营销：Starbucks Korea

Unit 3，Das Narayandas 教授 Market-Facing Functions， Starbucks Korea’s Tank Day: When the Machines Forgot。

这是一篇选读。老师没有要求正式准备，也没有给出案例问题，而是请我们有时间看看正文和第一张附表。

读完后，我记住的不是AI写出了一条不合适的文案，而是案例提到的一个组织现象：内容经过多人审批，却没有被及时拦住。流程似乎走完了，判断却没有发生。

以下，enjoy：

案例梗概

按这份案例的叙述，韩国星巴克在2026年5月18日，为一款大容量不锈钢杯推出“Tank Day”促销。团队使用AI辅助构思语言，希望表达杯子的容量、坚固与记忆点，却没有充分考虑日期与用词在韩国社会中的历史含义。

5月18日与光州民主化运动纪念相连；宣传语中的拟声表达，又使一些人想起另一宗历史事件中的官方掩饰说辞。对创作者而言或许是产品语言，对接收者而言却不是一个可以脱离历史来理解的组合。

案例引述的报道与公司表态称，审批链涉及七名管理人员，部分审批者据报没有打开附件。材料没有完整提示词和操作记录，因此不能断定工具独立创造了全部内容，更不能把每个人的责任简单等分。可以看到的是，这套组织流程没有有效识别问题。

活动很快停止，截图却已传播。案例随后描述道歉、人事变化、公众反应与调查，以及全国门店提前关门开展历史和社会敏感度培训。总部的营销决定，最终也影响了面对顾客的门店员工。

第一张附表把AI应用放到更广的营销体系：从发现需求、设计产品、制定价格，到触达、销售、服务与履约。这个视角使问题扩大了。企业需要判断的，不只是文案好不好，还包括AI参与的每一个决定最终会向客户承诺什么。

我的思考

意义出现在词语与情境相遇的地方

单看一个词，它可以表示强壮；放进某个日期、某种语言和某段共同记忆里，它可能唤起完全不同的感受。

这种变化，很难只靠一张“禁用词表”穷尽。审查者需要知道内容会在哪里、何时、对谁出现。脱离发布场景看素材，相当于只检查句子的零件，却没有看人们最终会读到什么。

AI可以辅助找关联、列疑点，但把同一段话再问一个模型，并不自动构成独立判断。负责的人仍需理解受众，并有能力承认自己不知道。

审批人数不能替代审查内容

七个名字听起来很稳妥。但如果每个人都以为前面的人已经检查，签名就可能变成信息传递的动作。

我会先问：每个审批者到底负责判断什么？是否看到最终版本？是否有足够时间？发现不确定时，能否暂停发布？

答案不一定是增加更多层。更有效的安排，也许是让一个明确负责人检查完整活动，并在触发本地文化、事实主张或其他敏感条件时，找到真正有知识与权限的人。

生成速度提高后，注意力可能成为约束

从几条文案变成几十条候选，可以帮助团队探索，也会增加筛选工作。如果发布数量随之增长，审查时间却没有变化，人的注意力会被摊薄。

这不是案例提供的量化因果结论，而是它让我看到的一种管理风险：工具节约的起草时间，未必就是流程节约的净时间。核查、返工、协调与事后修复也要计入。

我更愿意问，团队能否在更短时间内交付同样可靠或更可靠的结果。只有产量提高，不能证明工作已经改善。

培训要进入下一次真实决定

历史与社会敏感度培训有意义。但培训结束后，如果审批仍然只需点击同意，发布压力仍然高于提出疑问的空间，同样的结构可能留下。

知识需要有使用的位置。比如，活动资料明确列出日期、地区、受众、最终文案与视觉；有人对这些组合做检查；遇到疑问有快速入口；记录改了什么、为什么改。

修复也不能只由一线承担。谁决定了活动，谁就应参与解释和改变。门店员工需要支持，而不是在顾客面前独自承受总部错误。

客户旅程比一条广告更长

Exhibit 1提醒我，AI也可能影响价格、优惠、服务回复、库存安排与交付承诺。顾客不一定区分这些输出来自哪个团队或工具，他们接触的是同一个品牌。

因此，评价不能只停在点击和转化。有没有兑现承诺？退货和投诉是否增加？例外是否被妥善处理？客户再次接触时，体验是否一致？

一条回复可以很流畅，一个促销可以很吸引人，但如果后面没有相应的能力和责任，前面的效率可能转化为后面的失望。

对 Arcus42 的借鉴

让事实依据跟随表达。 重要主张旁边要能找到来源和适用条件，避免流畅文字让不确定性消失。

用接收者的场景检查最终稿。 不只看文字是否准确，还看它在具体时间、关系和场景中会被怎样理解。

让审核对应真实责任。 每个人知道自己在判断什么，也知道发现疑问时可以找谁。增加签名不能替代这件事。

保留人工处理例外的能力。 标准流程可以提高效率，遇到矛盾、情绪或重要承诺时，需要能接住问题的人。

把质量与返工一起计入效率。 少用了多少时间，要和多做了多少核查、修正与沟通放在一起看，才能判断真正收益。

写在课前

我想继续讨论的是，当AI让产出变得更快、更便宜时，我们准备把人的注意力放在哪里？

我的初步选择，是放在意义、证据、例外和承诺上。工具可以帮助起草，组织仍需要有人真正看过，并愿意为最后的决定负责。

本文依据HBS指定选读案例作学习性归纳，相关事件与报道均按案例叙述，未对后续调查作判断；治理建议为个人课前思考，不代表课堂结论或任何机构内部实践。