AI Marketing Daily · 2026-09-03

今天的 6 条指向同一个命题：AI 营销的重心从做出内容挪到被机器采信。HubSpot 拿数千条引用数据拆解 AI 搜索赢家的一贯动作，有自由职业者用 LinkedIn 三周把 AI 可见度从 0.11% 做到 0.95%；OpenAI 与 Meta 在广告侧抢滩，一个宣称 200 天做到 10 亿美元年化，一个把投放拆成五类 agent。Berkeley 给出组织落地路线，SmarterX 干脆让 agent 去采访自家专家。读完这一份，你会知道先改什么、后试什么、别信什么。

🎯 今日头条

HubSpot 2026 AEO playbook：高引用品牌做对了哪五件事

HubSpot 博客 9 月 2 日发布长文，作者 Cassie Wilson Clark 研究答案引擎引用数据花了去年下半年。数据底座是 HubSpot 的 State of AEO 报告：覆盖六个以上答案引擎的数千条引用数据点，外加对 4000 多名全球营销人的调研，再叠加对 Monday.com、Wix、Adobe 等高引用品牌的个案拆解。结论里没有魔法技巧，只有模式：被大规模引用的品牌，行为高度一致。

五个共同动作。第一，内容按可摘取的方式写：引用率在页面带 7 到 15 个 H2 时达到峰值，H3 和 H4 层级越深越好，定义放开头，短段落配列表，让引擎能干净搬走一段自包含的答案。第二，E-E-A-T 信任信号：真实作者履历、外链数据源、原创研究，引擎押上信誉引用你之前，先问一句这个来源我敢背书吗；页内信号让页面可引用，页外提及让品牌可引用，两边都得做。第三，多格式多渠道在场：LinkedIn 和 YouTube 是被引最多的社交源，LinkedIn 证明从业者权威，YouTube 证明动手能力；细分行业社区的提及对 B2B 检索的权重高过通用外链，Slack 社区纪要被收录成博客、垂直 Substack 被索引，都在给引擎递证据。第四，规律发布加刷新：H1 与标题带年份、页面挂可见更新日期，获奖引用的品牌把好页面当活资产维护，页面久无实质更新就补一段 as of 年份的短注。第五，Schema 结构化数据：FAQ schema 与引用率的相关性在数据里最显眼，描述性 FAQ 标题配上 schema，等于给引擎递上打包好的问答对。

为什么这件事变重了。AEO 的本质从被找到转向被引用：传统 SEO 奖励页面可被搜到，AEO 奖励页面可被摘取，引擎要能干净搬走一段正确且可归因的内容。Botify 的 AJ Ghergich 说得直白，AI 排名是随机的，你排不进一个生成的答案，只能成为引擎提问时愿意伸手拿的那种来源。State of AEO 还发现 B2B 品牌被引频率远高于 B2C，Monday.com 靠博客拿下超过 10.6 万次引用，Wix 主要靠清单体，Adobe 靠产品页，被引最高的 B2B 品牌几乎都重仓定义页与对比页。引用不是运气，是按品类搜索习惯运营出来的资产。页面类型里定义页、指南、对比页、清单体、原创研究最容易被引，最后一种最硬，别人没有的数据让品牌直接升格为出处。

对营销人的影响集中在三处。一是别再泛化地谈 AI 优化，引擎口味差异大到要按引擎分配内容格式：对比类页面在 ChatGPT 的被引率全场最高，它还偏爱用户评测、PR 与出处清晰的内容；定义类内容押 AI Overviews 和 Gemini，AI Overviews 与 Google 自然排名的相关性最强，传统 SEO 投入在这里兑现最直接；Gemini 通吃博客、产品页与清单，偏爱能撑住多轮追问的内容；新鲜细分内容押 Perplexity，它激进外链，引用直接兑现成推荐流量。提问意图也在换引用格局：信息类吃定义和指南，商业类吃对比、清单和评测，交易类吃产品页，导航类要求自有页面独一无二属于你。B2C 又是一幅画面：评论、论坛和可信编辑源权重更高，消费者常拿传统搜索交叉验证 AI 的说法；两类生意都做，等于一个屋檐下跑两套打法。二是度量看板正在骗人：OpenAI 爬虫与真实访问比约 198 比 1，Google 约 6 比 1，展示量虚增、转化率失真，用点击时代的指标衡量 AEO 是怀旧。该盯的是品牌可见度分、引用分析和 AI 引流的辅助转化：可见度分相当于答案引擎时代的排名位置，情绪分从 -100 到 +100 打在每条提及上，一次错误表述的引用比没有引用更伤。参考数字：全球电商 AI 引流转化率 11.4%，自然搜索只有 5.3%，44% 的营销人承认根据在 AI 答案里初识的品牌下过单。三是 AI 爬虫的放行与封禁不该由 IT 拍板，品牌数据被 AI 如何抓取和表述，要营销、IT、法务一起给个说法。

怎么用，文章给了 90 天计划。第 1 周做基线：查清哪些页面已被哪些引擎引用，列出 10 到 20 个买家真实会问的 money prompts，配上监测。第 2 到 6 周改优先页面：H1 带关键词，H2 落在 7 到 15 个区间，补 FAQ 段落并挂 FAQ schema，加真实作者履历和外链出处，页面挂上当前年份的更新日期。顺序上先刷新旧页再建新页，有权重的老 URL 比从零起的新地址更快被引。第 7 到 12 周做分发：LinkedIn 发实操内容立从业者权威，YouTube 做演示型内容立专业证据，再进买家真正待着的细分社区，追第三方提及。之后每周盯可见度分变动与新拿下丢失的引用，每月对一次竞品声量份额、情绪和归因到 pipeline 的转化。

我的判断：这是今年 AEO 领域操作密度最高的一篇，但它是 HubSpot 自家报告，带着卖 AEO 工具的立场，引用数据没有第三方审计，HubSpot 说自己照这套打法把 AI 渠道线索涨了 1850%，自述数字听一半。结构那部分的可复现性倒是实打实：H2 数量、FAQ schema、更新日期，都是当天就能动手改的小动作。引用赢了还要守得住，引擎反复重爬重排，今天被引的页面下个月可能悄悄掉出答案，schema 会坏、数据会旧，得有人定期巡检。合上文章就去做两件事：把自家 10 个关键页面按清单过一遍；把 198 比 1 的口径写进给管理层的度量说明，免得再被展示量骗一次。

🔗 深入阅读：查看完整文章

🏷 AEO 实操

LinkedIn 三周实验：个人号把 AI 可见度做到 0.95%

HubSpot 博客作者 Mandy Bray 公开了一份带基线、方法和失败项的个人实验，主题是怎么用 LinkedIn 做 AEO。她动念的缘由很具体：在 Perplexity 里查 B2B 报告，来源列表常常是 Gartner、McKinsey、论文，然后冒出一个普通从业者的 LinkedIn 帖子，小人物也能挤进大机构中间。自己那本账也算得清：最近四个新客户里有三个从 LinkedIn 找来，而在传统搜索里她根本拼不过大代理，坚持写博客的产能成本高，有机流量还在下滑，把力气挪到 LinkedIn 划算。宏观依据先摆出来：SEMrush 的研究显示 LinkedIn 是生成式 AI 引用第二多的域名，仅次于 YouTube，ChatGPT、Perplexity 和 Google AI Mode 引用的页面里 11% 来自 LinkedIn；Google AI Mode 更激进，14.3% 的回答引用 LinkedIn。Meltwater 的数据给小人物留了门：75% 的 LinkedIn 引用来自个人页而非公司页，51% 来自粉丝不足 1 万的账号。被引内容以 500 到 2000 字的长文和 50 到 299 字的中帖为主，教育型建议型内容占大头。值不值得投入还有一层账：她引用的数据称 AI 搜索的转化率是 Google 有机搜索的 5.1 倍，另有调研说 73% 的 B2B 买家已在用 AI 工具做采购调研。

她的实验设计照着教科书来。上一回在 LinkedIn 发长文还是 2016 年，这次给自己定了一个细分定位 case study writer，先用 AEO 工具测基线：跨 ChatGPT、Perplexity、Gemini 的可见度只有 0.11%。三周里做三件事：把档案里 case study writer 的信号补齐，让专业标签在多个板块出现；发 2 篇长文加 2 条帖子，全部凭一手经验手写、带封面图和作者简介，发布后逐一回复评论；每周用无痕模式在各引擎人工复测，同时盯品牌类与非品牌类两种提问，前者问能不能推荐谁来做，后者问案例写作的方法论。前两周引用纹丝不动，第三周动了：Gemini 可见度升到 0.95%，品牌提及与自有域名的引用份额从 2% 到 5.3%，Google AI Mode 在品牌类提问里把她列为唯一重点推荐的写作者。次生收益更实在：档案浏览量 28 天涨了 200%，帖子曝光涨 237%，互动涨 340%，还有客户主动找来问案例写作。

坑也记了两条。Claude 会直接拒绝推荐自由职业者，只回一份平台清单加雇佣建议，这条渠道暂时关闭。三周还是太短，SEMrush 数据显示被 AI 引用的作者有四分之三在前四周发帖至少 5 次，而 AI 引用的平均寿命只有 11 到 15 天，不持续发就掉出答案。她的后续计划也值得留意：继续发文、逐个研究 AI 搜索里排得靠前的同行，再把 AEO 思路延伸到自己网站，补上按服务和按行业的独立页面。她对非品牌类提及的态度也实用：被引擎点名推荐是金牌，但认知期读者搜方法论撞见她的文章、顺路一个关注，两边都不亏；选题可以让 AI 出主意，落笔的观点必须自己出，一手看法才是最值钱的东西。

💬 个人号就能玩，这是今天成本最低的 AEO 实验。照抄她的最小闭环：定一个细分、改档案、发两文两帖、每周无痕复测，一个人一周也就半天投入。管理好预期：0.95% 仍是小数，Claude 渠道直接关闭，把它当 LinkedIn 运营纪律的副产品顺手捡引用，别当主战场押预算。引用寿命只有两周上下，真正该排进日历的是发帖频率本身。

🔗 深入阅读：查看完整文章

🏷 大模型动态

OpenAI 宣称 ChatGPT 广告 200 天做到 10 亿美元年化，媒体拆出口径水分

9 月 2 日，MarTech 拆解了 OpenAI 广告业务的两个新动向。产品端，新 onboarding 流程把建活动的门槛压到 60 秒：输入网址，AI 自动分析业务、产品和目标客户，推荐广告可植入的对话场景，生成素材与文案，补上地域、出价和账单信息就能上线；也可以走 ChatGPT Ads Manager 插件里的 agent 建活动。新广告主花 500 美元送 500 美元配套额度，这个数对大品牌没有吸引力，瞄准的是中小广告主。OpenAI 更长期的画像是 AI 效果营销人：给 agent 一个目标和预算，它自己把投放跑完。MarTech 看得很冷静，60 秒建活动解决的是广告主从起意到付钱的摩擦，解决不了那个更难的问题：营销人在这里到底能不能找到足够的价值。

收入端，OpenAI 宣称 ChatGPT Ads 上线不到 200 天年化收入破 10 亿美元，8 月以来日广告收入增长 25%。MarTech 给了两盆冷水。其一，ARR 是增长率外推而非实际收入，私有公司口径无从验证；对照其给投资人的预测，2026 年 25 亿、2027 年 110 亿、2030 年 1000 亿美元，前提是 2030 年周活达到 27.5 亿，eMarketer 反向预测 2026 年全美独立聊天机器人广告市场不足 10 亿美元，分析师 Nate Elliott 认为千亿美元目标几乎不可能达成，那需要用户狂涨、消费 AI 市场称霸、激进定价加沉重广告负载同时成立。就算 10 亿美元 ARR 属实，它说明的也只是广告主愿意试试 ChatGPT，千亿美元的预测押的是四年内长成全球主要广告平台，两件事差着量级。其二，效果数据远没收敛：有代理在加拿大投放测得 CTR 约 0.6%，低于搜索广告常态；也有买方称改用 Max Results 出价后 CTR 和成本明显改善。产品侧还在补课，CPC 竞价、Conversions API、像素度量都是近期才补上的，更多格式与度量能力在路上。

庞大的用户盘也不自动等于广告生意。ChatGPT 周活超 10 亿，很多对话确实发生在研究产品、比较方案的时刻，广告离购买意图从未这样近。可坐在意图旁边，不等于坐收广告费。要让投放稳定挣钱，OpenAI 还得证明匹配准、定向和归因可用、能带来增量销售、新鲜感过后广告主留下，以及变现不毁掉吸引用户的体验，MarTech 的说法是这些难题加起来就是广告业务的大半。Ipsos 调研再补一刀：63% 的消费者表示广告会降低自己对 AI 输出的信任，广告与回答分离是 OpenAI 模式的生命线。

💬 10 亿美元 ARR 当故事听可以，当预算依据就危险。可执行的动作两条：用那 500 美元额度跑一个小额测试，考核 CTR 和真实转化，别看平台宣传口径；报表里把 AI 渠道单独拆列，别污染自然搜索基线。顺手留个观察哨，OpenAI 能守住广告不污染答案这条线多久，决定这个渠道值不值得长期投。

🔗 深入阅读：查看完整文章

🏷 营销工具

Meta 广告 agent 化全景：五类 agent 与 8 周迁移路线

Ryze AI 发布的 2026 版 Meta 广告自动化指南，把覆盖 400 万广告主的 Meta agent 体系拆成五层。Business AI 当 24 小时销售，在 Messenger、Instagram DM 和 WhatsApp 里做客服加成单，直连商品目录、处理订单和退换，早期 beta 转化率比传统 chatbot 高 34%，官方预期到 2026 年四季度，它将为符合条件的美国商家处理四成客服互动。Advantage+ 管投放，官方口径年管理超 120 亿美元，单 campaign 每日做 150 次以上调优，CPA 比人工低 23%，ROAS 高 43%，每次交互分析 1.1 万个以上信号。创意 AI 在 2026 年已生成 23 亿条广告变体，单产品输入出 50 个以上变体，视频支持 46 种语言自动配音与本地化，素材生产成本平均降 67%。受众 agent 每月处理 4.2 万亿互动，能提前 14 天预测购买意图。分析 agent 的异常检测比人工快 72%。Meta 的独门优势在 Facebook、Instagram、Messenger、WhatsApp、Threads 的一体化数据，跨平台信号让转化预测准确率提升约 34%，Zuckerberg 的终局愿景被写成 URL 到转化：广告主只输入网址和预算，剩下交给 AI。

文末给了一张 8 周迁移路线图：第 1 到 2 周审计账户结构、合并重叠受众、验证 Conversions API；第 3 到 4 周拿 20% 到 30% 预算给头部品类试水 Advantage+，与人工 campaign 并行跑基线，很多广告主拿 3.0 倍 ROAS 当放量的触发线；第 5 到 6 周接创意 AI，上传 10 到 15 张高质量商品图当种子素材，配好疲劳检测自动停掉下滑变体；第 7 到 8 周开 Business AI 并设人工升级规则；之后逐步全自动化加跨 campaign 预算优化。文中的三模式对比表值得看一眼：混合模式 CPA 低 31%、ROAS 3.8 倍，纯人工 2.1 倍，纯 AI 3.0 倍，每周管理时间从人工的 15 到 20 小时降到混合的 4 到 6 小时，创意迭代量差距更大，混合模式每月 75 次以上，纯人工只有 5 到 10 次。对代理商的含义写得更直白：同团队可管客户数提升 200% 到 300%，资深操盘手从管 5 到 8 个账户变成管 15 到 20 个，角色从战术执行挪向战略监督，出路被写成 AI 策略咨询与跨平台编排，客户沟通从战术播报转向战略洞察。

一个必要的提醒：Ryze 是卖投放自动化服务的，这篇是获客内容，文中数据多为 Meta 官方营销口径，无法独立验证，采信前先打折扣；它自报 2000 多名营销客户、覆盖 23 个国家、管理超 5 亿美元投放，数字同样出自自己之口。

💬 路线图本身值得抄，数字先除以二再用。投放团队本周就能做的零预算动作：账户结构审计加 Conversions API 检查排上日程。预算迁移按 20% 起步，与人工 campaign 并行跑满两周再加码。真正该抢的是混合模式那一格，让 AI 管执行优化，人守住品牌边界、支出上限和战略方向。

🔗 深入阅读：查看完整文章

SmarterX 用 AI agent 采访内部专家，解专家时间荒

Marketing AI Institute 所属的 SmarterX 在 9 月 2 日复盘了自家内容团队的一个实验：搭一个 AI 面试官 agent，专治内部专家没空接受采访。出发点是内容生产逻辑变了：AI 把量产成本打到接近零之后，原创引语、一手经验和强观点成了差异化里最稀缺的资源，而瓶颈是专家的时间与档期。场景很具体：内容团队一周排了五篇文章，其中三篇想装进专家观点，约档期就是三场拉扯。SmarterX 本来就是专家优先的内容打法，素材取自全组织：每周播客里的原话、AI Academy 课程里的讲法、原创研究的发现，再加上跨团队的问答，把 AI 复制不了的东西攒出来，Q&A 这一环长期卡在约不上人。

这个 agent 在 ChatGPT 里跑 MVP 版本，流程三步走。第一步先并行研究，把选题、受众、专家近期在播客里说过的话都查一遍，带着真实上下文进场。第二步逐题自适应提问，每个回答生成下一个追问，目标是逼出具体的、只有亲历者才有的观点，挤掉场面话。第三步产出结构化 brief：要点、金句、完整纪要，外加对专家说法的事实核查，专家也会口误，把核查内置进流程替团队省一步。对专家的体验设计是关键卖点：散步或通勤时用手机就能完成访谈，不用腾会议档期。

局限也交代了：现在仍要人工启动流程，告知 agent 选题并发起访谈，团队正朝在项目管理系统的任务上打标签即自动触发演进。这套做法出自其播客第 233 期的 AI Use Case Spotlight 栏目。至于 brief 能否稳定产出更好的内容，团队还在测。

💬 这个工作流窄到可以直接复制：从并行研究到自适应提问，最后出带事实核查的 brief，一个下午能在 ChatGPT 里搭出初版。先挑每周最缺专家观点的一两个选题试跑，把 brief 质量与人工采访对照。它替你省的是约谈排期那两天，洞察还得靠人给，别指望 agent 代写观点。

🔗 深入阅读：查看完整文章

🏷 营销战略

Berkeley 管理期刊给出 GenAI 营销落地三层路线：语义层先行

UC Berkeley Haas 旗下期刊《California Management Review》刊出长文，把生成式 AI 进入营销的路拆成三层，作者 Seojoon Oh 是做数据产品的产品经理。文章开场先泼冷水：Heinz 的 DALL·E 玩梗拿下 8.5 亿次社交曝光、可口可乐平台收获 12 万件用户作品，这类刷屏案例制造了变革的幻觉，真实收益藏在把 AI 嵌进日常营销的数据与系统里。更早的 Nutella 用算法生成 700 万个独一无二的包装标签，一个月售罄，那种规模早就不是人力能做的。

第一层是数据地基：部署语义层，统一指标定义，让 AI 知道哪些字段才算收入、转化怎么算。没有这层，AI 被问上季度总收入时会一本正经把所有数字列加总，编出一个错数。Google 实测 Looker 语义层能减少约三分之二的生成式 AI 查询错误，Snowflake、Databricks、dbt 都在同方向投入。第二层是 AI 分析师：长在语义层之上的 agentic analytics 会多步推理，文中例子是 AI 发现转化率降 10%，自主下钻发现欧洲降 25%，再定位到有机搜索与近期 SEO 排名变动，几分钟给出人要查数小时的根因叙事；监控类 agent 还能实时报警，例如某广告在 25 到 34 岁女性客群的点击成本当日跳涨 20%，附上疑似原因，问一句邮件打开率为何下滑，答案直接到：主要掉在移动端 iOS 用户的周三周四，疑因新标题行在手机上表现差。AMA 调研里 71% 的营销人每周用 GenAI，其中 85% 报告生产力显著提升。第三层是 AI 自动驾驶：agent 在品牌护栏下跨渠道编排预算与创意，Adobe 的 AI Agent Orchestrator、IBM 的 Watson Campaign Automation 已就位。案例数字：Klarna 的 AI copilot 削减 25% 代理支出，约省 1000 万美元；Headway 用 AI 广告 6 个月拿下 33 亿次曝光，视频广告 ROI 提 40%。

作者立场是增强营销：AI 是自动驾驶，人还是飞行员，限速、禁区、刹车都由人设，没有护栏的 agent 会为了点击量写标题党、在看起来划算的受众上烧穿预算。团队的做法通常是拿 AI 管的 campaign 与人工管的做 A/B，量了再说，有效再放，同时训练团队读懂 AI 的建议、追问到位、揪出异常。可口可乐全球营销负责人的说法被引用作背书：对人来说，人类智能与 AI 同等重要。作者还描绘了一幅近景：早上到会，你带着 AI 通宵挖完全部数据得来的洞察、AI 帮出的创意清单和一版初稿投放计划，团队中午前拍板，傍晚 campaign 上线，AI 边跑边调，月底复盘它改了什么、为什么改。落到组织上写得很具体：初级分析师转向解读 AI 洞察，media buyer 转型 campaign architect，营销、数据与 IT 的协作是前置条件。文章收尾提醒管理者：眼下的前沿能力一两年后可能就是常态，别追热点，在自己的场景里让 AI 产生真价值才是正经事。

💬 三层顺序就是落地优先级，多数团队死在跳过第一层直接买工具。本周动作：把转化、收入、线索这几个指标的定义写成全团队一份对齐文档，语义层从一张表开始建。自动化试点先设支出上限与品牌红线，拿一条 AI 管的 campaign 对比人工管的，数据赢了再放预算。

🔗 深入阅读：查看完整文章

💡 今日总览

六条连起来读，今天其实在讲一件事：AI 营销的重心从做出内容挪到被机器采信。HubSpot 的引用数据、LinkedIn 的个人实验、OpenAI 的广告收入、Meta 的投放 agent，争夺的是同一个位置：成为 AI 回答里那个被引用、被推荐、被点击的名字。搜索排名的游戏规则换成了引用份额的游戏规则，页面要被引擎干净地搬走，人要在社区里被反复提及，品牌要在答案里被点名推荐。入场券的分布也不匀：75% 的 LinkedIn 引用来自个人页而非公司页，B2B 品牌被引远多于 B2C，专家型个人和 B2B 团队在这轮洗牌里位置比想象中好。

落地顺序比工具清单重要。先把自家页面和档案改成机器好摘的结构，H2 区间、FAQ schema、作者履历、更新日期，这是零预算动作，今天就能开工；再用最小预算在 ChatGPT 广告和 Advantage+ 各开一块试验田，用真实转化数字做决策，别只看平台口径；组织层面按 Berkeley 那篇的路子，先统一指标定义再谈 agent 自动化，顺序错了全白搭。三份材料给的周期表放在一起看很妙：LinkedIn 实验三周见效，Meta 迁移八周铺完，AEO playbook 给的是九十天，节奏不同，但都从测基线开始。

今天最大的提醒来自两组对照：OpenAI 的 10 亿美元 ARR 对 eMarketer 的不足 10 亿美元市场预测，Ryze 文里的 3.8 倍 ROAS 对它自己的获客立场。数字都真，口径决定意义。还有个容易被漏掉的事实：AI 引用的平均寿命只有两周上下，HubSpot 那篇同样把引用比作要持续打理的组合，赢家是刷新节奏、指标口径和治理责任人都能排进日历的人，不是做完一次优化就收工的人。2026 年做 AI 营销，第一技能是拆口径，第二技能才是用工具。