推荐语
AI正在彻底改变营销行业的游戏规则，从效率工具升级为战略革命。
核心内容：
1. AI如何打破营销团队的技术壁垒，扩大工作边界
2. AI驱动的规模化内容生产带来的效率革命
3. 从传统营销到AI原生策略的范式转移
杨芳贤
53AI创始人/腾讯云(TVP)最具价值专家
仅仅将 AI 作为提高营销效率的工具是远远不够的。AI 带来的不只是「把传统工作做得更快」，而是「营销方法本身的变化」。
这是已经从事市场营销工作 16 年的 Olivia Borsje 的真切感受，AI 正在从工作边界、规模化内容生产和策略方面彻底重构营销行业。
工作边界扩大：AI 正在拆除技术壁垒。过去营销团队需要依赖工程师和设计师才能执行任务，现在可以独立完成更多增长相关的工作；
内容产出效率提升：过去需要数周完成的工作（如视频制作），如今只需几小时，让营销能以更少资源、更快速度实现更大规模的产出；
营销策略变化：AI 改变了营销的根本玩法，让营销从「把旧事做得更快」转变为「用全新的方法做以前做不到的事」。
Olivia Borsje 是 Gaia 的首席营销官。此前，她曾担任 Ladder Life 的首席营销官、Earnin 的营销副总裁、Thumbtack 的品牌主管，以及 Dropbox 的早期营销人员。
如何更好地使用 AI 进行营销？Olivia 在做了大量研究、AI 工具试用，以及和 Clay、Anthropic、Daydream、Coframe、Flint 等公司的创始人交流过后，总结了一份非常全面的针对营销人员的「AI Playbook」。
在这份「AI Playbook」中，Olivia 梳理了营销领域的 10 个核心问题，逐一详细介绍并对比了「传统营销做法」与「AI 阶段的新做法」。
以下为「AI playbook」完整详细内容，为了方便阅读，结构和内容进行了一定调整。
超 12000 人的「AI 产品市集」社群！不错过每一款有价值的 AI 应用。
最新、最值得关注的 AI 新品资讯；
不定期赠送热门新品的邀请码、会员码；
最精准的AI产品曝光渠道
我们首先探讨第一个核心问题：「定位」。很多人和我最初一样，我原本以为 AI 和品牌定位关系不大，结果证明我错了。
传统的定位方法需要大量调研：分析竞争对手的宣传主张、做用户访谈，无论是招募受访者、执行访谈还是整理访谈结果，都相当耗时费力。团队通过战略会议最终确立品牌定位，之后在未来一两年、甚至更长时间内都可能维持不变。
这种传统做法基于两个基本假设：一是「调研太费功夫，不可能每月都做」；二是「市场变化没那么快」。但 AI 的出现正从根本上动摇着这两个假设。
现在做调研容易多了，你没有理由不频繁做。市场变化速度空前，每天都有新公司出现，老牌企业也在不断推出新功能。在这样的环境下，品牌再也无法「闭目塞听」，必须实时了解市场动态，确保你的「目标定位」与「实际市场定位」保持一致。
具体该怎么做？
你可以用 ChatGPT（或任何你喜欢的模型）来调研竞争对手的宣传主张、用户对他们的看法，并让 AI 为你的品牌寻找「市场空白」。
在一手调研方面，市面上出现了如 Listen Labs 等平台，能够借助 AI 技术协助企业招募目标用户（无论是消费者还是企业客户），甚至可以由 AI 直接执行访谈并同步生成分析报告。
如果你的目标用户画像（Persona）或理想客户画像（ICP）非常小众、难以招募，比如高层管理者。现在有 Evidensa 这类工具能生成「虚拟用户」供你调研。但我对这类工具持保留态度，毕竟真人访谈不可替代，但这类工具声称「虚拟用户与真实用户的回答相关性很高」。如果实在找不到真人受访者，用它至少能帮你找到大致正确的方向。
最后是「用户反馈」的持续收集。这类方法在 AI 热潮前就存在了，但核心是「持续倾听用户声音」：哪怕只是和客服、销售团队建立良好协作的机制，持续了解用户对产品的真实看法和使用场景。
最关键的一点是：将定位调研常规化。根据业务节奏（例如每月或每季度），定期开展新一轮的调研，确保你的品牌定位始终有竞争力和差异化。
接下来聊聊「信息传递（messaging）」，我想很多营销团队都有过这样的经历：
传统的做法是：文案策划或产品营销经理（PMM）先撰写核心描述、核心优势和价值主张。然后多位同事会在文档里留下非常主观的反馈；最终有人审批通过后，文档被「锁定」，成为所有人都要参考的官方指南。但实际上，没人会真正遵守，因为内容不实用、未经过优化（甚至没接触过用户），最后还会有品牌经理追着「不按规则来的人」纠错。
有没有更好的方法？当然有。
首先，AI 非常擅长写作，我们可以先让 AI 生成核心信息的初稿，再依据品牌调性等具体需求进行调整。更重要的是：让 AI 帮你判断「哪些信息能真正打动不同客户群体」。
我们都熟悉 A/B Test，比如测试官网首页标题、比较不同邮件的效果。现在，市面上有了 Coframe、Flint 等新工具，能根据不同流量来源，持续调整和测试网站上的信息传递内容，找到最优版本。这意味着，你的信息传递会从「主观、静态的文案」，变成「动态、高度优化、精准匹配不同用户群体的内容」。
当需要在展会展位、广告牌等线下场景使用宣传材料时，可以直接采用网站上经过持续优化的最新内容，确保信息的一致性和有效性。
关于「品牌形象」，我有一个明确的观点：品牌的核心价值是「让你脱颖而出」，而这项工作最好还是交由人类完成。优秀的创意人才能让品牌与用户建立情感连接。如果依赖 AI 生成品牌形象，最终只会和其他品牌「撞脸」。想想 AI 的工作原理就知道了。
另外，对于面向消费者（C 端）的业务，AI 有一个很大的盲区：社交媒体。当前阶段的 AI 大多是语言模型，只能分析网页的元描述或视频下方的文字评论，却无法「看懂」视频，也无法访问 TikTok。试想，对于 C 端品牌来说，TikTok 上有多少流行文化是 AI 接触不到的？
所以，如果你想打造独特的品牌，就和优秀的创意机构合作。
总之，我的观点是：品牌的「灵魂和温度」，交给人类来塑造。
这部分，我会重点讲 6 个渠道，分析 AI 正在如何改变它们，以及一些具体可行的建议。
4.1 首先从「搜索（Search）」开始
这无疑是变化最大的领域，相信大家也多少都有感知。
过去的搜索逻辑是：优化排名→为网站引流→争取转化机会；而现在，核心逻辑变成了「确保品牌信息能直接出现在对话式 AI 的回答中」。这意味着，营销策略正从「把流量拉到网站」，变成「把信息推给 AI」。这对习惯用「点击量」衡量效果的营销人员来说，是巨大的思维转变。现在，「AI 中的曝光量」变得更重要，我们需要通过它判断增长潜力。
那么，如何把团队的工作重心从 SEO（搜索引擎优化）转向 GEO（生成引擎优化）？
不要放弃 SEO：目前关于 GEO 的优化方法还在探索中，但可以确定的是，很多 SEO 的有效策略可能同样适用于 GEO。而且目前搜索流量仍以 SEO 为主（尽管变化很快），所以暂时不要停掉 SEO 工作。
监控品牌在 AI 中的曝光情况：如果您还没有开始这项工作，建议使用 Scrunch AI 或 Profound 等工具，来监测品牌在「核心关键词」下的曝光表现、竞争对手的曝光情况以及相关对话中的情感倾向。这样做的目的是「系统性发现差距」，这些差距就是你制定 GEO 落地策略的路线图。
比如：「为什么竞争对手能被 AI 推荐，而我不能？」可能是对方有我们缺乏的内容页面或反向链接，或是通过某个第三方网站获得了曝光。
规模化内容生产与执行：你可以用 Air Ops 这类平台进行规模化生产，也可以和 Daydream 这样的团队合作。Daydream 团队非常专业，精通 SEO 和 GEO，能从策略到执行全程提供帮助。
为 AI 优化网站：就像以前要做 SEO 网站优化一样，现在也需要做「GEO 优化」。Scrunch AI 有一个即将上线的功能，就能帮你做这件事。
重新思考内容策略：这是最重要的一点，把重心从「漏斗顶端」内容转向「漏斗中后段」内容。举个例子：
大家可能熟悉 Wise（前身为 TransferWise），一家提供跨境汇款服务的公司。他们过去的 SEO 策略很成功：当用户在谷歌搜索「美元兑欧元汇率是多少」时，会看到 Wise 的页面链接；用户点击进入后，他们会引导「你是否需要转账？我们可以帮你」，以此创造转化机会。
但现在，如果你在谷歌（或 ChatGPT）搜索同样的问题，AI 会直接给出汇总答案；Wise 可能会被列为信息来源，但数据显示，用户很少会点击这些来源链接，这意味着 Wise 失去了转化这部分流量的机会。
所以，现在你要做的是：创作与品牌或产品直接相关的内容。比如，如果你是床垫或睡眠产品公司，可以写一篇《如何拥有好睡眠》的文章：第一条建议是「睡前远离电子设备」，第二条是「固定作息」，第三条是「用一个优质人体工学枕头——顺便说一句，我们就卖这种枕头」。
4.2 「付费搜索（Paid Search）」
由于搜索本身在发生巨大变化，付费搜索也在面临剧烈变化，未来的方向还不明确。所以，我能给的最好建议就是「密切关注最新行业动态」。
这几张截图展示了不同平台如何尝试将广告与 AI 相结合：
左图是 Google 的 AI 摘要结果，在末尾会展示相关产品；中图是 AI 模式下的赞助广告位（我记得这来自 Perplexity 平台），他们尝试在「相关问题」中植入广告——例如，当用户搜索「如何找工作」时，可能会出现「如何利用 Indeed 优化求职流程」这样的赞助问题。
这些广告位大多无法由广告主自主控制，平台仍在探索「如何在新生态中融入广告」。但有一个趋势值得关注：「即将推出的 AI 对话内原生购买功能」。
这对电商 C 端业务很重要，对 B 端业务也有影响。试想一下：未来的购物体验，AI 为你推荐高度个性化的产品，你点击一个按钮就能直接购买。这不仅会冲击谷歌，还会冲击亚马逊，甚至「网站」这个概念本身。
你可以想象这样一个场景：有一个「供应商 AI」（用你的产品数据训练，能回答任何产品问题），还有一个代表消费者的「客户 AI」，两个 AI 通过对话，最终帮用户买到想要的产品。这种模式的颠覆性极强。
目前，ChatGPT 已经开放了一个等候名单，探索让供应商「直接向其提供结构化产品数据」的合作模式，让 AI 能更精准地推荐产品（而不是仅仅依赖爬取网页信息）如果你做电商，建议密切关注这个动态。
最后一点，虽然列在「付费搜索」标题下，但其实适用于所有增长营销：市面上已经出现了「效果营销 AI 助手」，AI 能帮你分析效果营销 campaign 的数据，并给出优化建议。
比如 Roadway，他们是目前在做「效果营销 AI 助手」的平台之一。我知道有些团队已经自己搭建了类似工具。所以再强调一次，在数据分析方面，AI 确实有优势，但我也遇到过有人说「我不信任 AI 的分析结果，还发现了错误」。因此，建议亲自试用，找到最可靠的解决方案。
4.3 付费社交
我对于「AI 付费社交工具」的感受是：它看起来像个精美的礼物盒，号称能帮到我们，但实际用起来却根本不好使。在这个领域，我认为「炒作远大于现实」。
这是扎克伯格在 5 月份说过的的一段发言：「有了 Meta 的新 AI，你不需要自己做创意、定定向或搞数据衡量，只要告诉 AI‘我想要什么结果、愿意花多少钱’，它就能帮你争取到最多结果。」
但这句话里有一半内容并不新鲜，比如「广泛定向」和「以转化为目标的广告」，这些早已经是行业常规操作了。真正的新概念其实是「生成式创意」：理论上你不用自己做广告了，AI 会帮你优化并生成广告。
但说实话，我还没在任何平台，成功实现「让 AI 自动生成 50 条既符合品牌调性又可直接用于社交平台的广告」。据我所知，现在还没有团队能做到这一点。所以，我仍然认为「炒作大于现实」。
目前，AI 在「生成多种文案版本」「生成广告用图片」面表现不错，但最终仍需要人类把这些素材整合起来。所以，如果你发现自己还没有实现「AI 全自动生成广告」，别焦虑，其实大家都没做到。
4.4 自然流量社交&网红营销
无论是 LinkedIn 的内容策略，还是 Instagram 的动态更新，现在很容易分辨出哪些品牌正在「自动托管」其社交内容，比如完全让 ChatGPT 制定内容日历。我认为这是个糟糕的主意。
就像我之前聊品牌形象时提到的，品牌的观点和态度必须源于人类，要经过深思熟虑、带有真情实感，这才是品牌的核心立场。AI 在这里的角色应该是「工具」，辅助你把这种立场表达出来，而不是「决定你该说什么」。无论是帮你写文案，还是帮你实现任何脑洞大开的创意，AI 都只是辅助。
比如，如果你想让 Instagram 动态里出现「毛茸茸的粉色怪兽」，用 AI 就能轻松实现。这是我在「自然流量社交」这个议题上的看法。
另外，既然聊到自然流量社交，就不得不提「网红营销」：现在有 Yuka 这样的新平台，可以帮助企业规模化地管理网红合作（从筛选联络到项目运营），值得大家关注。
另一个趋势是「虚拟网红」。他们有虚构的生活，还运营着 Instagram 账号。我觉得这有点反乌托邦，不是我喜欢的方向。而且我发现，现在大众对「真实、真诚」的需求正在反弹。不过确实有时尚品牌在尝试与虚拟网红合作，未来发展如何还有待观察。但「虚拟网红」无疑是探讨「AI 与网红营销」绕不开的话题。
4.5 基于客户账户的营销（Account-Based Marketing，ABM）」
实际上，ABM 的许多核心策略并不算新鲜，比如「搭建客户名单、利用数据丰富名单信息、触发针对性的营销活动」等等。
但现在像 Clay 这样的「原生 AI 公司」，能帮你实现更强大的功能，比如：获取你想象得到的各类数据，然后触发「高度个性化到落地页」的营销活动。如果你做 B 端业务却还没了解过 Clay，那在「市场推广能力」上可能已经落后了。
目前另一个自动化程度很高的领域，是「销售开发代表（SDR）」相关工作：人们用 Lindy 或 Naden 这类工具搭建定制化工作流。这更偏向「销售+营销」交叉领域，但总体也属于 ABM 的范畴。
因此，我想强调的就是：去深入了解 Clay 能为您的业务带来什么
4.6 其他渠道（电视、户外广告、播客）
我很高兴看到这些渠道重新回到营销组合中，原因有两个：我们终于学会了如何更好地衡量这些渠道的效果，也慢慢摆脱了「唯点击量论」的执念；其次，现在进入这些渠道的门槛大幅下降了，制作内容的成本更低、速度更快。
例如用「一个提示词」生成动画，我觉得这真的很酷，而且这不是炒作，是实实在在能做到的。但要说明的是，这个「提示词」可能长达半页，而且非常专业。我自己试过用 AI 做视频，但很多时候，生成的效果就像之前提到的「社交平台上的粗糙图像」。
所以，「用 AI 生成内容」确实可行，但仍需要技巧：要熟练掌握工具，还要有审美。因此我依然建议和优秀的机构合作，现在做一段这样的视频，成本只是过去的零头；或者在内部招募熟悉这些工具的设计师和制作人员，让他们为品牌创作优化内容。
网页/登陆页面生成与优化（Web/LP generation & optimization）接下来我们讨论一个问题：「当流量已经引入后，该怎么处理？」下面截图来自 Flint 和 Coframe。
需要说明的是，这两家公司都还处于早期阶段，还没有完全实现愿景。Flint 目前只和少数客户合作，但他们正在做的事情既有变革性，又非常酷。
左边这张是 Flint 的截图，展示了他们的核心能力：「生成任何你能想到的网页」。他们的 AI 会先学习你的品牌规范，你只需要告诉 AI「我要做一个页面（比如评价页）」，就能生成。之后，可以轻松进行编辑，无论是用「拖拽」的方式，还是直接告诉 AI「把这张图片放在这里」或「将这个栏目向上移动」。
这个工具是专为营销人员设计的，能满足你所需的所有数据追踪需求，而且你再也不需要找工程师帮忙建网站了。我并不是不喜欢和工程师合作，我很喜欢，但我更愿意和他们一起为客户开发超酷的产品功能，而不是花时间建网站。现在我自己就能搞定网站了。
右边这张是 Coframe 的截图，展示了我之前提到的「自动增长功能」：他们生成网站后，会用「Multi-Arm Bandit」算法持续测试不同版本。我不是统计学家，但这种方法比传统 A/B 测试快得多，能更快找到最优版本。建议大家深入了解，我认为这就是未来的方向。
AI 在这个领域的应用还很更早期，也更难把握，但发展方向很有趣。传统的客户生命周期营销，细分群体非常粗糙，最终会形成庞大、复杂且需要手动维护的工作流，无论是修改流程还是生成报告都很麻烦。
而 Wistara、Neon Blue 这类公司，正在改变当下的情况。真正实现「对的用户、对的内容、对的时间」（Right User，Right Content，Right Time）。具体来说：
当用户初次访问你的网站时，你可能只掌握少量信息（比如他们的流量来源）；但随着互动加深（比如用户填写表单、多次沟通），你会逐渐了解这个用户，比如「他是 Kyle，更喜欢视频而不是图片，最常用的沟通渠道是短信」。这时 AI 会为 Kyle 推荐最适合他的内容，而不是将他纳入到某个通用的、标准化的工作流中。这个领域目前还在快速发展，我相信 AI 也将彻底重塑客户生命周期营销的模式。
严格来说，这不完全是 Gen AI 的范畴，更多地是机器学习（ML）的应用，但我对这个领域非常热衷。我发现很多人仍过度依赖「归因模型」，但实际上，归因模型不仅不完美，甚至在某种程度上已经「失效」了：
受到苹果设备隐私政策、Cookie 弹窗等影响，现在大多数用户都无法被有效追踪；很多营销渠道根本不适合用「点击量」来衡量效果；精准定位的「曝光量」比点击量重要得多，比如有些广告虽然你没有点击，但确实影响了你的购买决策。
为了实现更精准的衡量，就要利用「ML 普及后，更多可落地的数据衡量方法」：
如果数据量足够，可以采用「营销组合模型（Marketing Mix Model， MMM）」来补充归因模型的不足。
最重要的一点是做增量测试（Incrementality Tests）。可能有人不了解增量测试，举个例子：在某个特定地区，你在某渠道投入预算、产生曝光，然后将这个地区的效果，与「条件相似但未在该渠道投入」的地区对比，就能算出「你的营销活动真正带来的增量效果」。现在做增量测试比以前更容易，这也能帮你重新评估并接纳那些「因归因模型而被低估的品牌渠道」。
当然，你依然可以利用营销分析优化单一渠道效果，但请尽量摆脱「唯点击量论」，用更全面的视角看待效果，同时丰富你的营销组合。
我不会在这里给出一份「AI 时代营销团队的标准组织架构图」，主要是因为现在还太早，而且在我 16 年的营销生涯里，不同公司的团队结构都不一样，公司需求不同，团队结构自然不同。但从宏观层面，我之前提到过：现在是重新思考营销部门与其他部门关系的好时机。
比如：
既然营销人员可以独立建站，不再需要工程师的协助，那么双方可以共同探索哪些更有价值的合作领域？
既然不需要和产品经理（PM）合作就能做增长实验，那么双方是否可以共同规划「产品的下一阶段发展方向」？
既然设计师不用设计每一条广告，那么双方是否可以共同思考「如何让品牌形象真正脱颖而出」？
营销部门的职责边界，正在与其他部门的关系中被重新定义。技术层面已经具备条件，但组织层面的思维转变会慢一些，这个过程可能会让人不适，感觉「部门边界在模糊」。但我希望大家不要过分纠结于「边界」本身，而是为了业务整体利益，多协作。
其次，我在前边提到了很多工具和机构，我认为在「一切都在快速变化」的当下，这是合理的选择：在找到「真正适合自己的方法」之前，和「该领域最前沿的人」合作，之后再决定哪些工作需要转为内部执行。
我的个人思路是：建议先试用各类工具和机构，再决定是否需要内部搭建。可能有人会觉得「这样预算投入太高」，但尽量从「投资回报（ROI）」的角度考虑，比如在决定是否和 Daydream 合作做 GEO 优化，可以先评估他们可能为您带来的增长价值，再判断预算的合理性。
如果聊到具体岗位，以下是我对于「传统岗位和新兴岗位」的看法：
此外，我建议在内部配备 AI 设计师/制作师。他们懂如何使用 AI 工具生成可用于全渠道的视觉素材和视频，这能带来巨大改变。
还有两个值得关注的新兴岗位：
内容策略与 GEO 经理：这个角色不一定需要是作家（当然，作家和文案师很重要，我认为他们属于创意团队），但需要「明确品牌立场、知道该说什么、懂 GEO」，并能用 AI 平台规模化生产内容。
AI 营销运营（AI Marketing Ops）/市场推广工程师（Go-to-Market Engineer）：这类岗位越来越多，尤其在 B2B 领域。他们能帮助团队落地像 Clay 这样的复杂工具，并设计定制化的工作流。例如，Clay 虽然功能强大，但因为功能太多，用起来很复杂，所以需要这种「技术型营销人员」，帮你玩转各类 AI 工具。
粤ICP备14082021号
免费POC，
零成本试错
