AI 行銷：為什麼它會寫出讓人不舒服的文案
最常見的錯位是「語域」（register）錯亂。AI 可能對著五十歲的族群用年輕人的網路腔，也可能在嚴肅的醫療議題上用輕佻的語氣，或者在哀悼相關的內容旁接一句「現在下單享折扣」。它掌握了詞彙，卻沒有掌握「這句話在這個場合該不該說」。這種錯位不是無知，而是「太流利」——流利到讓人忘記它其實不在現場。
4. 情緒勒索的自動化
人類寫手在寫「只剩三組」、「你確定要放棄嗎」、「別人都已經開始了」這類文案時，多少會有心理門檻。不是每個人都撐得過去，但至少那個門檻存在。AI 沒有這個門檻。它可以在幾秒內生成上千種焦慮變體，而且不會猶豫、不會內疚、不會在半夜想起自己寫過什麼。
於是，情緒操弄從「個別寫手的倫理選擇」變成了「系統預設的產能」。這是最危險的轉變：不是 AI 發明了新的惡，而是它讓舊的惡變得毫無摩擦。
二、拆解黑箱：AI 為什麼寫不出「得體」
理解現象之後，要問的是成因。很多人以為 AI 文案的問題是「不夠聰明」，其實恰恰相反：它太擅長預測文字，卻不擅長判斷情境。以下五個機制，解釋了為什麼它會系統性地產出讓人皺眉的內容。
1. 它優化的是「可能性」，不是「合適性」
語言模型的本質是下一段文字的機率預測。它學的是「在行銷文案的語料裡，什麼詞最常接什麼詞」，而不是「這個品牌在這個時刻對這位顧客該說什麼」。這兩件事看起來相似，實際上完全不同。
機率最大化的結果，就是「平均值」。它會寫出最像行銷文案的行銷文案，也就是最大公約數：最常見的形容詞、最常見的句型、最常見的情緒按鈕。平均值安全、不出錯，但平均值對誰都不貼。得體需要的是「偏離平均」的判斷力——知道這裡該收、那裡該放、什麼話在這個品牌身上不能說。AI 沒有這種判斷，它只有統計。
2. 訓練資料的倖存者偏差
網路上能被模型抓到的行銷文案，多半是「有效」的：被轉發的、被存档的、被當成案例的。失敗的、被罵翻的、內部被否決的、寫完就刪掉的版本，通常不在語料裡。模型學到的是一個被篩選過的世界，一個「大家都這樣寫而且看起來很成功」的世界。
這造成兩個後果。第一，它會放大既有的行銷腔，因為那些腔調在語料裡比例最高。第二，它學不到「教訓」。人類寫手會記得某句話曾經引發公關危機，AI 不會，因為那些句子在它的訓練資料裡可能根本不存在，或者存在但沒有被標記為「危險」。
3. 它沒有身體，也沒有「社會性死亡」的恐懼
人類寫文案時，腦中會預演一件事：這句話發出去，會不會被截圖、被嘲笑、被放在論壇上公審？這種預演能力，來自我們在社會裡生活過的經驗。我們知道丟臉是什麼感覺，所以會自我審查。AI 沒有身體，沒有社群歸屬，沒有「被討厭」的恐懼。它不會臉紅，也不會在按下送出前猶豫三秒。
而「得體」很大程度上正是由這種猶豫構成的。得體不是文法正確，而是知道什麼話說出來會讓對方不舒服。這需要一種社會嵌入感，而那是統計模型無法模擬的。
4. RLHF 的討好稅
現在多數商用模型都經過人類回饋強化學習（RLHF）。這個過程會讓模型傾向產出「人類評分高」的回答，而評分者通常偏好流暢、正向、順從、有幫助的內容。結果就是模型被訓練成一種「討好型人格」：它會說你想聽的，而不是說真話。
在客服場景，討好是優點。但在行銷場景，討好會被放大成情緒迎合。模型學會了「讓讀者感覺良好」等於「好文案」，於是它不斷輸出過度正向、過度熱情、過度共情的內容。它不是在說服，而是在哄。而成年人被哄的時候，通常不會感動，只會覺得被看扁。
5. 情境真空：它不知道這句話會在誰的螢幕上出現
人類寫手寫文案時，腦中有一整個脈絡：這個品牌過去說過什麼、這次活動的背景是什麼、受眾最近在關心什麼、這個時間點有沒有敏感事件。AI 拿到的往往只有三行提示詞：「幫我寫一則促銷貼文，產品是 X，語氣活潑。」
在情境真空下，模型只能靠平均值說話。它不知道這個產品上個月才因為食安問題上新聞，也不知道受眾裡有一半年輕父母，更不知道今天社會剛發生重大事故。它寫得越流暢，錯位就越明顯。這不是模型的錯，是給它的情境太少，卻期待它表現得像一個在品牌裡待了五年的資深文案。
三、從「怪」到「危險」：四種高風險文案模式
不舒服如果只是美學問題，那還算小事。但某些 AI 文案模式已經跨過「怪」的界線，進入「有害」的範圍。以下四種模式，是實務上最常引發爭議、也最需要人工把關的類型。
1. 假親密與情緒套利
「親愛的，你的肌膚值得更好的。」「別擔心，我們懂你的孤單。」這類文案把品牌擬人化成一個親密關係對象，但品牌並沒有承擔親密關係的責任。它不會在你失業時打電話給你，也不會記得你上次說過什麼。它只是在利用親密感的語言紅利，換取點擊與轉換。
當這種模式被規模化，消費者會逐漸對「溫暖」一詞免疫，甚至反感。更嚴重的是，它會侵蝕整個產業的語言可信度：當所有品牌都在假裝是你朋友，真正想建立長期關係的品牌反而被淹沒。
2. 焦慮放大與 FOMO 製造機
AI 非常擅長生成焦慮變體。「別人都升遷了，你還在原地嗎？」「同齡人已經開始保養，你呢？」「只剩最後 3 組，你真的要放棄？」這些句子的共同點是：它們把消費者的現狀定義成一種「落後」，然後把產品包裝成「追上」的唯一途径。
人類寫手也會用 FOMO，但通常會有底線：不會針對敏感族群、不會在悲劇事件後立刻操作、不會把焦慮推到自我否定的程度。AI 沒有這條底線，因為它不知道什麼叫「太過分」。它只知道這種句型在訓練資料裡轉換率高，所以它會不斷生成，而且越來越極端。
3. 偽權威與假見證
「98% 使用者實測有效」、「連醫師都推薦」、「上千位媽媽一致好評」。這些數字與見證，如果沒有真實來源，就是偽造。AI 可以輕鬆生成看起來很具体的統計、很像真人的使用者心得、很有說服力的專家背書。它不會主動標註「這是虛構的」，因為它不知道自己在虛構。
這已經不只是「讓人不舒服」，而是法律與倫理風險。在多數市場，不實見證與虛假數據都受廣告法規範。用 AI 量產這類內容，等於把合規風險自動化。
4. 刻板印象的無意識複製
語言模型從網路語料學習，而網路語料充滿偏見。當 AI 寫「適合職業婦女的輕食」、「男生也能駕馭的粉色」、「長輩圖也能很時尚」，它可能不是在刻意歧視，而是在複製訓練資料裡最常見的連結方式。但複製偏見的後果，和刻意歧視一樣真實。
這類文案的不適感特別隱微，因為它「聽起來很合理」。正因為合理，它更難被察覺，也更容易被大量投放，進一步強化社會刻板印象。這是 AI 行銷最深層的風險：它不是創造新的偏見，而是把舊的偏見用更高的效率再生產一次。
四、品牌代價：「有點怪」如何變成「不信任」
很多團隊會說：「可是轉換率有上升啊。」這是短期的真相，也是長期的陷阱。品牌信任的累積很慢，崩解卻很快，而 AI 文案的不適感，正好擅長製造那種「一句話毁掉一年預算」的瞬間。
第一，不適感會被截圖。在社群時代，一則荒謬的文案不会被默默略過，它會被截圖、被轉發、被做成迷因。品牌花錢買曝光，結果買到的是負面曝光。而且這類截圖的傳播力，通常遠高於原本的廣告。
第二，轉換率會騙人。AI 文案往往在短期點擊上表現不錯，因為它擅長觸發情緒反應。但點擊不等於好感，轉換不等於留存。當消費者事後回想「我為什麼買這個」，如果答案是因為被製造了焦慮，他對品牌的好感會下降，而不是上升。這種「轉換後反悔」的成本，不會出現在當月的報表裡，但會出現在明年的客戶終身價值裡。
第三，演算法會獎勵短期、懲罰長期。投放系統優化的是點擊與轉換，不是品牌好感。這意味著，越會製造情緒刺激的文案，越容易得到系統的青睞，也越容易被規模化。於是團隊會陷入一個循環：明知道有點怪，但數據好看，於是繼續投放，直到某天公關爆炸。
第四，語言通膨。當所有品牌都用同一套 AI 語氣說話，消費者的注意力會自動跳過。你越用力，他越無感；你越熱情，他越防備。最後的結果不是說服失敗，而是整個語言環境的通膨：形容詞貶值、共情貶值、承諾貶值。品牌在這種環境裡，很難再說出任何有重量的話。
五、實作：讓人味回來的六個工作流
問題不在於「不要用 AI」，那既不現實也沒必要。問題在於「怎麼用」。以下六個工作流，是實務上可以把 AI 從「量產怪文案」拉回「輔助產出」的具體做法。
1. 先給情境，再給指令
不要只給「產品 X、語氣活潑」這種三行提示。給它完整的背景：品牌過去說過什麼、這次溝通的對象是誰、最近的社會氛圍、有哪些不能碰的敏感點、希望讀者讀完後產生什麼具體感受。情境越厚，平均值越薄，錯位就越少。
更具體的做法，是把「負面情境」也寫進去：「不要提到競品、不要用『錯過』這類字眼、不要假設讀者孤單、不要在句子裡使用驚嘆號超過兩個。」限制比形容詞更能定義風格。
2. 建立品牌語料庫與負向清單
與其叫 AI「寫得像人」，不如給它看「這個品牌的人」長什麼樣。整理過去三年真正有效的文案、創辦人的公開談話、客服的真實回覆，做成語料庫。同時建立負向清單：絕對不用的詞、絕對不碰的议题、絕對不模仿的競品語氣。
負向清單比正向指令更重要。因為 AI 的問題通常不是「寫得不夠好」，而是「寫了不該寫的」。明確告訴它「不能做什麼」，比模糊地要求「要有溫度」有效得多。
3. 設計「羞恥感測試」關卡
在文案送出前，加一道人工關卡，問三個問題：這句話如果被截圖放上論壇，品牌撐得住嗎？如果讀者是自己的家人，我敢當面說這句話嗎？如果這句話被競爭對手引用，我會不會心虛？
這三個問題本質上是在模擬「社會性死亡」。AI 沒有這種預演能力，人類有。把人類的羞恥感當成最後一道防火牆，是目前最便宜也最有效的品質控管。
4. 用 AI 做變體，不用 AI 做定稿
AI 最強的地方是發散，不是收斂。讓它一次產出二十個版本、三十種語氣、五十個開頭，然後由人類挑選、修改、重寫。把 AI 當成一個不會累的 brainstorming 夥伴，而不是一個可以直接交稿的寫手。
定稿必須有人類的手。不是因為人類寫得比較好，而是因為人類會猶豫、會刪減、會在某個瞬間覺得「這樣說太過了」。那個「太過」的判斷，就是得體的來源。
5. 把「不舒服」納入評估指標
如果團隊只追蹤點擊率與轉換率，AI 一定會往情緒刺激的方向進化。所以要在報表裡加入「品牌好感度」、「負面留言比例」、「客訴中提及文案的比例」、「社群截圖傳播次數」這些指標。
更進一步，可以做小規模的「不適感測試」：把文案給一群非目標受眾看，問他們「這句話讓你哪裡覺得怪」。怪的地方，往往就是風險所在。把這些質性回饋寫回提示詞與負向清單，形成循環。
6. 保留人類的「不寫」
最後，也是最重要的一點：不是每個場合都需要文案。災難發生時、社會情緒敏感時、品牌自己出包時，最好的行銷動作往往是沉默。AI 不會主動選擇沉默，因為沉默不是它被訓練的目標。人類必須保留這個權力：今天不發文、不蹭熱度、不硬要幽默。
「不寫」是一種判斷，也是一種品格。當整個產業都在用 AI 填滿每一個溝通空隙，懂得留白的人，反而會顯得可信。
六、結語：AI 該學的不是更像人，而是更懂分寸
回到最初的問題：為什麼 AI 會寫出讓人不舒服的文案？答案不是它不夠聰明，而是它太會說話，卻不懂得閉嘴。它優化了「像文案」的機率，卻沒有學會「得體」的判斷；它複製了人類的語言，卻沒有複製人類的猶豫；它被訓練成討好，卻沒有被教會克制。
這不代表 AI 不能用於行銷。正好相反，它在發想、變體、整理、翻譯、初稿這些環節上，確實能大幅提升效率。但「最後一句話怎麼說」、「什麼時候不要說」、「這句話會不會傷人」，這些問題仍然需要人類來回答。不是因為人類比較有創意，而是因為人類會承擔後果。
得體的本質，從來不是語文能力，而是「知道自己在對誰說話，並且在乎對方的感受」。這件事，AI 可以模仿，但無法真正擁有。所以，與其期待 AI 寫出更有溫度的文案，不如期待使用 AI 的人，願意在按下送出之前，多猶豫三秒。