，死在“工具散装”
先看一个普遍现象：一家快消企业的市场部，内容团队用ChatGPT写文案，设计团队用Midjourney出图，媒介团队用某个第三方平台做投放优化。三套工具，三套账号，三套数据，彼此之间没有任何连接。每个环节看似都在用AI，但整体效率提升几乎可以忽略不计。
这不是工具的问题。工具本身已经足够强大。问题在于，大多数企业把 AI 当成“个人效率工具”，而不是“组织决策系统”。个人效率工具的逻辑是：每个人自己找工具，自己学提示词，自己完成单项任务。组织决策系统的逻辑是：AI 被嵌入业务流程，成为团队协作和资源分配的标准基础设施。
喜力选择的是后者。它没有让全球各地的品牌团队各自去探索 AI 工具，而是在总部层面搭建了一个统一的 AI 平台——Freddy AI。这个平台以已故主席 Freddy Heineken 命名，定位为内部“商业情报与创意赋能引擎”。也就是说，它不是某个部门的辅助工具，而是整个全球营销组织的底层能力。
这是第一个关键判断：AI 营销的成熟度，看的不只是“有没有用 AI”，而是“AI 有没有被纳入组织的标准作业流程”。当 AI 只停留在个人层面，它的价值上限就是节省某个员工的一小时。当 AI 进入组织层面，它的价值上限才是重构一条完整的工作链路。
Freddy AI：把创意产能变成基础设施
喜力的 Freddy AI 覆盖了三个核心场景：内容创作、campaign 开发、内部决策加速。服务对象包括 Amstel、Birra Moretti、Desperados、Tiger 等多个全球品牌和本地品牌。喜力全球品牌影响力高级总监 Jorn Socquet 对它的期待是：更强协作，更快交付高质量创意。
这句话里最容易被忽略的词是“协作”。很多营销人把 AI 理解为“更快地产出”，但喜力把 AI 的价值锚定在“更强地协作”。两者有本质区别。前者是单人效率，后者是团队作战能力。一张海报十分钟出图，是快；全球多个品牌团队按照统一标准、统一风格、统一数据源协同作战，是强。
更值得注意的是 Freddy AI 的命名逻辑。它不叫“Heineken GPT”，也不叫“啤酒营销大模型”。它以已故主席的名字命名，赋予这个平台一种组织传承和文化认同感。这意味着喜力希望 AI 不是外部引入的工具，而是内生于企业肌体的能力。这个细节对中国企业很有启发：AI 的落地阻力，很多时候不是技术问题，而是组织认同问题。当员工把 AI 视为“公司强加的额外工具”，抵触心理天然存在。当 AI 被赋予组织文化的符号意义，接受度会完全不同。
在 Freddy AI 之外，喜力还搭建了一个叫 KIM（Knowledge & Insight Management）的系统，用于重塑营销团队获取消费者洞察和市场信息的方式。把这两个系统放在一起看，喜力的逻辑就清晰了：一个负责创意生产，一个负责知识管理。创意生产解决“怎么做”的问题，知识管理解决“凭什么这么做”的问题。前者是手，后者是脑。大多数中国企业的 AI 实践只有“手”没有“脑”，所以产出的内容千篇一律，缺乏真正的消费者洞察支撑。
Allocation AI：让每一分钱都有账可算
如果说 Freddy AI 解决的是“创意产能”，那么 Allocation AI 解决的是“预算效率”。这个 AI 驱动助手专门优化喜力的营销支出，在品牌、渠道和市场之间进行资源配置。
它的核心能力是：计算数千种预算分配场景，并转化为可执行洞察。给各个品牌和各个触点——电视、线上、POS 等——提供绝对贡献和增量贡献的视图。2024 年，这个系统已经在喜力的线上广告支出和线下广告支出中全品牌部署。墨西哥、巴西、荷兰等市场显示出了增量毛利增长。而那些遵循 Allocation AI 输出建议的运营公司，以更盈利的方式使用了广告预算。
这段话里藏着一个极其重要的商业逻辑：AI 的价值不只是“算得清”，而是“算完之后有人听”。喜力明确提到一个对比：遵循 AI 建议的运营公司，盈利表现更好。反过来说，那些不遵循 AI 建议的公司，还在用传统经验做预算分配。这说明 AI 的价值闭环必须包含“决策采纳”这一环。很多企业买了昂贵的营销分析工具，出了漂亮的报告，但一线决策者根本不用。工具的尽头不是算法，而是组织执行力。
Allocation AI 给中国 CMO 的最大启示在于：预算分配这件事，正在从“经验驱动”转向“计算驱动”。过去，营销预算的分配逻辑通常是：去年怎么分，今年就怎么分；领导拍板某个市场重点投入；某个渠道火了就追加预算。这套逻辑在媒介碎片化、触点繁多的今天已经越来越不可靠。Allocation AI 的做法是，把每一个触点、每一个品牌、每一个市场的贡献度量化出来，让预算分配从“感觉”变成“计算”。
这并不意味着人不再重要。相反，人的角色从“拍板者”升级为“判断者”。AI 提供数千种场景的计算结果，决策者需要基于组织战略、品牌长期价值和市场直觉做出最终判断。技术的进步不是替代人的判断，而是让人的判断有更高质量的信息基础。
新加坡实验室：为代理式 AI 铺路
2025 年 3 月，喜力与 AI Singapore 合作，在新加坡设立了首个全球 GenAI Lab。这个实验室的方向非常明确：开发代理式系统，涵盖自动化营销内容创作、智能财务报告、客户支持和知识管理。
“代理式系统”是关键词。“代理式”意味着 AI 不只是被动响应指令，而是能够自主拆解任务、调用工具、完成多步骤流程。这与前面提到的 Freddy AI 有本质区别：Freddy AI 更像是一个“智能协作平台”，需要人来主导使用；代理式 AI 则更像一个“自主执行单元”，可以在特定工作流中独立完成任务。
实验室的产出已经在 B2B 场景中落地。一个叫 Product Recommender 的系统，能够为 B2B 电商、销售和电话渠道的客户提供 AI 生成的订单推荐。这本质上是把 AI 从“营销生产端”延伸到了“销售转化端”。它不再是帮你做广告，而是直接帮你产生交易。
把喜力的三个项目连起来看，一条清晰的演进路径浮现出来：Freddy AI 解决“内容生产自动化”，Allocation AI 解决“预算决策智能化”，GenAI Lab 解决“未来能力探索性”。这是一个标准的“生产—决策—探索”三层架构。生产层保证当下的效率，决策层保证资源的最优配置，探索层保证组织在未来不至于掉队。
这种架构的巧妙之处在于：它既保证了短期收益，又兼顾了长期布局。很多企业在 AI 投入上要么只看眼前——什么工具火就买什么，什么能立刻省钱就做什么；要么只看远方——大量投入前沿研究，却没有落地到日常业务。喜力的三层架构提供了一个平衡范式：核心业务用成熟 AI 提效，关键决策用数据 AI 优化，未来能力用实验 AI 探索。
三层架构背后的商业逻辑
有人可能会说：喜力是大公司，有钱有资源，做三个 AI 项目不稀奇。这个说法对，但不完全对。喜力的真正过人之处不在于“做了三件事”，而在于“三件事共同服务一个逻辑”——把 AI 变成营销组织的操作系统。
操作系统有三个特征：第一，它不是某个功能的加强版，而是整个系统的底层架构；第二，它让不同模块之间能够协同工作，而不是各自为战；第三，它定义了新的工作方式，而不是在旧方式上打补丁。对照喜力的做法：Freddy AI 就是创意模块的操作系统，Allocation AI 就是预算模块的操作系统，GenAI Lab 就是在为未来整个营销组织的操作系统迭代。
这个逻辑对中国企业的启示是：不要问“我该买哪个 AI 工具”，而应该问“我的营销组织缺哪一层 AI 能力”。如果内容产能跟不上，对标 Freddy AI 的思路搭建统一的内容生产平台。如果预算分配靠拍脑袋，对标 Allocation AI 的思路引入数据驱动的预算分析。如果担心未来掉队，可以像喜力一样小规模试水代理式 AI。
有一件事需要特别强调：喜力的 AI 建设是自上而下的总部推动，而不是自下而上的部门自发。这是一个极其重要的组织信号。营销 AI 的落地，如果只靠某个员工的个人热情或者某个小团队的私下探索，天花板极其有限。真正能产生系统性价值的 AI 项目，必须由 CMO 甚至 CEO 层面的决策者推动，必须被写入年度预算和 OKR，必须有专门的组织和流程保障。
还有一个被忽视的细节：喜力的 GenAI Lab 是跟 AI Singapore 合作的。这个选择说明，即便是喜力这样的巨头，也没有选择在 AI 前沿研究上完全闭门造车。它选择与一个有政府背景的 AI 机构合作，借助外部专业力量加速能力建设。中国企业同样不需要什么事都自己从头做。选择合适的生态伙伴，是降低 AI 探索成本的有效方式。
给中国企业的五步行动清单
回到中国市场的现实场景。一个年营收几十亿的消费品牌，市场部可能有三个内容团队、两个媒介团队，分别在管公众号、小红书、抖音和电商详情页。他们需要的不是一个更炫酷的 AI 工具，而是一套能把这些工作流串联起来的 AI 系统。基于喜力的案例，可以提炼出一个五步行动清单。
第一步：盘点 AI 使用现状，找到最强痛点。不要急着买新工具。先花两周时间，把市场部所有在用 AI 的人和场景盘点清楚。谁在用？用在哪？产出质量如何？数据是否打通？这个盘点通常会发现一个残酷的事实：80% 的 AI 使用都是低水平重复，只有 20% 在产生真实价值。
第二步：锁定一个最高价值场景，建一个统一平台。不要试图一次性覆盖所有场景。选一个投入产出比最高的场景——大概率是内容生产——搭建一个统一的 AI 创作平台。把提示词模板、品牌调性、产品信息、合规约束都沉淀在平台里，让所有人用同一套标准生产。这一步的目标不是“做得好”，而是“从个人工具升级为团队平台”。
第三步：用数据改造预算决策流程。把营销预算分配从“年度一次性规划”变成“季度动态调整”。引入至少一个数据维度——比如各触点增量贡献、各品牌 ROI 对比——来辅助决策。不需要像喜力那样建成完全自动化的系统，但至少要让每一笔大额预算的分配都有数据依据，而不是纯靠经验和关系。
第四步：小规模试水代理式 AI。找一个流程化的场景——比如新品上市的内容素材生成、电商详情页的批量制作或者客服自动回复——尝试用代理式 AI 来跑通全流程。目标不是追求完美自动化，而是验证组织中哪些环节可以交给 AI 端到端执行，哪些环节必须保留人工判断。
第五步：建立 AI 能力的组织护城河。喜力用 Freddy Heineken 的名字来命名 AI 平台，中国企业不一定非要学这个，但必须建立一种组织共识：AI 是公司级战略资产，不是某个部门临时使用的工具。这个共识的建立，需要通过定期的 AI 培训和复盘会议来强化，也需要 CMO 本人在公开场合持续释放信号。
AI 营销的胜负手不是技术
喜力的案例告诉中国营销决策者一个最基本的道理：AI 营销的下一阶段竞争，不是谁的工具更先进，而是谁的体系更完整。工具差距很快会被追平，组织架构和决策流程的差距，才是真正难以复制的护城河。
当一个企业说自己在做 AI 营销时，真正该问的问题是：你的 AI 是在帮员工做任务，还是在帮组织做决策？这两者之间的差距，就是“AI 玩家”和“AI 赢家”之间的差距。喜力选择了后者。中国市场的竞争烈度决定了，中国企业来不及把这条路走十年。把喜力的三层架构看懂，用五步行动落下去，CMO 们至少能在这场没有退路的转型中，少走两年的弯路。