AI Ｓｔｒａｔｅｇｙ

 

营销运营，是 一个人 做的。

一个人，不是「一个很小的团队」，不是「精简到三人」，就是一个人，cover 了 10 个月的全部增长营销工作：付费搜索广告、付费社交广告、App Store 优化、邮件营销、SEO。没有外包，没有兼职。

他是怎么做到的？

① 数据进 Claude。 把所有广告数据导出成 CSV：点击率、CPM、转化率、消耗金额，全部丢进 Claude Code。让 Claude 分析，标出哪些广告表现差，生成新的文案变体。

② 任务专门化的子 agent。 把工作拆成两个子 agent：一个只写标题（上限 30 字符），一个只写描述（上限 90 字符）。每个 agent 聚焦单一任务、约束清晰，输出质量远高于「一个提示词搞定所有」。这是把软件工程的「单一职责原则」用到了 AI 工作流里。

③ Figma 插件自动出图。 做了一个 Figma 插件，把 Claude 生成的所有文案自动套入广告模板，批量生成可直接发布的物料。 每批 0.5 秒，单次最多 100 个变体。 原来 2 小时的工作，压缩到 15 分钟，创意量扩大 10 倍。

④ MCP 服务器对接 Meta Ads 实时数据。 做了一个连接 Meta Ads API 的 MCP 服务器。不打开任何 dashboard，不手动拉报告，直接向 Claude 问「这周哪些广告表现最好？」「我在哪里浪费了预算？」，得到来自实时数据的真实回答。

⑤ 自我演化的记忆系统。 把每一次假设和实验结果全部记录。下一批广告生成时，Claude 自动调取历史成功与失败记录，在积累中复利演化。

Anthropic 增长 Lead 的 Agent 系统架构：五个模块构成自我演化的分发系统

一个人，10 个月，创意输出量超过大多数完整市场团队。这不是在夸张，这是一个特定的、有名有姓的公司里，发生的真实事情。

他做的那些东西——Claude Code 提示词链、Figma 插件、MCP server（连接外部 API 的自定义中间件服务器）——用的工具，是 Claude Code、Cursor，以及大量的试错和迭代。这不是需要计算机科学学位的工作，这是需要 工程思维 的工作。

Anthropic 增长团队总结的四个层级框架

第一层：把你已经在做的事情自动化。 报告自动生成、文案初稿自动写、数据自动拉。六个月内，所有人都会到这一层，它不会给你带来任何竞争优势。这就像 2010 年前后每家公司都「会用 Excel 了」，没有人会因为这个说自己在数字化转型。

第二层：把 AI 用作真正的思维伙伴。 用公司内部数据、历史投放记录、竞品调研，构建一个专属知识库。让多个模型——Claude、GPT、Gemini——并行跑，对一个粗糙的想法提供 10 条基于真实数据的执行路径。这一层需要主动建设。大多数传统市场从业者卡在这里，因为他们是执行者，是「在营销」的人，而不是构建系统的人。

第三层：把之前因为 ROI 不划算而做不了的事情做掉。 在所有广告组里挖掘否定词。实时追踪每一个竞品的动态。把每次线上活动的内容转化成符合品牌调性的文章，每周更新。这些工作在优化清单里一直存在，但没有人有时间做。Distribution Engineer 有时间——因为他搭了不需要睡觉的 agent。ROI 阈值在这一层发生了根本性的改变。

第四层：构建只有你自己才会做的工具。 你的业务有它专属的数据结构、专属的工作流程、专属的边界情况，没有任何通用 SaaS 能完全覆盖。在这个层级构建的人，才是在真正建立护城河的人。每一个自定义工具都是别人无法轻易复制的优势积累。ROI 在这里复利，差距在这里拉开。

Distribution Engineer 活在第三层和第四层。

Gemma 4 12B：一種統一的、無編碼器的多模態模型