先问一个问题：用 AI 做营销，是不是大多还停留在「帮我润色一下文案」这一层？如果是，那其实只用到了它最浅的一档。

真正高杠杆的用法，是把 AI 嵌进整个工作流——用它提升决策质量、自动化重复劳动、降低跨团队协作的成本。

Anthropic 增长营销团队的成员 @helloitsaustin，分享了他自己在日常工作中深度整合 Claude 的方式，一共五个实战场景，涵盖了普通聊天、Claude Cowork 和 Claude Code。这套方法论并不局限于 Claude——它完全可以平移到任何常用的 Agent 上。下面一个一个来看。

场景一：把聊天，当成一个「思考搭子」

Austin 在动手写报告或简报之前，会先用 Claude「把它的框架聊清楚」。比如一起讨论：哪些指标对目标受众才是真正重要的？该怎么分段？高管想看的，和我想展示的，分别是什么？

这里有一个关键技巧：主动让 Claude 反过来向自己提澄清问题，借此把那些藏在心里、没说出口的隐含假设一个个暴露出来，从而避免到后期才发现方向错了、再推倒返工。

这背后是一个「先思考，再执行」的原则。传统工作里，人常常一头扎进去花一小时写出一份没用的文档；而这里，AI 在概念阶段就把方向对齐了，效率和产出质量都明显提升。Austin 举的那个 SEO 报告的例子，就很直观地展示了这种对话式引导的过程。

场景二：用 Cowork，搞定定时周报

这个场景，是关于文件上传（GSC 导出数据、dashboard 数据、内容清单等）和自动生成周报的整套流程。

Austin 过去每天早上都要手动拉数据、写总结；现在他通过 Cowork 设置了一个定时任务——AI 自动读取原始数据、起草报告、标记异常，他只需要花几分钟收个尾。

这一下，就直接解决了增长营销里最耗时间的那个环节：数据聚合与叙事。通过 MCP 连接常用数据源，整个流程实现了从「原始数据」到「高管摘要」的自动化。配图里那份周报样例（有机搜索流量增长、关键词表现等），专业度一目了然。

场景三：用 Claude Code，亲手造自己需要的工具

Austin 给 Claude 的指令很简单：「做一个能追踪我们 App Store 评论的仪表盘……」

作为一个非开发者，他只花了几个小时，就做出了一个用户情绪分析工具——后来连产品团队和工程团队都在用它。

这部分最能体现「赋能非技术人员」这件事的分量。过去，营销人想做个工具，必须排队等工程资源；而现在，「我能不能自己试着把它做出来」成了第一反应。Claude Code 把开发门槛大幅拉低，让增长团队能快速迭代内部工具，把「从想法到价值」的周期狠狠压缩。

场景四：用 Skills，把团队的「打法」沉淀下来

Austin 做了一批可复用的自定义指令（Skills），比如「campaign-brief-analyzer（简报分析器）」「brand-voice（品牌声音）」「email-subject-line-drafter（邮件标题起草器）」等等。

他特别强调一点：把机构知识——品牌声音、实验分析方法、简报标准等等——打包成 Skills，能让 Claude 在聊天、Cowork、Code 三个场景里，都保持一致地调用它们。

这其实是「知识管理」的一种 AI 化解法。Skills 把那些零散的文档和个人经验，转化成了可执行、可复用的资产，既避免了知识孤岛，也提升了整个团队的一致性。

场景五：用 Claude Design，把脑子里的想法变成画面

最后一个场景，是从一份简报，直接生成品牌化的落地页 mockup。

Austin 过去得用文字把想法描述给设计师听；现在他会先用 Claude 渲染、迭代，一直调到视觉效果和脑海里的想法对上，再拿着这个去和设计团队对接。

这极大地减少了沟通损耗，让创意对齐的效率高了一大截。Claude Design 在营销想法和视觉实现之间搭了一座桥，特别适合快速测试和迭代。

把这五个场景串起来看会发现，真正拉开差距的，从来不是「会不会用 AI」，而是愿不愿意把 AI 从一个「润色工具」，升级成贯穿思考、执行、协作全流程的「工作伙伴」。

注：本文整合并改写自 Anthropic 增长营销团队成员 @helloitsaustin 的公开分享，文中场景、方法均引自其原始内容。具体细节以原作者发布为准；文中方法论可平移至其他 AI 工具，仅供参考。