[FDE的模式探討-4] 80→95→99 : 行銷工具的三道坎

前面三件事我想清楚了：一人FDE是什麼（新物種，不是SOHO的升級版）、能幹多遠（Delta端靠AI工具鏈補位，Echo端只有我自己）、能不能變成生意（把客製蒸餾成產品，第10個客戶少走彎路）。

但還有一個問題一直卡著我：產品本身的品質怎麼過關？

行業調查的數據很扎眼：90%的企業在推進生成式AI實驗，但只有41%跨越了實驗階段。約80%的AI項目從未投入生產，失敗率是傳統IT項目的兩倍。

翻譯成人話就是：十家企業裡有九家在試AI，但只有四家真正用起來了。剩下六家，系統上線了，demo跑通了，但業務端就是不願意用。

系統上線，只能證明AI進了公司；業務部門願意長期使用，才能證明AI進了工作。

問題出在哪？出在從80%到99%的那段路上。

騰訊研究院的FDE報告用「80、95、99」來描述AI從原型走到正式使用的過程。這裡說的不是AI考了多少分，而是它能覆蓋多少真實業務情況。

80%是第一道坎。接上通用大模型，再給它一些產品資料和提示，覆蓋常見問題——不難。一個AI客服能回答「你們的營業時間是幾點」「退貨政策是什麼」，一個行銷工具能根據產品頁自動生成文案方向和基礎受眾分析。這部分AI做得又快又好。80%的demo看起來已經很驚豔了，匯報時掌聲不斷——但demo不是產品。我剛開始做的時候也在80%這道坎上興奮了好一陣。

95%是第二道坎。同一個問題，客戶有很多種問法；資料裡有行業術語，模型未必理解；知識庫裡可能還混著已經過時的規則。這道坎麻煩，但還能靠工程手段解決——加知識庫、加檢索、加產業常識注入。

99%是第三道坎。客戶的退款條件看上去符合，但帳戶信息對不上，怎麼辦？後台系統臨時沒有回應，怎麼辦？哪些操作必須人工審核？做錯了，怎樣發現和恢復？

這些問題，測試階段未必會出現，但只要系統真的開始接待客戶，就一個也躲不開。

關鍵在於：這三道坎的邊際成本不是線性上升的，是指數級跳升的。從80%到95%，我可能花一倍的力氣；從95%到99%，我可能要花十倍的力氣。最後那4個百分點，成本可能超過前面所有的總和。

這就是為什麼那麼多AI項目停在試點階段——不是做不出來，是做不過99%那道坎。

那麼，這三道坎在行銷場景裡長什麼樣？

我用我正在做的CMO行銷工具來說明。

80%這道坎，我的工具已經輕鬆跨過了。丟一個產品頁網址進去，AI解讀完頁面後，自動填入品牌名、核心產品、賣點、配套權益，然後生成四象限報告——客群解讀、商戰規劃、預算配置、文案方向。通用大模型加產品資料，覆蓋常見行銷問題，不難。

95%這道坎，才是真正開始燒腦的地方。

行銷場景的95%是什麼？是行業術語和品牌調性。「做這行的人都知道、但AI不一定知道」的常識——比如食品業的鈉含量標示規則、化妝品的成分宣稱禁區、保健品的功效用詞邊界。這些東西不走檢索，走注入：依產業直接把Playbook塞進報告裡。

然後是五位AI顧問。品牌策略顧問做only-we test（只有你能做、別人做不了的那件事是什麼），受眾顧問挖心理帳戶（消費者用哪個預算池在算這筆帳），通路顧問做增量測試，財務顧問算邊際ROI停損，綜合主席裁決五位顧問之間的衝突。

這道坎的核心不是AI的能力，是我的領域經驗。AI能幫我把報告寫出來，但「這個產業的常識是什麼」「五位顧問的意見衝突怎麼裁決」「品牌調性跑偏了沒有」，這些判斷只有做過這行的人才能做。

99%這道坎，在行銷場景裡是這樣的：

成效廣告的預算超支了，系統要不要自動停損？以某個電商客戶為例，CPA超過2200元的斷路器門檻觸發了，但這個客戶的獲客成本本來就高，怎麼辦？退貨率超過3%的跨配置斷路機制要不要啟動？ROAS看起來很好，但品牌心智在下降——當一個指標變成目標，它就不再是好指標。這是古德哈特定律。

古德哈特定律說的是指標會失真，而這裡還有一個更容易踩的坑——指標本身可能就是錯的。歸因和增量是兩回事。歸因是分配已發生的功勞——這筆訂單是哪個管道帶來的。增量是測量真實的因果——如果沒有這筆廣告預算，這筆訂單會不會發生？一個是事後算帳，一個是事前驗證。

這道坎的核心不是AI能做什麼，是出了問題誰兜底。預算燒穿了誰負責？投放出錯誰修？競品攔截誰應對？

這不是行銷獨有的困境——製造業的AI視覺應用，面臨的是同一個結構。視覺算法的開源程度越來越高，真正難的不是在實驗室裡把檢測準確率做到95%——難的是在成千上萬個各不相同的現實工位裡，把成功率從95%提到99.9%。在產線上，1%的失敗率就意味著每天幾十次停機。

行銷的99%坎不是停機，是預算燒穿了還不知道。製造的99%坎不是廣告費浪費，是次品流出去了。兩個場景的結構相同：最後幾個百分點的成本，是前面所有的倍數。

AI的落地不是看技術有多先進，而是看它能不能把每一個日常的小問題記錄下來、跟進到底、並且讓它不再反覆出現。這句話在製造業成立，在我做的事上也成立。

這四篇寫下來，我越想越清楚。

我的天花板不在Delta端——AI工具鏈已經幫我壓扁了。不在Echo端——我的領域經驗有多深，天花板就有多高，但這是我自己的事。真正的天花板在99%那道坎上：我做出來的東西，業務端敢不敢用、願不願意一直用、出了問題信不信我兜得住。

工具是輔助，不是替代。AI幫我把80%的活幹了，但最後那20%的校準，得我來。

工具是地圖，不是方向盤。