一个早上 45 分钟干完一整天的投放活，AI 已经做到了

前段时间，我跟一个做了八年的投放朋友聊天。

他说，他每天早上 6 点 50 闹钟，7 点准时打开电脑，先点开 Google Ads 后台，再看 Meta 的 Ads Manager。CPM、CPA、ROAS、频次、消耗。两个平台，两种货币单位（Google 用 micros，Meta 用美元），两套指标口径。

看一圈，40 分钟过去了。

如果那天运气不好，某个 CPA 突然窜上来，他得再花半小时去翻历史数据、对上周、对上月，搞清楚到底是真出问题了，还是只是周二的小波动。

我听完，只问了一句：那要是有个 AI，能直接连到你的广告账户，把这两摊事全干了，你愿意试试吗？

他愣了一下。说，AI 写文案那种我试过，没意思。

不是那种。

我想聊的，是 2026 年这门手艺已经走到哪儿了。

什么叫"真正"的 AI 营销自动化？

市面上号称"AI for marketing"的工具，十有八九是个套着搜索框的聊天机器人。你问它"我的 CPA 高了怎么办"，它给你回一篇三千字的建议清单。读完你点点头，然后还得自己回 Ads Manager 去改。

它答得出来，但它做不了。

真正的自动化，是 AI 直接连到 Google Ads API 和 Meta Ads Marketing API。读你真实的投放数据，帮你跑诊断、出报告，甚至在你点头之后改预算。

这事怎么做到的？靠一个叫 MCP（Model Context Protocol）的开放协议。说白了，就是给 AI 装了双能伸进广告平台后端的手。Claude 通过这双手，把两个平台的实时数据拉出来、归一化（Google 的 micros 和 Meta 的美元得换算成同一种语言），然后按一套老投手的判断逻辑去分析。

这套判断逻辑，才是值钱的地方。

不是"你的 CPA 涨了"这种废话，而是"你的 CPA 涨了，因为最大的那个 ad set 频次已经到 4.2 了，这是典型的受众饱和，按影响大小给你排了三条动作"。

后者才像一个真正干过几年投放的人会说的话。

创意怎么会"累"？以及 AI 怎么比你先发现

投放圈有句老话：你最好的那条广告，是慢慢死掉的。

CTR 一点一点往下漂，频次一天一天往上爬。等你反应过来，一个星期的预算已经烧在一条早就不工作的创意上了。

这事 AI 怎么抓？

它把每条广告过去 7 天的表现和再前 7 天的基线比一遍，只要同时冒出两个信号，CTR 跌超 15%、频次破 3、CPM 涨超 20%、CPA 升超 25%、reach 停滞，就标红。

Google 那边还好，自带一些疲劳检测；Meta 麻烦点，平台本身没这个信号，得从原始数据自己搭。

最狠的是，它会算钱。

"这条 Google Search 的 RSA，估计已经浪费了 2400 块。那条 Meta 创意，浪费了 1530 块。"

这种数字一出来，谁都得坐直。

"下一块钱该投到哪个平台？"——这是个真问题

每个带投放团队的人，每个月都会被老板问一次：下一块钱，给 Google 还是给 Meta？

大多数人的回答方式：看上个礼拜哪个 CPA 低就加哪个，靠经验、靠手感。

AI 的回答方式是这样的。

它把两边过去 30 天的表现拉出来，算效率分。Google 那边看一个数，预算丢失的展示份额（你要是 25% 的 eligible impression 因为预算没接住，那就是有白白跑掉的需求）；Meta 那边看频次（受众一周看 4 次以上，基本过拐点了）。

然后，如果接了营销组合模型（MMM），它就不再看平均 ROI，看边际 ROI。

什么叫边际 ROI？就是再投一块钱进去，能拿回多少。一个 campaign 平均 CPA 可能很好看，但它已经饱和了，下一块钱可能颗粒无收。平均数会骗你，边际数不会。

最后给你三档方案：保守、温和、激进。每档带具体的金额、预计转化变化、混合 CPA 变化、执行风险。一张表，VP 看 30 秒就能拍板。

为什么平台归因不可信？以及 MMM 是怎么补上这个洞的

这才是整个系统里最有意思的部分。

Google 会告诉你 Google 贡献了多少。Meta 会告诉你 Meta 贡献了多少。两个数字加起来，永远大于 100%。

为什么？因为它们都在抢同一笔转化的功劳。一个用户先在 Meta 看了你的广告，过两天去 Google 搜了你品牌名下了单。平台归因把功劳全记在 Google 头上，Meta 的那笔钱像是白花了。

这就是为什么很多 CMO 一看 Meta 的 ROAS 低，就想砍 Meta 的预算。

但 Klover 这家公司真砍了。把 Meta iOS 端的预算砍了一半。结果转化没掉。为什么？因为模型告诉他们，那部分钱本来就不是增量，砍了不疼。

反过来，Pettable 这家公司用 MMM 反向证明哪些渠道是真增量的，一年省下 212 万美金的预算。

砍还是不砍，不能靠平台 dashboard，得靠模型。 这就是 MMM 的价值。它给的是地真（ground truth），不是平台嘴里那套各说各话的归因。

说到这，有个技能特别值得单独讲，漏斗分析器。

它专门干一件事：证明 Meta 上层的曝光广告，到底有没有拉动 Google 下层的品牌搜索转化。它拉 90 天的时序数据，算滞后相关性，跑前后对比。如果接了 MMM，还能用因果贡献和 adstock 参数去验证。

输出一句话：Meta 这笔 awareness 预算，给 Google Search 带来了 X 美金的"光环效应"。

这个洞察，大多数代理公司收五位数的钱才肯出。AI 跑一遍就给你了。

一个早上，45 分钟，看 AI 怎么过

讲这么多抽象的，不如走一遍真实流程。

7:00 ——你还没起床，跨平台晨报已经掉到 Slack 里了。两边总消耗、混合 CPA、异常告警，按严重程度排好。你扫两分钟。

7:05 ——一条告警勾住你的眼睛：Meta prospecting 的 CPA 涨了 35%。你让 Claude 深挖。疲劳扫描器跑了一遍，发现三条广告频次过 4、CTR 在跌。本周估计浪费了 3200 块。

7:10 ——你让它把 Meta 所有在投创意排个名。按 campaign objective 分组（拿 awareness 广告的 CPM 去跟 conversion 广告的 CPA 比，那是耍流氓）。告诉你哪些 Scale、哪些 Kill。

7:15 ——切到 Google。账户健康分：74/100，B。结构不错，分被预算利用率拖了，你只在接 70% 的 Search 展示份额。

7:20 ——"我把 5000 块从 Meta prospecting 挪到 Google Search 会怎样？" 预算规划器跑三档方案。MMM 确认：Google 此刻的边际 ROI 比 Meta 高 40%。温和档预计转化 +3%、混合 CPA -5%。

7:30 ——你拍板。Claude 在你每一笔改动都确认之后，调整两边预算，并自动快照改之前的指标，方便回头比。

7:35 ——CMO 来要董事会汇报。一句话指令，Claude 把所有数据拉齐、算好、生成一份带 KPI 卡片、渠道分布、竞争定位、风险机会、策略建议的 PPTX。

7:45 ——收工。

45 分钟，干完一个团队一天的活。

怎么开始用

三步。

第一，把广告平台连上。通过认证的 API 接入，给 Claude 读写你账户数据的权限。投放数据、效果指标、人群洞察、预算控制都给到。

第二，配置那些技能。40 多个开箱即用，但配成你自己的 KPI、阈值、报告偏好之后才真正出力。一个做电商优化 ROAS 的品牌，和一个做 B2B 优化合格 lead 的 SaaS，配置完全不一样。

第三，（可选）把你的 MMM 接上。如果你已经拟合了一个 Meridian 模型，或者想找人帮你搭一个，接上之后，整个系统就有了增量验证过的归因数据，平台的归因偏差就被关掉了。

接好之后，Claude 就像一个永远在线的投放分析师。盯盘、抓异常、跑方案，出交付物，全包。

最后

AI 改写营销这件事，已经发生了。

你睡觉的时候它盯着两个平台。你烧钱之前它已经把问题抓到。你挪一块钱之前它先跑三档方案。老板要的报告，一句话就能生成。

你的客户不会只活在一个平台上。你的投放策略，也不该只活在一个平台的后台里。

真正的问题已经不是 AI 会不会改写这个行当。问题是，你是不是还在用老办法。