为什么会讲这个话题？
当下，AI 在营销行业的使用情况到底是什么样子？
今天我想站在一个代理商视角下的营销策略/策划人员角度来分享，我是如何把 AI 协同到日常工作流程中。我会用一个比较常见但相对完整的抖音竞品达人种草分析案例，展示 AI 是如何辅助我输出一次策略分析作业的。
先看一个竞品抖音达人种草分析需求场景
我们先用文字理解一下整体的作业路径。
- 具体背景是，客户有新品在抖音上线，想做一波产品种草，希望打出差异化，并根据竞品的种草策略做本品的种草策略布局。核心关注竞品和品类消费者情况，希望根据上述信息找到本品种草布局的机会点。于是找到你这个 Agency，传递了这些信息，希望帮忙做竞品分析，给到种草策略建议。
- 你收到需求之后，可能会和客户有一些沟通，询问分析目的、核心关注点或关注的竞品等。当你根据客户需求、对客户的了解以及个人经验有了一定认知之后，开始开展作业规划，搭框架，想清楚大概要写的内容、需要的数据或资料，以及最终呈现效果。
- 这些都没问题的话，你会开始取数或整理资料、分析归纳总结、输出关键结论或洞察，并将上述过程重复，慢慢整理成一个有逻辑、有故事的文档或 PPT，形成初稿。校验后交付给客户，客户可能给一些 feedback 或调整需求，你再重复之前的过程。当没有后续调整需求时，一个需求从给出到落地到交付的过程差不多就结束了。
- 如果你是一个有心之人，还会对交付的东西进行复盘总结，我一般称之为归档：把可复用的方法论或 SOP 进行提炼总结，分析可以优化的地方。这样每次作业都形成了一个完整的可迭代成长的闭环——一次作业，快速成长。
现在回到顶层视角，对这个竞品分析全流程进行抽象，核心就三个步骤：
- 规划阶段： 需求意图的解读和作业框架的搭建
- 执行阶段： 分析资料的筹备、清洗加工和分析洞察的输出，以及提交前的检查
- 归档阶段： 复盘检查归档
如果有其他同事参与，那么在某个或某几个阶段还会有需求的拉齐沟通和执行上的分工协作。
那在这个案例中，我是如何利用 AI 去提高输出的效率和质量的？我们分别来看三个阶段中的一些示例。
规划阶段
例子一：让 AI 帮我构建基本的行业认知和分析框架
我本人可能缺乏特定行业认知，我会告诉 AI：我是一个小白，某某品牌让我去做一个竞品分析，需要你向我科普行业中的基本知识。于是 AI 会给我知识科普，还顺带给了框架层面的建议，告诉我这个行业需要重点关注的维度，帮助我快速对一个不熟悉的品类或行业形成基本认知。
例子二：让 AI 帮我聚焦和延伸作业价值
我向 AI 描述了客户的背景和传递给我的需求情况，让 AI 在这个基础上给我进行更多的价值延伸。AI 会从不同角度告诉我客户可能关注的重点，以及在这个业务中应该如何更好地帮助客户。比如：不仅要罗列达人的类型和量级，还要总结达人的组合模型；不仅要描述消费者的年龄和消费力等基础画像，还要构建更加典型多维的用户画像；不仅要关注竞品的主打场景，还要关注具体的、未被充分满足的高潜力场景。
例子三：让 AI 帮我快速了解品牌过往历程
很多时候我们对某个需求的品牌可能完全没接触过，为了更好地服务客户，需要对品牌有一定程度的基本了解。我梳理了一个结构化的品牌调研 prompt，利用当下主流 AI 都有的 Deep Research 功能对品牌发展历程进行快速了解，比如品牌的基本情况、创立背景和发展过程、过往营销重点、重点品类和产品，以及可能存在的痛点和问题等。
执行阶段
例子一：AI 帮我梳理产品的差异化优势挖掘
我从公开的电商商品详情页整理了各个竞品的商品详情 PDF，全部丢给 AI，让 AI 按照我规定的表头进行产品信息的总结和差异化优势的挖掘，告诉我某产品「人无我有」的独特价值点。AI 很快速地梳理出来了这个表格，甚至连资质的差异细节也给扒了出来（整个过程只用了几分钟，人工校验过，没有问题）。
例子二：让 AI 帮我分析数据输出相关洞察
我拉取了抖音不同材质的敷料过去 1 年的月度销售数据，丢给 AI，让 AI 基于这个数据告诉我里面蕴含的行业基础知识。AI 告诉了我品类、消费者和平台的一些基础特性，然后我带着这些基本规律和知识，又重新丢给 AI，让 AI 告诉我某个品牌要在里面做营销的话有什么启发。AI 告诉我：节奏上要把握季节节奏去分配营销资源；内容上要绑定高关联的场景，强化技术差异性等。
例子三：让 AI 提取文案并做结构化拆解
在细分达人的内容拆解上，我清洗出了竞品的详细达人种草视频 list，里面包含了竞品达人的种草视频链接。通过 AI 提取了所有视频的文案，让 AI 通过文案倒过来分析视频种草的人群、场景、产品的切角、种草的内容公式、主打的技术成分功效等，配合巨量云图的内容人群标签圈选的人群画像，对竞品种草人群进行了全面且详细的解读。
例子四：让 AI 帮我输出策略思考
在前面的作业过程中会输出不少结论和洞察，比如竞品切入的人群、产品的主打卖点、市场的机会点、竞品的种草动作等信息。我把这些总结丢给 AI，让 AI 按照我的要求和给到的信息帮我构建内容策略。AI 帮我快速构建了一个「悦己+利他的，从修护面膜到家庭健康守护方案」的内容策略。
例子五：AI 帮我检查策略逻辑严密性
当我写完策略之后，把基本的前提条件和信息再次丢给 AI，让 AI 帮我检查策略推导逻辑是否严密，以及给一些额外的建议。AI 对策略推导过程中的逻辑性进行挑战，并给了优化建议。
归档阶段
例子一：AI 帮我做最后的审查和方法论提取
当我写完要交付的作业文档形成初稿，我会让 AI 对我的文档进行第三方视角的审查，帮我指出全文存在的逻辑漏洞、结构漏洞或洞察评估等。AI 快速对整个方案进行了评价，告诉我当下存在的漏洞以及需要补充的东西。
同时，我还让 AI 帮我总结了文章中可复用的方法论或框架。AI 帮我总结了可复用的洞察模型和策略框架，以及爆文拆解表和产品拆解表等，并作了适当补充。
至此，大家会发现，AI 在全链路中不仅帮我加速了产出，还帮我拓宽了产出的效率和深度——给了我很多建议和思考，不仅参与了基础工作，还参与了不少深度思考工作。我核心做的事情是提问、基于 AI 的回答进行选择和修改并拍板。
如何提高 AI 输出的质量？实现指哪打哪？
在这个和 AI 的配合过程中，如何去提高 AI 输出的质量，实现指哪打哪？
我的核心策略是：带着框架性的思维，在每个阶段中用详细的上下文信息和结构化的需求表述，去提出有引导性的问题。如果有更垂直方向的需求，让 AI 扮演某个角色给我答复。
- 框架性的思维： 对业务实现的框架层面的理解。比如完成一份抖音达人竞品分析，它的框架是什么样的？里面涉及的数据、资料、数据和资料的处理方式、分析的框架、结论的输出、展示的样子等等——心里都要有数
- 详细的上下文信息： 分析某个问题时需要的前后文信息。比如客户给你下这个竞品分析的需求，除了执行的需求，你可能还会询问客户为什么做这个事情、有没有比较专注的竞品、比较在意哪些维度的分析等
- 结构化的需求表述： 把上下文信息用结构化的语言进行阐述，方便 AI 去理解。比如把达人种草策略拆解为「种草人群、内容公式、主打卖点、文案技巧、产品植入点」。LLM 的本质是语言文本向量化的概率模拟预测，为了 AI 更好地预测你要的结果，需要把输入的东西进行拆解和解构后告诉 AI
- 有引导性的问题： 对自己要的东西有大致的方向，不需要特别详细——因为这可能会减少 AI 输出的泛化效果，减少 AI 本身的创造性
和 AI 打配合的产出过程有哪些提升？
这种 AI 加持下的营销作业和没有 AI 加持下的营销作业对比，到底有哪些核心区别？
我认为核心是产出效率、产出价值和产出成本三大维度的提升所形成的产出体验全方位升级。给我的感受就像是一人贯穿领导下的快速反馈迭代的驾驶系统，是个人创造性表达的极致放大。
AI 可以是我的客户、是我的同事、是我的数据分析师、是我的行业专家、是我的策略导师、是我的文案助手、是我的复盘助手。AI 不仅能给我更多更全更细的视角，还能快速提供反馈和建议，还能帮我处理很多麻烦但在过往相对高价值的任务，让我能更加专注在价值思考和创造上，用更短的时间创造更大的价值。
如果你能把和 AI 长期协作过程中传递的过程进行沉淀，你就会形成一个连贯的 AI 信息管道。
你只需要重点关注客户的需求、你的理解，和 AI 的理解。AI 的理解又依托于你的理解和表达。所以这个过程中，你只需要关注你和客户即可——在满足客户诉求的同时，最大化延展你的创造性表达，同时还能得到来自客户的反馈，实现一次服务过程就是一次完整且闭环的交付过程。
这种人机协作体验感是远超过往传统营销组织架构下人人协作的。
我对未来 AI 营销团队的畅想
想简单分享一下我对未来 AI Native 的营销团队构成的畅想。刚刚的过程大家肯定会发现，我们和 AI 打配合的核心难点是多维信息的高效传递。如果我们个人能打通这种信息的高效传递，那么个人就拥有了一只 AI 军队。如果多个人都有自己的 AI 军队，那么下一步就是多个有 AI 军队的人之间的信息打通过程，而这也是 AI 时代下企业的新的使命。
我认为，未来真正意义上的 AI Native 营销团队，势必由这样一群有自己的 AI 信息管道的人才组成，而 AI Native 的公司势必有自己的信息管道，让下图中各条线段中的信息能自由流通。
