·AI
什么是 AI 原生媒体运营？
AI 原生媒体运营，是广告与营销团队在 AI 承担大部分执行时运转整个营销活动生命周期 的方式——调研、策划、投放、报告、衡量。本文说明它与「我们用了 AI 工具」有什么区别、 生命周期的每个阶段如何变化，以及人仍然负责什么。
#operating-model
此标签共 28 篇文章
·AI
AI 原生媒体运营：战略指南
AI 原生媒体运营的战略，多半是一个排序决定：先把运营模式和从调研到衡量的闭环修好， 再去买更多工具。本指南梳理战略车道——「原生」意味着什么、为什么把 AI 叠在旧工作流上 会失败、调研与策划如何改变、以及策划者是否幸存——并指向每个问题更深入的那一篇。
·AI
AI 原生媒体运营：代理机构模式指南
对代理机构而言，AI 的问题不是要不要采用工具，而是当每个竞争者都有了这些工具后你卖什么。 本指南梳理代理机构模式车道——该保留、改变、停止售卖什么，AI 原生机构在价格与人头上如何 比较、如何为工作定价、以及持久的护城河在哪里——并指向每个问题更深入的那一篇。
·AI
「AI 原生」对营销团队到底意味着什么（对比 AI 辅助）
AI 原生意味着模型产出第一遍、人审阅并决定；AI 辅助意味着人产出工作、偶尔伸手去拿模型加速其中一部分。 同样的工具，不同的重心。本文给出这个区分、一张对比表，以及一个简短的诊断，帮你判断团队实际属于哪一种。
·AI
游行问题：为什么把 AI 叠在旧工作流上会失败
游行问题，是当你把 AI 外挂到一个从未重构过的工作流上时发生的事：第一步变快了， 身后的瓶颈照旧，收工时间一点没提前。本文讲它为什么会发生、大多数 AI 试点后仍存活的 四个瓶颈，以及如何判断你是在给花车提速还是在重新设计路线。
·AI
AI 原生媒体团队的 90 天推广
AI 原生媒体团队的 90 天推广：第 1–30 天修好约束、让一份简报机器可读，第 31–60 天 端到端跑那个阶段并建立审阅标准，第 61–90 天衡量并决定是否扩展。一个阶段、一位负责人、 扩展之前先有证据。
·AI
代理机构设计决策框架（保留 / 改变 / 停止售卖）
代理机构设计决策框架把每一项服务归入保留、改变或停止售卖。轴线是价值坐在哪里——拼装还是判断—— 以及 AI 对交付经济学做了什么。本文讲如何分类你所卖的东西，以及它对周围的人与定价意味着什么。
·AI
AI 会取代媒体策划者吗？
不——AI 不取代媒体策划者。它取代策划工作里的拼装，留下判断。起草方案、分配渠道预算、 产出每周视图如今大体可自动化。决定哪个约束重要——并据此押上一条建议——则不然。这个角色 是集中，而非消失。
·AI
AI 原生机构 vs 传统机构
AI 原生机构和传统机构不是同一个生意配一份更大的工具预算。区别在于「默认」坐在哪里、 工作如何配备人手、以及客户实际在买什么。传统机构卖一个团队和它的工时；AI 原生机构卖一套 运营模式和判断，由机器做第一遍。
·AI
AI 时代什么留在内部、什么给代理机构
在 AI 时代，内部 vs 代理机构的决定不再主要是成本问题。保留那些会复利的层——品牌判断、 第一方数据、以及让 AI 随时间变好的客户记忆——把弹性生产和专业执行交给代理机构。决定性的 问题已从价格转向复利。
·AI
一家 AI 原生机构需要多少人？
同样的产出，AI 原生机构需要的人比传统机构少，而这个数字由审阅能力、而非生产量决定。 形态是一个小而资深的小组，承载过去需要一个更大团队的活。更少、更资深、更负责，就是全部设计。
·AI
如何为 AI 代理机构服务定价
给判断和结果定价，不要给工时定价。AI 打破了时间与成本之间的联系，所以按小时定价会因为 你变快而惩罚你。AI 原生的修法是：为你客户实际在买的东西——决定、标准、结果——定价， 把生产当作你控制的一项输入成本。
·AI
一家 AI 原生机构比传统机构更便宜吗？
一家 AI 原生机构按单位产出常常更便宜，总花费上却很少更便宜。省下的体现为弹性和速度—— 更多变体、更多市场、更快的变化——先于体现为一张更小的账单。而最便宜的那份报价，往往 正是审阅标准悄悄滑落的那一份。
·AI
在 AI 时代，一家机构该停止卖什么？
停止卖被当作技能定价的拼装——价格反映它过去所需人工、而非如今所交付价值的服务。 这意味着手工报告包、按量的零件生产项、作为独立服务的送审与 QA、以及成量的通用内容。 难的部分不是决定，而是退出时不失去客户。
·AI
如何创办一家 AI 原生机构
从你能端到端跑的一条窄楔子创办 AI 原生机构，而不是一份全服务菜单。挑一种你能搭建上下文层、 在单个客户身上验证运营模式、并定下质量标准的工作——然后再扩展。广度是你挣来的，不是你开局 就拿出来的。
·AI
如何为 AI 治理营销数据
为 AI 治理营销数据，归结为模型看到任何东西之前你做出的四个决定：它可以看什么、可以在哪里 运行、谁拥有产出、以及你保留多久。先搭记忆层、后治理的团队，最终会在律师的监督下重建它。
·AI
如何衡量 AI 营销影响
衡量被改变的决定和周期时间，不要衡量产出量。一旦模型让产出变便宜，产出就是虚荣指标。 真正重要的信号是工作推进多快、需要多少审阅、AI 辅助的版本多常真的更好、以及随之而来 什么业务结果。
·AI
哪些营销任务该自动化（工作流审计）
先自动化高量、低判断、可回退的任务，把低量、高判断、不可回退的留给人。工作流审计按频率、 判断和回退性给每项任务排序。大多数团队自动化错了东西，因为它们按工具看起来多容易来挑， 而不是按工作如何表现。
·AI
AI 营销活动本地化
AI 营销活动本地化把工作从翻译移到创译与 QA。交付物是母语细节，不是字数；模型是引擎， 人拥有品牌和市场。把 AI 本地化当成翻译任务的团队，会交付流畅却错失要点的文案。
·AI
搭建客户记忆数据护城河
客户记忆数据护城河，是一家 AI 原生店围绕一个客户搭起的上下文层——简报、结果、决定、品牌 规则——让工作复利、而不是重新开始。竞争者能复制你的工具；他们复制不了你累积的上下文。 那是持久的优势。
·AI
提示词库 vs 运营模式
提示词库告诉人们该敲什么。运营模式告诉他们该自动化什么、该把什么留给人、工作如何在两者 之间流动、以及谁为产出负责。只有其中一样会复利。大多数以为自己有 AI 战略的团队，其实 有一个提示词库。
·AI
2026年，AI原生营销团队到底需要哪些角色
关于AI和团队设计的讨论，大多从人数开始。我认为这个起点是错的。更好的问题是团队需要哪些"职能"——而这个答案，不管你有四个人还是四十个人，都是一样的。
·AI
面向代理机构的 AI 营销技术栈
一家机构的技术栈不是一张工具清单。它是五层——客户记忆、编排、生产、审阅和衡量——围绕 机构已经如何工作来装配。买会商品化的层，建那个承载你客户知识的层，永远别让技术栈长得比 运营模式还大。
·AI
营销 AI 政策与治理
一份营销 AI 政策说出 AI 可以碰什么、谁审阅它、以及它能看什么数据。治理是你如何让那些规则 成真。没有执行的政策是一份没人遵循的文件；没有政策的治理是有执行却没东西可执行。
·AI
如何在营销组织里试点 AI
一次试点，是对一条工作流、带一位点名的负责人、一条基线、以及一条在开始前就商定的决策规则， 做一次有期限的测试。产出是一个决定——扩展、改变或停止——不是一次演示。试点在你把它建来 给人看、而不是用来决定时会失败。
·AI
代理机构新业务中的 AI
代理机构新业务中的 AI，压缩提案里缓慢、重复的部分：潜在客户调研、响应初稿、资质客制化、 方案拼装。关系与想法留给人。用模型移除杂活，永远不要用它伪造实质。
·AI
营销里的 AI 卓越中心
营销里的 AI 卓越中心，是一个小团队，拥有标准、共享工具和能力，而营销其余部分使用它们。 它的工作是赋能，不是把关。通常值得建的模式是 hub-and-spoke，不是一个审批一切的中心团队。
·AI
如何评估 AI 营销工具
按工具改变的工作流、以及它留存完好 的判断来评估 AI 营销工具，不按演示评估。测试是： 每单位资深时间的输出是否改进、而质量守住。一个感觉快、却悄悄削弱团队判断的工具， 无论演示多好，都是一笔坏采购。