After Prompt 码后炮

Podcast · 商业

After Prompt 码后炮

主播 未知 出品 ShaunQin秦朝, 克莱尔Claire, 高迪, 克雷Craig 商业 · 商务 530 订阅 7 集 5个月前更新

在小宇宙收听
E07 AI就是手:4A广告人的硅基改造

E07 AI就是手:4A广告人的硅基改造

After Prompt 码后炮

-本期简介- 大家好,欢迎收听和关注播客《Afterprompt 码后炮》,这是我们的第七期节目《AI就是手:4A广告人的硅基改造》。本期我们请到了来自电通的非典型4A人Tyler——产品经理出身,逆向进入广告圈,专门负责重构工作流程。从用AI办了一场"含量极高"的婚礼开始,四人深聊了AI如何从工具变成"手":报表自动化、达人审稿系统、选股策略、诉状写作、伟人智慧蒸馏……以及一个让人警醒的问题:AI让所有人都变轻松了,那竞争去哪了? -人物介绍- | Tyler(嘉宾)| 非典型4A人 | 腾讯/滴滴产品经理出身,现供职4A,专注工作流重构与AI工程化、商业化落地 | | Claire | 品牌和市场策略 | 品牌叙事、组织变革、全球化视野(WPP和甲方市场部leader) | | Gaudi | 营销实操派 | 科研支撑、执行链路优化、营销管理和运营 | | 大脑呆 | 商业化与变现 | 流量变现、商业投资逻辑、广告逻辑 | -时间轴- 00:04 ‒ 11:27 AI就是手:Tyler的婚礼AI改造记 * Tyler的开场金句:当时没有AI,这些东西我根本不可能完成——AI对我来说就是手 * 婚礼全套AI工程: * 邀请函:买独立域名,用Gemini搭建完整婚礼网站(PC+手机+微信+安卓+苹果适配),接了RSVP数据库,后台自动匹配纪念品,熬了一周凌晨四点睡觉 * 介绍视频:国风二次元插画风格,真实照片转插画,首尾帧处理,AI音乐+音效+克隆声音旁白,婚礼主持人评价"至少值20万" * 婚礼歌曲:用Suno把陶喆《I Love You》改编成日系摇滚版,到最后电吉他一上全场举杯 * 婚礼流程与主持词:与父亲一起用AI串联全程 * 为什么这件事感人:不是节省钱,而是AI让"一生一次、完全按自己想法来"成为可能;传统时代只能妥协或高价外包 * 用AI用得好的三个核心:了解AI能力边界、持续深挖使用场景、有产品化意识能把能力复用出去 11:27 ‒ 19:14 从大厂到4A:割裂感与重构工作流的使命 * 大厂(腾讯/滴滴)vs 4A的割裂感:大厂有完整的螺丝钉支撑体系,4A全流程手搓,从对接客户到数据分析一人扛 * Tyler被引入电通的定位:不只做常规工作,而是帮整组重构工作流、降本增效、寻找第二增长曲线 * 4A的FTE困境:客户给两到三倍工作量,周报/月报复杂程度不断上升,半个组做两到三天都做不完 * 数据处理的噩梦:10个平台数据汇总、清洗、匹配、定义,每次QC两到三小时,手工错误百出,Claire的5版数据看板连夜发出的故事 * 自动化的结果:原本两到三天的数据处理工作,现在两到三分钟完成;关键是用Cursor等工具自己写代码,不依赖外包团队 * 核心判断:之前不是没有需求,是"有需求的人没有能力,有能力的人没有动机"——AI让这个错位消失了 19:14 ‒ 34:10 工程化的边界:达人审稿系统与伟人智慧蒸馏 * 达人审稿系统(1.0→迭代中): * 背景:300-500个达人,每篇稿件多轮审核(自己审+客户审),B站长稿10万字完全无法人工审 * 解决方案:用AI做一套适配工作习惯的审稿工具,审前审后完整对照标记,一键适配小红书/抖音/B站 * 客户的反应:主动让客户知道,因为客户也很累——催达人头疼、不断走流程崩溃;有了这个系统客户审核频次大降,MQL明显提升 * 最终目标:重构达人、agency、客户三方工作流,同时开发B端+C端双路商业模式 * 关键洞见:产品要躬身入局,Tyler自己进入审核大军跑完全流程,才设计出真正贴合使用习惯的方案 * 伟人智慧蒸馏产品(开发中): * 痛点:直接问AI借鉴伟人,只会得到"你要学习秦始皇车同轨书同文"这类无营养片汤话 * 解法:让AI设计一套算法,把历史伟人的思想抽象提炼、融会贯通后,再带入你的实际问题给出方向 * 已放入:秦始皇、诸葛亮、马斯克、川普等多个领域伟人 * 原理类比:像真正读书读进去后融会贯通,而不是拿案例机械套用 * 核心使用技巧:给AI足够多的个人背景、前因后果、完整利害关系,AI才能给出真正符合场景的建议 34:10 ‒ 42:52 四人分享独门AI用法 * Tyler:伟人智慧蒸馏产品(见上);强调AI是"执行的手",所有思考逻辑都经过自己 * 大脑呆:用AI做选股策略回测系统,Notion数据库+小米模型API跑历史数据,每天70多块token费;核心判断:策略是人写的,AI只是执行dirty work,否则市场早就均衡了;额外:用AI写诉状+整理证据,法院一稿受理 * Claire:用DeepSeek测了自己20瓶香水与八字的匹配度,删掉30%-50%不合的,现在每天出门前让AI根据八字+香水库存+场景推荐今天喷什么;延伸:发现有小红书账号在做五行八卦穿搭推荐,验证了这个需求真实存在 * Gaudi:受众先于内容的EDM策略——先让AI根据心脏学、癌症、神经科学等不同科室,建立各人群的认知地图和行业黑话体系,再生成4批定制EDM;结果:45天无媒介投放,EDM打开率接近50%,拉回13个MQL;补充:用Claude对2万多条临床医学注册数据做跨学科分类 42:52 ‒ 47:31 好物推荐:四人各推一款工具 * 大脑呆推荐:小米模型API——便宜、快、废话极少,专为智能设备简单指令设计,日常业务需求完全够用,是"贵且慢"之外的另一条路 * Tyler推荐:Suno——做音乐的AI工具,V5.5版本支持导出分轨(人声/吉他/小提琴各自独立),可调BPM、速率,可对某段重构;把周杰伦新专辑全部改编了一遍,现在只听AI重制版老歌 * Gaudi推荐:Claude数据分类能力——2万多条临床医学注册数据跨学科分类,连详细的每页注释都生成,超过传统媒介工具Tolmar的表现 * 延伸讨论:模型两极分化——贵且慢(深度思考)vs 便宜且快(实时反馈),小米走后者路线,押注未来物理AI/机器人赛道 47:31 ‒ 60:00 被AI改变了吗?以及那个关于竞争的核心问题 * Claire的赛博格(Cyborg)理论:人从来不是纯粹的碳基生物,本就是被工具塑造的存在;每天8小时用AI,早已被重塑 * 四人的自我评估: * Tyler:AI是"执行的手",所有判断和选择还是自己来,不把AI当脑 * Gaudi:AI让自己从"没主意的人"变成选项更丰富的人,但最终决定权在自己;因为高压使用AI一度瘦了好几斤 * 大脑呆:完全不跟AI聊天(觉得没意思),只把它当工具;但焦虑地发现Claire已经离不开AI了 * Claire:每天session limit用到极限,早中晚三次触发Claude;坦承自己用解决问题的思维去面对生活,但生活其实不是这样的——很多情绪不需要被解决 * 大脑呆的核心暴论:AI不会让人变轻松,你用AI我也用AI,竞争还是在的;AI只是提高了整体生产力基准线,个体相对差距未必缩小;类比:就像4G让所有人都能拍视频,但视频博主的竞争反而更激烈了 * Tyler的回应:AI不只是提效工具,它创造了新的商业模式和机会;关键是不只当提效工具用,而是去找它能开创的新赛道 * Claire的感慨:效果营销卷成红海,大家又开始说"还得做品牌"——大半个世纪前那句"我知道广告预算有一半在浪费,但不知道是哪一半"依然有效,守住自己的判断比追风向更重要 * 降临派 vs 拯救派最终表态: * Tyler:对个人是拯救派,对时代是降临派——时代巨轮不可阻挡,只能不断武装自己不被淘汰 * Gaudi:随便,爱怎着怎着,需要手搓就手搓 * Claire:偏降临派,别瘆着了赶紧来吧,现在感觉是"垃圾时间" * 大脑呆:其实没得选,说不定咱们都已经是NPC,生活在虚拟世界里(马斯克模拟论) -节目中提到的工具 & 资源- AI生产工具 * Suno — AI音乐生成与改编工具,V5.5版本支持多轨分离导出,可调BPM和速率,可对片段重构;Tyler用于婚礼歌曲改编及日常听歌 * Gemini — 用于婚礼邀请网站前端搭建,Tyler评价前端设计能力出色 * GPT Image 2 — Tyler婚礼期间尚未发布,使用了Midjourney(Nano Banana)做国风插画 * Cursor / Trae — Tyler用于工程化代码开发,实现数据处理自动化 * Claude — 数据分类、长文本处理、项目内工作流管理 * DeepSeek — Claire的八字香水测算;Gaudi提及API层面 模型与API * 小米模型 API — 大脑呆重点推荐:便宜、快、废话极少,面向智能设备简单指令设计,日常业务完全够用;用于选股策略历史回测 * Claude API — Gaudi用于2万条临床医学数据分类 工作流与自动化 * Notion — 大脑呆构建选股数据库(历史回测+每日股价测试+投资机会筛选) * 扣子(Coze)— 大脑呆早期搭工作流时使用,Tyler见到后被启发进入AI领域 * 飞书文件 — 大脑呆诉状案例中用于整理证据图片 内容平台 * 豆包 — 情感陪伴路线,会主动询问官司进展,Tyler和大脑呆均有提及 * 小红书 — 五行八卦穿搭推荐账号验证了香水+八字需求的市场存在 -概念速查- AI就是手 — Tyler的核心比喻:AI不是脑,是执行的手。所有的思考、判断、选择都经过人来完成,AI负责把这些想法落地执行,包括写代码、生成图片、改编音乐、处理数据。AI让"我想做但做不了"变成"我能做" 工作流工程化 — 超越chatbox对话,把AI能力嵌入到代码和自动化流程里。Tyler的区分:普通人用AI是"聊天+扔报表";工程化是把AI接入系统,自动跑数据处理、自动审稿、自动适配多平台。需要产品经理思维:做一次,全组复用 FTE困境 — 广告代理公司按人效(Full Time Equivalent)计费,但头部客户惯常给出两到三倍工作量,导致dirty work堆积、周报月报做不完。Tyler用AI+自动化把两到三天的数据处理压缩到两到三分钟,是对这一结构性困境的技术解答 有需求的人没有能力,有能力的人没有动机 — Claire提出的错位描述,解释了为什么过去很多人知道自动化的好处却迟迟没做:需要自动化的人不会写代码,会写代码的人往往不在这个岗位上。AI的出现消解了这个错位 伟人智慧蒸馏 — Tyler开发中的产品。区别于"让AI引用伟人案例"的机械套用,这个工具设计了一套算法,让AI把历史伟人的思想抽象提炼、融会贯通后,再映射到用户的具体问题,给出跨越当前认知层级的新方向 受众先于内容 — Gaudi的营销方法论:在写任何内容之前,先让AI建立目标受众的认知地图(行业黑话体系、沟通习惯、禁忌术语),再据此生成内容。结果是EDM打开率接近50%,而不是用通用话术群发 产品化意识 — 大脑呆总结Tyler与其他人用AI的核心区别:不只是自己用,而是把能力做成可复用的产品让全组用;不是在家做一个小HTML,而是部署给团队,实现"做一次收多次效益"的商业模式 模型两极分化 — Tyler和大脑呆的共同观察:当前AI模型正在形成两极——贵且慢(以深度思考为特点,如Claude/GPT)vs 便宜且快(简单指令快速响应,如小米模型)。后者押注未来物理AI(智能驾驶、机器人)的实时反馈需求,是完全不同的技术路线 AI不会让人变轻松 — 大脑呆的核心判断:你用AI,竞争对手也用AI,竞争基准线整体上移,但相对差距不一定缩小。就像4G让人人都能拍视频,视频博主的竞争却更激烈了。AI的价值不在于让你比以前轻松,而在于它可能创造新的赛道 Cyborg(赛博格)理论 — Claire引入的社会学/生物学框架:人从来不是纯粹的碳基生物,本就是被工具塑造的存在。我们认为自己与世界分离,其实不是——我们一半是工具的延伸。每天8小时与AI互动,我们已经在被它重塑 降临派 vs 拯救派 — 本期最终表态。降临派:AI时代已经到来,无可阻挡,只能适者生存。拯救派:在这个时代里找到自己的位置,保护自己不被淘汰。Tyler的融合观点:对时代是降临派(无法阻挡),对个人是拯救派(不断武装自己) 「本期节目由声湃提供录音场地」,感谢大力支持。 欢迎各位扫码加入我们的飞书社群(社群中将分享Tyler的达人审稿系统案例和伟人智慧蒸馏产品最新进展)

60 分钟 1k+ 次播放 5个月前

E06 GEO不只是发稿:AI时代,如何拿回品牌的“解释权”?

E06 GEO不只是发稿:AI时代,如何拿回品牌的“解释权”?

After Prompt 码后炮

-本期简介- 大家好,欢迎收听和关注播客《Afterprompt 码后炮》,这是我们的第六期节目《GEO不只是发稿:AI时代,如何拿回品牌的“解释权”?》。本期我们邀请了专注于AI时代数据治理与品牌信源建设的嘉宾毛老师,从GEO(生成式搜索优化)的本质出发,深入探讨了它与SEO的根本区别、品牌在AI眼中的真实处境,以及从官网改造到知识图谱的落地路径。这一期的核心观点是:GEO不是发稿,是长期的基础设施建设——你要做的不是让AI搜到你,而是让AI正确地、持续地信任你。 -人物介绍- | Claire | 品牌和市场策略 | 品牌叙事、组织变革、全球化视野(WPP和甲方市场部leader) | | 毛老师(嘉宾)| GEO与AI数据治理专家 | 扶摇万相创始人,专注大健康垂类,从事AI时代品牌信源建设与数据治理,一个热衷于将一切有价值的信源都数据化、结构化的人 | | Gaudi | 营销实操派 | 科研支撑、执行链路优化、营销管理和运营 | | 大脑呆 | 商业化与变现 | 流量变现、商业投资逻辑、广告逻辑 | 如有问题,欢迎加毛老师微信详聊:AnswerZ000 -时间轴- 00:02 ‒ 05:52 GEO是什么?从"货架"到"导购"的逻辑转变 • 核心定位:不把它叫GEO,而是"AI时代的数据治理和品牌信源建设"——长期建设,而非短期买量 • SEO vs GEO 的本质区别: ◦ SEO:无限长的货架,关键词匹配,用户自己决策,竞价排名是线性博弈 ◦ GEO:AI是导购,推荐你就有,不推荐就没有——零和游戏,赢者通吃 • AI在信息决策链中前置了一步:用户不再直接面对信息,AI先做了情感筛选和内容判断 • 当前数据:AI搜索用户已达5.15亿,占中国网民约一半(2025年底数据);使用AI做决策的人普遍高知、高消费能力 • AI已成为消费者获取产品信息的第二大来源,70%用户接受AI推荐 05:52 ‒ 09:36 向量空间:AI如何理解你的品牌 • SEO是关键词堆砌,GEO是语义理解——在向量空间里调整你的品牌与关键概念的"距离" • 向量空间类比:把AI的认知世界想象成宇宙,品牌需要靠近"好喝""健康""零糖"这类主星球,远离"长胖""三高" • GEO的目标:调整品牌词与消费场景词之间的语义关联,让AI更倾向在相关场景中推荐你 • AI是"理科大直男":全逻辑、无情感,建立关系需要证据链,而非情感叙事 • 用户旅程是连续下探的:从模糊需求("头疼怎么办")到具体产品("什么牌子的红糖"),GEO要在每个节点布局 09:36 ‒ 16:32 对比框架:重新定义品牌的竞争坐标 • GEO让营销覆盖完整漏斗:从认知到转化,而不像SEO只在底端比价购买 • 毛老师的"卖鱼竿时卖出一辆车"理论:品牌的竞争对手不只是同类产品,还有整个用户决策路径的前置环节 • 对比框架的核心逻辑:通过定义"什么才算好",重新划定竞争边界 ◦ 案例:新减肥药 vs 老减肥药——与其比减肥速度,不如重新定义"减肥效果好=安全合理地瘦下来",将安全性、副作用、器官保护等维度建立为新的评价框架 ◦ 案例:减肥药物 vs 代餐——先用框架过滤掉不相关竞争对手,再在真正的竞争圈内建立优势 • 医疗行业的特殊挑战:AI天然偏保守,倾向推荐使用经验多的老药;新药需通过框架切割"使用经验多≠效果好"的等式 • 横向布局:在用户旅程的每个节点,设计对消费者的说法、对竞品的比较、对行业的定义 16:32 ‒ 22:34 基础设施建设:从搜自己开始,到官网改造 • 第一步:搜一搜自己,找准问题——AI眼中的品牌现状只有四种: ◦ 完全没有(全网无声音)——反而是最好办的,解释权还在自己手里 ◦ 有但不对(AI认为你是上一代产品,而你自认是科技领先) ◦ 有但AI不喜欢(与负面词关联多,被标注"使用经验不多""效果存疑") ◦ 有但更喜欢你的竞争对手(你是备选,对手是首推) • 解释权旁落是品牌最危险的状态:AI的信源来自竞品、第三方测评,你无法自我定义 • 官网是权重最高的自控信源:AI认知品牌先看官网,其权重与政府网站相当 • 当前官网的三大AI不友好问题: ◦ 大量前端渲染、动画、大图PDF——AI懒得等,直接去别处抓信息 ◦ 标题缺失或结构化差——AI看完一页不知道这页讲什么 ◦ 专为人的视觉展示而设计,不为AI的语义理解而设计 • AI不信孤证,需要证据链:官网 + 第三方数据库 + 稿件三方信息一致,AI才会大幅提升你的权重 22:34 ‒ 33:39 实体一致性与知识图谱:AI看不懂的"同一个你" • 主体一致性问题:同一品牌在官网、发稿、数据库用不同简称/全称,AI无法将它们识别为同一实体 ◦ 医药案例:同一成分不同剂量→不同商品名→不同适应症,若不做实体统一,AI可能在错误场景推错药,引发合规风险 • 实体一致性是企业最低成本的第一步:统一所有渠道的品牌称呼,包括社交媒体上的昵称和黑话(如"小蓝瓶"要与正式品牌名做关联) • 知识图谱:品牌关系的结构化说明书 ◦ 描述实体之间的逻辑关系(如:品牌A → 是治疗高血压的 → 实验B证明在某方面优于竞品C) ◦ 通过代码将关系固化,让AI能准确识别品牌在行业中的位置和优势 • 社交媒体信源的特殊性:抖音信源只绑豆包,公众号信源绑元宝,平台相对封闭;自媒体在AI视角下被降权,门户网站和官网反而重获权重 33:39 ‒ 41:42 GEO的三重奏:语义资产、组织重建、交付衡量 • 毛老师的三重奏框架: ◦ 第一重:语义资产库重建 - 官网数据库化(PDF转结构化数据) - 实体一致性规范 - 知识图谱搭建 - 内部数据分级与隔离(对外数据 vs 内部大模型数据) ◦ 第二重:组织重建 - 需要市场、品牌、PR、技术、执行多部门协作 - 门店/渠道层面的实体统一管理 - 成员需具备"复合型"能力:懂策略+懂技术+懂产品 ◦ 第三重:可量化的交付指标 - 第一阶段:AI讲述你时,用你的内容作为信源 - 第二阶段:AI讲述行业和垂类时,用你的内容 - 第三阶段:AI讲述竞争对手时,用你的内容 - 核心指标:引用量——点开AI的引用信源,看来源是否可控 • 时间预期:品牌完全空白时,1个月内可见效;成熟品牌需具体评估 • 官网需保持活跃更新:时效性是AI判断信源质量的重要维度,至少新闻/动态板块保持更新 41:42 ‒ 56:39 GEO的本质:向量空间中的长期占位 • 发稿的局限性:短期有效但持续烧钱,且随大模型迭代可能随时失效;批量AI生成发稿已被AI识别为营销稿并降权 • 暴力交付案例(大脑呆揭秘):部分GEO公司部署数千台设备,每天提问并截图交付——毛老师评价:新鲜感退去后对客户意义不大 • 未来agent时代的挑战:当AI以agent形式运作时,发稿几乎无意义,只有自己的数据体系才能做介入 • AI商业化的平衡困境:过度商业化会让用户质疑可信度(变成百度竞价排名),不商业化又难以为继 • Claire的暴论:观察一个人对GEO的判断,可以看出他对AI时代企业管理、市场营销、品牌建设的整体眼界和战略层次 • 碳基营销 vs 硅基营销:大脑呆提出未来marketing可能分化为面向人的情感营销(碳基)和面向AI的结构化数据营销(硅基) • GEO的本质:在向量空间里,决定你的品牌放在哪——这是企业未来3到5年的战略布局,而不是一次发稿行动 • 核心判断:只要大模型还依赖信源做提炼和思考,品牌信源建设就是长期有效的资产;AI使用率25年同比增长超300%,接入成本只会越来越高 -节目中提到的工具 & 资源- GEO与信源建设 • 扶摇万相 — 毛老师创立的GEO与AI数据治理公司,专注大健康垂类,提供策略咨询+数据文档+知识库部署+监测报告 • 官网 — AI认知品牌的第一信源,权重与政府网站相当;需结构化改造以适应AI抓取 • 知识图谱 — 将品牌实体关系结构化的技术工具,帮助AI准确识别品牌在行业中的位置 • 实体一致性规范 — 统一所有渠道的品牌称呼(官网、发稿、数据库、社交媒体昵称),让AI能识别"同一个你" AI搜索平台与信源生态 • DeepSeek — "理工直男"风格,高度依赖交叉验证的证据链,证据链完整时权重提升明显 • 豆包(字节) — 预训练数据库包含小荷医典,医疗类问题优先从小荷医典抓取,不联网 • 元宝(腾讯) — 绑定公众号信源 • 千问(阿里) — 已支持跳转电商购买,探索AI转化路径 • 小荷医典 — 豆包的医疗预训练数据库,影响医疗类AI回答 营销相关 • SEO — 传统搜索优化,关键词驱动,货架逻辑,线性竞争 • GEO(生成式搜索优化)— 语义驱动,导购逻辑,零和博弈;本质是AI时代的数据治理与品牌信源建设 • 词脉 — 早期搜索工具,从核心词延展品牌词、产品词、功能词关系,与GEO向量空间逻辑相近 -概念速查- GEO(Generative Engine Optimization,生成式搜索优化)— AI时代的品牌信源管理方式。与SEO的关键词堆砌不同,GEO核心是语义理解——在AI的向量空间中,调整品牌与正面词、消费场景词之间的"距离",让AI在相关场景中倾向推荐你。本质不是发稿,而是长期的基础设施建设 向量空间 — AI对信息的语义理解方式。可理解为宇宙中各星球之间的距离关系:用户需求是主星球,品牌需要靠近"健康""零糖"等正面词星球,远离"长胖""副作用"等负面词星球。GEO的目标就是调整品牌在这个空间中的位置 对比框架(Comparison Framework)— GEO中重新定义竞争边界的核心工具。通过定义"什么才算好",来过滤竞争对手、建立自身优势。例如:将"减肥效果好"从"减得快"重新定义为"安全合理地瘦下来",引入安全性维度,让自身优势得以凸显 解释权旁落 — 品牌最危险的AI状态:AI关于你的信源来自竞品或第三方,你无法自我定义。一旦竞品的负面描述权重积累够高,品牌抢回解释权的成本极高 实体一致性 — 品牌在所有渠道(官网、发稿、数据库、社交平台昵称)使用统一称呼,确保AI能识别这些不同称呼指向同一个品牌实体。是GEO最低成本、最基础的第一步 知识图谱 — 品牌的结构化关系说明书。用代码将实体之间的逻辑关系固化(如:品牌A→治疗高血压→实验B证明在X方面优于竞品C),让AI准确理解品牌在行业中的定位和优势 孤证 vs 证据链 — AI(尤其DeepSeek)不信孤证,需要交叉验证。当官网、第三方数据库、发稿稿件中的信息形成闭环且互相印证时,AI会大幅提升该信息的可信权重 预训练数据库 — 大模型在发版前用于训练的核心数据集。部分问题(如医疗类)即使开启联网搜索,AI也会优先从预训练数据库调取。影响预训练数据库的内容(如专家共识、临床指南)是影响AI认知的最根本途径 用户旅程布局 — GEO与SEO的关键差异:SEO主要在漏斗底端(比价购买)发力,GEO可以覆盖从认知到转化的完整漏斗。品牌需要在每个用户决策节点前置布局,而不是等用户主动搜到产品层再介入 碳基营销 vs 硅基营销 — 大脑呆提出的未来营销分化方向。碳基营销:面向人类用户,注重情感共鸣、人设建立、创意表达;硅基营销:面向AI,注重结构化数据、证据链、语义准确性。两者可能成为独立的部门和职能 AI信任机制 — 品牌建设的底层逻辑在AI时代的延伸。过去:打造人设让消费者相信你;现在:建立证据链让AI相信你,再通过AI影响消费者决策。信任关系的建立介质增加了AI这一新主体 三重奏交付框架 — 毛老师的GEO落地方法论:① 语义资产库建设(官网数据库化、实体统一、知识图谱)② 组织架构重建(市场+品牌+PR+技术跨部门协作)③ 可量化交付(AI引用量:从"AI讲你时用你的内容"到"AI讲对手时用你的内容") 「本期节目由声湃提供录音场地」,感谢大力支持。 欢迎各位扫码加入我们的飞书社群 (社群中将分享毛老师扶摇万相的联系方式,欢迎有GEO和AI数据治理需求的品牌方与代理公司联系)

56 分钟 99+ 次播放 5个月前

E05 GPT-Image-2很强,但品牌真能用 AI 生图做广告吗?

E05 GPT-Image-2很强,但品牌真能用 AI 生图做广告吗?

After Prompt 码后炮

-本期简介- 大家好,欢迎收听和关注播客《Afterprompt 码后炮》,这是我们的第五期节目《GPT-Image-2很强,但品牌真能用 AI 生图做广告吗?》。从GPT-Image-2 带来的照片级真实感和大片质感出发,四位主播深入探讨了 AI 生图在品牌营销中的应用边界。这一期既有技术原理的拆解——为什么会出现六根手指、文字错误,也有实战思考——什么场景该用真人、什么场景该用 AI。核心问题不是技术能不能做,而是用户心理接不接受,以及营销人如何在效率与信任之间找到平衡。 -人物介绍- Claire | 品牌和市场策略 | 品牌叙事、组织变革、全球化视野(WPP和甲方市场部leader) Craig | 爆款内容操盘手 | AI 社区前沿、内容算法、用户增长、AI 审美(内容平台爆款内容) Gaudi | 营销实操派 | 科研支撑、执行链路优化、营销管理和运营 大脑呆 | 商业化与变现 | 流量变现、商业投资逻辑、广告逻辑 -时间轴- 00:02 ‒ 03:15 GPT-Image-2 的技术突破:真实感与信息处理 • GPT-Image-2 的两大突破: ◦ 真实感飞跃:年代感照片、名人合影、群像照片不再有统一动作,明显感觉参数库巨大 ◦ 信息处理能力增强:中文字、英文字、结构化信息(如发动机解剖说明书)生成能力大幅提升 • 与前代的对比: ◦ Midjourney (曾经的生图之王)通过大语言模型先处理提示词,再生成结构化提示词喂给生图模型 ◦ Image 2 把这个流程大大增强,搜索能力更强,文字识别能力大幅提升 • 从 Stable Diffusion 到 Midjourney 再到 Image 2 的演进路径 03:15 ‒ 06:41 AI 生图的技术原理与常见 Bug • 经典的三大 AI 生图 bug: ◦ 手指画错(六根手指问题):AI 不懂物理世界,训练时可能出现错误 ◦ 文字渲染失败:分辨率低+中文字库庞大(几万字 vs 英文26字母)+训练语料不足 ◦ 微调后图片崩盘:每次都是从噪声重新开始生成 • Diffusion 原理解析: ◦ 先生成噪声图(类似电视雪花屏),根据提示词从模糊到清晰逐步推导 ◦ AI 不知道自己画的是什么,导致“尸块”问题——拆分理解后重新拼合出现错误 • 第一张图特别好的心理学原因: ◦ 用户没有预期,先入为主 ◦ 给的信息少,AI 给什么都觉得不错 ◦ 改细节时用户有了明确预期,AI 每次从噪声重新生成导致难以控制 06:41 ‒ 09:53 如何让 AI 生图越改越好:从 Text to Image 到 Image to Image • 高迪的实战经验: ◦ 第一轮:检查描述、画面、风格是否对(如要真人不要动画) ◦ 第二轮:基于第一张图作为附件参考,写清楚要改的细节 ◦ 原理:从 Text to Image 变成 Image to Image,有参考图后效果更好 • Craig 的上下文理论: ◦ AI 上下文是有限的,不是越多越好 ◦ 上下文越多噪音越多,可能结果更差 ◦ 类比:给设计师下 brief 时也会找情绪版参考 09:53 ‒ 12:17 GPT Image 2.0 的底层创新:Harness + 三层架构 • 沃顿教授的三层框架分析: ◦ 底层模型:GPT 5.5 从 0 开始重新训练(不同于 5.1→5.2 的增量训练) ◦ 应用层:从 ChatGPT/Chatbox 接入 ◦ Harness 层:模糊指令处理能力的关键 • Harness 的威力: ◦ 用户只需 20 字以内模糊指令,无需专业黑话(masterpiece、4K、8K、相机型号等) ◦ GPT 5.5 先生成一大串提示词,进行搜索匹配、深度背景搜索、结构化处理 ◦ 处理后的 Prompt 再喂给 AI 生图模型 ◦ 增加了多模态识别能力:自动识别要改的部分重新生成 • 两个大模型协同:大语言模型(GPT 5.5)+ 图像生成模型 12:17 ‒ 17:18 Vibe Design:从 Brief 到 Prompt 的能力迁移 • 核心观点: ◦ AI 生图流程类似传统广告流程:Account 拿 reference 确定方向 → Designer 完成设计 ◦ 区别:Text to Image 是概率选择,人的设计是漏斗式精修 ◦ 加了 Harness 后,AI 也能像漏斗一样慢慢收窄,得到精细化结果 • Vibe Design 的定义: ◦ 通过语言描述画面,省去设计师环节 ◦ 核心能力一:能把画面用语言描述出来 ◦ 核心能力二:写详细的 brief/工作简报 ◦ 高迪的实践:Reference + 详细 Prompt,手稿和终稿都由自己决定,省去与设计师 Argue 的时间 17:18 ‒ 22:01 与设计师沟通 vs 与 AI 沟通:信任的建立与 Skills 化 • 沟通成本的降低: ◦ 设计师:两个构建(你的+他的)相遇产生 gap,需要长时间服务品牌才能抓到洞见 ◦ AI:喂 Skills 可以快速建立品牌理解,训练 AI 比训练设计师快 • 潜在风险:AI 完全符合预期,设计师可能带来惊喜 • Design MD / Skills 的应用: ◦ 建立品牌 VI、设定、对话框大小、字体、LOGO 颜色、主色配色辅色 ◦ 喂给 AI 后自动触发生成符合规范的内容 ◦ 可一次性生成不同平台不同尺寸的素材 • Lovart 等工具:无限画布 + 区域生成 + Agent 能力 22:01 ‒ 24:32 品牌营销的核心困境:用户为什么抵触 AI 广告? • 小红书用户的三大吐槽: ◦ 觉得丑、视觉毒药 ◦ 觉得品牌在糊弄、连真人拍摄成本都不愿投 ◦ 对 AI 的刻板印象:时间短、省钱、不可靠 • 品牌的本质:建立认知与信任 ◦ 通过 LOGO、广告、视觉让消费者认识、了解、信任品牌 ◦ AI 制作让用户失去信任:“我值得被好好对待,值得人花时间精力投入” • 媒介环境的影响: ◦ Digital 小屏幕:假人感不强 ◦ 户外/地铁广告:大尺寸视觉冲击力强,AI 感明显 24:32 ‒ 28:35 情感投射的三个层级:产品图 vs 普通人 vs 明星 • Craig 的情感投射光谱理论: ◦ 没有情感投射(纯产品图):宽容度高,3D 渲染本来就有假质感 ◦ 很多情感投射(AI 生成明星):抵触情绪最高(爱奇艺 AI 明星事件) ◦ 中间地带(AI 生成普通人广告):介于两者之间 • Gaudi的反驳:单独拍产品更危险 ◦ 有人有故事性和场景 ◦ 纯产品用 AI 一眼看出是假产品 • Craig 的反驳:产品图消耗量最大(LiblibAI、Lovart 数据),宽容度更高 28:35 ‒ 31:09 营销人的决策边界:何时用 AI、何时用真人? • 高迪的核心问题:市场部需要判断什么情况用真人、什么情况用 AI • Craig 的使用场景建议: ◦ 可以用 AI:指示性、说明性内容(民宿指引、产品说明书、公益广告)——功能性强 ◦ 不该用 AI:建立品牌形象、情感连接场景——用户需要被真切的人对待 • 小红书的 AI 内容治理策略: ◦ 鼓励:AI 艺术创作、知识分享、真实有情感的内容 ◦ 拒绝:AI Slop(重复性高、无实质内容、废话多、模板化) • 工具强大后对人的要求更高:品味、社会学、心理学把控能力 31:09 ‒ 34:37 超越生图的 Vibe Design:PPT 的 HTML 化与 Claude Design • PPT 的 AI 困境: ◦ 格式统一难、中文标题换行问题 ◦ 原因:AI 从代码层理解,看不到“文字跳到下一行”,只看到文本框长度 ◦ PPT 是 UI 产物,AI 通过 UI 交互困难(需要视觉识别) • HTML Deck 的优势: ◦ Vibe Coding 能力强,各大厂商针对性加强 ◦ 体积小、可编辑性强、交互效果好 ◦ Craig 的实践:用 HTML 给中学生解释 AI 概念,用动画和交互讲清分词、TOKEN ◦ 建议:把之前的 PPT 直接给 AI,让它生成 HTML 演示文档 • Claude Design 的影响: ◦ 可视化 + UI 化的设计工作 ◦ 生成代码后可视化呈现(APP/网页) ◦ 画圈点击评论修改,解决“指哪打哪”的问题 ◦ 上线前传言导致 Figma、Adobe 等设计大厂股票大跌 • Vibe Design 的范畴:不只是生图生视频,还包括 UI、HTML、代码化设计 -节目中提到的工具 & 资源- AI 生图工具与模型 • GPT Image 2.0 — OpenAI 最新生图模型,真实感和信息处理能力飞跃,可用模糊指令生成照片级图片 • GPT 5.5 — OpenAI 从 0 重新训练的大语言模型,为 Image 2.0 提供提示词处理能力 • Midjourney /Nano Banana — 曾经的生图之王,通过大语言模型处理提示词后生图 • Stable Diffusion — 最早期开源 AI 生图项目,基于扩散(Diffusion)原理 • Seedance / Seedream — 知名 AI 生图模型 • LiblibAI — Craig 曾供职的 AI 生图平台,产品图消耗量最大 • Lovart — 新一代 AI 生图工具,生完图后可精确修改编辑,支持无限画布和区域生成 设计与开发工具 • Claude Design — Anthropic 新产品,可视化 UI 化的 AI 设计工具,上线传言导致 Figma/Adobe 股票大跌 • Figma — 主流设计工具,受 Claude Design 冲击 • Adobe — 设计软件大厂,受 Claude Design 冲击 • PowerPoint — 传统 PPT 工具,对 AI 不友好 • HTML Deck — 用 HTML 代码生成的演示文档,体积小、交互强、适合 AI 生成 AI 能力与技术 • Harness — 给 AI 套上的可靠运行系统,Image 2.0 通过 Harness 处理模糊指令 • MCP — Model Context Protocol,Claude Design 等工具的能力组件 • Skills — 品牌知识库系统,可快速让 AI 理解品牌 VI、规范、设定 • Vibe Coding — AI 代码生成能力,各大厂商针对性加强 • Agent — 智能体能力,如 Lovart 的自动识别修改区域 内容平台 • 小红书 — 对 AI 内容进行治理,鼓励艺术创作/知识分享,拒绝 AI Slop • 爱奇艺 — AI 明星事件,引发用户强烈抵触 -概念速查- Vibe Design — 通过语言模式描述画面并让 AI 生成的能力。核心是把传统广告流程中“写 brief 给设计师”的能力转化为“写 Prompt 给 AI”,省去中间沟通环节。要求两个核心能力:能用语言描述画面 + 写详细的工作简报。本质是把市场营销人的 brief 能力迁移到 AI 平台 Diffusion (扩散) — AI 生图的底层原理。先生成噪声图(类似电视雪花屏),根据提示词从模糊到清晰逐步推导。每次修改都是从噪声重新开始生成,所以难以精确控制细节 尸块 — AI 生图的训练机制导致的问题。AI 将图片拆分理解后重新拼合,可能拼合出错,产生六指、多眼睛等不符合物理认知的结果。AI 不知道自己画的是什么物理状态 Text to Image vs Image to Image — 两种 AI 生图模式。Text to Image 是从文字描述生成图片,像在大池子里概率选择;Image to Image 是基于参考图生成,有明确参考后效果更好,更像漏斗式精修过程 GPT Image 2.0 的三层架构 — 底层模型(GPT 5.5 从 0 重新训练)+ 应用层(ChatGPT 接入)+ Harness 层(模糊指令处理)。两个大模型协同工作:大语言模型处理提示词,图像生成模型执行生图 情感投射光谱 — Craig 提出的用户心理理论。没有情感投射(纯产品图)宽容度高 → 中间地带(AI 生成普通人)部分抵触 → 很多情感投射(AI 生成明星)抵触情绪最高。情感投射越强,对 AI 的抵触越大 AI Slop — 低质量 AI 内容:重复性高、无实质内容、废话多、模板化生成。与艺术创作、知识分享、真实有情感的 AI 内容相对 Design MD / Skills — 品牌设计的 AI 知识库。包含品牌 VI、设定、对话框大小、字体、LOGO 颜色、主色配色辅色等规范。喂给 AI 后可自动触发生成符合品牌规范的内容,训练 AI 比训练设计师快 品牌信任困境 — 用户对 AI 广告的心理抵触。品牌本质是建立认知与信任,但 AI 制作给用户“时间短、省钱、不可靠”的刻板印象。核心矛盾:“我值得被好好对待、值得人花时间精力投入” vs “品牌用 AI 糊弄我” 功能性 vs 情感性场景 — 判断是否使用 AI 的决策框架。功能性强的场景(指示性、说明性内容如民宿指引、产品说明书、公益广告)可大胆用 AI:建立品牌形象、情感连接的场景应该用真人,因为用户需要被真切的人对待 HTML Deck — 用 HTML 代码生成的演示文档,替代传统 PPT。优势:体积小、可编辑性强、交互效果好、动画丰富、适合 AI 生成。PPT 是 UI 产物,AI 通过 UI 交互困难:HTML 是代码产物,AI 的 Vibe Coding 能力强 Claude Design — Anthropic 的可视化设计工具。生成代码后可视化呈现为 APP/网页,支持画圈点击评论修改,解决 AI 生图“指哪打哪”的问题。上线前传言导致 Figma、Adobe 等设计大厂股票大跌 品味要求提升论 — Craig 的核心观点:AI 或工具越强大,对人的品味、社会学、心理学把控能力要求越高。Vibe Design 的目的不是让 AI 产生什么,而是影响用户什么样的心理、让用户产生什么样的决策 「本期节目由声湃提供录音场地」,感谢大力支持。 欢迎各位扫码加入我们的飞书社群 (社群中将分享更多 AI 生图实战案例和 Vibe Design 技巧)

34 分钟 99+ 次播放 6个月前

E04 饺子馆做Skills营销爆火:你的下一个用户,可能是个AI

E04 饺子馆做Skills营销爆火:你的下一个用户,可能是个AI

After Prompt 码后炮

本期简介 大家好,欢迎收听和关注播客《Afterprompt 码后炮》,这是我们的第四期节目《饺子馆做Skills营销爆火:你的下一个用户,可能是个AI》。一家海淀区的饺子店做了个Skills,引爆了整个AI圈和营销界——这到底是一次天才的营销噱头,还是新时代的开端?四位主播从金谷园这个case出发,深度探讨了Skills的本质、大厂的焦虑、平台的未来,以及最核心的问题:当AI开始替人做决策,营销人该怎么办?这一期充满了思想碰撞、观点交锋,以及对未来的大胆预测。 人物介绍 Claire | 品牌和市场策略 | 品牌叙事、组织变革、全球化视野(WPP和甲方市场部leader) Craig | 爆款内容操盘手 | AI 社区前沿、内容算法、用户增长、AI 审美(内容平台爆款内容) Gaudi | 营销实操派 | 科研支撑、执行链路优化、营销管理和运营 大脑呆 | 商业化与变现 | 流量变现、商业投资逻辑、广告逻辑 时间轴 00:00 - 06:16 事件起因:一个饺子店的Skills引爆全网 • 金谷园案例:海淀区饺子馆做了MCP Skills,成为第一个吃螃蟹的餐饮品牌 • Skills是什么:相当于给AI一个说明性文档,让AI知道从哪个接口调取数据 • 爆火原因:草根反差、技术圈层传播、墙外开花墙内香 • 技术门槛低:老板通过Vibe Coding搭建,成本可能不到1000块 06:16 - 14:25 这是噱头还是趋势?观点大碰撞 • Craig的观点:这是商业性迭代,不是一次性噱头 • 大脑呆的冷静分析:从营销角度看是天才,但商业价值有限 • Gaudi 的观点:连锁餐厅更值得做 14:25 - 22:01 从GUI到CLI:交互方式的革命 • CLI vs GUI概念解析 • 汉堡王 × Google Home经典案例 • 张鹏的预言:AI替你做决策,AI和AI交互 22:01 - 31:29 大厂为什么找他?美团真的害怕了吗? • 美团、字节都找了金谷园老板 • 大脑呆的判断:不是害怕,是做调研 • 大家预测:未来会是大厂做Agent,把每个餐厅都蒸馏进去 31:29 - 40:16 营销的未来:不光做人的营销,还要做Agent的营销 • 两线并行的未来:MCP Server中心化平台 + 品牌自有Skills • Gaudi的餐饮行业经验:美团订单量高但利润率低,自有平台相反 • Skills的意义:给商家一个机会,更全面服务忠实用户 40:16 - 结尾 AI时代的营销人该做什么? • 安全与背书问题:一定会出现统一管理平台 • 营销人的新挑战:未来要对人营销 + 对AI Agent营销 • SEO的进化:从搜索引擎优化到Agent优化 • 节目初衷:降低焦虑,如是呈现 • 两年判断:AI绝对会席卷整个营销界 节目中提到的工具 & 资源 AI助手与平台 • 龙虾 — openclaw,目前流行的AI助手,催化了Skills的应用场景 • Claude — 主力AI模型,具有强大的对话和理解能力 • 小爱同学/小米车机 — 小米的AI助手 MCP与Skills • MCP(Model Context Protocol) — 模型上下文协议,Skills的底层技术 • MCP Skills — 给AI的说明性文档 • Vibe Coding — 低门槛的编程方式 平台与工具 • GitHub — 金谷园老板发布Skills的平台 • 美团/饿了么 — 外卖平台 • 小程序 — 微信生态的轻应用 概念速查 MCP Skills — 给AI的说明性文档,让AI知道从哪个接口调取数据 GUI/CLI — GUI(图形用户界面 Graphical User Interface)代表人主动操作,CLI(命令行接口Command Line Interface)代表AI和AI之间完成交易的新时代 Agent营销 — 针对AI Agent的营销方式,需要提供更理性、数据化的信息,而非情感化的品牌叙事 百团大战 — 2010年代中国团购网站的激烈竞争,通过巨额补贴培养用户习惯 两线并行 — 未来可能的格局:巨大的MCP Server中心化平台 + 品牌自有Skills 「本期节目由声湃提供录音场地」,感谢大力支持。 欢迎各位扫码加入我们的飞书社群

44 分钟 1k+ 次播放 6个月前

评价

还没有人评价。听过的话,留个分数和一句短评吧。

播放列表

自动播放下一个

播放列表还是空的

去找些喜欢的单集添加进来吧