用 AI 做 media planning，一旦你對個分工清楚，就最容易用得好。Model 喺 plan 存在之前嗰啲重複、綁數據嘅工作上強——audience 拉取、channel 定容、budget scenario、一版初稿論證——喺決定個 plan 嘅判斷上弱。務實嘅問題唔係 AI 策劃得到咩。而係邊啲步驟交出去、點核對佢哋、以及由邊度開始。
大部分團隊將 AI 指向個 plan 本身，得到一份更快版嘅同一份 slide。更好嘅用法係指向嗰啲從不需要人嘅步驟，解放 planner 嘅時間去處理取捨，並令每個數字都追溯得到輸入。嗰個係「用 AI 策劃」同「讓 AI 產出一個 plan」之間嘅差別。
Plan 之前嘅工作
Media planning 大多係冇人睇見嘅工作。拉 audience 數據、俾 channel 定容、砌 budget scenario、檢查 reach 同 frequency 假設、組裝一份經得起客戶提問嘅論證。嗰份工作係結構化嘅、重複嘅、綁數據嘅，噉令佢恰恰係 model 有效壓縮得到嗰類工作。
真正重要嘅 planning——揀喺邊打、交換咩、捨棄咩——係判斷，而判斷唔係 model 帶嚟嘅嘢。所以誠實嘅框架唔係「AI 做 planning」，而係「AI 清走啲雜活，令 planner 可以做更多 planning」。將呢個搞反嘅團隊，最後得到更快嘅 slide 同同樣弱嘅 strategy。
AI 真正擅長咩
四個 planning 工作好啱 model。Audience 發現：將一份 brief 變成候選 segment、同描述佢哋嘅數據。Channel 定容：由 platform 同第三方數據估算各選項嘅 reach 同成本。Scenario 構建：喺 channel 同目標之間生成 budget 分配。以及初稿論證：由輸入組裝論點，令 planner 編輯而非由白紙開始。
喺每一種裏面，model 都喺加速一個已被定義嘅步驟。噉係對「該喺邊度應用佢」嘅正確測試。如果你講得到一個步驟係一個可重複嘅輸入到輸出嘅工作，AI 幫得到手。如果個步驟係「決定咩重要」，將佢留返俾人、用解放出嚟嘅時間去做佢。
佢唔擅長咩
AI 喺定義一份好 plan 嗰啲嘢上弱。佢唔知客戶今季實際需要咩，除非你話佢知。佢會愉快咁為一個錯誤目標產出一份講得通嘅 plan。佢對政治、歷史包袱、category 慣例、或者嗰個令佢三個選項都變得唔可能嘅 constraint 冇感覺。
佢喺 planning 負擔唔起嘅地方亦都自信咁錯：編造嘅 benchmark、過時嘅 channel 假設、同埋俾當成事實嘅 reach 估計。一個將 model 產出貼入 plan 而唔檢查輸入嘅 planner，外判咗判斷，唔係勞動。個產出係一個假設，而裏面每個數字都需要一個你信得過嘅來源。
點樣分辨一個 task 屬於邊一邊
唔係每個 planning 步驟都宣佈自己嘅邊，所以將每一個行一次單一測試：你能夠將一個輸入交俾一個新人、並喺唔做判斷嘅情況下描述個輸出應該係咩樣嗎？Audience 拉取、channel 定容同 scenario 生成通過——份工作喺開始之前就係定義好嘅。兩個 channel 之間嘅取捨、或者一個關於客戶該停止做咩嘅判斷失敗——個答案取決於 model 冇俾到嘅 context。
第二個訊號：問個產出對唔對得住一個你信得過嘅來源嚟核對。如果你指得出每個數字背後嘅數據，個步驟就安全咁交出去。如果你指唔出，佢就係著住算術外衣嘅判斷，留喺 planner 嗰度。
為可辯護性而設計
一份 plan 一定要經得起一個客戶問「點解係呢個而唔係嗰個」。AI 輔助嘅 planning 令嗰條問題更難，唔係更容易，因為 model 為任何選項生成得到一套論證。辯護係令啲輸入保持可見：邊個數據餵咗定容、scenario 依托邊啲假設、以及邊啲選擇係判斷而非算術。
呢個同我喺AI media planning 同 measurement design鋪開嘅紀律相同，而佢喺呢一層更重要，因為 planning 坐喺其他一切嘅上游。一份建立喺未經審視嘅 model 產出之上嘅 plan，將佢嘅錯誤傳播過 activation、reporting 同 measurement。Planning 階段嘅追溯性係令場 campaign 其餘部分保持誠實嘅嘢。
Planner 嘅新工作
呢個角色唔消失；佢集中——同我多年前喺media planner 會點樣失去工作描述嘅同一個轉變，嗰陣自動化仲係一個 research 工具同一張試算表。更少時間組裝同定容，更多時間決定支持邊個 scenario、並解釋點解。噉係一份比舊工作更難、亦都更有價值嘅工作，因為客戶由工具度攞唔到嘅嘢係 plan 背後嘅推理。投身於此嘅 planner，成為客戶喺定 budget 之前會打電話嗰個人。
佢亦都抬高咗輸入嘅門檻。如果 planner 嘅價值係判斷，判斷嘅好壞只取決於佢所判斷嘅數據。呢個就係 planning 之下嘅 memory 同數據層咁重要嘅原因：一個由你嘅客戶歷史同結果工作嘅 model，比一個由白紙 brief 工作嘅 model，俾 planner 更好嘅推理材料。
一個務實嘅起點
揀最重複嗰個 planning 步驟——通常係 audience 定容或 scenario 構建——只用 AI 重建佢，令個產出追溯得到佢嘅輸入。同舊方法並行跑一兩份 plan 並比較。如果 AI 輔助版產出更多 scenario、而冇產出更多錯誤，擴到下一個步驟。如果佢產出你溯源唔到嘅自信數字，停低、先整輸入。
唔好試圖一步自動化成份 plan。Planning 係一連串判斷，而 AI 嘅價值喺啲接縫度，唔係作為條鏈嘅替代。一次重建一個接縫，並喺每一處俾 planner 留喺環入面。
實踐中 AI planning 喺邊度出錯
啲失敗係可預測嘅。團隊將一份 brief 餵俾 model、接受第一份 plan，跳過咗本會顯示三個更好選項嘅比較。佢哋俾 model 由過時嘅假設去定容 channel，從不檢查輸入。佢哋用佢最後寫論證，作為對一個已做決定嘅解釋，而同 planning 應有嘅運作方式相反。佢哋將佢嘅自信當成準確，而 model 對佢所錯嗰個選項同樣流暢。
個糾正係流程，唔係技術。總係要幾個 plan，唔係一個，並逼 model 喺每個隔籬陳述佢嘅假設。俾 planner 揀同辯護，令每個決定帶一個人類名字。令啲輸入保持可見，令 plan 入面任何數字都追溯得到來源。呢啲都唔稀奇；佢係 planning 一直需要嘅紀律，應用喺一個更快嘅工具上。仲有一個習慣有用：令舊方法並行跑一兩個週期，比較兩份 plan。當 AI 輔助版同手動版唔一致嗰陣，嗰個差別係你成個季度會學到最有用嘅嘢，因為佢指向 model 啱啱依托嗰個假設。如果嗰個假設係你唔會辯護嘅一個，你喺佢到達客戶之前搵到咗嗰個缺陷。
FAQ
AI 會取代 media planner 咩？
唔會——佢攞走拼裝，唔攞走判斷，而完整答案解釋實際改變咩，同時AI media planning 同 measurement design覆蓋點樣將個 plan 同佢嘅 measurement 一齊重新設計。
Model 俾 channel 準確定容得到咩？
佢由你俾嘅數據估算得到，而佢可能自信咁錯。將每個定容數字當成一個有來源嘅假設，唔係事實。Model 對探索假設有用，替代唔到你通常信賴嘅 vendor 同第三方數據。
一個團隊該由邊度開始？
由 planning 過程入面最重複、定義最好嗰個步驟開始，同當前方法並行跑以便比較。由最難嘅判斷開始，係結論「AI 對 planning 冇用」最快嘅路徑，而其實你將佢指向咗佢最唔擅長嘅唯一嗰件事。
AI planning 會改變個 plan 嘅結構咩？
唔太會。個 plan 仍然需要一個目標、一個 strategy、一個 channel mix、一個 budget 同一套論證。改變嘅係 planner 喺揀之前探索咗幾多個選項、以及探索得幾快。
短版
用 AI 做 media planning 壓縮 research、定容同 scenario 工作，令 planner 將更多時間花喺取捨、更少時間喺拼裝。用佢做可重複嘅步驟，將判斷留返俾人，令每個輸入追溯得到。Execution 指南覆蓋更寬嘅 workflow，面向 team lead 嘅 lane將 planning 貫穿 operating model 嚟做。
如果你今日用 AI 跑 planning，我好想聽下你先重建咗邊個步驟——以及邊個你永遠唔會掂。
Cheers, Chandler
本文提供繁體中文（香港）版本。課程材料（影片、模板和配套指南）以英文、日文、簡體中文和韓文提供。本網站提供 13 種語言版本。