這篇Blog講透了達(dá)人營(yíng)銷，AI公司必看

這周，我又來(lái)北京了。與到北京拜訪了很多大模型廠商不同，這次我見(jiàn)了很多做AI應(yīng)用的中小企業(yè)。

大家基本都在做同一件事情：出海。但出海可比在國(guó)內(nèi)做產(chǎn)品復(fù)雜多了。一是海外營(yíng)銷水分很大，成本很高；二是鏈路復(fù)雜，信息不透明。

很多時(shí)候，你可能花了一萬(wàn)美金做投放，但實(shí)際轉(zhuǎn)化只有幾美金。這種情況，真的，心態(tài)崩了，交的全是學(xué)費(fèi)。

最近，看到Aha（原Head AI）創(chuàng)始人Kay Feng分享了兩篇blog，一篇講實(shí)踐，一篇講技術(shù)。

blog鏈接：https://aha.inc/university

尤其是第一篇，我聽(tīng)完視頻又看了文章，感覺(jué)這是我今年看過(guò)最有含金量的達(dá)人營(yíng)銷干貨。講得很細(xì)，而且很有實(shí)操意義。

Blog要點(diǎn)

先給大家簡(jiǎn)單介紹下Aha，這是一家致力于用人工智能重塑達(dá)人營(yíng)銷的初創(chuàng)公司，團(tuán)隊(duì)成員來(lái)自北美、亞洲等地，擁有連續(xù)創(chuàng)業(yè)、VC投資及TikTOK、阿里等大廠背景。

Aha主要提供的是，讓AI員工接管達(dá)人營(yíng)銷的所有執(zhí)行環(huán)節(jié)：匹配、建聯(lián)、議價(jià)、合同、催稿與基礎(chǔ)合規(guī)檢查、數(shù)據(jù)監(jiān)控和結(jié)算支付。

品牌只需把關(guān)關(guān)鍵決策，達(dá)人專注創(chuàng)作。其余繁瑣、低效、重復(fù)的溝通與執(zhí)行工作，全部由AI自動(dòng)處理。

Aha從500萬(wàn)優(yōu)質(zhì)達(dá)人中匹配品牌方需求

產(chǎn)品上線6個(gè)月，已有多個(gè)頭部大廠使用，包括AI出海榜TOP 50公司如AiPPT 、Vizard、Metagpt等，也都是用的Aha。

Aha創(chuàng)始人分享的blog要點(diǎn)有：

1）AI/SaaS的認(rèn)知門(mén)檻普遍偏高，他們需要被解釋與演示，而達(dá)人/創(chuàng)作者是品效合一的最佳方式。

2）創(chuàng)作者不是在“賣產(chǎn)品”，而是在示范一種工作方式/解決問(wèn)題的過(guò)程，當(dāng)用戶認(rèn)可這種范式時(shí)，轉(zhuǎn)化自然發(fā)生。

3）AI時(shí)代，人和機(jī)器的分工要清晰。AI適合處理60–70分的事情：匹配、出價(jià)、談價(jià)流程、催稿、數(shù)據(jù)追蹤等。人適合70–100分的事情：創(chuàng)意、策略、判斷、審核。

4）如何找到對(duì)的人：匹配靠語(yǔ)義，不靠標(biāo)簽。不要問(wèn)“誰(shuí)來(lái)發(fā)內(nèi)容”，而要問(wèn)“誰(shuí)的受眾最像我的用戶”。這本質(zhì)是“內(nèi)容—受眾—需求”三者的語(yǔ)義匹配問(wèn)題，LLM天然適合干這活，比傳統(tǒng)找標(biāo)簽更精準(zhǔn)。

5）爆款是概率事件，靠感覺(jué)無(wú)法規(guī)模化。優(yōu)秀品牌在早期一輪常投20–100位達(dá)人——不是撒網(wǎng)，而是用量換“規(guī)律”。

6）復(fù)盤(pán)只做兩件事就夠了：誰(shuí)爆了&為什么（受眾/形式/情緒點(diǎn)/節(jié)奏），哪類表達(dá)最易傳播（標(biāo)題/開(kāi)場(chǎng)/鉤子/演示路徑）。

7）營(yíng)銷不該是人盯人的流水線，而是一套可研究、可迭代、可放大的系統(tǒng)。

從這篇blog、Aha的客戶案例，以及我身邊一些用過(guò)Aha的朋友的反饋中，其實(shí)能看到幾個(gè)很一致的特點(diǎn)：

1）Aha能幫助品牌方更高效地合作大量中長(zhǎng)尾達(dá)人，尤其是那些人工很難憑經(jīng)驗(yàn)判斷、但實(shí)際高度匹配的創(chuàng)作者。AI的語(yǔ)義理解能力可以挖出很多“被人類忽略的好達(dá)人”，讓投放范圍更廣、樣本更多、規(guī)律更清晰。

2）但是方向特別niche的產(chǎn)品，目前并不適合用Aha。因?yàn)榭珊献鞯倪_(dá)人池本身就很小，很難形成足夠的樣本量來(lái)跑出規(guī)律。

3）Aha更適合有充足營(yíng)銷預(yù)算、想系統(tǒng)化推進(jìn)達(dá)人營(yíng)銷的品牌方。

因?yàn)橹挥性谟幸欢A(yù)算、能開(kāi)展多輪合作的前提下，AI自動(dòng)化執(zhí)行的匹配、建聯(lián)、談價(jià)、追蹤和結(jié)算的能力才能真正發(fā)揮出來(lái)，讓整個(gè)Campaign跑得更快、成本更低、效率更高。

但是對(duì)于期望通過(guò)Aha在短期內(nèi)實(shí)現(xiàn)銷量爆發(fā)的產(chǎn)品，Aha幫不上太多忙。

Blog原文

以下，是blog原文，來(lái)自AI翻譯與人工精校。

開(kāi)場(chǎng)：為什么寫(xiě)這篇復(fù)盤(pán)

大家好，我是Kay。過(guò)去六年，我?guī)缀醢阉袝r(shí)間都花在AI/SaaS行業(yè)的達(dá)人營(yíng)銷上。

從早年翻冷門(mén)博客、自己試錯(cuò)，到后來(lái)負(fù)責(zé)一款A(yù)I產(chǎn)品的出海增長(zhǎng)，再到現(xiàn)在的Aha，我們與來(lái)自美國(guó)、東亞、歐洲的品牌合作，最近半年合計(jì)花出100萬(wàn)+美元的達(dá)人營(yíng)銷預(yù)算。這篇文章不是教程，也不是Aha的產(chǎn)品說(shuō)明書(shū)。我們只是想把這筆錢(qián)背后踩過(guò)的坑與提煉出的規(guī)律，整理成可復(fù)用的判斷標(biāo)準(zhǔn)，幫助更多團(tuán)隊(duì)：

• 識(shí)別哪些環(huán)節(jié)適合交給 AI，哪些必須留給人；

• 設(shè)計(jì)更健康的預(yù)算與周期；

• 用從數(shù)量到規(guī)律的方式把偶然爆款變成可復(fù)制能力。

一、為什么達(dá)人營(yíng)銷對(duì)AI/SaaS尤其有效？

再PLG（Product-Led Growth，產(chǎn)品主導(dǎo)增長(zhǎng)）的產(chǎn)品，如果沒(méi)有外部信任與內(nèi)容曝光，也會(huì)被迅速淹沒(méi)。AI/SaaS的創(chuàng)新度與認(rèn)知門(mén)檻都偏高，它們需要被解釋與演示。創(chuàng)作者不是在“賣產(chǎn)品”，而是在示范一種工作方式/解決問(wèn)題的過(guò)程。當(dāng)“和我同類的人”在真實(shí)場(chǎng)景里把工具用起來(lái)，轉(zhuǎn)化自然發(fā)生。

它既能像內(nèi)容營(yíng)銷一樣沉淀品牌信任，又能像廣告一樣帶來(lái)直接轉(zhuǎn)化，是少有的品效合一渠道。

二、行業(yè)的舊病：人多、流程重、數(shù)據(jù)亂、反饋慢

傳統(tǒng)做法要么靠in-house堆人，要么交給agency或外包，結(jié)果常見(jiàn)：

• 流程慢：找人、談價(jià)、brief、簽約、對(duì)賬、人盯人；

• 成本高：溝通與管理開(kāi)銷往往超過(guò)媒體成本；

• 創(chuàng)新被擠壓：真正該思考創(chuàng)意和策略的時(shí)間被消耗在執(zhí)行上。

可操作建議：

• 用AI承接“重復(fù)溝通 + 初篩”，把人的時(shí)間留給創(chuàng)意、策略、審核。

• 明確“機(jī)器做多、人的判斷做少但關(guān)鍵”，人不做機(jī)器適合做的事。

三、當(dāng)AI介入：三大結(jié)構(gòu)性變化（效率、定價(jià)、匹配）

1. 效率革命：自動(dòng)建聯(lián)與規(guī)模化外發(fā)

系統(tǒng)根據(jù)brief的受眾語(yǔ)義智能匹配，自動(dòng)生成邀約并批量外發(fā)，推進(jìn)、對(duì)賬、履約狀態(tài)全流程追蹤。觸達(dá)量更大，但“相關(guān)性”更高，因?yàn)椴皇莵y射，而是在找“同頻人群”。

2. 定價(jià)革命：用算法給出“公允價(jià)”

實(shí)時(shí)模型會(huì)綜合受眾地域、粉絲質(zhì)量、近20條內(nèi)容表現(xiàn)、供需強(qiáng)度等因素，生成一口價(jià)。多輪拉扯被省略，談價(jià)從幾天變幾分鐘。

可操作建議：

• 把“是否出價(jià)/價(jià)格檔位”的決策交給算法，把預(yù)算結(jié)構(gòu)交給人；

• 核心復(fù)盤(pán)三件事：CPM/內(nèi)容質(zhì)量/受眾重疊度。

3. 匹配革命：從“找人”到“找語(yǔ)義”

不要問(wèn)“誰(shuí)發(fā)AI內(nèi)容”，要問(wèn)“誰(shuí)的受眾像我的用戶”。語(yǔ)義匹配相較標(biāo)簽匹配更穩(wěn)健，決定了轉(zhuǎn)化的基線。

可操作建議：

• 給AI的Brief里寫(xiě)用戶畫(huà)像的細(xì)節(jié)，如“效率焦慮/自動(dòng)化/獨(dú)立開(kāi)發(fā)者/出海運(yùn)營(yíng)”等；

• Brief不要只寫(xiě)“找某賽道達(dá)人”，而要寫(xiě)清理想用戶畫(huà)像與典型使用場(chǎng)景；

• KPI兼顧“聲量（曝光/討論）+ 效果（注冊(cè)/CPC/試用）”，避免只看單一指標(biāo)。

四、AI與人：分工邊界

環(huán)節(jié)

機(jī)器是否勝任

最佳實(shí)踐

達(dá)人初篩

高相關(guān)剔除低相關(guān)

人復(fù)核“內(nèi)容質(zhì)感/品牌調(diào)性”

議價(jià)與流程

一口價(jià)+自動(dòng)推進(jìn)

人只處理極少數(shù)特殊條款

內(nèi)容審核

需人判斷

機(jī)器先驗(yàn)，人定版

爆款創(chuàng)作

概率事件

AI提供“成功樣板特征”，人做創(chuàng)意突破

可操作建議：

• 把AI當(dāng)“運(yùn)營(yíng)系統(tǒng)”，而不是“創(chuàng)意替代者”；

• 人類保留“味覺(jué)/判斷”，決定最后30分的上限。

五、開(kāi)做前先想清楚：預(yù)算 × 周期 × 結(jié)果

最低推薦周期：給自己≥12周（3個(gè)月）的驗(yàn)證窗口。

合理預(yù)算：（美金區(qū)間，供參考）

A. Always-on（常駐型）

階段

月預(yù)算

樣本量/輪

目標(biāo)

啟動(dòng)月1

8k-15k

20-50個(gè)達(dá)人

建立語(yǔ)義樣本、找高回應(yīng)群

驗(yàn)證月2

12k-25k

40-80個(gè)達(dá)人

找“贏法”并放大

擴(kuò)量月3

20k-40k

60-120個(gè)達(dá)人

規(guī)模復(fù)制、穩(wěn)定ROI

B. Event-based（發(fā)布/大促/節(jié)日）

目標(biāo)

單波預(yù)算

周期

新品發(fā)布/融資節(jié)點(diǎn)

30k-80k

2-4周

追求聲量臨界點(diǎn)，而非短期ROI

年度大促

50k-120k

3-6周

節(jié)奏分三拍：預(yù)熱-爆發(fā)-回補(bǔ)

可操作建議：

• 不要只投一兩周、幾千美元，就想見(jiàn)奇跡；

• 節(jié)奏>一次性力度：每輪結(jié)束必做“勝因復(fù)盤(pán)”，下一輪只放大贏法。

六、怎么選人&怎么定價(jià)：比粉絲量更重要的“三件事”

Aha算法定義匹配的秘訣：

• 誰(shuí)在看他（受眾重疊）：決定“值不值得投”

• 內(nèi)容能不能自然嵌入：決定“能不能被喜歡”

• 價(jià)格是否公允：決定“值不值這錢(qián)”

Aha算法定價(jià)秘訣：

• 受眾價(jià)值：學(xué)生 < 職業(yè)畫(huà)像 < 決策者向；

• 平臺(tái)權(quán)重：YouTube長(zhǎng)視頻CPM≈TikTok短視頻的~8×；

• 地域權(quán)重：同量級(jí)播放，美區(qū)價(jià)可為部分亞非區(qū)域的~5–7×；

• 近期表現(xiàn)：看近20條“自然/商單”混合的真實(shí)表現(xiàn)；

• 供需強(qiáng)度：稀缺垂類自動(dòng)上浮 10–50%。

可操作建議：

• 強(qiáng)契合者可溢價(jià)拿下（提高成功率）；弱契合者只在低價(jià)時(shí)入手（做對(duì)照樣本）。

• 從系統(tǒng)推薦里擇優(yōu)50%–80%開(kāi)始合作——低于50%往往是“過(guò)度理想化”。

七、為什么要“拼數(shù)量”：用樣本把概率變成確定性

爆款是概率事件，靠感覺(jué)無(wú)法規(guī)模化。優(yōu)秀品牌在早期一輪常投20–100位達(dá)人——不是撒網(wǎng)，而是用量換“規(guī)律”。

每輪只復(fù)盤(pán)兩件事：

• 誰(shuí)爆了 & 為什么（受眾/形式/情緒點(diǎn)/節(jié)奏）；

• 哪類表達(dá)最易傳播（標(biāo)題/開(kāi)場(chǎng)/鉤子/演示路徑）。

下一輪就只投“高效樣本”，把爆款公式沉淀進(jìn)brief模板，讓后續(xù)的博主學(xué)習(xí)。

八、那些達(dá)人營(yíng)銷做得特別好的公司，是怎么做的？

在過(guò)往跟客戶的溝通里，我們看到了幾類讓人印象很深的客戶。

他們不一定是預(yù)算最大的，卻幾乎都做對(duì)了一件事——讓AI接管重復(fù)，把人留給判斷。

Aha合作客戶一覽

案例一｜MetaGPT X：從人工判斷到 AI 決策

MetaGPT X 是一家全球領(lǐng)先的 AI 公司。

他們一直在思考一個(gè)問(wèn)題：

“如果 AI 能寫(xiě)代碼、生成應(yīng)用，那品牌的增長(zhǎng)能否也更智能、更可量化？”

在此之前，他們的達(dá)人營(yíng)銷流程和多數(shù)科技公司一樣：

• 靠人工找達(dá)人、談價(jià)格、做表格、復(fù)盤(pán)數(shù)據(jù)。

• 流程慢、試錯(cuò)多、決策周期長(zhǎng)。

接入 Aha 后，一切開(kāi)始被系統(tǒng)化，整個(gè)campaign從構(gòu)想到上線，只用了兩周。

他們第一次感受到——營(yíng)銷這件事，也可以像開(kāi)發(fā)一樣被“版本化”。

MetaGPT X 用 AI，不是為了減少人，而是讓增長(zhǎng)體系像產(chǎn)品一樣：可控、可量化、可復(fù)用。

這是新的趨勢(shì)：從“人管人”，到“AI管增長(zhǎng)”；從靠感覺(jué)決策，到靠數(shù)據(jù)和反饋持續(xù)優(yōu)化。

案例二｜OnlyOffice：用“驗(yàn)證速度”驅(qū)動(dòng)增長(zhǎng)

這是一家歐洲的開(kāi)源辦公軟件團(tuán)隊(duì)。

過(guò)去他們每次投放都要靠人工篩選達(dá)人、談報(bào)價(jià)、發(fā)brief、核賬——一個(gè)campaign經(jīng)常拖上幾個(gè)月。

接入AI后，系統(tǒng)自動(dòng)完成匹配、定價(jià)、brief生成與履約追蹤。

幾周內(nèi)，他們的內(nèi)容就觸達(dá)到全球?qū)I(yè)人群。

負(fù)責(zé)人說(shuō)：

“我們以前關(guān)心的是成本，現(xiàn)在更關(guān)心驗(yàn)證速度。”

AI 帶來(lái)的不是單純降本，而是更快地試錯(cuò)、更快地學(xué)習(xí)、更快地增長(zhǎng)。

他們不再用人力去“驗(yàn)證一個(gè)想法”，而是用系統(tǒng)去跑出一個(gè)閉環(huán)。

案例三｜一個(gè)北美創(chuàng)始人的轉(zhuǎn)變：從“盯人”到“被盯”

“以前我們最高峰雇了六七個(gè)實(shí)習(xí)生，每天發(fā)郵件、填表、拉清單。一輪campaign要兩三個(gè)星期，最后能簽下來(lái)的不到十分之一。”

后來(lái)，他們讓AI接手。

系統(tǒng)每天自動(dòng)發(fā)上萬(wàn)封邀約郵件，三天就能完成幾百個(gè)創(chuàng)作者溝通。人只要看儀表盤(pán)，挑選合適內(nèi)容、確認(rèn)預(yù)算。

創(chuàng)始人笑著說(shuō)：

“以前是我在盯人，現(xiàn)在是系統(tǒng)在盯我。”

那種輕松，不是因?yàn)槭×隋X(qián)，而是終于能回去思考——“哪條內(nèi)容最像我們要的風(fēng)格？”

案例四｜一個(gè)日本品牌解決了“跨國(guó)慢病”

他們的團(tuán)隊(duì)在東京，創(chuàng)作者分布在十幾個(gè)國(guó)家。

最大的問(wèn)題是：時(shí)區(qū)。

“發(fā)個(gè) brief，等一封郵件，要等24小時(shí)。”

AI接入后，系統(tǒng)會(huì)自動(dòng)識(shí)別達(dá)人所在時(shí)區(qū)，在當(dāng)?shù)匕滋彀l(fā)邀約、確認(rèn)價(jià)格、生成合同。品牌方第二天醒來(lái)，儀表盤(pán)上就能看到所有確認(rèn)狀態(tài)。

負(fù)責(zé)人說(shuō)：

“以前像異地戀，現(xiàn)在像遠(yuǎn)程辦公。”

他們沒(méi)增加人手，卻能同時(shí)跑三倍的活動(dòng)。效率，不在加人，而在減少等待。

案例五｜一個(gè)小型教育AI團(tuán)隊(duì)的“系統(tǒng)記憶”

這是一個(gè)三個(gè)人的創(chuàng)業(yè)公司。

創(chuàng)始人說(shuō)：“以前我們靠Excel活著。”

每次合作都要重寫(xiě)brief、重新催稿、重新整理素材，一次campaign做完，累得不想再做第二次。

換成AI系統(tǒng)后，合同、素材、溝通記錄、視頻鏈接，全都自動(dòng)歸檔。下一次campaign直接復(fù)用上一次的模板。

“那種‘一切重新來(lái)過(guò)’的感覺(jué)沒(méi)了。”

AI沒(méi)讓他們變成大公司，但讓他們有了連續(xù)性——可以一直往前做，而不是反復(fù)從零開(kāi)始。

九、安全與信任：托管機(jī)制讓合作“有憑證可追溯”

行業(yè)經(jīng)常會(huì)有付款困難，或者達(dá)人做一半跑了的情況，錢(qián)付出去了也追不回來(lái)。現(xiàn)在Aha擔(dān)保了這部分，下單會(huì)有資金托管，未交付自動(dòng)退款；訂單號(hào)、交付物、時(shí)效全追蹤。

可操作建議：

• 一切合作不要預(yù)付款；

• 盡量避免私下轉(zhuǎn)賬；

• 海外團(tuán)隊(duì)尤其要把合規(guī)/結(jié)算/稅務(wù)納入標(biāo)準(zhǔn)流程。

十、60–90天落地路線圖

第1–2周（啟動(dòng)）

• 明確ICP受眾畫(huà)像

• AI 跑20–50位達(dá)人首輪

第3–4周（驗(yàn)證）

• 放大40–80位達(dá)人；建立爆款的認(rèn)知，沉淀 brief 模板；

• 看“CPM/CPC”，淘汰差的畫(huà)像和內(nèi)容形式。

第5–8周（擴(kuò)量）

• 針對(duì)“高效樣本”做2倍預(yù)算擴(kuò)張

第9–12周（固化）

• 形成“常駐 + 爆點(diǎn)”campaign的排布

結(jié)語(yǔ)：AI 不是替代人，而是把人放回“判斷與創(chuàng)造”

AI目前在真實(shí)的應(yīng)用里只有60–70分，但它足以把“70 分以內(nèi)”的重復(fù)與瑣碎干凈解決，這是非常占用時(shí)間的。讓人終于可以把時(shí)間花在“70–100 分”的策略與創(chuàng)意上。

營(yíng)銷不該是人盯人的流水線，而是一套可研究、可迭代、可放大的系統(tǒng)。

我們希望這篇實(shí)錄，能幫你少花幾個(gè)月試錯(cuò)，更快建立自己的“爆款公式”。

說(shuō)實(shí)話，看完這段分享后，我自己也學(xué)到了很多。

對(duì)于品牌方而言，我相信這篇blog一定會(huì)對(duì)你有所裨益。

Aha的上手門(mén)檻不高，但也不是“一按就能出爆款”的魔法按鈕。

它作為一個(gè)AI達(dá)人營(yíng)銷員工：

能幫你把繁瑣流程都搞定，但前提是你得愿意投入一點(diǎn)時(shí)間，把目標(biāo)講明白、把需求講清楚。教程一定要看（我自己第一輪也看了好幾遍L(zhǎng)OL），一旦理順了，你會(huì)發(fā)現(xiàn)整個(gè)執(zhí)行效率會(huì)被徹底拉滿。

通過(guò)Aha，把大量復(fù)雜的、繁瑣的流程交給AI，把前瞻的、快速的決策交給自己，快速執(zhí)行，快速迭代。

畢竟，AI時(shí)代，唯有擁抱變化、適應(yīng)變化，才是最好的護(hù)城河。

別站在岸邊看，跳進(jìn)去，你才是浪潮的一部分。