农行用AI搞营销，为什么不做一支爆款广告？

不造爆款广告，却用“金融大脑”和移动营销PAD打通智能营销闭环。一文讲透农业银行AI营销的组织逻辑、双引擎路径及对企业的三条启示。

后期，金融大脑还将进一步深化AI能力建设，为智能营销、智能风控、智能运营等多个领域的应用提供智能化服务。

这是中国农业银行在2018年6月15日，为自研AI核心系统“金融大脑”一期投产发布的新闻稿里，一句不太起眼的表述。彼时，多数人把银行业与AI的结合，想象成更聪明的客服机器人或反欺诈模型。但六年后的今天，当我们翻看农行2024年发布的《“人工智能+”创新实施纲要》和最新年报，一个被外界低估的事实浮现出来：这家资产规模超过40万亿的国有大行，正在用一套极其务实的方法，把AI变成营销增长的底层操作系统。它没有推出一支现象级的、由AI生成的视频广告，却在悄悄改写中国银行业“智慧营销”的定义。

没有爆款广告，却造了一个“营销大脑”

这几年，我们见惯了消费品公司用AIGC生成KV海报、TVC脚本，甚至让AI数字人走到台前做代言。这类案例天然具备传播力，也容易被写进各种AI营销报告。但农行的路径完全不同。它没有将AI能力投射在外部可见的“创意层”，而是直接下沉到营销决策的“神经层”——建了一个名为“金融大脑”的AI核心系统。

“金融大脑”这个提法，源自2018年农行与百度的战略合作。它的设计非常朴素，又极具结构性：分“左脑”和“右脑”。“右脑”负责感知，包括人脸识别、语音识别、OCR等能力；“左脑”负责思考，即机器学习建模平台。这个左右脑的架构，本质上是在一个被严格监管、数据高度敏感的组织内部，搭建起一套可以统一调度AI能力的神经网络。其直接产出，不是一条文案、一张海报，而是一系列面向营销、风控、运营的智能化服务。

这揭示了一个深层逻辑：在银行这类高客单价、低频交易、决策链条漫长的行业中，营销的核心矛盾从来不是“不够有创意”，而是“无法在正确的时间、用正确的产品，触达正确的人”。农行没有去卷AI的创意表现层，而是卷在了营销最本质的环节——客户识别与时机判断。

从“左脑”“右脑”到智慧营销的闭环

我们有必要把视线拉回到银行营销人真实的痛点上。一位分行的客户经理，手上维护着几百甚至上千名客户。过去，他只能依赖个人记忆和简单的系统标签，来判断谁可能需要一笔经营贷款、谁家的孩子可能要留学、谁的定期存款即将到期。这种粗放的方式，导致大量潜在需求被遗漏，或者被竞争对手用更精准的电话和短信截走。

农行的“金融大脑”要解决的，正是这个“判断力赤字”的问题。“左脑”的机器学习平台，可以基于海量交易数据、行为数据、征信数据，构建出高维度的客户倾向性模型。比如，它不仅能看出一个客户是否有理财需求，还能预测其对不同风险等级产品的接受度，甚至结合外部宏观数据，判断当前时间点推荐该产品的成功率。“右脑”的感知能力，则确保了这个判断能够落地——比如，通过OCR识别客户上传的营业执照，自动化判断其是否属于某个普惠金融产品的潜在目标。

这套组合，其实已经构成了一个标准的智能营销闭环：感知层获取结构化和非结构化信息，决策层生成营销建议，最后通过一线工具下达给客户经理去执行。这个闭环的威力，直到2024年农行发布《“人工智能+”创新实施纲要》后，才被清晰地点了出来。

2025倒计时：当“人工智能+”变成全行硬指标

2024年11月，农行正式发布了《中国农业银行“人工智能+”创新实施纲要》。这份纲要把AI能力规划为“八大智慧领域”，营销赫然在列，与风控、运营、信贷等核心业务并列。更关键的，是这份文件给出了一个硬性的时间目标：到2025年底，实现全行“AI+”规模化应用。

“规模化应用”这几个字，对任何一家大型企业都是巨大的组织考验。它意味着AI不再是某个科技部门实验室里的模型，也不是某个分行个别人的试点尝试，而是要从总行到网点，从策略制定到一线执行，全部跑在AI能力之上。这对营销条线的冲击尤为直接：每一个客户经理的KPI达成路径，都将被AI重新设计。

在这种压强下，农行2024年年报中提到的“升级移动营销PAD”等智能营销工具，就不再是一个简单的硬件迭代动作，而是整个智慧营销战略的最后一公里。移动营销PAD是农行客户经理外出服务时使用的移动展业终端。过去，它的主要功能是业务办理。升级之后，它开始承载一个更重要的使命：成为客户经理的“AI军师”。

年报里有一句原话——以多维客户画像支撑营销。这意味着，这个PAD不再只是一个业务操作工具，而是一个集成了客户360度视图、产品推荐模型、甚至对话建议的智能终端。客户经理打开PAD，看到的不是一堆零散的数据，而是AI已经替他计算好的营销优先级清单：今天应该重点联系哪三位客户？对他们分别该说些什么？现在推荐这款产品的转化率有百分之几？这种场景，已经无限接近于高阶的决策式AI在营销端的理想形态。

决策式AI与生成式AI的“双引擎”路径

农行在纲要中明确提出，要用决策式AI和生成式AI两条腿走路。这可能是对中国企业进行AI营销布局最具参考价值的一个判断。

决策式AI，就是用数据做判断、做预测、做推荐。它解决的是“营销效率”问题——在数亿客户中，识别出最可能产生价值的群体，规划最优的触达策略。这在银行业是刚需。因为银行的客户基数巨大，客均贡献度差异非常悬殊，如果靠人力去覆盖，边际成本会高到无法承受。决策式AI提供了一种“群体个性化”的能力，让千万级的客户也能获得某种程度上的智能推荐服务。

生成式AI，则更多解决“营销体验”问题。它可以用来生成个性化的营销文案、客户沟通话术、产品介绍视频，甚至是给客户经理的培训材料。农行虽然没有对外宣传一支由AI生成的煽情广告，但这不代表生成式AI缺席。更可能的情况是，它的生成能力被用在那些“不那么炫，但量巨大”的场景里：比如，针对每个客户自动生成差异化的微信触达话术；根据客户画像自动生成理财规划书的文字部分；或者，为内部营销人员快速生成行业分析简报。

这两种AI的配合，恰恰构成了一个稳健的营销增长飞轮：决策式AI提高瞄准的精度，让每一次营销动作都打在该打的地方；生成式AI提高子弹的质量，让每一次沟通都更人性、更相关。前者控制成本，后者提升转化。对一家拥有近2.3万个网点、服务超过8亿个人客户的银行而言，这个飞轮哪怕只转动一小步，带来的营收增量都是极其惊人的。

移动营销PAD：工具革命背后的组织逻辑

不少管理者谈到AI营销时，总习惯把目光放在算法和模型上，却忽略了承载这些能力的工具。农行升级移动营销PAD的决定，折射出一个重要的组织智慧：AI能力如果不能变成一线人员手里的武器，就只是一堆无用的参数。

我们可以再深入一层。为什么是PAD？为什么不是让客户经理用自己的手机App？因为银行的作业环境对信息安全、合规要求极高，个人的手机无法承载这种量级的智能应用。PAD作为专门的展业设备，天然具备安全管控的属性。把AI营销能力固化在这个终端里，等于给总行的策略部门与一线的执行单元之间，修了一条不会断掉的数字通路。

这种工具层面的变革，实际上是一场组织权力的再分配。过去，营销决策权很大程度分散在分支行行长和资深客户经理的“经验”里。一个理财产品的推荐话术，可能各网点自己摸索，效果良莠不齐。现在，AI辅助的PAD把一套经过全行数据验证的“最佳实践”推送到每个人手上，经验被算法部分替代。这必然会引发内部的磨合，但却是走向规模化、标准化的必经之路。

对于其他行业的企业来说，这同样是一个可以复用的套路：你们的一线销售、导购、顾问，是否已经拥有一个能告诉他们“此刻该做什么”的AI工具？如果没有，你们所谓的AI营销就可能永远停留在PPT和Dashboard里，离营收还差着十万八千里。

为什么说农行案例是一面镜子？

在讨论这个案例时，很容易陷入一种误解：这只是一家银行的个案，太特殊了，别的企业学不了。但如果我们把农行的做法抽象出来看，它实际上回答了一个所有企业都面临的难题——当你的产品本身不具备社交传播属性，当你的交易场景无法被简化成一条短视频，当你的客户决策链涉及家庭、税务、风险评估等多种复杂因素时，AI营销到底该做什么？

农行给出的答案是：别做广告，做决策支持。别追求外部刷屏，先追求内部增效。别把AI当成输出内容的艺术家，而是把它当成辅助判断的参谋长。

这个逻辑可以迁移到大量行业：B2B制造、医疗、教育、保险、房产。这些领域和银行一样，都属于“高信息不对称、长决策周期”的慢生意。其营销的胜负手，不在于声量，而在于信任传递的效率。而AI能帮到的地方，恰恰是让每一次与客户的关键对话，都建立在更完整的信息和更科学的预判之上。

从另一个角度看，农行的AI营销布局也暗合了中国市场一个越来越明显的趋势：存量竞争下，营销的重心从“拉新”向“深耕”转移。银行尤甚。当移动支付、理财、信贷早已成为红海，谁能把已有的8亿客户服务得更好、挖掘得更深，谁就是赢家。AI承担的，就是这种“深挖”的职能。它让每一个客户的价值被充分计算，也让每一次触达的ROI可以被量化。

给企业营销决策者的三条行动启示

读完农行的实践，我们至少可以提炼出三条可以被直接写进企业年度营销计划里的行动方向。

第一，建立自己的“营销大脑”，而不是买一堆AI工具

农行的“金融大脑”逻辑极具参考价值。企业应该问自己：我们有没有一个统一的、持续进化的客户数据与AI决策平台？还是说，营销部在用CDP，销售部在用CRM，客服部在用另一个系统，彼此数据不通，模型各训各的？农行选择了和百度合作，从基础设施层开始构建。对大多数企业而言，未必需要自研，但必须有意识地把散落在各个SaaS工具里的数据和AI能力，整合成一个能输出“判断”的中枢。这个中枢的输出，不应只是一张报表，而应该是具体的营销指令。

第二，明确决策式AI和生成式AI的投入比例

目前市场上有一种“生成式狂热”，仿佛不搞个AIGC短视频就落后了。但农行的策略表明，对复杂商业而言，决策式AI的ROI往往更大、更确定。它直接作用于转化率、客单价、复购率这些核心指标。建议企业根据自身行业特性，分配AI预算。如果是快消、时尚等短决策品类，生成式内容占比可以高一些；但如果是金融、汽车、教育、企服等长决策品类，至少应该把60%以上的AI资源投入到决策式能力建设上，比如预测模型、推荐引擎、线索评分等。

第三，让一线人员成为AI营销的受益者，而非被替代者

移动营销PAD的最大价值，在于降低了一线使用AI的门槛。很多企业建设了一堆AI能力，最终都卡在了“人”这个环节——销售不愿意用，客户经理觉得麻烦，导购认为不如自己经验管用。农行的做法是，将AI能力固化在展业必需的设备里，并把输出做得极其简单：一个待联系名单、一个推荐产品、一段话术建议。这种“傻瓜化”的交付方式，是消除组织阻力的关键。营销负责人在推动AI落地时，必须花一半的精力去设计“人机协作的流程”，而不是只盯着技术指标。

一个没有情感，却充满智慧的营销终局想象

银行向来被看作“最没有温度”的商业机构，AI又被视为冰冷理性的代名词。但当这两者结合在一起，产生的却可能是一种更高级的“温度”——一种被精确计算过的、恰逢其时的关注。你在手机银行上多看了两眼留学信息，几天后客户经理打来电话，不是套路地推销，而是带着一份为你量身定制的留学资金规划方案。这份方案由AI起草初稿，经理做了润色，然后亲自递到你手里。这一刻，你不会觉得被冒犯，反而会感到一种“被理解”的妥帖。

这就是农行智慧营销试图抵达的终局：让庞大的银行变成无数个懂你的“小银行”，让8亿客户中的每一个人，都能在需要的时候获得恰当的金融服务建议。这个终局里，没有一支让全网刷屏的AI广告，却有无数次被AI精准设计的、高效而温柔的商业连接。

对于所有正在思考如何用AI改造营销的企业家而言，这或许就是最值得带走的那个判断：营销AI化的最高境界，不是让机器学会煽情，而是让每一次打扰都变成帮助。