深度｜告别手工作坊，AI时代达人营销的底层逻辑彻底变了

2024 年到 2025 年，对于国内 AI 团队 来说，是一个既躁动又焦虑的“大航海时代”。

Founder 们几乎都要面临同一个话题：PMF后，到底怎么做增长？

前两年那种“套壳” GPT 就能在 ProductHunt 霸榜，靠 SEO 、Ads 就能收割流量 的日子，彻底结束了。现在的出海创业者，哪怕手握极具技术壁垒的 AI Product，在推向全球市场时，都会遭遇一种新型的阻力：

用户对 AI的 “耐药性”增强了 。

为什么？因为 AI 产品本质上在 售卖一种新的工作和生活方式。这种方式它需要解释，需要演示，需要塑造无数种使用场景，需要有人来下背书，一个 Slogan 打天下的时代早就结束了。

在这个语境下，达人恰好就成了 增长飞轮下的 首要生命线。

前段时间， Gamma 联合创始人 Grant Lee ，也以过来人的视角在 twitter 分享过增长复盘：“在 0-1000 万美金的早期阶段，增长几乎 100% 依靠口碑；即便到了 5000 万美金规模，达人和口碑依然占据了半壁江山。”

而关于如何做达人营销，Grant Lee 的结论很直接：“90% 的用户来自 <10% 的爆款内容。你的工作是广泛地与达人合作，投入足够的资金去找到那 10% 真正有效的内容和形式。爆款绝非偶然，需要针对每个平台续测试钩子、视觉元素和内容形式，了解它们奏效的原因，然后将这些策略百倍复制到你所有的达人合作中”

图片来源：Gamma 联合创始人Grant lee 推文内容

几乎所有的 Growth Lead 都知道“达人营销”是必选项，但 90% 的团队在执行层面却痛苦不堪。为什么一个体量超 300 亿美金的市场，其底层运作方式却依然停留在极度重人力的前工业时代？

01 信息极端不对称的市场，困住了大多数人

如果用经济学的视角审视达人营销，你会发现这是一个极其糟糕的市场，它完美符合了“柠檬市场”的特征：信息极端不对称，交易成本极高，劣币驱逐良币。而这不是靠个人努力，就能解决的问题。

对于一家试图出海的中国AI公司来说，想要在非本土化市场成功跑出来，面临的不是“好不好做”的问题，而是三个结构性的“死结”：

首先聊聊找人

海外和中国一样，存在非常多、非常散的达人合作机构。

中国依靠肥沃的电商土壤，达人营销的商业化会领先海外很多。但如果想要在海外极度分散体系化下推进合作，运气成了关键一环。在没有实际推进合作的情况下，很难提前了解对方实际配合度如何，达人池质量好不好。单纯依赖单一机构，也很难真的实现广泛的与达人合作。

而团队自建联，通常会使用传统的达人检索工具，本质上这是一个有数据天花板的微缩搜索引擎，不同工具因侧重不同媒体平台，达人类别和数量也不会不一样。 通常情况下，浅层标签搜索如“AI”，能搜到的也只是一堆首页简介带了 AI 标签的博主。

于是海量的AI需求密集冲向同一批达人。现实问题是，达人背后受众固定，而产品的受众却截然不同。

当然，除非花大量时间看达人视频，再叠加点个人经验判断，否则你也无法知道，达人是真正懂技术的leader，还是只会蹭热点的营销号？ 达人背后的粉丝是付费意愿极强的开发者，还是小白用户。

图片来源：某海外达人检索工具

再聊聊 报价

达人营销是一个极其非标的交易市场。 同一个达人，对 Adobe 报价 $5000，对不知名的 App 可能报价 $15000，这里面也有达人要去权衡的背书关系。当价格的形成不再取决于价值，而取决于达人心情、agency 把控力、以及你愿意为谈价所花费的时间成本后，每一单合作都变成了一场漫长的拉锯战，效率被无限拉低。

再聊聊 交付

与海外达人合作，档期是个不确定性很高的问题，遇到节假日、达人休假，内容生产节奏就会无限延期，存在交付履约的风险。

并且，一个有意思的发现：海外达人和国内达人对于自媒体这件事的看法完全不同。 国内很多人目标很明确，把自媒体当作正式工作，而在海外，尤其是高质量的头部博主，反倒是兼职做账号。再加上缺乏体系化的管控能力，预付款达人消失、数据刷量造假，这些都不是个案。

这也是 90% 出海团队在达人营销上受挫的根本原因：试图用手工作坊的方式，去对抗一个高熵、高噪、高摩擦的非标市场。

02 ｜行业的转折：模型开始具备理解和判断能力

最核心的变量在于，随着底模的发展与进步，AI 在理解、判断和解决问题的能力上变的越来越强。

过去，如果仅用传统的推荐算法去做达人营销，它只能告诉我们“这个达人和达人很像”。但在达人营销这种“强语境、非标品” 的复杂的决策中，“像”往往是无效的。

• 无法理解： 为什么同样是 AI 达人，有些人更适合讲技术，有些人适合讲产品评测。

• 无法判断： 为什么一个粉丝量不大的达人，因为评论区的高净值互动，反而比百万粉达人更有价值？

大模型的出现，有机会让 AI 能像 真实在行业深耕的达人营销专家一样，做出判断决策。

Aha（原 Head AI ) 正是这一技术拐点下的产物，这也是让我们内部感到兴奋的原因。

不同于上一代 营销 SaaS工具，Aha 从第一行代码开始，就不是为了辅助人类只完成找人这一件事。而是选择从底层重构它，从头到尾重构达人营销每一环的执行链路。

Aha 具体是怎么解决的呢？

看了一下Aha 的技术文章，他们 几乎 重构了 所有达人营销流程中产生摩擦的所有低效环节：

① 为了更快更精准的找对人，重构了匹配逻辑：

图片来源：Aha 官网 · 技术文档

Aha 构建了由大模型主导的达人匹配系统，不依赖浅层标签，也不依赖历史点击，而是让 AI 像营销专家一样判断内容、理解达人受众，并分析谁最适合品牌的目标。

技术架构层，Aha还是采用了行业经典、成熟的范式，由召回、粗排、精排三个部分组成。创新点在于，他们会让 LLM 分别在这三个环节进行不同视角的语义推理和判断，最终确定最佳人选：

• 召回阶段：首先会由大模型基于品牌产品信息生成一份 高关联度目标画像，包括品类、受众、内容风格等语义特征。随后会在 500 万达人数据库中，检索与该画像语义最接近的一批创作者。这一阶段相当于从全量达人中找到与品牌受众最可能重叠的候选集合。

• 粗排阶段：会进一步基于品牌目标市场、达人真实性、以及反作弊机制自动过滤进行人选收敛。判断条件如达人是否活跃度，所在地区与语言是否符合品牌要求（比如有些品牌会偏向推广北美市场、英语语言），以及是否属于营销号，内容播放有没有造假。

• 精排阶段：将对剩余达人进行推广价值判断， “这个达人适不适合这个产品？” “这个受众是否会买单？” “这个内容达人擅不擅长？能不能自然带出转化？” 最终输出匹配得分，生成推荐名单。这一阶段的判断，类似一位经验丰富的市场专家逐一评估候选达人“是否值得合作”。

感兴趣的朋友可以去这里看全文：

https://aha.inc/university?universityType=Aha+insights&utm_source=inf021

② 让极其非标的定价模式，变成了可计算的数理逻辑

图片来源：Aha 官网 · 技术文档

Aha 构建了一个复杂的动态定价引擎。通过实时抓取并计算多个因子，让价格不再依赖达人心情和主观判断，主要有三层：

• 基本面： 达人预测播放量（历史商单数据的权重更高）、平台基础CPM（比如 Youtube 与 TT 就会不一样）、以及国家/地区定价差异（欧美市场会比东南亚市场高）、合作形式（短视频、post、reel等）等

• 市场供需：基于市场供需真实反映，比如这一个时间段大家都在找 受众为插画设计师的达人，需求多了，价格自然上升。需求少了价格回落。

最终，给到品牌的会是一个经过数理计算的 一口价，不仅省去了传统agency之间的价格差，也省去了过去数周的砍价的人力流程。

③ 谈妥意向和价格达人才会给到品牌终审，提高合作效率

Aha 自己搭了一套庞大的发单系统，能根据上文聊到的匹配结果，基于多轮优化的本地化的文案与向达人发出高度个性化的合作邀请与报价沟通。最后，所有谈好价格、愿意合作的达人才会统一给到品牌进行最终确认。过去合作agency的品牌应该都知道，选好达人之后，还得进一步确认达人合作意向，聊价。这一环节要经历多久，应该不用多讲。

这里提个比较有意思的点，之前觉得发邮件还挺简单的，但如果规模化邮件，需要考虑的层面很多多，他们自动化这一过程，具体做了这些事：

• 发信域名与预热管理：管理多个发信域名，并分批进行预热，提高每个邮箱的可发数量，同时持续监测发信信誉，确保高送达率。

• 频率控制算法：通过频控算法动态调节邮件发送间隔与每日总量，避免触发平台反垃圾机制。

这套系统，听说目前可以同时管理百万量级发单规模，持续进行达人沟通。

④ 体系化构建和完善安全保障机制，尽可能降低合作风险

如果说算法解决了效率，那么机制则解决了安全，Aha 引入了类似支付宝的担保交易机制。

• 模拟人工催单：当达人在平台确认接单后，若达人逾期未提交，AI 会进一步模拟人工发送提醒，多轮催促，直到按时交付。如达人确因个人原因需延期，可在平台申请，但需经品牌批准后才能生效。也就是说过去需要品牌自己催稿的环节，现在AI就能替你做了。

• 资金托管： 真实资金的交付只发生在内容履约之后。如果达人未完成内容制作，不打款。如果达人数据造假刷量，不打款。只有当达人完整走完了所有内容制作要求，最终经品牌确认完成发布，这笔钱才会到达人手中。从根本上减少了品牌的资损风险。

• 标准合约机制： 对于平台来说，每一次合作开始前，Aha 都需要自动发起并完成达人与广告主双方的身份验证、合同签约与授权流程，确保合作合规合法。 但对于品牌来说，过去需要品牌来回折腾的合同，在这里彻底“消失”了。

03 | 当AI员工入职，品牌需要做什么？

对于品牌来说，整个链路的协同，更像是你和它打配合。比如 设置 Campaign、写好一个brief 、把关最终合作的达人名单，审核达人内容，这些 关键的决策还是交给品牌来做。

首先是创建campaign，和品牌原先需要写 brief 的路径一样，需要整理好品牌简介、核心卖点、目标人群，目标市场、目标语言等信息，这一步不仅是展示给达人看，也是让 AI 更好的理解你的匹配需求。

这里拿 Gamma 的案例录了 Demo ，感兴趣的朋友可以具体看看内容细节

接下来需要等模型匹配并进行达人意向沟通及谈价，整个过程大概需要1-2天。之后你会操作在看板收到所有愿意合作的达人，以及每位达人对应的数据信息，包括合作价格、CPM/CPC预估，点击、曝光量预估、人群画像等，方便你最终判断是否推进合作。

个人看下来，做的非常好的地方在于：不管是确认达人合作、审稿，还是把控不同达人的内容制作状态。所有信息和待办都在一个工作区展现和处理，对于品牌来说，省去了过去需要多平台切换追稿盯进度，还可能会遗漏的麻烦。

如果说，Gamma 解开了达人营销方法论谜底，让能够真实践行的品牌得到增长结果。那 Aha就是让践行这一环节变得更快，更简单。至少在执行这一层，通过 Aha 进行大规模合作达人已不再是问题。而剩余10%的爆款内容，就像Grant lee 所说，需要在长期稳定的周期内进行持续预算投入、降低对创作者及信息传递方式的过分挑剔，并在这个周期内持续测试，反复调优，让爆款来得更快一些。

图片来源：Gamma 联合创始人Grant lee 推文内容

04 | Aha 还和半年前一样吗？

我的回答是，不，完全不一样。

我们和Aha团队有过几次简单的对焦，他们自己表示与品牌的合作过程也进一步在倒逼产品快速迭代。

最近一次的 2.0 版本上线，也让他们在ProductHunt 拿到了日榜第一的不错表现

新增的功能如：每位达人在建联前支持品牌提前确认，外发给达人的邮件内容也支持提前预览了。

同时因为合作的 AI 客户变多，他们也在持续优化和抽象出更多更细颗粒度的专家经验，并进一步迭代为模型可调用的判断因子，对应也能更稳定地承接不同类型的 AI 产品与投放需求。

除了匹配的细化，产品前台也追加了三种匹配模式，支持品牌自由选择：精准模式、泛化模式、加强泛化模式；体系内用于投放的高质量严选达人池也从过去的200万，增长到了500万。

当然技术架构、功能的的升级，最终都必须体现在商业结果上

团队分享，Aha 上线九个月，已经服务了全球超 300家企业，包括知名大厂、以及中国出海榜TOP50 的AIPPT、Vizrad 。

他们最近合作的客户 Manna 也很有意思，产品切入方向比较特别，是一款面向年轻人的“Duolingo for Bible” AI app。通过Aha ，团队在短期内实现了与 42 位达人的合作，出现了3 条 大爆款。有一位 YouTube 创作者，虽然只有几万播放量，却带来了几千次 App 下载，团队后续又在 Aha 上与他合作了一次 （图为第二次合作的数据效果）

持续的产品迭代与客户合作，也让 Aha 拿到了新一轮 570 万美金数额的融资，由联想创投领投，初心资本跟投，全部老股东金沙江资本与锦秋基金继续加注。

05 | 拥抱 确定性

回到最初的问题：2025 年，AI 出海靠什么赢？

Grant Lee 说要靠口碑，Aha 说要靠体系。

在过去，口碑是不可控的玄学。在今天，Aha 试图用算力、算法、机制和平台，通过达人营销的体系化建设把口碑变成可计算、可预测的科学。

Aha 并不是要替代人类 Marketer。恰恰相反，它是在解放 Marketer。当 AI 帮你搞定了筛选、比价、合同、催稿等等这些 80% 的脏活累活后，你终于可以腾出手来，去思考那 20% 最重要的事情：我的用户到底是谁？什么样的故事能打动他们？

在流量红利归零的今天，这或许才是中国 AI 出海企业，该有的增长姿态。

文章来自于微信公众号 “Z Potentials”，作者 “Z Potentials”