AI热点 20小时前 178 阅读 0 评论

AI批量生成短视频获客文案SOP

作者头像
人人都是产品经理

AI技术专栏作家 | 发布了 246 篇文章

短视频还在卷创意?不如卷效率。这篇文章拆解一套能“批量生成+快速测试”短视频获客文案的AI创作SOP,覆盖关键词挖掘、文案模板、测试机制与效果复盘,教你用AI把短视频变成获客流水线。

做短视频营销,我的核心观点是:B2B短视频营销,不是营销创意的竞争,而是营销内容生产效率的竞争。

Part1 B2B短视频获客的基本逻辑

在B2B营销中,有一条铁律,从成交转化率指标来评估渠道效果的话,老客户转介绍>品牌词搜索>产品词搜索>通用词搜索>线下地推>陌客外呼。

从营销结果上来看,我们更需要的是能成交的客户,而不是无意向的客户。

短视频获客的逻辑并不难,我们来算一笔账你就明白了。

假设你的一条视频只有100个播放,10条视频就有1000个播放,100条视频就有10000个播放,除了平台的主动分发流量,这100条视频还会被用户在搜索场景下搜到,每个视频被搜到10次,你就又多了1000次播放。

这就像我们发传单,发一万一千份传单,带来的效果取决于你要发给谁。如果是在行业展会上发10000份传单,效果一定会比在地铁口发10000份传单要好。

所以,B2B短视频营销的效果取决于3个方面:

  1. 短视频数量,数量越多,曝光量越高;
  2. 对产品/服务的介绍是否能引发用户兴趣,用户是否知道你是卖什么的;
  3. 平台给这条视频打上了什么标签,决定了会推给什么标签的用户,以及在搜索什么关键词的时候会出现这条视频。

很多团队做短视频,觉得没播放、没咨询、没成交,老板不满意,员工没心力,逐渐就放弃了,或者只是维持更新。

其实不是短视频没效果,而是你发的数量还不够,你的内容脱离了产品本身,你太想讨好用户了,太想让更多人看到了,拼了命的卖艺,却从不敢卖产品,导致用户根本不知道你是卖什么的。

在一次内训课上,有学员问了一个问题,他说老师你讲的很对,我也认同,但是我们做一条视频要花几个小时,每天只能做1-2条,做着做着,就不知道该讲什么了。

如果一天做一两条视频,只有一两百的播放,老板不满意,自己也没动力。

这个问题很棒,背后的矛盾是单条视频的投入产出比失衡。

花一天时间,做2条视频,自然希望单条视频的产出越高越高,但是如果一天时间能做20条视频呢?是不是就对单条视频的期待,没有那么高了。

所以我说,短视频营销,看的不是创意,而是内容生产效率。

那么,该如何提高短视频的内容生产效率呢?用AI呗。

这篇文章来分享一下,用AI批量生成B2B短视频营销文案的智能体工作流的搭建流程,可以实现的效果是通过一个关键词,生成3-5条视频文案。

搭建工具有2种,第一种是通过飞书多维表格,第二种是通过coze工作流。

(飞书多维表格短视频文案生成工作流)

(coze搭建短视频文案生成工作流)

Part2:AI批量生成短视频文案的3种方法

刚开始做短视频,会面临3个卡点:

  1. 心理卡点:怕被别人说不好,有偶像包袱;
  2. 内容卡点:不会写文案,不会包装产品,说不出高大上的观点;
  3. 拍摄卡点:对着镜头不自在,稿子背不下来,眼神飘忽不定。

心理卡点很难解决,也很好解决,真被逼到悬崖边了,就没人考虑今天穿的衣服是不是得体了;拍摄卡点不太好解决,需要刻意练习,脱稿拍够100条,就好了。

AI能够解决的,是内容卡点,但是需要我们提供给AI足够丰富的背景信息,包括客户痛点、场景、产品卖点、价值点、解决方案。

所以团队内想要实现批量化的营销内容生产,核心是要去建立痛点场景案例库。

这个我们后面可以单开几篇文章来讲,这篇文章,主要和大家分享一下,使用AI批量生成内容的3种方法。

方法一:直接使用提示词

上图是一份2000字的B2B营销短视频生成提示词,这份提示词的使用方法有2种:

一种是把提示词原文复制给DeepSeek、Kimi、豆包等等AI大模型工具,根据他的回复提示,提供相关背景信息;

第二种是通过扣子建立一个简单的对话智能体,粘贴到提示词的部分,在右边的测试栏,同样通过他的回复提示,提供相关背景信息。

生成效果:

这份提示词使用起来的难点是,每次都需要提供给他完整的背景信息,可以选择不同的文案风格、文案结构、发布平台,同样的一份痛点场景信息,可以生成10篇左右的短视频文案。

比如,我以CRM系统营销的背景信息为例,提供的提示词是:

生成的文案是:

方法二:使用飞书多维表格

如果你还不了解搭建AI智能体工作流的具体方法,那么使用飞书多维表格,是我觉得普通人搭建智能体工作流最简单的方式。

通过飞书多维表格创建智能体工作流,只需要3步:

第一步,选中列,右键选择“修改字段/列”;

第二步,鼠标移动至“探索字段捷径”处,选择DeepSeek或豆包大模型;

第三步:输入AI提示词,可引用表格内的其他列的信息作为背景信息。

工具操作简单,难的是流程设计和每个步骤环节下的AI提示词。

使用飞书多维表格,是企业没有建立知识库的情况下,可以搭建的团队协同工作流。

在B2B内容营销中,有一个“死结”:

就是会做内容的市场、运营同学,不懂产品,不接触客户,不了解客户场景;而每天和客户打交道的销售、售前、客服同学,更懂客户在产品使用、产品选择、购买决策环节中的痛点问题。

但是不同团队之间很难每天坐在一起沟通,大家都很忙,如果为了短视频而投入专门的时间,就又会导致投入产出比失衡的问题,造成短视频业务的夭折。

为了解决信息互通的问题,我做了这样一个团队协同流程:

1.由短视频运营的同学,提供一个客户信息收集模版;

2.销售、售前、客服团队,在团队内部的复盘会上,使用这个信息收集模版,作为客户复盘模版;

3.将团队复盘中收集到的信息,填充到多维表格中,自动生成短视频文案。

当然,我们不能要求其他团队的同学,完全按照模版的格式要求来填充内容,销售、售前、客服,每个角色都有自己的视角和关注点,我们需要的,也是各自角色的关注点。

所以,这个多维表格工作流的第一个环节,就是处理信息,把其他团队的复盘信息,按照短视频文案所需要的基础信息,做信息整理。

处理完信息的第二个环节,就是根据处理好的信息,结合短视频的选题特点,策划话题,我可以要求AI根据一个背景信息,从不同维度策划出5-10个话题;

第三个环节是根据账号过往的历史数据,总结出效果更好的话题的标准,转变为提示词,让AI进行话题筛选,从上一个策划话题的步骤中,筛选出3个有效话题;

第四个环节是根据筛选出的话题1,结合提供的背景信息,撰写短视频文案,相应的,我需要在这一环节的AI提示词中,规范短视频文案的结构、语言风格、字数;

同理,我可以继续针对筛选出的话题2、话题3分别设置一个大模型,来生成一篇短视频文案。

第五个环节是针对上一个环节撰写出的短视频文案,设计短视频标题,相应的,我需要在提示词中写清楚标题设计的规则。

通过以上5个环节,我就可以让这个多维表格,根据各团队复盘总结出的客户案例信息,自动生成多篇短视频文案。

通过这张图,我们可以稍微get一下创建AI智能体工作流的基本逻辑:

1.拆分一件具体工作任务的流程环节,比如我将通过客户复盘撰写短视频文案的工作流程,分为了5个环节;

2.每个环节都是一个大模型节点,可以单独看做是一名流水线员工,只处理这个环节需要解决的问题,相应的,我们需要明确每个环节的具体方法、标准、规范;

3.各环节之间,通过引用字段的方式,引用上下游信息,形成工作流水线。

这样我们就完成了一个飞书多维表格工作流的搭建,工具操作并不难,难的是对工作流程的梳理,和每个流程环节下具体方法、标准的设计。

方法三:使用Coze搭建智能体工作流

如果你能用多维表格搭建工作流,现在换到了Coze,只是换了工具,思路还是一样。

飞书多维表格的优势,是可以引用指定的背景信息,但劣势呢,还是需要我们去填充背景信息。

Coze的优势,是可以创建知识库,你只需要输入关键词,就可以在知识库里自动去调取出相关的背景信息,更简单,但是难的是创建知识库,另外一个劣势是你并不能完全控制他从知识库中调取出来的信息。

如果是大型团队,比如我服务的一个客户,他们要赋能代理商去做短视频营销,沟通成本更高,覆盖人数上百人,就最好使用Coze智能体。

Coze智能体工作流的工作逻辑是:

第一步:用户输入相关关键词,可以是产品功能,可以是客户特征(行业/需求/规模/预算/购买阶段等等),只需要输入关键词即可,人工只需要做这个动作;

第二步:工作流在接收到关键词后,先从知识库中调取出相关匹配的信息,知识库就是我们前面提到的痛点场景案例库;

第三步:设置一个大模型节点,根据调取出的信息,按照短视频背景信息结构进行整理,有缺失信息,再回到知识库中去重复查找;

第四步:根据整理出的背景信息,策划话题,生成文案,优化文案,策划标题,这一步和飞书多维表格的工作流程一致;

工作流逻辑并不复杂,在上图的工作流示例中,我设置了一个循环节点,也就是根据整理出来的信息,从策划话题这一步开始,到优化文案这一步结束,设置循环,循环5次,就可以生成5篇短视频文案。

另外一种批量生成短视频的逻辑,是在生成文案这一步,设置多个节点,按照不同平台、不同结构、不同风格、不同营销侧重点去撰写短视频文案,也可以根据一个关键词,生成多篇短视频内容。

很多人会被Coze工作流的搭建操作难住,其实就是配置好输入、输出参数就可以了,遇到问题的时候搜一搜相关的教程,其实并不难。

专栏作家

敏捷增长研究室,人人都是产品经理专栏作家。聊热点写故事,用人话讲干货,偏爱热点营销类话题。

本文原创发布于人人都是产品经理,未经许可,禁止转载。

题图来自 Unsplash,基于 CC0 协议

该文观点仅代表作者本人,人人都是产品经理平台仅提供信息存储空间服务。

作者头像

AI前线

专注人工智能前沿技术报道,深入解析AI发展趋势与应用场景

246篇文章 1.2M阅读 56.3k粉丝

评论 (128)

用户头像

AI爱好者

2小时前

这个更新太令人期待了!视频分析功能将极大扩展AI的应用场景,特别是在教育和内容创作领域。

用户头像

开发者小明

昨天

有没有人测试过新的API响应速度?我们正在开发一个实时视频分析应用,非常关注性能表现。

作者头像

AI前线 作者

12小时前

我们测试的平均响应时间在300ms左右,比上一代快了很多,适合实时应用场景。

用户头像

科技观察家

3天前

GPT-4的视频处理能力已经接近专业级水平,这可能会对内容审核、视频编辑等行业产生颠覆性影响。期待看到更多创新应用!