Facebook广告素材的AI工作流 Claude做分析 + ChatGPT Image 2做执行

Facebook广告素材方法论:如何用变量系统取代灵感驱动
Facebook广告素材的AI工作流 Claude做分析 + ChatGPT Image 2做执行
Meta增长实验室出品 · 素材方法论系列
上篇文章我讲了素材变量系统的框架——五大分类、五层变量、三轮测试法。
发出来之后收到不少反馈,最多的一类问题是:
“框架看懂了,但拿到一个真实产品,具体怎么拆?
这个问题很真实。框架是地图,但从地图到走完全程,中间还有一段路。
案例aventon.

01 拿到产品,先做什么?

很多人拿到一个新产品,第一反应是打开设计工具开始做图。
这是最大的错误。
正确的第一步是产品分析——你要在做任何素材之前,把产品信息吃透。
我拿到Aventon Level 3的产品页,需要提取的信息分三层:
功能层:这个产品有什么。
差异化层:这个产品和竞品比,独特在哪。
情绪层:用户买这个产品,真正想要的是什么。
 

02 从产品信息到变量拆解

产品分析做完,下一步是用五层变量去拆解。 这一步也是交给ai,产品链接丢给ai,claude/chatgpt 做产品分析
上篇文章讲过,一张素材 = 人群 × 卖点 × 场景 × 形式 × 转化理由。现在对着Aventon Level 3,每一层具体怎么填。
人群层
卖点层
场景层
形式层
转化理由层
然后人工调整一下自己判断一下什么测试什么角度记录一下一步lovartchatgptimage2作图
Facebook广告素材的AI工作流 Claude做分析 + ChatGPT Image 2做执行
案例aventon
https://claude.ai/public/artifacts/86636f23-4d1a-4e1b-b08d-9f1a3bf3e518
需要付费版本的 claude ,才可以使用的

03 变量填完了,然后呢?

很多人到这一步会卡住——五层变量每层都有好几个选项,排列组合太多,不知道先测哪个。
我的判断逻辑是三步:
第一步:确定当前投放阶段对应的素材分类。
如果是新品冷启动,优先做产品认知类或痛点解决类素材,先验证市场有没有反应。如果是已经跑了一段时间的产品,根据数据瓶颈选——CTR低选认知类和痛点类,CTR高但CVR低选信任类和价格刺激类。
Aventon Level 3刚进入市场推广阶段,我选生活方式类作为第一批测试方向。原因是:通勤eBike这个品类用户已经有基本认知,不需要从”什么是eBike”开始教育。更重要的是让用户看到”这辆车出现在我的生活里是什么样子”。
第二步:选一个最有潜力的人群×卖点×场景组合。
从5个人群里,我优先选”城市上班族通勤骑行者”——这是Level 3的核心定位人群,产品名字里就有”Commuter”。
卖点选”4G GPS防盗”——这是Level 3最独特的差异化,竞品几乎没有。在素材测试中,差异化卖点往往比通用卖点更容易产生明确的数据信号。
场景选”早高峰通勤代替开车堵在路上”——画面对比感最强,情绪张力最大。
第三步:选表达形式和转化理由,完成完整的素材定义。
形式选”产品+人物”——生活方式类素材最常用也最有效的形式,有人、有产品、有场景、有情绪。
转化理由选”2年整车质保+OTA升级”——消除”贵的电子产品容易过时”的顾虑,和科技化定位一致。
现在这条素材的完整定义是:
分类:生活方式类(全漏斗) 人群:城市上班族通勤骑行者 卖点:4G GPS实时追踪+远程锁车,防盗安全感 场景:早高峰通勤,代替开车堵在路上 形式:产品+人物 转化理由:2年整车质保+OTA升级
还没开始做图,但每一个决策都清楚了。
Facebook广告素材的AI工作流 Claude做分析 + ChatGPT Image 2做执行
 

04 从变量组合到Prompt出图

变量定义完成后,下一步是把它翻译成AI图片生成工具能理解的Prompt。
这一步是很多人做AI出图效果不好的原因——不是工具不行,是输入不够精确。
“帮我做一张eBike广告图”和一段包含完整视觉指令的Prompt,出来的东西差距巨大。
一段好的广告素材Prompt,需要包含几个维度:
主体描述:谁在做什么,穿什么,什么表情和状态。 环境描述:什么场景、什么时间、什么天气、背景有什么。 情绪和氛围:整张图传递什么感觉。 镜头语言:什么焦距、什么景深、什么构图。 光线和色调:什么光源、什么色温、什么调色风格。 风格定义:写实还是插画、杂志感还是UGC感、editorial还是commercial。
对着Aventon这条素材的变量组合,翻译出来的视觉指令大致是这样的:
一个穿着smart-casual通勤装的职业人士,戴着墨镜,骑着eBike行驶在城市自行车道上。表情放松、自信,像是享受整个通勤过程。背景是早高峰时段拥堵的车流,车辆密密麻麻停在旁边的车道上,形成鲜明对比——车堵着,人骑着。车把上有手机导航的微光,暗示GPS追踪功能。
画面用35mm镜头拍摄,浅景深,背景车流虚化但可辨认。Golden hour的暖光从侧面打过来,整张图有一种温暖的晨间光感。色调是深海军蓝、干净白和琥珀色。
整体风格是editorial lifestyle摄影——不像广告,像杂志内页。高分辨率,真实感强,画面自信、现代、自由。
这段Prompt粘进ChatGPT Image 2
骑行者穿过拥堵的车流,神态放松,光线漂亮,整张图的质感完全达到了Facebook广告投放标准。关键是,它不是一张”好看的图”——它是一张有明确测试假设的图。
Facebook广告素材的AI工作流 Claude做分析 + ChatGPT Image 2做执行
 

05 这个流程正在被AI工具化

上面这套流程——产品分析、变量拆解、组合选择、Prompt生成——过去完全依赖投手的经验和判断。
经验的fb广告投手,看到Aventon Level 3的产品页,可能10分钟就能拆出上面那些变量。但一个刚入行的投手,同样的任务可能要花半天,而且很可能遗漏关键卖点或者选错测试方向。
这个差距,本质上是经验转化为判断力的差距。
现在有意思的事情是:这套流程中相当一部分环节可以被AI辅助完成。
我在实际工作中搭了一个工具,输入产品链接,AI会自动抓取产品页信息,然后推荐匹配的人群、卖点、场景和素材分类。你不需要从零开始填变量,只需要在AI推荐的基础上做微调——补充它没注意到的卖点,删掉不适合当前阶段的人群,调整场景的优先级。
这带来了两个变化。
第一,变量拆解的效率大幅提高。
第二,素材生产从”经验驱动”变成”系统驱动”。
但要强调一点:AI辅助的是信息处理和匹配环节,不是策略判断环节。
AI能告诉你Aventon Level 3有4G GPS防盗功能,但它不能告诉你”防盗焦虑是这个价位段用户的第一购买障碍”——这个判断来自你对品类、竞品、用户心理的深层理解。AI能推荐”城市通勤”作为场景,但它不能告诉你”早高峰堵车vs骑行的视觉对比是这个场景下张力最大的画面”——这个判断来自你对广告素材的视觉直觉。
工具提高的是下限,经验决定的是上限。
 

06 一张图背后的可追溯性

回到Aventon这张素材。
如果你把它投出去跑广告,一周后看数据,可能出现几种情况:
CTR高,CVR也不错。 说明”城市通勤上班族+4G防盗+早高峰堵车对比”这个变量组合有效。下一步是围绕这个方向扩展——换不同的人物、换不同的城市场景、换不同的光线风格,做放大测试。
CTR高,但CVR低。 说明画面有吸引力(场景对比、lifestyle风格),但用户进了落地页之后没有被转化。需要检查两件事:落地页是否承接了”通勤替代+防盗安全”这个主信息?转化理由是否足够强?可能需要在下一轮补信任证明或价格刺激类素材。
CTR低。 说明这个组合没有在Feed流里抓住注意力。需要判断是人群选错了、卖点不够尖锐、还是画面形式不够突出。可以保持人群和卖点不变,换一个更强烈的场景(比如把”早高峰骑行”换成”暴雨天骑行”),或者换一种形式(比如从lifestyle图换成对比拼图——左边堵车痛苦脸,右边骑行轻松脸)。
关键在于:不管哪种结果,你都能定位到具体是哪个变量的问题。
这就是变量系统和”凭感觉做图”的本质区别。凭感觉做图,跑不好就整张推翻重来。用变量系统,跑不好是替换单个变量重新测试。效率差了几倍。
 

07 同一个产品,换一个组合就是另一条素材

为了说明变量系统的延展性,我再用Aventon Level 3演示第二条素材的思路。
假设我换一个组合:
分类:痛点解决类(TOF) 人群:对防盗高度敏感的电动车用户 卖点:4G GPS+远程锁车+地理围栏+异常移动报警 场景:骑车上班后停在公共区域,打开App确认车辆安全 形式:对比拼图 转化理由:普通车锁 vs 4G智能安防,安全等级完全不同
这条素材的视觉方向就完全不同了——不再是lifestyle杂志感,而是左右对比的信息图:左边是一辆普通自行车配一把链条锁,场景是某个街边停车架,画面灰暗不安;右边是Level 3在同样的场景,但手机屏幕亮着显示GPS定位和锁车状态,画面明亮安心。
同一个产品,同一个核心卖点(4G防盗),但人群不同(防盗敏感用户 vs 城市通勤族)、场景不同(停车场景 vs 骑行场景)、形式不同(对比拼图 vs lifestyle人物图),出来的素材完全是两条路。
这就是为什么我说素材空间比大多数人以为的大得多。你觉得”做不出新素材了”,往往不是真的穷尽了,而是你的分类维度太粗,只在”类型”层面换来换去,没有在”变量”层面做组合。
 

08 对投手来说,这意味着什么

三件事同时在发生:
Meta广告系统越来越自动化。 Advantage+、广泛定向、动态创意——平台在收回投手对受众定向的控制权。你能真正影响系统的手段,越来越集中在素材输入上。
AI出图让生产成本断崖式下降。 素材生产不再是瓶颈。但快速生产大量没有策略目标的图片,只是在给系统喂噪声。
竞争从”谁的图好看”转向”谁的测试系统更高效”。 当所有人都能用AI快速出图时,审美不再是壁垒。真正的壁垒是你能不能比对手更快找到有效的变量组合。
素材变量系统,加上AI工具化的辅助,形成的是一套可积累的竞争优势——每一次测试都在积累数据,每一次复盘都在优化变量库,每一轮迭代都在缩小”有效组合”的搜索范围。
这不是一次性的技巧,而是一个越用越强的系统。
 

09 总结:素材不是设计问题,是系统问题

回到这篇文章的核心。
用Aventon Level 3走了一遍完整链路之后,你会发现:
从拿到产品到做出一张有明确测试假设的广告图片,整个过程中真正消耗时间和精力的,不是”做图”——AI几十秒就能出图。
真正消耗时间的是做图之前的变量决策:这张图给谁看?打什么点?放在什么场景?用什么形式?靠什么推转化?
这些决策做对了,图自然对了。这些决策没做,图做得再漂亮也是盲测。
上篇文章给了你框架,这篇文章给了你完整的操作示范。
下一步,拿你自己的产品试一遍。
Facebook广告素材的AI工作流 Claude做分析 + ChatGPT Image 2做执行

「版权提示」:信息来自于互联网,不代表官方立场,内容仅供网友参考学习。如发现本站内容存在版权问题,烦请提供版权疑问、身份证明、版权证明、联系方式等发邮件至 contact@glosellers.com,我们将及时沟通与处理。如若转载请联系原出处。 「注意事项」:锦品出海(含网站、客户端等)所展示的商品/服务的标题、价格、详情等信息内容由实际供应商/服务商提供。如用户对商品/服务的标题、价格、详情等任何信息有任何疑问的,可直接同供应商/服务商沟通确认,其他问题,请向锦品出海客服咨询。因第三方供应商/服务商与用户因服务行为所发生的纠纷由第三方供应商/服务商与该用户自行处理或通过法律途径解决并自行承担法律后果。锦品出海根据用户申请可参与相关协调调解工作,但不对纠纷事项及调解工作承担任何责任。
AI趋势

AI 开始替用户过滤品牌消息,企业该重新做用户运营了

2026-5-12 11:45:45

AI趋势平台动态

Prime会员日流量来了,你的Listing接得住吗?

2026-5-13 12:49:30

0 条回复 A文章作者 M管理员
    暂无讨论,说说你的看法吧
个人中心
今日签到
有新私信 私信列表
搜索