20条变400条，联合利华CTR翻倍

联合利华用AI把单SKU素材从20条提升到400条，速度快30%，CTR/VCR近翻倍。拆解内容工业化、品牌安全与专有数据三大方法。

“工作方式从‘发 brief 等代理商交稿’变为敏捷迭代；且不做 AI 生成真人图像，聚焦产品 hero 资产，控制品牌安全。”

联合利华给全球快消行业上了一课：AI 营销的真正分水岭，不是会不会生成图片，而是能不能把内容供应链彻底工业化。这家全球 500 强第 210 位的公司，2024 年营销花费约 78 亿英镑，却依然选择用 AI 把单 SKU 素材从 20 条提升到 400 条，并且让 CTR、VCR 等核心效果指标接近翻倍。它同时做到了更快、更多、更安全。这背后不是一次工具升级，而是一套关于品牌、数据和组织流程的重新设计。

一、从 20 条到 400 条：素材产能的断层式跃迁

联合利华的 Beauty AI Studio 覆盖付费社交、程序化广告和电商素材。它不是简单地在代理商流程里加一台 AI 生成器，而是把内部团队与 Brandtech 生态能力组合成一条创意流水线。这条流水线的目标很清楚：让一个 SKU 拥有足够多的变体，去适配不同市场、不同人群、不同平台和不同阶段的投放。

关键数据很惊人。单个 SKU 过去只能产出约 20 条素材，现在可以做到约 400 条。产出速度快了 30%。更关键的是效果侧：官方称与 Studio 上线相关的 campaign，VCR、CTR 等指标约翻倍。这个组合说明了一件事：数量上去了，效果没有稀释，反而变好。

为什么数量翻二十倍，效果还能翻倍？传统创意模式把宝押在少数几条大作上，创意总监提前判断用户会喜欢什么。AI 模式反过来了：它把测试空间从几条创意扩展到几百条变体，让真实投放数据和算法去筛选。与其说这是生产素材，不如说这是系统性提升命中率。

这对中国品牌的触动应该很大。今天一个快消品牌往往要同时面对抖音、小红书、天猫、京东、视频号等多个阵地。不同阵地的人群逻辑不同，素材生命周期越来越短。过去那种一条 TVC 走天下的打法，已经撑不起信息流时代的消耗速度。很多品牌的真实困境不是没有预算，而是素材供给跟不上投放需求。联合利华的答案很直接：用 AI 工业化解决素材短缺，用数据反馈解决效果不确定性。

有人可能会问：20 条变成 400 条，是不是只是把旧素材改几个字、换几个背景？如果只是这样，CTR 和 VCR 不可能翻倍。联合利华的真实做法是围绕同一个 SKU 的产品英雄资产，拆解出不同卖点、不同人群、不同投放平台的版本。付费社交更重情绪钩子，电商详情更重功能证据，programmatic 更重视觉冲击。AI 在这一层承担的是编排和变体生成，而不是替代品牌策略。

还要特别注意一个细节。联合利华明确表示，不做 AI 生成真人图像，而是聚焦产品 hero 资产。这个决定非常聪明。快消品需要真实感和信任感，真人图像的 AI 化容易引发用户反感，也容易踩进品牌安全红线。把 AI 用在产品图、成分展示、使用场景、卖点变体上，既能放大产能，又能避开高风险区域。效率和安全不是牺牲关系，而是可以在流程设计里同时实现。

二、Desire at Scale：效率不是终点，欲望才是

2025 年联合利华官方反复强调一个词：Desire at Scale。中文可以理解成规模化的欲望制造。官方特意指出，AI 支撑的是情感连接与规模化触达，而不是一个单纯的效率叙事。这句话值得所有中国营销负责人记住。

印尼案例是最好的注脚。团队借助 AI 加速产出，赶上 Ramadan lip-sync 趋势，最终拿到 600 万以上有机播放，TikTok 可见度提升 22.5%。这里的关键不是 AI 生成了多少条视频，而是 AI 帮助品牌在正确的时间、用正确的文化语境，快速切入了正在爆发的社交热点。

在中国市场，热点的生命周期更短，一个梗可能上午出现，下午就过气。品牌如果完全依赖传统创意排期，几乎只能错过。AI 的意义就在于压缩发现趋势、产出内容、上线投放的时间差。但速度本身不构成品牌。如果没有欲望内核，没有对用户情绪的洞察，AI 加速出来的只是一堆没有灵魂的素材。

再看中国市场的双 11、618、年货节。这类大促节点往往同时拼速度、拼声量、拼转化。传统流程里，品牌要提前一个月定创意，热点出来只能眼睁睁错过。AI 敏捷流程可以让团队在大促中段快速换素材、换角度、换卖点，把预算花在已经验证有效的方向上。这种能力在流量越来越贵的环境下，本身就是一种增长杠杆。

联合利华的做法可以拆成两层：底层用 AI 解决速度，上层用品牌策略解决欲望。速度负责触达，欲望负责转化。只谈速度会陷入成本内卷，只谈欲望又会错过时间窗口。真正难的是把二者缝合起来。这也是 Desire at Scale 对增长负责人的真正启示。

三、专有数据才是护城河：UFS Recipe Intelligence 的启示

很多人只看到联合利华的生成素材能力，忽略了另一个更深的动作：UFS Recipe Intelligence。它基于 250 多位厨师的专业数据，通过 GenAI 提供食谱智能服务。结果是满意度 96%，回访率 30%。这不是通用大模型的胜利，而是专有数据的胜利。

通用模型可以写诗、可以生成漂亮图片，但它不知道你的产品应该搭配什么菜，不知道某个菜系厨师的真实痛点，也不知道你的渠道客户最在意什么。联合利华把厨师经验、食谱数据、B2B 场景知识沉淀成训练数据，形成了一个别人无法用 API 调用获得的差异化引擎。

这里给中国品牌一个重要提醒：AI 时代最稀缺的资产不是模型，而是你自己的业务数据。模型可以买、可以租、可以切换，但数据一旦形成资产，就很难被复制。中国品牌手里其实有大量类似资产：私域对话、用户评价、门店动销、产品研发记录、客服问答。可惜大多数没有被结构化，更没有被用来训练或调优自己的 AI 工作流。

还要注意，Recipe Intelligence 服务的是 B2B 场景，而不是消费者端。这说明 AI 营销并不只是做社交内容。中国的大量快消企业同时有 B2C 和 B2B 业务，经销商、小店主、厨师、导购等一线角色同样需要内容支持和智能辅助。谁能先把这些毛细血管场景数字化、智能化，谁就能在渠道效率上拉开差距。

如果用一句话总结：联合利华的 Recipe Intelligence 本质上就是把不会被写进行业报告的经验，变成了可以持续产生商业价值的智能。这种资产积累得越早，后面的差异化越难被追上。

四、组织重构：从等待代理商到内部敏捷

联合利华还用了 Microsoft 365 Copilot 自动拉取市场数据，缩短 campaign 启动时间。高管说得更直白：工作方式从发 brief 等代理商交稿变成了敏捷迭代。这句话的分量，比任何工具名都重要。

AI 营销真正的门槛，从来不在模型，而在组织。过去营销人的大量时间花在写 brief、等交稿、审稿、改稿上。现在内部 Studio 可以快速生产变体，营销人必须从执行者变成策展者和策略校验者。这个转变看起来轻，实际上很难。它要求团队既懂品牌，又懂数据，还要能判断 AI 产出的内容是否符合品牌调性。

中国团队要落地，不必一上来就复制 18 个市场的规模。可以先从一个高消耗 SKU 入手，组建两三个人的 AI 内容小组。第一件事不是买工具，而是整理英雄资产库。产品图、核心卖点、成分信息、使用场景、禁忌边界，这些必须结构化。第二件事是定义品牌安全红线。比如联合利华明确不做 AI 真人，中国品牌也可以根据自己的品类和用户敏感点设定边界。第三件事才是选择工具和跑通流水线。

另外，联合利华没有把 AI 全部外包，也没有完全自建。它选择了与 Brandtech Group 深度合作。这个生态位很关键。品牌不可能自己做出所有技术能力，但也不能把核心数据和品牌标准完全交给外部。比较务实的方式是：内部定义策略、资产和红线，外部提供工程化和规模产能。中国品牌在引入 AI 时，也应当明确哪些必须留在内部，哪些可以交给伙伴。

最关键的是建立生产—测试—反馈的闭环。不要一次性生成几百张图然后堆在那里，而是小批量生产，快速投放，用真实数据淘汰，再反哺下一轮生产。这样组织才会越用越聪明。

五、三个可复制方法，五步落地清单

联合利华案例可以提炼为三个方法。第一，SKU 级素材爆炸。把测试空间从几条创意扩展到几百条变体，用真实数据筛选，而不是靠主观判断。第二，品牌安全边界前置。明确哪些内容 AI 能做、哪些不能做，把风险锁在流程前面。第三，专有数据等于差异化 GenAI。把企业独有的业务数据变成训练或调优输入，形成对手无法复制的护城河。

落地可以分五步。第一步，盘点高消耗 SKU 和现有素材缺口。找出哪些产品最缺素材、投放消耗最大。第二步，构建英雄资产库，包括产品图、成分、卖点、使用场景，避免依赖 AI 生成真人。第三步，选择合适工具搭建流水线。可以从 Microsoft Copilot、通用大模型和内部设计能力组合开始，不追求一步到位。第四步，跑小规模 A/B 测试，把 CTR、VCR、转化率作为第一指标，而不是素材数量。第五步，沉淀每一次投放数据和用户反馈，持续反哺模型与工作流。

特别提醒：不要一开始就追求所有 SKU 全覆盖。联合利华能做到 18 个市场，是因为它经过了内部 Studio 的爬坡。中国团队更适合从一个高消耗、高潜力的 SKU 开始，跑通数据闭环，再复制到其他 SKU。这样既能控制风险，又能让团队在真实项目里学会 AI 营销。

这五步的核心不是技术，而是管理。负责人要愿意改变团队的 KPI，从产出多少条转向多少条被验证有效。否则 AI 产能越大，组织浪费越大。

六、冷思考：不要神化，也不要掉队

必须清醒地看到，联合利华并未公布精确的现金节省比例。第三方 Medialink 提到 AI 流程可降低创意制作 spend 约 27%，这是行业级判断，不是联合利华独家数据。效果指标约翻倍也与具体 campaign 相关，不能简单外推到所有品类和所有市场。

中国品牌更应警惕两个陷阱。一是把 AI 当成无限生成图片的按钮，导致品牌调性漂移。二是只盯降本，忘了增长。联合利华的价值在于同时追求速度、产能和效果，并且在品牌安全上毫不让步。降本只是结果之一，不是唯一目标。

最后说一个判断：AI 不会让创意消失，但会让没有数据意识和流程意识的团队加速掉队。过去比的是大创意、大制作、大投放。现在比的是数据颗粒度、内容供应链效率和品牌边界控制。联合利华的价值不在于它用了 AI，而在于它把 AI 变成了可管理、可复制、可衡量的增长能力。未来 AI 营销的竞争，会从有没有用 AI 转向谁掌握专有数据、品牌边界和内容供应链效率。这不是喊口号，而是一个又一个 SKU 实验堆出来的。与其观望，不如先找一个高消耗 SKU，做一次 20 条变 400 条的小实验。数据会告诉你下一步该往哪里走。