推荐语

AI重塑营销行业，Head AI引领变革。

核心内容：
1. AI技术如何使营销策略普惠化
2. Head AI的策略：重构营销流程与商业逻辑
3. AI营销工具的智能化与自学习能力的发展

杨芳贤

53A创始人/腾讯云(TVP)最具价值专家

营销行业正站在一场巨变的十字路口。

一边是AI以前所未有的速度渗透，承诺将‘奢侈品级’的营销策略拉下神坛，惠及从世界500强到义乌小作坊的每一个商家 ；另一边则是对‘真实链接’的极致渴求——当算法能轻易优化效率，品牌如何才能真正触达并打动人心？

这不仅是技术的挑战，更是对营销本质的重新拷问。

带着这些问题，我们与锦秋基金被投企业Head AI（原Aha Lab）的COO Wels进行了一次深度对话。

2024年，锦秋基金Soil种子计划参与了Aha Lab的首轮投资。锦秋基金，作为12 年期的 AI Fund，始终以长期主义为核心投资理念，积极寻找那些具有突破性技术和创新商业模式的通用人工智能初创企业。

在Wels看来，这正是一场‘从算法效率到真实链接’的范式转移的起点； 从内容创作到客户互动，再到复杂的数据分析，AI不仅在优化现有流程，更在根本上重塑品牌与受众的连接方式 。

从世界500强的营销部门到全球的独立站商家，从中国出海品牌厂商到加拿大卖蜂蜜的老奶奶，AI营销正快速渗透到全球商家。作为这些客户背后的服务商，Head AI的核心策略并非简单地优化营销的某个单一环节，而是致力于通过AI技术重构营销的整体工作流程与商业逻辑，以适应不同行业、不同市场环节的复杂需求 。

截至2025年3月，产品上线以来，Head AI已服务数百家全球不同体量的客户，并获得了正向的反馈。

2025年5月21日，公司也正式升级产品品牌，将原有的品牌Aha Lab正式升级为Head AI，提供包括联盟营销在内的更多泛市场产品和服务，从专业的工具升级为一个整合的AI驱动营销解决方案矩阵，为用户提供可见的增长。

这一时间节点，锦秋也与Head AI COO Wels进行了一次访谈，详细拆解了品牌升级背后的始末、AI营销行业的现状与趋势、全球营销的变化。

在Wels看来：

• AI技术正在将过去高成本、高门槛的影响力营销（如红人营销）大众化、普惠化。

• AI营销工具不仅仅是基础自动化，更在进化为企业营销团队的智能化、自学习的延伸，能够承担更复杂的任务。

• 未来，AI技术成熟后，企业营销部门中纯执行层面的人数会降低，使从业者能更专注于创意生产和策略制定等脑力劳动。

• 打造真正可用的AI营销产品，其根本难点和壁垒不在于顶层技术，而在于深入理解千行百业的个性化需求，做好客户分层分类，并从中抽象出通用解决方案。

• AI的强大内容理解能力极大地提升了红人与品牌匹配的效率和精准度，同时满足了品牌方将预算分散到更多中腰部及长尾红人的需求。做广告源头的增量供给。

• 在AI营销中，积累大量真实的投放交易数据至关重要，这能将分析从CPM层面提升到CPC、CPS层面，实现更精准的优化。

以下为本次访谈内容的梳理。

01

从Aha Lab到Head AI：核心始终是驱动可见的增长

锦秋：为何在此时选择品牌升级为Head AI？拓展了哪些服务？

Wels：

市场推着我们向前。自3月18日海外发布后，用户量激增。基于用户的反馈，我们也得到了很多正向的反馈。

我们深刻洞察到，对很多客户，尤其像全球的独立站站主，平台电商卖家等这些电商重镇的商家而言，内容营销早已超越品牌建设，成为直指销售转化的利器 。正是这一洞察，促使我们整合了联盟营销模式，利用我们在红人匹配上的核心优势，将红人与他们能真正带货并获取收益的产品直接联系起来。

其次，我们积累了强大的邮件匹配和模板生成能力，许多客户有邮件营销的需求，这也是我们能力的自然延伸，所以也整合进新品牌的服务中 。

未来还会加入更多如与市场人员头脑风暴等功能。

这次品牌升级为Head AI，好比滴滴打车进化为滴滴出行，从单一的打车服务升级为一站式的出行解决方案平台 。我们正从一个专业的工具，升级为一个整合的AI驱动营销解决方案矩阵，核心始终是创造真实的链接和驱动可见的增长。

锦秋：用户最喜爱或粘性最高的功能点是什么？解决了他们哪些痛点？

Wels：

虽然‘杀手级功能’因客群而异，但共同的核心是：我们为不同类型的客户提供了实实在在的价值，解决了他们最头疼的问题。

初创公司产品尚不稳定，投流成本高风险大，甚至无法验证PMF。红人营销能满足诉求，且用我们的产品没有启动成本（如招聘固定人力的几千元固定开销） 。

中型客户 已有红人营销基础，但面临管理成本高、实习生团队流动性大、培训成本高等问题 。我们的产品能提供一支“产生复利效应”的AI团队，效果不比人差，且无上述成本 。

大型及上市公司有些是与传统Agency进行成本和效率的直接比较，我们因AI驱动而在某些场景有显著架构优势 。有些（尤其是法务严格的中国公司出海业务）采用我们是为了规避与每个红人单独签署合同的繁琐法务流程 。一个让我们惊讶的现象是，很多客户在拥有自己合作的红人后，会要求红人来我们平台注册并完成交易，看重的是我们资金担保和管理营销支出的能力 。

锦秋：能否分享一些让团队惊喜的成功案例？

Wels：

我们团队一直相对不那么自信，最初认为我们的打法和产品完成度，可能主要吸引初创公司、小微企业。但实际情况是，我们有20%的客户是上市公司，甚至是超大型上市公司 。他们选择我们的原因各异，有的是为了和Agency比价，有的是法务或财务团队的需求 。

但令我们惊喜的是，这些大客户真正在我们平台完成了PLG（产品驱动增长）的全流程——没有销售跟进，他们自行试用，从1000美金预算开始，因效果显著而追加到1万美金，甚至发邮件表达惊喜，现在有些大团队甚至按季度在我们这里投入数十万美金的预算 。这些世界范围内的头部公司能成为我们PLG客户，并投入可观预算，这是我们始料未及的，也侧面印证了产品的价值。要知道，按传统方式进入这些公司的供应商名单是非常困难的 。

锦秋：哪些场景下，客户使用你们产品和服务的收益最高？

Wels：

先讲效果不太理想的场景。比如之前提到的，电商行业里对品牌没有要求的纯卖货型客户，在没有联盟营销模式前，体验确实不够好，这也是我们这次版本升级的原因之一 。

其他场景效果都还不错。这并非我们自身有多强，而是AI赋能红人营销这个模式本身很强。例如数据库、金融这类过去营销较难的行业，通过我们在LinkedIn上进行红人营销，精准触达行业工程师等目标人群，效果就非常显著，这有点“讨巧”的意味 。

02

打造一款颠覆性的AI营销产品，需要一种独特的‘人才化学反应’

锦秋：畅想未来，AI技术成熟后，企业的营销部门和工作会怎样演变？

Wels：

最直接的是纯执行层面的人数会降低，大家可以更专注在创意生产、策略制定等更多脑力劳动和那“1%的天才与运气”上 。小公司可能不再需要从头构建庞大的营销团队；大企业也能大幅减少执行人员，包括其外部的执行团队 。

广告行业本身可能会加剧分散化。过去，有创意、有提案能力的个人或小型工作室因缺乏强大的交付能力而受限 。未来，他们可以依赖像我们这样的平台来完成交付，专注于自己擅长的部分。我们看到很多Agency客户也在使用我们的服务，因为红人营销的人力成本对他们而言非常高昂且痛苦，AI则能帮助他们实现“平权”，更有效地承接这部分日益重要的营销预算 。

聚焦当下，我们也能看到AI营销对客户的营销工作带来的实际变化。

最激进的案例是，一个客户之前有13人团队负责执行，月发邀约邮件七八千封，转化率近乎为零，对外部合作已不抱希望 。试用我们产品后，充值5000美金，48小时内就收到了大量真正感兴趣且价格合适的红人回应，令他们非常惊喜，原团队结构也因此可能发生了调整 。我们的完整结果交付不仅替代了营销执行人员，还为HR（减少招聘培训）、法务（简化合同流程）、财务（简化跨境支付等）等辅助部门大幅提效 。

AI营销绝非孤立的环节，它将成为企业客户互动与价值创造的‘中枢神经系统’，与企业各环节深度联动。除了前面提到的能与财务、HR、法务等环节联动，提升效率外 ，想象一下：红人营销活动中收集到的宝贵用户反馈（比如红人为何不选择合作，或是他们的粉丝对产品的真实看法），能够实时反哺到产品迭代和市场策略调整中。这对于‘一人公司’或小型创新企业的决策者来说，无疑是极其宝贵的‘一线情报’，直接指导产品进化和战略方向。

锦秋：哪些变化催生了AI营销公司并带来了新机会？

Wels：

首先是红人营销。AI对红人营销的影响，好比当年LBS（基于位置的服务）对移动互联网的革命性作用 。LBS提供了一个新的数据维度，使得企业能快速、精准、实时且低成本地获取地理位置信息，催生了打车、外卖等巨大产业 。

在红人营销中，过去的痛点在于平台自带标签不足以支撑对红人的深度分析，需要大量人工观看内容、分析数据来判断匹配度 。例如，“母婴博主”是个宽泛标签，但企业产品往往更聚焦，这便需要人工判断，非常耗时 。如今，大模型强大的内容理解能力可以替代并极大加速这一过程，过去一周甚至一个月的工作量，现在几秒或几分钟内即可完成 。这种供应链层面的基础优化，使得下游能用更标准化的方式解决问题 。

从需求方看，消费者信任已从明星转向KOL，现在更进一步向中腰部、甚至长尾红人迁移 。品牌方希望将预算分散到更多创作者，以获取更大内容量，这同时也影响到计算广告——从信息流广告转向优质内容加热 。优质内容加热的前提是海量内容筛选，单靠头部KOL风险高，如同投资需分散风险 。对效率的要求也更高，过去10万美金找10个1万美金的红人，现在可能要找100个1000美金的红人，工作量远不止十倍增长，因为筛选基数越大，转化率越低 。

其次，在广告投放（投流）方面，AI正在复刻优秀投手的能力。过去，好的投手依靠敏锐的“嗅觉”判断出价时机和价格，这是传统程序化广告难以做到的 。AI结合大数据，能将这些非结构化的直觉判断转化为可结构化的数据分析，让更多企业通过技术平台拥有“好投手” 。

虽然AI邮件营销和SEO也会优化，但我认为红人营销和广告投放领域的变革更为深刻 。

锦秋：当前AI营销赛道的整体图景是怎样的？

Wels：

所有你能想到的营销渠道，都在全面拥抱AI的赋能。从内容创作的灵感火花——尽管AI生成图片、数字人等应用的成熟度仍在爬坡 ——到程序化广告的精准触达，AI无处不在。

提及AI营销，大家最先想到的往往是内容生产。早期出现了一批AI生成图片、数字人、AI生成短视频以及针对电商场景的商品图等应用，这些企业已发展一段时间，但市场反馈显示其成熟度仍相对较低 。

从渠道角度看，AI在SEO、邮件营销（例如海外成熟的AI邮件营销工具）以及程序化广告领域都有广泛应用 。像Google等大厂和成熟公司都在积极布局，同时杭州、深圳等地也涌现了许多专注于AI计算广告优化的创业公司，致力于实现全流程自动化 。

我们所专注的红人营销领域也经历了诸多升级迭代，一些老牌数据分析公司纷纷增加了AI功能，而像我们这样的新兴公司则运用AI来驱动整个工作流程 。

从用户视角，尤其是大客户层面，利用大数据级别的AI进行多渠道、多目标市场的归因分析也日益普遍，以往的“数据中台”正在被AI重构 。可以说，目前是百花齐放的局面，优秀公司众多，我们的客户也常常同时使用多种工具来优化其投放和增长效率 。

锦秋：打造成功的AI营销产品，团队需要具备哪些核心能力？

Wels：

打造一款颠覆性的AI营销产品，需要一种独特的‘人才化学反应’。

首先，是对自动化、程序化抱有坚定信仰，并拥有顶尖的技术实力 。

其次，团队成员必须深刻理解营销的本质，洞悉其心理、艺术以及瞬息万变的市场格局 。

第三，是对所构建的商业模式抱有足够的信念和胆识——我们用了很多移动互联网时期的商业模式来构建，这本身就是一种创新 。

最后，也是至关重要的，是超强的执行力：一群务实的问题解决者，少些EGO，多些紧迫感，信奉‘快速试错、快速迭代、市场验证’的行动纲领。

03 

从基础自动化向智能化、自学习进化

锦秋：打造真正可用的AI营销产品，其难点和壁垒何在？

Wels：

最大的挑战，也恰恰是我们最核心的壁垒，在于如何驾驭营销场景的‘无限多样性’。一旦选择资本化运作，就必须服务千行百业，面对万千标签的客户 。这其中，真正的学习来自于那些‘Bad Case’。

做营销服务，很难限制服务的行业范围，需要面对千行百业、标签万千的客户 。不同行业、国家存在大量个性化需求，有些可以预构建，有些则以“Bad Case”的形式出现，考验产品的适应和迭代能力 。

我们自己也经历过。我们支持YouTube、Instagram、TikTok、Twitter和LinkedIn，后者是B2B红人营销的重要渠道 。曾有一家海外知名数据库公司用我们系统营销，初期AI找到了其竞争对手的CEO/CTO作为潜在红人 。其中一位极富盛名的竞对创始人，在LinkedIn上幽默发帖称收到该数据库公司“AI Agency”的合作邀请，引发热议 。虽然有些尴尬，但客户公开回应称赞AI的精准触达，此事也让我们对LinkedIn的特殊生态有了更深理解 。

另一个例子，一位Shopify老年店主手工制作花生酱，月产能和预算均有限，大概只有2000美金，习惯找4-5个三四百美金的红人 。系统最初按优化逻辑推荐了3个单价1500美金的红人，这显然不合适 。这促使我们优化系统，加入对客户单次活动预算上限的考量，尤其针对小卖家，提升了广告主和红人双方的体验 。

顶层功能大家都能实现，技术本身并非绝对壁垒 。真正的护城河在于深入场景、理解客户需求，做好客户分层分类，并从中抽象出通用解决方案，而非无休止的定制化 。

更重要的是数据壁垒——我们需要积累海量真实的投放交易数据，才能将分析从CPM层面提升到CPC、乃至CPS层面，实现真正的效果闭环。

锦秋：基于当前的技术，如何实现用户与红人的匹配？

Wels：

大模型出现后，我们不再单纯依赖标签来描述事物，因为模型本身的内容理解能力非常强 。传统的标签体系，无论是电商还是流量平台，更多基于关联性分析和大数据，与今天强调因果和逻辑的AI分属不同技术体系 。例如，过去你买了手机，平台可能会疯狂推送手机壳；而大模型可能会理解你购买手机的场景，如奖励孩子高考成功，从而推荐大学生活相关用品 。

从颗粒度讲，我们已超越“单词”式标签。我们为红人生成完整的描述，也为广告主产品生成完整描述 。好比过去说“这是一个打火机”，现在会描述其材质、防风能力、燃料容量、是否可带上飞机等 。我们做的匹配，是红人受众的精准描述与广告主目标用户群精准描述之间的匹配，其精准度甚至能超越人工，这是我们内部大量测试得出的结论 。

其实，不仅是描述的丰满，结合红人过往表现的描述分层结构也做得更好。即便目标受众一致，红人的内容风格也可能与产品完全不符 。例如，海外设计师分Adobe党和Figma党，针对这两类UI设计师推广新产品，内容策略必然不同 。这时二级、三级“标签”（实为长文本描述）就发挥作用，涵盖内容擅长和风格。再加入时间维度、预期量级等，这些过去技术上能实现但成本巨高、效率巨低的工作，现在大模型能高效完成 。

锦秋：如何通过数据决策提升匹配精准与效率，并实现合理定价？

Wels：

客户的行业、目标国家等是基础标签，但当与价格挂钩时，这些数据就变得非常重要 。流量像出租车一样，有其单位时间内的标准定价；我们要做的，就是将这种标准定价体系迁移到红人营销领域，类似当年滴滴将出租车标准定价迁移到网约车 。这需要持续积累数据，观察市场反馈。因为我们比人工更快理解红人，所以能更快确定与哪些红人合作，并制定报价策略，通过市场真实接单率反馈来弹性调整整体报价 。

精准度固然重要，但“准”的背后，“贵不贵”同样关键 。

我们常说，极端情况下，一个不要钱但看似不相关的红人（比如和尚推广梳子），广告主可能也会接受，只要行为不违法违规 。因此，“价格精准”是我们区别于他人的一个重要方面，这极度依赖真实的交易数据积累 。基于数据，我们能更精准地在某些行业对某些红人报出更低价格，或通过运营手段让红人“卷起来”，并且随着平台在红人收入中占比提升，自然能降低其单笔合作价格 。

锦秋：为提升产品普适性，在优化网红端和客户端体验上做了哪些工作？

Wels：

这是一个‘似乎做完了，但永远做不完’的‘活系统’ 。它在每一次互动中学习和进化，力求让复杂的营销变得简单，让不透明的环节变得清晰，服务好平台的每一端。

对红人而言，我们的AI系统就像一位全天候、数据驱动的‘智能经纪人’。它通过分析其历史合作数据、接单意愿和擅长领域，为其精准匹配商业订单，并实现动态定价 。我们不只是帮他们找活儿，更是助力他们构建可持续的创作者事业。

对客户端来说，信任是体验的核心。我们的AI同时扮演着‘流量鉴伪师’的角色，通过分析流量异常和互动重复率，快速识别并屏蔽那些‘假红人’（例如Twitter上某些国家网红群体性互赞刷屏）。我们致力于保障客户的每一分投入都花在刀刃上，触达真实的目标受众，尤其能帮助缺乏经验的客户有效避坑。

锦秋：产品如何帮助广告主和红人清晰感知ROI和转化效果？

Wels：

我们一开始就坚定选择红人营销赛道，一个重要原因是它最适合用AI替代。过去，红人营销的投放成本是一块，执行成本在美国可能高达一块二 。我们今天把那一块二的执行成本基本拿掉了 。在效果上，即便保守地说收益哪怕不比过去好太多，但因为整体成本降低了一半以上，ROI自然就提升了 。这是很多大公司使用我们产品后的直观感受 。

另外就是速度很关键，对客户来说，快速测试市场动作快速拿到反馈优化campaign本身也是很重要的，也是过去做不到的，并且机器能覆盖的达人颗粒度要细很多，这是人工时代无法交付的增量部分，这部分的市场潜力都超过2000亿美金。

锦秋：用户（客户与网红）如何克服对AI决策“黑箱”的顾虑？

Wels：

最简单直接的做法就是把黑箱打开，给客户看到，的确有一些客户会有顾虑。我们早期版本甚至尝试过完全自动化的“L5级”方案，用户看不到中间过程，但发现这样不行 。关键在于给予用户控制权和透明度——“你给了他他可能不用，但不给他他一定会骂你” 。所以我们的平台极其透明，找了谁、什么价格、平台抽成多少，两端都清晰可见，以此打消顾虑 。同时，广告主保留最终的选择权，即“掌舵感” 。

锦秋：产品如何保障交易过程中的资金安全与用户隐私？

Wels：

我们的产品形态本身就类似一个安全措施，像支付宝诞生之初解决电商交易信任问题一样 。我们作为担保方，广告主先把钱给我们，我们通知红人开始创作，内容确认后我们再付款给红人 。中间很多非标的邮件沟通流程也被我们标准化了，广告主的需求表达也更结构化、格式化 。红人的内容模板也由大模型提前分析和建议，既保留其个性，又提升爆款概率 。

锦秋：若营销效果不佳，如何归因、改进和迭代？

Wels：

没发布的时候效果未达预期的情况确实存在，尤其是在数据积累尚不完整的陌生行业或地区，初期的价格基准线可能不准 。但这并非失败，而是我们AI进化所需的数据养料。我们构建了快速的反馈闭环：客户遇到价格问题直接可以在产品上反馈，Head能及时分析、调整价格基数，并将这些调整经验自动化到后续的版本迭代中 。每一次‘Bad Case’的处理，都会让整个系统变得更智能，这个比例会随着数据增长和Bad Case处理而下降。