Braze 又出手了:营销 AI 从帮你写,走向替你做
Braze 在 Forge 大会上发布三款工具:自助式 AI 邮件决策工具 Decisioning Studio Go、由 AI 智能体执行质检的 Agentic Standards,以及通过 MCP 协议把 Operator 助手接入 Claude 等外部环境的 Operator Connect,文章认为营销 AI 正从帮人写作转向替人执行。


这两天刷到一条行业消息,我盯着屏幕看了好几秒。
Braze,那家做客户互动平台的兄弟,在自家年度大会 Forge 上,一口气端出了三件新工具。时间就在 9 月底,地点拉斯维加斯。
三件工具,我一个个给你讲。但先说说我为什么停下来。
因为这组发布背后,藏着一个信号:
营销里的 AI,正在从「帮你写」这一段,挪到「替你做」这一段。
什么意思?你听我慢慢说。
先讲第一件:Decisioning Studio Go
什么叫 AI 决策?
说白了,就是系统替你判断:对眼前这个具体的用户,此刻发哪封邮件、用什么标题、配什么图、几点发,效果最好。
这事 Braze 其实早就做了。它有一个叫 Decisioning Studio Pro 的企业版,用强化学习算「下一步最佳动作」。效果是真好。但有个门槛:你得养得起专门的数据科学家和工程师团队。
小团队呢?只能看着。
这次发布的 Go 版,就是冲着这个门槛去的。它把 AI 决策做成自助餐。不需要专门的技术班底,营销团队自己就能上手,自己就能把个性化旅程铺起来。
负责这条产品线的产品负责人 George Khachatryan 的说法很到位:这是轻量版的 AI 决策,让更多公司用得上,而且一个团队能在远比过去多的旅程上用。
首发场景是邮件。你把变量喂进去:几版创意、几十个标题、几条行动号召、几张图、几个发送时段。系统替每个收件人算出最优组合,发出去之后还会根据实时互动数据,边跑边调。
我给你算笔账。一个活动,8 封基础邮件打底,25 个标题,10 条 CTA,5 张图,再叠上发送时机,组合直接奔着几十万种去了。
人工去试?试到明年也试不完。系统呢,发出去那一刻就开始学。
这工具现在是测试版,10 月 14 日正式全量开放。
再讲第二件:Agentic Standards
第二件,我看完的第一反应是:太懂了。
你知道营销团队最耗时间的活是什么吗?不是写文案,是查。查链接有没有坏,查受众圈选逻辑对不对,查创意符不符合品牌规范,查合规上有没有坑。
这种活枯燥、琐碎、量大,还一个错都不敢出。
Braze 这次推的 Agentic Standards,就是把这类 QA 交给 AI 智能体去干。
玩法是这样的:你先把规矩定好。品牌规范、无障碍检查、合规要求,你们公司什么样,就定成什么样。然后智能体拿着这份规矩,把整条旅程从头到尾审一遍,给你一份清清楚楚的审计日志,该修的,它还能自动动手修。
注意这里的变化。以前你用 AI,多半是让它产内容:写标题、配图、出方案。现在呢?
它从内容生产者,变成了质检员。
脏活累活交给它,人腾出手来做真正要动脑子的事。
最后一件:Operator Connect
第三件,我个人觉得最有意思。
Braze 平台里原本有个内置 AI 助手,叫 Operator。它懂平台的底层逻辑,也懂你账号的配置,能帮你搭活动、建预测模型、回答各种设置问题。
但它有个天然限制:只能待在 Braze 界面里。
Operator Connect 干的事,就是把这扇门打开。它用一套叫 MCP 的协议(Model Context Protocol),把 Operator 的能力接进了外部环境,比如 Claude。
Khachatryan 对它的形容很形象:这是 Operator 的无界面版本,把 Braze 的能力搬进营销人本来就在用的工作区。
你想象一个场景:正在 Claude 里写活动 brief,写着写着,直接吩咐一声,让它在 Braze 里把活动结构搭好。创意、文案,系统自动配齐。你回头打开 Braze 面板,只做最后确认和拍板。
写方案的地方不用换,执行的平台不用切进去守着。
当然,喜欢待在 Braze 面板里的,照旧。习惯用外部助手的,也不必再切来切去。
最后说两句
三件工具,指向同一个方向。
AI 在营销里的角色,正在从「替你想」走到「替你做」。
写文案这一段,AI 已经卷了两三年,卷出了心得。但一个营销活动的完整链条里,写只是其中一环。决策谁来做?质检谁来做?执行谁来打通?这些才是每天真正消耗团队的地方。
谁能把这些环节一个个接过去,谁就能把人从流水线上解放出来,去做机器替代不了的事:判断、审美、和用户真正的关系。
以前我们说,AI 是营销人的新笔。
现在看起来,它想当的不只是笔。
它想坐进驾驶座。
继续阅读
相关文章

你的品牌,AI 知道吗?聊聊 GEO 这门新手艺
一篇介绍 GEO(生成式引擎优化)的科普文章:拆解 ChatGPT、Perplexity、Gemini 等引擎的类型差异,说明 GEO 与 SEO 在目标和衡量指标上的不同,以及哪些 SEO 老功夫仍然适用。

89% 的零售商都在用 AI 了,电商这场仗,打法全变了
本文梳理 AI 在电商中的应用:涵盖个性化推荐、智能搜索、动态定价、智能客服、库存预测与风控等场景,并讨论 B2B 电商、生成式 AI 内容、工具选型、落地风险与六步实施路径。

AI 内容跑得飞快,可「谁批的」三个字,你答得上来吗?
本文探讨 AI 内容生产提速与治理缺位之间的落差,梳理从提示词校验、品牌护栏、权限、审批流、人工分级审核,到版本谱系、IP 管理、审计留痕与素材复用的九个控制点,说明如何让 AI 生成的营销物料全程可追溯、可问责。