AI 能帮投手出图、上广告、做竞品分析，但素材数量翻倍不等于效果翻倍。决定广告效果的不是出图速度，是素材背后的假设质量。真正的竞争力在于：知道该测什么。
前几天跟一个朋友聊 ChatGPT 上广告，他提到提效 15%。
我追问了一句：这 15% 是指 ROI 提升，还是 CPA 降低了 15%？
他说：CPA 降的确实是有的，但核心还是素材在起作用。
我回了他一句，也是我最近反复跟同行说的判断：不论是 ChatGPT 上广告，还是投手手动上广告，核心还是在素材层面。ChatGPT 解放的是重复性的上广告环节——AI 解放的是投手的双手，但决定效果的是投手的策略。
Stanford 2026 AI Index 说，88% 的企业已经在用 AI。这个数字我信。但 McKinsey 同年的调查补了一刀：真正达到”AI 高绩效”标准的企业，只有大约 6%。
用了 AI 和用好了 AI，中间差的不是工具，是工作方式。
先说好的。过去一年，我自己在工作中感受最明显的三个变化：
第一，上广告这种重复操作可以交给 AI 了。 建 Campaign、设置受众、上传素材、配置 UTM——这些步骤高度标准化，ChatGPT 通过 MCP 接上 Meta 广告 API 之后，几分钟就能完成以前半小时的工作。对投手来说这个体感很爽，每天省出来的时间实实在在。
第二，作图不再完全依赖设计师了。 以前一条素材从写 Brief 到发设计师到看稿到改稿到定稿，3-5 天。现在用 ChatGPT Image 这类出图工具，简单的场景图当天就能出、当天就能测。以前一周测 2 组素材，现在同样的预算能测 10 组，试错成本低了很多。
第三，竞品分析能看到以前看不到的维度了。 这是我觉得 AI 在情报层最有价值的地方。
举个例子。eBike 赛道，Aventon 和 Heybike 两个品牌，看起来都是北美市场的电动自行车，但用 Claude 系统分析 Amazon 用户评论之后，发现一个很有意思的事情。
Aventon 的用户最夸的三个点：Torque sensor 骑感自然、开箱即骑组装简单、线下店售后有保障。关键词是骑感、体验、售后。
Heybike 的用户最夸的三个点：性价比爆炸配置高、动力速度够猛、价格便宜功能多。关键词是性价比、动力、低价。
这种洞察以前要花大量时间人工翻评论才能做到，现在用 Claude 几十分钟就能跑出来。对广告投放和文案优化，价值是巨大的。
出更多图、上更多广告、跑更多组、看更多数据。素材数量从一周 5 组变成一周 20 组，测试速度确实快了。但你问一句”这 20 组素材到底在测什么不同的东西”，很多人说不清楚。
换了模特、换了背景颜色、换了排版方式、换了一句文案——看起来是 20 个版本，实际上可能只是同一个假设的 20 种视觉包装。目标用户没变，使用场景没变，核心痛点没变，卖点角度没变，证明方式也没变。
这就是为什么很多团队素材数量翻了几倍，效果却没有同比提升。
BCG 有一份对 CMO 的调研：96% 说自己在做 AI 转型，42% 实际还停留在”用 AI 做单个任务”的阶段。这就是典型的转型幻觉——工具用上了，流程没变，思路也没变，只是旧动作做得更快了。
一条素材本质上是一个假设——你在赌一个特定的用户，在一个特定的场景下，会被一个特定的痛点打动，相信一个特定的证明方式，最终因为一个特定的理由下单。
这五层，每一层变一个，就是一条新假设。而大多数投手在做的，是五层全不变，只换视觉。
拿 Renogy 的 12V 100Ah 锂电池举例——同一个 SKU，至少可以拆出三条完全不同的打法：
打 RV 用户：”一块电池撑起整个露营周末。“痛点是露营地没电网，冰箱灯手机全靠它。独立落地页，独立素材。
打房主：”下次停电，你家不断。“痛点是加州德州经常断电，需要家庭应急电源。独立落地页，独立素材。
打钓鱼 / 船钓用户：”半天钓鱼，不用想电量的事。“痛点是驱动 trolling motor，铅酸电池太重，锂电池轻了三分之二。独立落地页，独立素材。
产品没变，SKU 没变——触达方式从一条线变成了三条线。每条线的素材、文案、落地页、证明方式都不一样，因为用户不一样。
如果你不做这一步拆解，不管 AI 出图多快，你都只是在用不同的画面包装同一个故事。
前段时间有个同行跟我说了一件事：他把这个五大变量的思维分享给刚入行的小伙伴，他们用这个思路做出了跑量的素材。注意，帮到他们的不是某个 AI 工具，是思维方式——知道每条素材该测什么。
这个问题的答案其实已经出来了：花在决定”测什么”上，而不是”多出几张图”上。
具体说，投手从 AI 那里拿回来的时间，应该投入三件事：
第一，做更深的用户研究。 不是让 AI 跑一个泛泛的竞品报告，而是像 Aventon vs Heybike 那样，真正搞清楚你的用户在夸什么、在骂什么、在犹豫什么。搞清楚之后，你的素材才知道往哪个方向打。
第二，设计更多元的假设。 同一个产品，能拆出几条不同的打法？不同用户、不同场景、不同痛点、不同证明方式——这些排列组合才是素材真正的多样性。换一个背景颜色不叫多样性，换一个目标人群才叫。
第三，复盘实验结果，积累组织知识。 这一组素材跑完了，你到底学到了什么？不只是”CTR 高的继续跑、CTR 低的关掉”，而是这个假设成不成立——是这类人群对这个场景真的有反应，还是只是标题写得好骗了点击？
我自己的习惯是每周一做一次数据诊断：用 Claude 通过 MCP 连上广告账户，先问一句”帮我看最近 7 天的表现”，30 秒出结果，然后顺着往下追问——拆素材和受众的表现，找出高转化的组合。有时候 ROAS 降了根本不是广告的问题，追下去发现是落地页速度变慢了。不是看报表，是跟数据对话。跑赢的组合记下来，跑输的原因搞清楚，下一轮才不会重复犯错。
NBER 有一个研究发现很有意思：AI 助手对低经验员工的效率提升大约是 35%，对最有经验的员工影响很小。我的理解是——AI 压缩的是执行差距，不是判断差距。高手的优势不是手快，是知道该做什么。AI 可以让新人做到 70 分的执行，但从 70 分到 90 分的那段路，靠的是经验沉淀下来的判断力。
所以，最值得做的事不是让 AI 替你出更多图，而是把你脑子里的判断方法提炼成系统，再让 AI 帮你放大。 你知道 RV 用户在意续航而不是速度，这个判断比任何 AI 生成的图片都值钱。
Meta 的 Advantage+ 还在继续接管受众、版位、出价、预算。Andromeda 也在加速生成式素材的分发。平台会越来越自动化，投手能手动操控的空间会继续缩小。
但反过来想：平台越多地接管执行层，广告主越需要在两端发力——上游是更好的创意输入（更真实的用户洞察、更有差异的假设），下游是更可靠的业务评价（这条广告到底带来了多少真实的新增利润，而不只是平台归因的数字）。
投放操作的价值在下降，实验设计的价值在上升。生成图片的能力正在商品化，评价图片该不该生成的能力正在变成壁垒。
所以未来广告团队会越来越像产品研发团队：发现问题、提出假设、制作最小素材、上线实验、判定假设、记录知识、迭代下一版本。
AI 解放了投手的双手。但双手空出来之后，是用来刷更多广告，还是用来想清楚下一步该测什么——这才是 2026 年真正拉开差距的地方。
「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。
