Relay的40個AI agents案例揭示了營銷工作流被系統(tǒng)化拆解的全新范式，而OpenClaw與autoresearch的組合則實現(xiàn)了7x24小時的智能測試與優(yōu)化循環(huán)。本文將深度解析AI如何攻克營銷中最棘手的持續(xù)測試、動態(tài)調(diào)整與效果追蹤難題，揭示營銷自動化進入2.0時代的底層邏輯。

———— / BEGIN / ————

過去一年，AI 做營銷最常見的用法，還是寫文案、出海報、改標題、做幾個短視頻腳本。大家也都看膩了。

現(xiàn)在，真正的變化開始了。

AI 開始往營銷里最難、最費人、但又最影響結果的地方發(fā)起來進攻，那就是：

盯數(shù)據(jù)、跑測試、做篩選、調(diào)結果。

先別看 40 個 agent，先看它到底接走了什么活

前段時間，Relay 創(chuàng)始人 Jacob Bank 講了一個很典型的案例：他把一整套營銷工作拆給了 40 個 AI agents 來跑。

表面上看，最吸引眼球的是“40 個 agent”這個數(shù)字，但真正值得看的，不是數(shù)量，而是這些 agent 接走的到底是什么活。

不是那種聽起來很高級、但落不到日常工作的“動腦子工作”，而是一堆原來每天都在發(fā)生、很碎、很雜、但又不能沒人做的動作。

比如新視頻發(fā)出去之后，自動改寫成 LinkedIn 帖子和 X 的內(nèi)容；

比如持續(xù)盯競對創(chuàng)始人的社交平臺動態(tài)；

比如每周掃一遍競品定價有沒有變化等等。

可以看到，這個案例里，不是 AI 開始替代整個營銷團隊了，而是營銷團隊里原來揉在一起的一團工作，開始被拆開了。

以前一個市場同學，可能同時要寫、要發(fā)、要看、要跟、要復盤。

現(xiàn)在，這些動作第一次可以被一條條單獨拎出來，交給不同的 agent 去接。

AI 接走的，不只是“寫”，還有“復盤”和“跟進”

再舉一個銷售培訓或者說銷售復盤這個場景。

Jacob Bank 提到，他們會把銷售和客戶的會議轉錄交給 AI，讓系統(tǒng)去看：

銷售在哪里太早開始 demo？哪里問題沒問透？哪里價值沒講清楚？

這個動作以前不是不重要，而是太難高頻做。

真人銷售教練貴，而且頻率低；而 AI 的價值就在于，它能把這種原來高成本、低頻率的復盤，變成一個可以低成本、反復跑的日常動作。

這背后其實是同一個變化：現(xiàn)在的 AI 不只是把東西做出來，而是繼續(xù)向前，往更影響結果的地方繼續(xù)推進：

• 一封郵件發(fā)完以后，值不值得再改一句？

• 一場會開完以后，哪些地方其實應該重講？

• 一個銷售動作結束以后，哪些環(huán)節(jié)該被復盤？

這些原來因為麻煩、不好做而被跳過的事，現(xiàn)在開始有人，不對，開始有系統(tǒng)盯了。

更厲害的地方，不是自動執(zhí)行，而是開始自動測試

如果說 Relay 這一類案例，更多還是把營銷動作拆開、自動執(zhí)行，那現(xiàn)在更值得關注的一步，是 AI 開始把“測試”這件事也接過去了。

這才是這波 AI agent 真正變重的地方。

因為營銷里真正難的，往往不是“做一個版本”，而是“連續(xù)試很多版本”：

• 推送要不要分人群測？

• 廣告素材要不要先小流量試三輪？

• 落地頁首屏標題要不要換？

• 投放策略是不是該根據(jù)早期反饋繼續(xù)調(diào)？

這些事情，大家都知道重要。問題從來不是“不懂”，而是沒時間、沒人手、也沒有足夠低的成本，去把它們持續(xù)做下去。

現(xiàn)在 AI agent 在做的，就是這些活。

OpenClaw 補上的，是“持續(xù)在線”這一層

先看一個 X 上的帖子：

OpenClaw 這條線有意思的地方，不在于它是不是一個專門做 marketing 的工具，而在于它更像一個一直掛著的執(zhí)行殼。

它可以接入 WhatsApp、Telegram、Slack、Discord、Teams、飛書、微信這些入口。

也就是說，很多原來散落在不同地方的任務、消息、反饋和觸發(fā)條件，現(xiàn)在第一次可以被接到同一個長期運行的系統(tǒng)里。

這個變化很重要。

因為營銷工作本來就不是在一個后臺里完成的。

線索在群里，反饋在郵件里，討論在協(xié)作工具里，競品動態(tài)在社交平臺上，實驗結果又可能在表格和腳本里。

如果 agent 只能“一次打開、一次運行、一次結束”，它就很難接住這些跨入口、跨時段、跨環(huán)節(jié)的動作。

OpenClaw 的意義，就是讓 agent 不再只是一個“你臨時調(diào)用一下的工具”，而開始像一個常駐系統(tǒng)一樣工作。

autoresearch 補上的，是“自動測試”這一層

在 OpenClaw 之外，autoresearch 這條線更值得看的，是它把“測試”本身也變成了一條可運行的流程。

之前有篇分享Karpathy 訪談文章，里面 Karpathy 講 autoresearch 時，說得很直接：

讓 AI 自己改代碼、跑訓練、檢查結果、決定保留還是丟棄，再繼續(xù)下一輪。

openclaw-autoresearch 就是這樣的邏輯：改代碼，跑 benchmark，看結果，決定繼續(xù)還是放棄，整套循環(huán)會一直自動跑下去。

你把這套邏輯翻譯成 marketing 語言，就特別好懂了：

• 不是幫你寫一版文案，而是寫完以后繼續(xù)看數(shù)據(jù)；

• 不是給你做一張圖，而是先拿去小流量測試；

• 不是只做一次投放，而是根據(jù)反饋決定要繼續(xù)放大、換素材，還是干脆換方向。

這就是它真正厲害的地方：

不是幫你干一件事，而是替你跑一輪又一輪的測試和試錯，然后給出“最優(yōu)解”。

這波 AI 真正改寫的，是營銷的優(yōu)化方式

所以，這篇文章真正要寫的，不是“AI 很能干”，也不是“40 個 agent 很震撼”。

是營銷這件事，開始多出了一層。

以前很多優(yōu)化動作，不是沒人想到，而是做不過來：

• 一個落地頁，理論上應該不斷測標題、測首圖、測按鈕；

• 一組廣告，理論上應該先小流量測試，再篩選放大；

• 一次推送，理論上應該拆人群、拆時段、拆內(nèi)容。

但現(xiàn)實里，大多數(shù)團隊能做一輪就不錯了，更多時候只能憑經(jīng)驗拍一個版本上線。

現(xiàn)在，AI agent 做的就是這些原來最難長期堅持、但又最影響結果的動作。

所以：

Relay 這類案例，讓人看到營銷這個工作本身可以怎么用 agent 拆和執(zhí)行；

OpenClaw + autoresearch，則把這件事再往前推了一步：持續(xù)執(zhí)行、持續(xù)測試、持續(xù)篩選、持續(xù)調(diào)優(yōu)。

說到底，marketing 這件事，正在從人工執(zhí)行慢慢變成一套24小時再跑的系統(tǒng)。

本文來自公眾號：Fun AI Everyday 作者：張艾拉

想要第一時間了解行業(yè)動態(tài)、面試技巧、商業(yè)知識等等等？加入產(chǎn)品經(jīng)理進化營，跟優(yōu)秀的產(chǎn)品人一起交流成長！