告别广撒网：AI让ROAS提升66%
解密万宁和美心如何借助AI预测模型与对话商务，实现ROAS增长66%、订单价值翻倍，为中国企业提供可落地的AI营销方法论。
如果你不能衡量它，你就不能改进它。 —— 彼得·德鲁克
当大多数企业还在用“我觉得”来决定把促销券推给谁时，怡和集团旗下的万宁和美心已经用AI预测出谁最可能下单、何时推送、推什么，并斩获了ROAS提升66%、订单价值翻倍的增长。这不是未来趋势，而是正在发生的零售与餐饮业实战。两则案例共同指向一个判断：AI营销的胜负手早已不在炫技，而在企业对“会员资产”预测性变现的精度。
一、传统会员营销的“看不见的浪费”
许多连锁零售和餐饮企业年年在做会员日、双11、周年庆，但促销预算到底流向谁，往往靠的是经验与静态标签：过去买过面膜的女士、上个月进店三次的顾客。这种“基于历史行为的回溯性分群”在供给稀缺时代尚可奏效，但当每个消费者每周能收到十几张优惠券时，同质化促销带来的不再是增长，而是膜态屏蔽和品牌贬值。
万宁和母公司怡和集团看到的正是这一块“看不见的浪费”：香港美妆保健零售市场高度饱和，线下门店密度极高，线上价格战激烈。在享受卡日（Enjoy Card Day）这类周期性活动中，如果不做预测性筛选，促销经费会被大量低意向用户稀释，而高价值顾客却可能因为收到无差别信息而感受不到特权感。这不是某个品牌的特殊焦虑，而是所有依靠会员体系驱动复购的零售商的共同难题。
痛点背后隐藏着更深层的因果链：
- 第一方数据沉睡：交易记录、浏览日志、会员档案各自孤立，缺乏能预测“下一个购买时刻”的算法模型。
- 营销自动化止于“触发”：多数企业的自动化还停留在“如果用户加购未付款，三小时后发券”，而不是“基于相似人群的购买概率，提前分配促销资源”。
- 效果归因粗放：只看ROAS的最终数字，无法拆解出到底是“选对了人”还是“券面额够大”带来的增长。
万宁与美心的实践，恰恰给出了不同层级的解。
二、万宁：用AI预测名单，把双11转化率提升100%
万宁是香港美妆保健零售的领头羊，隶属怡和系牛奶国际。在2020年代，万宁与AI SaaS公司Appier合作，引入其AIXON预测模型和AIXPERT广告自动化平台，对第一方数据进行深度激活，并与Appier的第三方行为数据库融合，构建出一个能预测会员未来购买倾向的引擎。
这套引擎解决的关键问题是：在预算固定的前提下，把促销资源倾斜给“最可能被转化”的会员。具体而言：
- 预测名单替代传统受众：在周期性活动“Enjoy Card Day”中，万宁不再依据简单的人口统计或近30天消费记录，而是让AIXON生成一个预测性受众名单。Appier官方案例披露，使用该预测名单后，活动转换率较传统受众提升超过100%。
- 动态广告自动优化：AIXPERT系统能够根据实时投放数据，自动调整出价、素材和渠道组合，确保预算随转化概率流动。最终，在该合作周期内，万宁的广告花费回报（ROAS）提升了66%。
- 双11峰值场景验证：在中国大陆和香港市场共同参与的“双11”档期，AI模型对网站推荐算法进行了升级，取代了传统的协同过滤推荐，最终实现网站整体转换率提升100%。
这组数字背后藏着一个中国零售商尤其值得重视的细节：66%的ROAS提升和100%的转换率提升并非来自更大额的补贴，而是来自更高的“人货匹配”精度。万宁的案例本质上演示了一条公式——精准营销回报 = 预测模型质量 × 第一方数据丰度。
对于国内企业而言，第一方数据的丰度往往不是问题，微信、小程序、企业微信、线下POS都已沉淀大量资产；真正的瓶颈在于缺少一个能把这些数据转化为“购买概率分”的预测引擎。当前市面上的CDP（客户数据平台）大多只做到标签组装阶段，而万宁更进一步，用AIXON这类专注于预测分析的模型，直接回答一个商业命题：“下个星期，谁最可能在看到促销后下单？”这一跨越，将营销从“描述过去”转变为“干预未来”。
三、美心荟Eatizen：AI对话商务让客单价提升50%–100%
如果说万宁的案例展现的是“预测式投喂”的威力，那么怡和关联餐饮集团美心的案例，则展现了“对话式推荐”如何重构会员的生命周期价值。
美心集团旗下App“Eatizen 美心荟”是一个餐饮会员平台，整合了多个品牌（中餐、快餐、面包店等）的会员与奖赏计划。2025年，美心与Omnichat合作，部署了AI驱动的WhatsApp对话商务。表面上看，这只是在WhatsApp上做广播，但底层逻辑完全不同。
美心集团数码业务总监Eileen Tang在接受Omnichat博客采访时透露了一组数据：
- WhatsApp广播点击率提升5%，转换率提升10%。
- 通过AI对客群进行细分——区分出餐厅品牌忠诚客、面包店常客、奖赏计划积极用户等——推送高度个性化的内容和优惠，平均订单价值提升50%–100%。
这个案例的核心突破在于，它把“对话”从客服成本中心，变成了利润引擎。过去的餐饮会员营销，常常陷入两种困境：要么群发千篇一律的优惠，导致高价值顾客因“骚扰”而沉默；要么一对一深聊，人力成本高到无法规模化。美心荟Eatizen的做法是用AI同时完成三项任务：
- 细分：分辨出谁爱在下午三点买面包、谁每次家庭聚餐必点烤鸭、谁是冲着积分享免费餐来的，而不是笼统的“餐饮会员”。
- 对话生成：AI根据每个细分客群的特征，自动生成符合品牌调性的信息，不再是一张冷冰冰的优惠券图片。
- 时机决策：在顾客最可能产生消费欲望的时刻（例如周五傍晚、面包店出炉高峰前夕）推送，而非定时批量发送。
客单价提升50%–100%背后的心理机制也很清晰：当一个面包店常客收到专门为她定制的“新出蛋挞组合+你最爱的拿铁”优惠提醒时，她感受到的是被识别与被重视，而非被群发。这种基于AI细分的个性化，直接提高了连带购买率和客单价。该项目也因此在“AI+ Power Awards 2025”中获得年度AI+项目大奖优异奖，证明市场开始认可这种“AI+对话商务”的组合价值。
值得中国餐饮与零售企业关注的是，美心使用的虽然是WhatsApp，但其方法论完全可以在微信生态内复现。企业微信的标签体系、公众号模板消息和小程序订阅消息，都可以成为对话商务的载体。关键在于背后的AI模型是否具备实时细分和个性化内容生成的能力。
四、给中国企业的三条AI营销落地法则
将万宁与美心的案例放在中国商业语境下审视，至少可提炼出三条可直接指导决策的法则。
法则一：先建“预测力”，再谈“自动化”
许多企业在引入AI营销时，急于上MA（营销自动化）工具，配齐触达通道，最后却发现只是把骚扰升级成了自动化骚扰。万宁的策略提供了正确的顺序：先用AIXON这样的预测模型建成“预测层”，算出每个会员的转化概率、流失风险和潜在价值；再让AIXPERT等自动化工具依据这些概率分配预算。
对中国企业而言，数据中台或CDP如果只是标签仓库，就不会产生ROAS的提升。决策层需要追问技术团队：我们的系统能否输出一个滚动更新的“购买可能性指数”？如果不能，那么再花哨的自动化仪表盘都只是高级报表。
法则二：对话商务的核心不是“对话”，是“商务”
美心Eatizen的案例说明，AI对话的目的不是陪聊，而是提高订单价值。企业应当把对话商务视作会员生命周期管理的最后一百米：前面的预测模型筛选出高意向人群，AI对话则在恰当的时机用“懂你的语言”完成临门一脚的转化或连带销售。
在中国市场，企业微信正成为私域对话的主阵地。但多数企业的企微运营仍依赖人工客服的勤奋和话术库的完备，缺乏AI驱动的实时客群识别与个性化推荐。美心的50%–100%客单价提升，本质上是用AI抹平了普通客服与金牌销售之间的认知差距。这给国内餐饮连锁、美妆集合店、母婴零售等高度依赖复购的行业指明了方向：培养一千个销冠的成本远高于部署一套AI对话引擎。
法则三：把“周期性活动”变成AI的验证场
万宁没有在所有营销活动中全面铺开AI，而是选择“Enjoy Card Day”和“双11”这类高关注度的周期性活动作为试验田。这种做法极其务实：周期性活动有明确的KPI和对照组，能快速验证AI预测名单的真实效果；一旦跑通，ROI显著，内部推广阻力会大幅降低。
国内企业的营销负责人应该学习这个策略。不必等到组组织变革完毕、数据全部清洗干净再启动AI项目。选一个即将到来的会员日、周年庆或大促节点，拿出一部分预算，让AI预测模型与传统人工分群并行跑一次A/B测试。万宁的“转换率提升超100%”正是在这样真实的商业场景中逼出来的，而不是在实验室里算出来的。这种打法能让老板看到真金白银的增量，从而为更大规模的数据基建投资扫清障碍。
结语：AI营销不再是选择题，而是精度竞赛
怡和集团的这两个案例，没有炫目的AIGC视频，没有虚拟人直播，仅凭预测分析与对话智能就能撬动ROAS和订单价值的陡峭增长。它揭示了一个朴素的商业真理：在会员经济的下半场，增长来自对存量资产的重度精细化运营。AI的能力边界，已经不再是“能做什么”，而是企业“敢不敢把核心的会员分配决策交给算法”。
对中国的老板和营销高管而言，万宁和美心的故事不是一个远方的新闻，而是一面镜子。当你的竞争对手开始用AI画出的预测名单替换掉Excel里的条件筛选时，还在凭经验广撒网的人，付出的不仅是浪费的预算，更是被提前消耗掉的会员忠诚。在这场精度竞赛里，赢家通吃的法则从未改变，只是权重最大的变量，从渠道位置变成了数学概率。