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。
01
品牌定位（positioning）
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。
02
如何传递信息（messaging）
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。
03
品牌形象建立（Brand Identity）
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。
04
市场推广怎么做（GTM strategy）
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」。
- 内容要让品牌和产品「直接相关」；你的网站要清晰说明「产品是什么、比所有竞争对手好在哪里」，因为 AI 会从这些信息中提取内容，用于回答。
- 「社交媒体和视频」的重要性：现在的搜索策略不能没有社交媒体，很多年轻人都把 TikTok 当作搜索引擎。所以，我们必须跳出「纯文字」的思维，思考如何将视频内容融入整体策略中。
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。
05
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。
06
客户生命周期营销（Lifecycle）
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。
07
如何衡量营销效果（Measurement）
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。
08
团队架构有什么变化（Team）
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：
- 产品营销经理（PMM）：比以往任何时候都更加重要。就像我们开头聊的「定位」，PMM 能让营销部门摆脱「过度战术化」，执行层面的工作更高效，因此能更聚焦战略和创意。
- 创意总监（Creative Director）：同样比以往更加重要。在我看来，这两个岗位是「让你的营销团队脱颖而出」的关键。
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。
文章来自于微信公众号“Founder Park”。
