LLM 时代的营销预算：如何规划 AI 带来的收入？

在本文中，您将找到关于 AI 渠道在损益表结构中作用的全面分析，包括从聊天机器人到定价系统的主要解决方案类型的概述及其对收入、利润率及 CAC 成本的直接影响。您还将了解为何经典预测在学习型模型中失效，以及如何基于特定用例实施 5 步预算规划框架，并使用 Semly 等工具衡量收入增量。

从损益表角度看，营销和销售中的 AI 渠道是什么

在实践中，"AI 渠道"并非单一的抽象收入流，而是几类"接入"现有营销和销售漏斗的解决方案。

AI 渠道的主要类型

• 聊天机器人和对话助手 （对话式电商、客户服务机器人）

• 应用场景： 网站聊天、WhatsApp、Messenger、IG DM、应用内聊天、语音机器人。

• 功能：

1. 回答售前问题，
2. 引导产品选择和订购流程，
3. 处理订单状态、退货、投诉。

Meta 的研究显示，在 WhatsApp 和 Messenger 上使用对话式助手的公司在移动电商中报告了更高的转化率和更短的购买路径。

功能：

• 潜在客户评分和优先级排序，
• 自动通话摘要和后续准备，
• 交叉销售和追加销售建议。

Gartner估计到2027年，95%的销售研究流程将使用AI启动，生成式AI（GenAI）的实施可能会将销售生产力提高25%，收入提高约12-13%。

生成式内容营销（LLM + 生成式 AI）

• 应用场景： SEO、效果广告、电子邮件、社交媒体、落地页。

• 功能：

1. 快速创建多种创意变体，
2. 为不同细分受众复制个性化内容，
3. A/B 测试和多变量测试自动化。

• 业务成效： 更多的实验、更好的信息匹配以及更高的点击率（CTR）和转化率（CR），从而转化为收入。在电子商务领域，这一优势通过 LLM 生成的内容（如产品描述和常见问题解答）得到进一步增强。

产品推荐系统和 1:1 个性化

• 应用场景： 电子商务（网站、应用）、电子邮件、推送通知、站内横幅。

• 功能：

1. “下一个最佳产品/优惠”
2. 个性化商品列表和排序
3. 动态商品捆绑。

• 麦肯锡指出，高级个性化可将收入提高 5-15%，并将营销支出的有效性提高 10-30%。

自主效果广告活动（AI 广告活动管理）

• 应用场景： Google Ads、Meta Ads、程序化广告、零售媒体、营销自动化。

• 功能：

1. 自动在渠道和广告活动之间分配预算，
2. 基于关键绩效指标（ROAS、CAC、收入）优化费率并生成内容，
3. 持续测试数百种组合。

• 案例研究显示，客户获取成本（CAC）可降低高达 30%，广告活动的投资回报率（ROI）显著提升。

AI 在定价和收入管理中的应用

• 应用场景： 动态定价、促销活动、利润率管理。

• 功能：

1. 优化价格以最大化收入或利润率。
2. 根据价格敏感度自动调整折扣。

• 收入管理类别的工具（例如 PROS）通过 AI 报告了有据可查的增量收入。

用于分析、预测和归因的 AI（营销/收入分析）

• 应用场景： 全渠道——营销和销售活动之上的“元层”的作用

• 功能：

1. 预测性客户终身价值（CLV）、流失率和购买倾向模型
2. 营销组合建模（MMM）
3. 多渠道归因和增量测量

• 此类工具（如 Semly）使得估算 AI 渠道的增量收入、衡量 AI 搜索和其他流量来源产生的销售额，以及在收入而非仅点击次数的基础上优化预算分配成为可能

AI 渠道“触及”损益表（P&L）的位置

• 收入（Revenue）: 更高的转化率、更高的平均客单价（AOV）、更频繁的购买、更高的客户终身价值（CLV）

• 获客成本（CAC）: 更好的定位和广告活动优化降低了获客成本

• 运营费用（OPEX）: 客户服务和销售的自动化降低了服务成本，但需要投资于数据和集成

• 利润率: AI 在定价和管理促销活动中发挥作用，可以在保持或增加销量的同时提高利润率

为什么经典收入预测不能直接用于 AI

将“在 Excel 中添加新渠道”的逻辑直接转移，往往会导致对 AI 效果的高估或低估。原因有三

模型的高变异性和学习效应

AI 渠道并非静态:

• 模型从数据和用户行为中学习
• 2-3 周后的结果可能与最初几天截然不同
• 引入新提示词、数据或集成时，性能会跃升

“僵化”预测（采用单一 CR 和单一 AOV）是一种危险的错觉——真正需要的是基于不同情景并包含“学习期”的预测。

归因问题：AI 作为“协处理器”，而非独立渠道

AI 经常在后台运行：

• 优化活动文案，因此现有渠道（Google、Meta）的效果得到提升。
• 推荐产品，但销售额被归因于“邮件”或“自然搜索”。
• 筛选潜在客户，但收入显示为“直接访问”或“销售”。

在经典的末次点击归因模型中，大部分 AI 价值会“消散”到其他渠道。因此，如果没有高级归因工具和增量模型，管理层只能看到部分效果。

炒作风险和组织成本被低估

BCG 和德勤的报告指出：

• 只有少数 AI 项目能超越试点阶段并实现规模化，并获得正向的投资回报率（ROI）。

• AI 项目的总拥有成本（TCO）通常比预期高出 40-60%，其中 60-80% 的工作量用于数据处理。

如果管理层仅规划许可费和“快速部署”成本，而忽略数据、集成、流程变革和人才能力，投资回报率（ROI）的预测将被系统性高估。

管理层 AI 渠道收入预测框架

管理层需要一个简单、可重复的方法，适用于各种 AI 用例。以下是此类框架的建议。

步骤 1：定义具体的用例和漏斗阶段

不要说“我们正在投资 AI"，而应更具体：

• 用例：例如，电商中的产品推荐、产品网站上的 AI 聊天机器人、B2B 中的销售助理。

• 漏斗阶段：获客、转化、留存、向上销售。
• 关键绩效指标（KPIs）：转化率（CR）、平均订单价值（AOV）、客户终身价值（CLV）、流失率、SQL/MQL 数量等。

步骤 2：确定情景：保守/基准/激进

针对每个用例，规划未来 12-24 个月的三种情景：

• 保守：采用率低，提升适中（例如，转化率（CR）提升 3 个百分点）。
• 基准：符合基准和市场经验（例如，转化率（CR）提升 5-7 个基点）。
• 激进：乐观但仍现实（例如，转化率（CR）提升 10 个百分点，覆盖更多流量）。

步骤 3：计算“餐巾纸上的模型”——数值示例

假设您经营一家电商企业，参数如下（按月）：

• 流量：500,000 次会话，
• 当前转化率（CR）：2.0%，
• 平均客单价（AOV）：58.13 欧元
• 毛利率：40%。

在网站上和电子邮件中实施 AI 产品推荐后：

• 覆盖 60% 的流量（300,000 次会话），
• 在基准情景下，将转化率（CR）提高 +0.5 个百分点（从 2.0% 提升至 2.5%）。

当前状态（未实施 AI - 仅覆盖流量）：

• 订单量 = 300,000 × 2.0% = 6,000，
• 收入 = 6,000 × 58.13 欧元 = 348,750 欧元
• 毛利 = 348,750 × 40% = 139,500 欧元。

实施 AI 后的状态（基准情景）：

• 订单量 = 300,000 × 2.5% = 7,500，
• 收入 = 7,500 × 58.13 欧元 = 435,938 欧元
• 毛利 = 435,938 × 40% = 174,375 欧元。

增量月度影响（仅针对覆盖流量）：

• 新增订单：1,500，
• 新增收入：87,188 欧元
• 新增毛利：34,875 欧元。

如果 AI 解决方案的成本（工具 + 集成 + 维护）为每月 13,950 欧元，则增量毛利润（在其他成本之前）约为 20,925 欧元/月。情景可以扩展（覆盖 80-100% 的流量，不同水平的提升），并在此类情景中构建收入“走廊”。

步骤 4：纳入增量效应并设置对照组

“餐巾纸模型”基于假设的提升。为了使其更贴近现实：

• 进行带有对照组的 A/B 测试（例如，80% 的用户看到 AI 推荐，20% 的用户未看到）。
• 4-8 周后，比较各组之间的转化率（CR）、平均订单价值（AOV）和利润率。
• 将增量收入计为差额。

正是这种水平的增量收入，预算分析应予以采纳——而这正是像 Semly 这样的工具发挥作用的地方，它有助于整合测试数据、计算增量收入并将其转化为预算情景。

第 5 步：从用例到 AI 投资组合

在董事会层面，不单独预算个别实验，只预算投资组合：

• 3-5 个优先 AI 用例
• 每个用例包含三个收入和成本情景

• 全部打包在一个预算模型中（12-24 个月），每个用例均显示对收入的可见贡献、对 CAC 和 CLV 的影响以及回报周期。

在此，Semly 作为分析和分发平台，可作为“单一事实来源”：将来自 AI 和传统渠道的数据固定在一个收入模型中，这对于通过 AI 建立竞争优势的电子商务尤为重要。

在 LLM 世界中如何规划营销预算

1. 拆分研发预算与“核心绩效”预算

在实践中，这种划分是可行的：

• 研发/AI 实验（占营销预算的 5-15%）——试点、概念验证、新用例测试。
• 核心绩效（其余预算）——具有既定投资回报率（ROI）的活动，包括已通过试点阶段的规模化 AI 渠道。

根据麦肯锡的数据，“高绩效”公司通常将其技术预算的 20% 以上分配给 AI。在营销领域，这部分预算中的“一部分”以媒体支出和 AI 优化工具的形式“回流”。

2. 按照“测试投资组合”的逻辑思考，而非押注单一项目

避免对“单一 AI 项目”进行一次性大规模投资。

• 构建包含 3-5 个不同风险和潜力特征的用例路线图，
• 每个用例包含试点阶段（3-6 个月）、成功标准（提升、增量收入、投资回报率（ROI））以及扩展计划（如果有效）。

3. 与 CFO 就 12-24 个月的时间范围达成一致

• 德勤和麦肯锡强调，大型 AI 投资的现实回报周期为 12-24 个月。
• 试点应在 1-2 个季度内显示“价值证据”，但完全的投资回报率（ROI）需要时间来扩展和改进模型。

4. 12 个月 AI 预算方案示例

假设年度营销预算为 4,650,000 欧元。

• AI 实验基金——10%（465,000 欧元）：3-4 个试点（例如推荐系统、聊天机器人、销售助手、AI 内容）。每个试点均有其自身的损益表（成本 + 预期增量收入）。

• 扩大成功用例——预算的 10-15%（465,000–697,500 欧元）：将部分支出从效果较差的表现渠道转向扩大的 AI 举措。来自 Semly 等工具的数据驱动决策（实际收入影响）。

• 其余预算——75-80%（3,487,500–3,720,000 欧元）：经典渠道（搜索、社交、联盟、线下），但越来越多地由 AI 进行管理和优化（活动自动化、出价管理）。

数据、归因以及 Semly 等工具的作用

管理层需要看到哪些信息，才能信任 AI 预测？

• 按渠道统一查看收入与成本：收入数据（订单、订阅）、媒体投放与运营成本，以及触点数据（包括接触聊天机器人、推荐和 AI 内容的情况）。
• 多渠道归因与增量效应：传统末次点击归因无法体现 AI 的真实价值；需要数据驱动的归因模型、营销组合建模（MMM）以及带有对照组的实验。
• 以收入和客户终身价值（CLV）为导向的管理仪表板：不仅关注广告支出回报率（ROAS）和每次点击成本（CPC），还应包括每个渠道的增量收入、对客户获取成本（CAC）和 CLV 的影响，以及每个用例的回报周期。

• 将传统渠道和新 AI 渠道的数据整合到统一模型中。
• 有助于衡量 AI 对收入和关键 KPIs 的增量影响。
• 支持构建与监测预算情景（例如，将 X% 的预算转向 AI 渠道时，收入会如何变化）。
• 为管理层提供清晰的仪表板，以便与首席财务官（CFO）和董事会进行讨论。

因此，是否扩大 AI 渠道规模的决策，应依据实际数据，而非供应商的承诺或团队的主观感觉。

案例与数值示例：AI 渠道如何转化为收入

示例 1：电子商务 - AI 产品推荐

假设（基准情景）：

• AI 推荐带来的额外月度利润（扣除工具成本后）：20,925 欧元
• 按年扩展流量（平均效果为 1.5 倍）→ 31,388 欧元/月。
• 预算周期：12 个月。

年度增量效果： 约 377,100 EUR 的新增利润。

若整合与实施的初始投资为 93,000 欧元，且年度运营成本为 167,400 欧元（含许可费与维护费），则：

• 第 1 年总成本：260,600 EUR
• 额外利润：377,100 欧元
• 第1年投资回报率（ROI）≈ 45%，投资回收期 < 12 个月。

示例 2：B2B SaaS - 面向 SDR（潜在客户资格认证）的 AI 助手

假设条件：

• SDR 团队每月产生 1,000 个市场合格潜在客户（MQL），
• 当前 MQL → 销售合格潜在客户（SQL）转化率为 20%（即每月 200 个 SQL），
• SQL → 成交客户转化率为 25%，
• 每位客户的平均年度经常性收入（ARR）= 9,300 欧元。

实施 AI 副驾驶可提升资格认证与后续跟进的有效性：

• MQL → SQL 转化率提升至 26%（+6 个百分点），
• 每月 SQL 数量 = 260 个，
• 每月成交客户数 = 260 × 25% = 65 个（此前为 50 个），
• 额外 15 位客户 × 9,300 欧元 = 每月 139,500 欧元的 ARR。

年度视角（假设各项参数保持不变）：额外产生 1,674,000 欧元的 ARR。若该解决方案的年度成本（含工具、整合与维护）为 348,750 欧元，则毛投资回报率（ROI）极高。实际上，部分额外收入将被销售成本与客户流失所抵消，但即使经调整后，投资回报率仍具吸引力。

营销领域预算规划 AI 时最常见的管理失误

• 缺乏明确定义的使用场景与关键绩效指标（KPIs）： 仅设立"AI 预算”是不够的。需设定具体目标：例如 +X 个百分点的转化率（CR）、+Y 单位增量收入、-Z% 的客户获取成本（CAC）。
• 试点项目规模过大或过小： 规模过大：难以管控，无法得出明确结论；规模过小：统计显著性不足，难以推广。
• 重技术实施而轻流程优化： 若 AI 未伴随销售、服务或内容生产等流程的相应调整，往往难以释放其潜力。
• 忽视数据与整合成本： 在缺乏成熟数据方法的情况下，AI项目中40-60%的TCO低估是常态。
• 缺乏集中工具来监控效果（分析和归因）： 如果没有Semly这样的工具，管理层就会看到分散的数据，无法可靠地计算增量收入、比较渠道效率或建模预算情景。

CEO/CMO/CRO的清单：如何进行AI预算规划

• 定义人工智能在营销和销售中的3-5个关键用例（包括漏斗阶段和KPIs）。
• 确保您拥有衡量其效果的数据（收入、成本、接触点、CLV）。
• 为12-24个月建立收入情景（保守/基线/激进）。
• 设计一个带有对照组和明确成功标准的试点项目。
• 提供一个归因和分析工具（例如Semly），显示AI对收入的增量影响。
• 与CFO就投资回报率（ROI）时间框架（通常为12-24个月）和评估规则达成一致。
• 将AI预算视为一系列测试，而非单一项目；每季度验证使用场景的投资回报率（ROI）。
• 将AI渠道纳入持续管理报告（收入仪表板、CAC、CLV、每个使用场景的回报率）。

常见管理问题FAQ

1. 我们应该将多少营销预算分配给AI？

没有通用数字，但“高绩效者”的做法表明：

• 5-15%的营销预算用于AI实验和试点，
• 额外10-15%用于扩展已验证的使用场景，
• 随着时间推移，AI将渗透整个预算（活动自动化、个性化、归因），因此关键是“如何”而不是“多少”。

2. 我们何时能期待AI的投资回报？

• 试点项目的初步价值信号应在3-6个月内出现。
• 较大AI项目的真实完整回收期为12-24个月。

3. 如何避免“AI炒作”和预算烧穿？

• 优先使用案例方法并明确界定关键绩效指标（KPIs）。
• 要求进行有对照组和增量收入测量的实验。
• 使用 Semly 等工具验证预测与实际数据的一致性，包括在基于 LLM 的搜索引擎带来的新流量来源的背景下。

4. 我们是否需要自己的数据科学团队来在营销中使用 AI？

并非总是如此——许多解决方案提供即用型模型。另一方面：

• 您需要具备理解、解释和使用结果的能力。
• 投资数据质量以及将整个生态系统整合在一起的分析平台是关键。

总结

AI 渠道——从聊天机器人到产品推荐、生成式内容到高级分析——可以现实地提高收入，降低 CAC 并提升 CLV。麦肯锡、嘉吉、BCG 的报告以及大量案例研究显示，那些积极实施 AI 的公司在收入和效率方面实现了两位数的增长。

然而，管理层的关键不是“我们在 AI 上花费多少”，而是我们如何将 AI 与预算和收入预测联系起来：

• 定义具体的使用场景
• 构建收入情景
• 进行有测量增量的试点项目
• 将 AI 渠道整合到预算和报告流程中

没有强大的数据和归因基础——而 Semly 等工具可以提供这种基础——AI 将仅是一个昂贵的实验。有了这样的基础，另一方面，它将成为提高收入和业务价值最重要的杠杆之一。

来源

• Meta - 通过对话获胜（2024）
• Gartner - 2025 年人工智能（AI）在销售中的作用
• Gartner - GMs：如何在 GTM 中使用生成式 AI 来实现销售和生产力提升（2024）
• Northbeam - 营销人员的 AI 指南
• 麦肯锡 - 增长代理： 将 AI 承诺转化为影响
• 阿德南·马苏德 - AI 使用案例指南针 - 零售与电子商务：全球规模的个性化
• SuperAGI - 生成式 AI 驱动的营销自动化： 生成式 AI 代理如何在 2025 年提升效率和投资回报率（ROI）的案例研究
• PROS - 航空公司收入管理软件
• Averi.ai - 2026 年营销预算现实检验
• 马丹恰恩 M. - 人工智能营销对电子商务销售的影响（MDPI, 2024）
• Envive.ai - 32 条由 AI 驱动的客户生命周期价值统计数据用于电子商务
• 卡斯卡迪亚资本 - 销售与营销技术行业报告 1H 2024
• Wair.ai - 用于战略推广规划与执行的 AI
• Haptik - 2024 年 WhatsApp 营销现状
• 麦肯锡 - 2025 年人工智能现状： 代理、创新与转型
• 麦肯锡 - 组织如何规模化地捕获 AI 的价值？
• Gartner - 2024 年技术营销基准调查：AI 和生成式 AI 洞察
• BCG - 2024 年 AI 采用情况： 74% 的公司难以实现并规模化价值
• 领英 - 生成式 AI 如何拯救你的销售团队，避免浪费他们66%的时间
• Sparkco.ai - 销售漏斗转化率分析 2025
• 麦肯锡 - 2024年初 AI 的现状：生成式 AI 采用情况
• 德勤 - AI 和技术投资的投资回报率（ROI）
• 马克·奥尔斯本 - 衡量真正重要的事情——超越炒作的 AI 投资回报率（ROI）
• Wair.ai - 提升建模，预测促销投资回报率（ROI）
• Sellforte - 动态场景：
• PrescientIQ - 使用 Aether 预测 AI 投资回报率（ROI）
• Spinta Digital 预测投资回报率（ROI）： 超越 ROAS 和 AI 收入模型的未来
• 领英 - 你的 2026 年 B2B GTM 预算指南
• Tomi.ai - 2x 营销驱动收入与 LTV：使用预测性 AI 和第一方数据降低客户获取成本（CAC）

分享：

复制链接