我们自己做 MaxGrowth(maxgrowth.ai)的过程中,把这两种角色分得很清楚,不是因为理念先进,是被数据逼的。
数据型的一侧:先量出投放权重
数据型的活,是先把"哪里值得投"这件事量出来,而不是靠经验拍。 我们自己测过海外三家主流 AI 引擎(ChatGPT、Gemini、Perplexity)在同一批问题下的引用来源,口径是引用域名而不是引用条数——Reddit 生态(reddit.com 加上一些官方子站)合计出现在约 46 个题次里,LinkedIn 在英文题里排到了引用域名的第二位,大概 6 个题次。这两个数字差得不是一点半点,意味着如果只看"哪个平台更适合发内容"这种直觉,大概率会把 LinkedIn 和 Reddit 的投入权重搞反。数据型团队的价值,就是先把这种权重差异摆出来,再决定预算怎么切。
内容型的一侧与红人营销上的分工
内容型团队的价值在另一头。知道该往 Reddit 投,不等于知道怎么在 Reddit 上活下来——社区有自己的语言、自己的容忍度、自己识别广告号的直觉。这件事没法用一份检索报告替代,只能靠长期泡在社区里的人来判断"这句话过不过审、这个账号有没有历史"。我们在做国内测试时也遇到过类似的事:同一篇技术内容,带品牌信息投给一个技术社区被判定为营销属性直接拒稿,去掉品牌信息的版本反而顺利通过。这不是内容质量的差别,是"这个平台默认允许什么口吻"的差别,而这种判断力恰恰是数据报告给不出来的,得靠常年在这些社区里试错的人攒出来。
红人营销上这个分工更明显。数据型的一侧要回答"这个红人的受众和我们的目标用户重不重叠、他过去被平台/AI 引用的痕迹多不多";内容型的一侧要回答"这个红人愿不愿意用他自己的语言而不是甲方通稿去讲这件事、讲出来会不会像广告"。我们看过不少案例是这两件事被同一批人一起做的——要么是数据判断准但内容生硬到没人愿意转发,要么是内容做得漂亮但选错了根本没人在看的阵地。两种失败看起来完全不一样,根子却是同一个:该分工的地方没分工。
分工不清会踩的坑,以及怎么配人
分工不清楚还会出一个更隐蔽的问题:身份认错。我们在海外测试里发现,几个主流 AI 引擎对同一个品牌名的误认对象都不一样——有的会答成另一家同名公司,有的会答成完全不相关的行业机构,甚至一个纯英文产品名单独出现时,还被认成了别的工具类型。这种误认不是靠多发几条内容就能纠正的,得先靠数据一侧把"哪里在认错、认成了谁"摸清楚,内容一侧才知道该在哪些阵地补一句消歧的话、该用什么语气补。反过来,如果内容型团队自己去猜哪里认错了,大概率猜不准,因为这种误认往往没有直觉规律,几个引擎错的方向可能完全相反。
还有一个容易被忽略的地方:同一个问题,在不同渠道上"被引用"的含义可能完全不是一回事,不能简单加总来判断效果。我们在做监测的时候严格区分过这一点——不同 AI 引擎抓取和呈现引用的方式本身就不一样,把不同链路的数字混在一起算"总曝光",算出来的数字看着漂亮,但没法指导下一步该往哪投。这也是为什么单纯买一份"曝光报表"意义有限:报表得先分清楚统计口径,再谈能不能拿来做决策,这一步恰恰是很多内容型团队不擅长、也没必要擅长的事。
回到最开始的判断:如果一家团队既要对着数据说"这周该往哪投",又要对着社区说"这条内容能不能过",大概率两头都会打折扣。比较务实的做法是把这两种能力当成两个岗位而不是一个岗位的两个技能点——一个负责把"哪里值得投、投了有没有效果"量出来,一个负责把内容和关系做扎实。谁来主导取决于项目所处的阶段:早期缺方向的时候数据型判断更重要,阵地站稳之后内容型的深耕更重要。我们在自己做业务拓展的时候也是按这个节奏来配置资源的,而不是指望一支队伍从头包到尾。
想先看你的品牌现在在 AI 搜索里被怎么说?
领取免费增长诊断