作者｜刘亚澜

最近，我跟很多CMO、营销一线从业者交流，都强烈地感受到了一股“AI矛盾感”。

一方面，没人敢在AI浪潮里掉队。不管是批量写文案、做图，还是自动化投流、GEO，大家都在狂奔，希望能靠AI降本增效；

但另一方面，当我们真正把AI落到业务中时，又被AI的“副作用”深深困扰。粗制滥造的AI内容让消费者越来越反感，通用大模型的“瞎编”更是离谱，Stanford HAI报告指出，在家装、母婴、户外等细分场景，AI错误率高达26%-31%。不少大牌已经开始给AI踩刹车：联合利华和欧莱雅明确不用AI生成逼真的人脸，乐高也在广告里强调“纯手搓，无AI”。

这些矛盾与困惑让行业意识到，品牌当然需要 AI，但绝不需要一个“快速批量生产垃圾”的 AI。品牌真正需要的，是一个能读懂真实的人、能建立信任、能在复杂的商业环境里解决真实生意问题的AI。

今年“小红书种草大赏”上，小红书AI NEXT Generation 产品解决方案浮出水面，它没有跟风炒概念，而是生长于小红书自身的“活人”社区生态，走出了一条“用更懂人的AI，解决商业真问题”的新路线。

AI越普及，

真实的“活人语料”就越重要

技术跑得再快，消费的最终决策者依然是“人”。

在去中心化的社交媒体时代，品牌与消费者的关系早已不是“我说你听”，消费者可以种草，可以吐槽，这些分享也在影响别人买什么。品牌只有真正理解这些具体的个体，才能切入这套由人驱动的交易网络。

更重要的是，人的消费决策充满了非理性因素，身份认同、社交氛围、一时的心情……这些微妙的情感，是冰冷的算法很难凭空算出来的。

宝洁首席品牌官Marc Pritchard在戛纳创意节上的一句断言，道出了当下的行业共识：“AI改变的是品牌工作的方式，却没有改变品牌建设的基本原则：理解人。”

AI是手段，不是目的。很多AI营销都侧重于“走量”，觉得一秒生成上千篇文案、一秒竞价上千次就是高效。但“走量”不等于“走心”，通用AI大多靠全网公开网页训练，很难直接对应消费者在真实购物场景下的复杂心思。如果用这种缺乏消费体感的语料喂出来的AI，往往只能生成“对的废话”，而非有生活细节的共鸣。这种“高效率”不仅无法带来转化，反而加速消耗品牌的口碑。

AI大模型卷到现在，算法和算力的差异正在被快速平权，语料的质量成了关键中的关键。

想要在AI时代产出打动人的内容，就必须把真实的体验和情绪也一起“喂”给AI，让AI理解人，理解消费者行为背后的深层动机。

小红书之所以能在这场AI升级中切中品牌的痛点，正是源于其长期沉淀的“活人感”社区生态。“遇事不决小红书”的背后，是海量真实用户的提问、吐槽、对比与使用经验。

在这种生态土壤下，小红书能喂给AI的，是不可替代的、源自真人生活与真人经验的语料：

第一是具体场景，大家聊的都是“健身房深蹲裤透不透”、“宠物独居时的安全感”、“宝宝爬行区怎么去渍”等微小却极其真实的生活细节。

第二是主动意图，大家要么带着明确需求和求知欲来搜，要么在评论区打成一片，这些主动表达的意图，更能体现出用户真正的买点和卡点；

第三是人的多面性。一个人可能上一秒在搜“给娃选什么超薄运动鞋”，下一秒在看“周末露营装备”，顺手又去查了“上班怎么穿得大方得体”，多品类、多场景行为跨度，让AI能看懂一个“活生生、多面性的人”，或许能帮品牌发现意想不到的增长机会。

纵观小红书商业产品的进化脉络，其实就是一部不断深入“理解人”的历史：从基础画像回答“用户是谁”；到兴趣标签回答“用户喜欢什么”；到生活方式人群回答“用户怎样生活”，再到今年推出“行业决策因子”，进一步追问用户为什么会在这个场景、这个时刻、做出这个选择？

当对“人”的理解深入到这种微观且复杂的颗粒度时，技术的介入就成了必然。

所以，小红书商业产品的AI升级方向，依然是紧紧围绕着“理解人”来展开。从最前端的人群洞察与需求挖掘，到中后端的内容生产与投放转化，AI被全面嵌入到生意的各个环节中，帮助品牌看清真实需求，从而撬动真正的生意杠杆。

突破人工局限，

用AI挖掘盲区外的用户信号

基于对“人”的理解，小红书今年商业产品升级的核心价值，就是用AI让人群洞察走向了前所未有的“深”与“全”。

这一升级打破了传统营销的局限。在商业世界里，品牌最怕的往往不是“没有数据”，而是陷入“自以为懂用户”的错觉。

过去，传统营销洞察高度依赖“人工手搓”——拉报表、看大盘、开冗长的讨论会，这种方式不仅耗时长，而且品牌看到的永远只是数据的冰山一角，人工解析的颗粒度根本跟不上消费者情绪变化的速度。

所以，小红书AI NEXT能够深嵌到趋势洞察、新品开发、流失人群分析等10个最真实的经营场景中，几乎覆盖了一个品牌生意的所有关键决策节点，把以前人工看不见、处理不了的隐形信号彻底挖掘出来，并打通出一条从“精准洞察”到“高效种草”的完整路线。

比如，评论区、短视频笔记一直是被严重低估的“宝藏”，却也是人工解析的噩梦。上百万条接龙式的对话、包含声音与滤镜的复杂视频帧，一旦交由缺乏消费体感的通用AI处理，极易产生错误归因，导致品牌根本不敢据此去调整预算或产品。

科大讯飞在小红书搭建了“评论区AI洞察”工具，通过严谨的流程设计限制住AI的幻觉，挖掘出用户对学习机交互体验的关键需求，并把功能搭载于新品上，在行业价格内卷的背景下，实现量价齐升。

除了发现隐藏在海量信息背后的需求，AI的加持还让品牌对人群的挖掘更进一步。

用户到底是哪类人？还有多少潜在市场？哪些人群有增长机会？过去靠运营人员手动导出表格清洗数据，根本给不出确切答案。

但有了AI之后，品牌不仅能算清全局，还能把人群拆得更细——不光能清晰定位流失人群与转化人群，甚至还能在转化人群中精准分层新客与老客。

今年科沃斯就用AI对用户人群进行了系统梳理，算出扫地机器人赛道在小红书上约6745万的可激发市场规模，画出明确的增长地图，为后续的内容表达、内容调优理清方向。阿迪达斯则是在面对庞杂数据时，通过AI洞察，精准识别出流失人群中有一批对“音乐文化圈层”高潜的用户，从而匹配后续的针对性策略，找到了⽣意增量。

有了精准洞察，后续的内容创作、种草投放也更得心应手了。

更关键的是，这些深度的洞察没有停留于此，通过小红书AI NEXT，还能将前端洞察得出的结论可以无缝流转到内容生产与投放环节；内容素材可以直接产出，内容投出后，还可诊断归因。

这就解决了洞察和内容生产、投放之间的断层问题。AI不再只是给泛泛而谈的建议，而是直接深入业务，实现真正的提效。

告别通用方案，

用AI破解不同行业的生意问题

​

洞察变准了，链路打通了，但AI的真正考验也来了——真实的商业世界里，不同的行业有着完全不同的“生意法则”。

比如在决策周期更长的行业，AI要做的是提升私信线索的转化效率；而在电商场景中，无论是站内闭环的人群资产沉淀，还是站外开环的跳转ROI计算与预算精准分配，也都需要AI给出针对性的解法。

小红书商业产品这波AI升级的务实之处恰恰在于它没有止步于通用的工具，而是深入到了这些微观的生意场景中，用“懂人的AI”去匹配不同行业的具体需求。

像在决策周期很长、客单价往往较高的家装、教育、房产、医美和本地生活等行业，怎么把来咨询的用户接住，是一个难点。小红书通过“私信通AI行业会话剧本”，让品牌不仅拿到线索，还能智能洞察用户的真实需求，并且用更具备“人感”的语言来回复用户，在提高响应效率的同时，也能用不输于人工的服务，提高用户转化效率。

再如电商场景，尤其是在小红书做全域电商时，所有品牌都希望能把预算的效果最大化，更高效分配“种草广告”和“种草直达”两笔预算，实现品效合一。小红书种草组合投Agent工具就是在解决这个问题，通过最终销售目标反推人群需求，让“预算怎么分”不再靠领导拍脑袋、部门之间比嗓门儿，而是成为一个可计算、可复盘的科学决策。

宠物食品品牌蓝氏就利用种草组合投Agent基于历史数据和目标GMV测算出平销期、大促期的预算配比，将ROI提升86%，人群资产获取成本降低至68%，真正做到把钱花在刀刃上。

整体看下来，AI并非一招鲜的“高科技”，不同的生意场景有不同的AI解法，这或许也是小红书反复在说的“种草效果化”的体现，种草不止于营销环节，AI也不止于技术，而是真正能影响品牌的生意，做出实际的效果。

回到开头营销人对AI的“矛盾感”：品牌对AI的困扰，从来不是这项技术本身，而是AI 制造的“虚假与同质化”，以及脱离了真实生意的“技术空转”与“效率自嗨”；品牌需要 AI，需要的是用高效的工作能力去理清极其复杂的商业现实，在纷繁的数据中找到并满足真实的需求。

而我们可以一直坚信的是，无论技术如何演进，商业的底层逻辑从未改变——它依然关乎“人”，关乎信任、需求与产品。

*数据来源：小红书数据中台及相关品牌。