AI越普及,这些营销＂笨功夫＂就越贵

每天打开手机，满屏都是AI新闻，无数博主在测评AI工具。

AI让每个人都焦虑——对新知识的FOMO，对工作岗位的不确定性。毕竟有大量文章在说哪些工作会被AI替代，又有哪个离职的同事被前司“炼化”成了Skill。

与其无谓地焦虑，不如想清楚一件事：像我们这样的普通营销人，到底能用AI做什么，又该警惕什么？

AI越普及，营销人越需要想清楚两件事：

哪些事可以大胆交给AI——用它放大自己；

哪些事必须自己死磕——那些看起来“笨”，却越来越贵的功夫。

一. AI放大了我们的能力

1. 用AI做用户洞察的“共情翻译”

这是我想放在第一位的点，因为它零门槛、零工具要求、零学习成本——打开任何一个AI对话窗口就能做，但效果出乎意料地深。

大多数营销人看用户评论，看到的是“字面信息”：

“这个包装不好打开”

“用了一周没什么效果”

“客服态度还行”

你记下来，下次改进。仅此而已。

但把同一批评论丢给AI，问它一个问题：

“这些评论背后，用户真正的情绪是什么？他们真正担心的是什么？这种情绪在什么场景下最强烈？”

AI会告诉你：

用户不是嫌“不好打开”，是觉得 “这个产品没把我当回事”；

用户不是嫌“没效果”，是担心 “自己是不是被骗了”；

用户不是夸客服“还行”，是 “没有被真正理解的失望”。

这是从“字面信息”到“心理图层”的跃迁。

以前做这件事，我们需要做用户访谈、做焦点小组、请调研公司——现在AI能在30秒内给你一个初稿版本的共情解读，而它甚至可能比你自己想的还要准。

这是AI送给营销人最被低估的礼物。

2. 用AI做复杂的工作：从“单点提效”到“Agent工作流化”

工具思维，是大多数人应用AI的起点。

当你遇到一个具体难题，打开AI：

“帮我写一段针对大学生的护肤品文案。”

“帮我把这段产品介绍润色一下。”

“帮我生成一张海报背景图。”

这是大多数人使用AI的起点，也是天花板。比如我最近用Claude for Excel做数据整理和分析，原本要花半天的事情，30分钟就搞定了。

但这种方式依然需要你反复地“投喂”和“搬运”。

你还是在手动处理信息，AI只是帮你省了点写字或作图的时间，整体效率并未发生质变。

真正的跃迁，是让Agent工作流化。

Agent不仅能"说话"，还能利用工具、自主决策、执行任务。

举个我自己的例子：我给出一个关键词，AI会自动打开小红书基于这个关键词搜索，把前200篇笔记和前50条评论都抓取下来，做数据清洗和分析，完成某个品类的诊断（品类生态／内容生态／用户痛点／各竞品的优缺点），最后生成一份新品开发建议方向。

同样是“市场分析”这件事，单点提效让你做得更快，Agent工作流让AI自己就能做完。

3. 用AI守住品牌的一致性

品牌营销有两大载体：语言（文本）和视觉。这两者就是品牌规范的基础。

在AI时代，只要我们能把品牌个性结构化、明确化——包括语气、叙事方式与风格边界——就可以借助AI，持续、高效地生成符合品牌调性的文本与视觉内容。

这不仅提升了内容生产效率，也显著增强了品牌表达的一致性，因为 AI 在“风格一致性输出”上，天然强于人。

人在输出内容的时候，总是会掺杂私货，有太多个人喜好，而不一定完全按照品牌规范。而高质量且一致的输出恰恰是AI擅长的——我们给到AI的Prompt／Context／Skill，本质都是在限定范围内让AI最大化发挥。

Anthropic官方Skill里就有一个Brand Guidelines，这个思路值得每个品牌借鉴。

最近还有一个很火的Skill叫DESIGN.md，把所有设计规则写进一个Markdown文件，AI就能生成风格一致的UI——这个思路完全可以迁移到品牌的语言和视觉规范上。

4. 用AI把专家知识变成自己的Skill

这一点我觉得是普通营销人最该重视的机会——把专家的脑子装进你的工作流。

以前你请不起顶级营销顾问，现在你可以把营销专家的书籍、访谈、方法论喂给AI，让它用这些专家的思路给你提问、给你策略——相当于你把他们的知识，变成了你的Skill。

小马宋老师用自己的公众号文章做了一个元宝小程序，你可以直接和它对话。我也看到有人做了“华与华知识库”等一系列营销专家知识库。

在其他领域，YC的CEO Garry Tan上个月把自己的Claude Code工作流开源了，叫gstack。里面我最感兴趣的是其中的/office-hours——它模拟的是YC合伙人在office hours里会问你的那些问题。按照Garry Tan自己的说法：如果你在做一个新idea，gstack会帮你像YC一样思考。

这种形式完全可以搬到营销领域。 你完全可以做一个“奥美office-hours”，让AI用大师的提问方式来拷问你的brief、你的策略、你的创意。以前需要花几十万请顾问才能得到的那种“被追问到想放弃”的体验，现在一个Skill就能实现。

二. AI越普及，基本功越稀缺

这是宝洁CMO MarcPritchard的观点：

AI 越普及，品牌基本功越是护城河。

AI让内容生产的边际成本趋近于零，大量品牌都能低成本批量生成内容。这个时候真正稀缺的反而是最朴素的几件事:

• 产品是否真的好

• 产品利益点是否清晰

• 品牌资产是否稳定

• 品牌表达是否始终一致

这四点，才是新的品牌护城河。

AI能帮你把烂产品包装得更好看，但包装不出一个真正的好产品；

AI能帮你写出一百条文案，但写不出一个稳定的品牌人格（除非你有清晰的品牌规范做指引）。

三. AI时代的审美，本质是判断力

对于消费者行业的营销人来说，It's all about taste，见过好东西是一件特别重要的事情。

这些好东西帮助我们提高审美。但有时候“审美”这个词太虚了。

我的理解是：AI时代的审美 = 判断力

我们不仅要看懂什么是好的，还要在AI给我们的多个方案里，精准指出“第3个方向是对的，但是执行不太行，把第7个方案开头的钩子嫁接过来”。

作为营销人，我们不仅要“能做”，更要有一套策略能力 —— “能判断、能组合、能取舍”，这就是我们常说宝洁营销人为什么厉害的地方，因为宝洁一直在培养人的Strategic Thinking。

AI能不能为我们所用，放大我们的能力，关键在于我们的判断力有多高，AI的产出天花板就有多高。

四. 提示词不是核心能力，问题定义才是

大家都在学提示词，但我发现真正用AI用得好的营销人，提示词不见得写得有多花哨。他们的本事是把一个模糊的营销问题，拆解成AI能处理的子问题。

“帮我做个双11方案”是烂需求。

“基于我们过去3年双11数据，用户在决策链路哪个环节流失最严重，对应的内容策略应该怎么调整”才是好需求。

好需求的本质，是把Why、What、How三者整合在一起：

• Why——用户在决策链路哪个环节流失最严重（业务问题）

• What——基于过去3年双11数据（事实依据）

• How——对应的内容策略应该怎么调整（具体动作）

烂需求之所以烂，是因为它只有Why，没有What和How。AI拿到这种需求只能靠猜，产出当然也只能是“最大公约数”。

这个能力来自业务理解，不来自AI。

所以不要把时间都花在背提示词模板上，花在理解你的业务、你的用户、你的品牌上，回报会高得多。

前段时间和朋友聊数字化和AI赋能，聊到最后，还是要回归到从业务出发，找到真正的问题和需求。

五. AI解决不了的，恰恰是你的堡垒

AI擅长总结“最大公约数”(大众共识)，但伟大的营销往往源于“非共识”。

当线上内容爆发，线下的深度体验、品牌与用户之间真实的情感连接、处理复杂利益相关者的沟通能力，会成为营销人无法被取代的堡垒。

营销人需要学会在AI的基础上，利用真实的线下洞察、反直觉的审美、小众亚文化，去打破AI的平庸化，避免品牌陷入“AI味”的同质化竞争。

六. 最大的风险不是被替代，是认知外包

这一点我想单独讲，因为它藏得最深。

AI带来能力放大的同时，也带来能力萎缩。

当你习惯让AI做市场分析，你自己对市场的直觉会退化；

当你习惯让AI写文案，你对文字的手感会钝化。

一线感、用户感、文字感——这三个“感”，是AI用得越多越容易丢的东西。

聪明的营销人会刻意保留一些“不用AI”的时刻：

• 亲自去门店站两小时

• 亲自回一百条用户评论

• 亲自写一篇不借助AI的长文

这不是反AI，是反能力萎缩。

因为一旦这些“感”没了，你给AI下判断、提要求的能力也就没了，最终AI不是你的工具，而是你的拐杖。

更可怕的是，这种萎缩是集体性的。

当所有营销人都把一线感、用户感、文字感外包给AI，整个行业的“品味基线”会一起下滑。

“AI味”泛滥的本质，不是AI变聪明了，是人变懒了。

AI看似给我们减负，其实对我们的要求越来越高了。

在这个每个人都试图通过AI寻找捷径的时代，那些愿意花时间做田野调查的人，那些磨文字颗粒度的人，那些死磕一个品牌逻辑到底的人——看起来很“笨”。

但正是这些“笨功夫”，构成了营销人最坚固的护城河。

因为说到底——

AI是算法的胜利，而营销终究是人心的博弈。

只会摸鱼的营销人，迟早被AI替代。

但真正的营销人，会用好AI ，同时守住自己的基本功、判断力和手感。

这是最坏的时代，也是最好的时代——

只要你不把自己交给AI。