·AI
咩係 AI 原生媒體營運？
AI 原生媒體營運，係廣告同 marketing 團隊喺 AI 承擔大部分執行時，點樣運轉整個 campaign 生命週期——research、planning、activation、reporting、measurement 嘅方式。呢篇會講清楚 佢同「我哋有用 AI 工具」有咩分別、生命週期每個階段點變，以及人仲要負責咩。
#operating-model
呢個標籤共 28 篇文章
·AI
AI 原生媒體營運：策略指南
AI 原生媒體營運嘅策略，多半係一個排序決定：先搞好 operating model 同由 research 到 measurement 嘅循環，先至去買更多工具。呢份指南梳理 strategy lane——「原生」係咩意思、 點解將 AI 疊喺舊 workflow 上面會失敗、research 同 planning 點變、以及 planner 會唔會生存—— 並指向每條問題更深入嗰篇。
·AI
AI 原生媒體營運：Agency-Model 指南
對 agency 嚟講，AI 嘅問題唔係要唔要採用啲工具，而係當每個競爭者都有咗呢啲工具之後你賣咩。 呢份指南梳理 agency-model lane——該保留、改變、停止賣咩，AI 原生行家喺價錢同人頭上點比、 點樣為工作定價、以及持久嘅護城河喺邊——並指向每條問題更深入嗰篇。
·AI
「AI 原生」對一個 marketing 團隊到底係咩意思（對比 AI 輔助）
AI 原生意思係 model 產出第一 pass、人 review 同決定；AI 輔助意思係人產出工作、偶爾伸手去 拎 model 加速其中一部分。同樣嘅工具，唔同嘅重心。下面係個區分、一張對比表，同一個簡短嘅 診斷，幫你判斷團隊實際屬於邊一種。
·AI
巡遊問題：點解將 AI 疊喺舊 workflow 上面會失敗
巡遊問題，係當你將 AI 外掛到一個從來冇重建過嘅 workflow 上面時發生嘅事：第一步快咗， 身後嘅樽頸照舊，收工時間一啲都冇早到。呢篇講佢點解會發生、大多數 AI pilot 之後仍然生存嘅 四個樽頸，以及點樣判斷你係喺幫架花車加速定係喺重新設計條路線。
·AI
AI 原生媒體團隊嘅 90 日 rollout
AI 原生媒體團隊嘅 90 日 rollout：第 1–30 日整好個 constraint、令一份 brief 變得 machine-readable，第 31–60 日端到端跑嗰個階段並建立 review standard，第 61–90 日 measure 同決定擴唔擴展。一個階段、一位 owner、擴展之前先有證據。
·AI
Agency design 決策框架（保留 / 改變 / 停止賣）
Agency design 決策框架將每一項服務歸入保留、改變或停止賣。個軸係價值坐喺邊——拼裝定判斷—— 以及 AI 對交付經濟學做咗咩。呢篇講點樣分類你所賣嘅嘢，以及佢對周圍嘅人同定價意味住咩。
·AI
AI 會取代 media planner 咩？
唔會——AI 唔取代 media planner。佢取代 planning 份工入面嘅拼裝，留低判斷。草擬 plan、 分配 channel budget、產出每週視圖而家大體可以自動化。決定邊個 constraint 重要——並據此 押上一條建議——就唔可以。呢個角色係集中，而非消失。
·AI
AI 原生 agency vs 傳統 agency
AI 原生 agency 同傳統 agency 唔係同一門生意配一份更大嘅工具 budget。個分別在於「默認」 坐喺邊、工作點樣配人、以及客戶實際喺買咩。傳統賣一個團隊同佢嘅工時；AI 原生賣一套 operating model 同判斷，由部機器做第一 pass。
·AI
AI 時代咩留喺內部、咩俾 agency
喺 AI 時代，內部 vs agency 嘅決定唔再主要係成本問題。保留啲會複利嘅層——brand 判斷、 first-party data、以及令 AI 隨時間變好嘅客戶 memory——將彈性 production 同專業執行交俾 agency。決定性嘅問題已經由價錢轉向複利。
·AI
一間 AI 原生 agency 需要幾多人？
同樣嘅產出，AI 原生 agency 需要嘅人比傳統 agency 少，而個數字由 review 能力、唔係 production 量決定。形態係一個細而 senior 嘅 pod，承載過去需要一個更大團隊嘅工作。更少、 更 senior、更 accountable，就係全部設計。
·AI
點樣為 AI agency 服務定價
俾判斷同結果定價，唔好俾工時定價。AI 打破咗時間同成本之間嘅連繫，所以按小時定價會因為 你變快而懲罰你。AI 原生嘅修法係：為你客戶實際喺買嘅嘢——個決定、個標準、個結果——定價， 將 production 當作你控制嘅一項輸入成本。
·AI
一間 AI 原生 agency 平過傳統 agency 咩？
一間 AI 原生 agency 按單位產出通常平啲，總花費上卻好少平啲。慳到嘅體現為彈性同速度—— 更多 variant、更多市場、更快嘅變化——先於體現為一張更細嘅單。而最平嗰份報價，往往正係 review standard 靜靜雞滑落咗嗰一份。
·AI
喺 AI 時代，一間 agency 應該停止賣咩？
停止賣被當成技能定價嘅拼裝——啲價反映佢過去所需人工、而非而家所交付價值嘅服務。 噉意味住手工 report 包、按量嘅零件生產項、作為獨立服務嘅送審同 QA、以及成量嘅通用內容。 難嘅部分唔係決定，而係退出時唔失去個客戶。
·AI
點樣開一間 AI 原生 agency
由一條你可以端到端跑嘅窄 wedge 開始開一間 AI 原生 agency，而唔係一份 full-service menu。 揀一種你可以砌個 context layer、喺單個客戶身上驗證個 operating model、並定低一個質素標準嘅 工作——然後才擴展。廣度係你賺返嚟嘅，唔係你開局就拿出來嘅。
·AI
點樣為 AI govern marketing 數據
為 AI govern marketing 數據，歸結為 model 睇到任何嘢之前你做出嘅四個決定：佢可以睇咩、 可以喺邊度跑、邊個擁有產出、以及你保留幾耐。先砌 memory layer、後 govern 嘅團隊， 最終會喺律師嘅監督下重建佢。
·AI
點樣 measure AI marketing impact
Measure 被改變嘅決定同 cycle time，唔好 measure 產出量。一旦 model 令產出變平，產出就係 一個虛榮 metric。真正重要嘅訊號係工作推進幾快、需要幾多 review、AI 輔助嘅版本幾常真係 更好、以及隨之而嚟咩業務結果。
·AI
邊啲 marketing task 應該自動化（workflow audit）
先自動化高量、低判斷、可回退嘅 task，將低量、高判斷、唔可回退嗰啲留返俾人。Workflow audit 按頻率、判斷同回退性俾每個 task 排序。大部分團隊自動化錯咗嘢，因為佢哋按工具睇落幾容易嚟揀， 而唔係按工作點樣表現。
·AI
AI campaign localization
AI campaign localization 將份工由翻譯移到 transcreation 同 QA。交付物係母語細節，唔係字數； model 係引擎，人擁有關個 brand 同市場。將 AI localization 當成翻譯 task 嘅團隊，會交付 流暢卻錯失咗要點嘅文案。
·AI
砌一個客戶 memory data moat
客戶 memory data moat，係一間 AI 原生店圍繞一個客戶砌起嘅 context layer——brief、結果、 決定、brand rules——令份工作複利、而唔係重新開始。競爭者複製得到你嘅工具；佢哋複製唔到 你累積嘅 context。嗰個係持久嘅優勢。
·AI
Prompt library vs operating model
一個 prompt library 話俾人知該打咩字。一個 operating model 話俾佢哋知該自動化咩、該留 返俾人咩、工作點樣喺兩者之間流動、以及邊個為產出負責。只有其中一樣會複利。大部分以為 自己有 AI 策略嘅團隊，其實有一個 prompt library。
·AI
2026年AI原生營銷團隊到底需要啲咩角色
大部分關於AI同團隊設計嘅對話，一開始就講人頭。我覺得呢個起步點係錯嘅。更好嘅問題係你個團隊需要邊啲職能——而呢啲職能，無論你有四個人定四十個人，其實都係一樣嘅。
·AI
面向 agency 嘅 AI marketing stack
一間 agency 嘅 AI stack 唔係一張工具清單。佢係五層——客戶 memory、orchestration、 production、review 同 measurement——圍繞 agency 已經點工作嚟裝配。買會商品化嘅層， 砌嗰個承載你客戶知識嘅層，永遠唔好俾個 stack 生得比 operating model 還大。
·AI
Marketing AI 政策同 governance
一份 marketing AI 政策講出 AI 可以掂咩、邊個 review 佢、以及佢可以睇咩數據。Governance 係你點樣令嗰啲規則成真。冇執行嘅政策係一份冇人跟嘅文件；冇政策嘅 governance 係有執行 卻冇嘢可執行。
·AI
點樣喺 marketing 組織入面 pilot AI
一次 pilot，係對一條 workflow、帶一位點名嘅 owner、一條 baseline、以及一條喺開始前就 商定嘅決策規則，做一次有期限嘅測試。產出係一個決定——擴展、改變或停止——唔係一次 demo。 Pilot 喺你將佢建嚟俾人睇、而唔係用嚟決定嗰陣會失敗。
·AI
Agency new business 入面嘅 AI
Agency new business 入面嘅 AI，壓縮 pitch 入面緩慢、重複嘅部分：prospect research、 回應初稿、資歷客製化、proposal 拼裝。個關係同個 idea 留返俾人。用 model 移除雜活， 永遠唔好用佢偽造實質。
·AI
Marketing 入面嘅 AI centre of excellence
Marketing 入面嘅 AI centre of excellence，係一個細團隊，擁有關標準、共用 tooling 同能力， 而 marketing 其餘部分用佢哋。佢嘅工作係賦能，唔係把關。通常值得砌嘅 model 係 hub-and-spoke，唔係一個審批一切嘅中央團隊。
·AI
點樣評估 AI marketing 工具
按工具改變嘅 workflow、以及佢留存得幾好嘅判斷嚟評估 AI marketing 工具，唔按 demo 嚟評。 個測試係：每單位 senior 時間嘅輸出係咪改進、而質素守得住。一個感覺快、卻靜靜雞削弱團隊 判斷嘅工具，無論 demo 幾好，都係一筆壞採購。