把自己作为方法，赞意“ AI营销工作坊”即将开启

过去两年，营销行业对 AI 的关注，经历了从模型能力、工具试用到规模化应用的变化。随着内容生成、信息处理和自动化工具逐渐普及，企业面对的问题也从“要不要使用 AI作图”，转向“如何让 AI 进入真实业务”。

赞意的实践从内部开始。

过去两年，赞意持续把 AI 放进策略、创意、数据、内容、协作和组织管理等工作场景，建设内部 AI 工具体系和 skill 市场；同时在客户项目中推进 AIGC 内容生产、营销工具定制、评论区情感分析、GEO 与 AI 搜索可见性，以及企业 营销AI workflow 诊断与落地服务。

这些工作的共同起点是：在用 AI 改变客户业务之前，先用 AI 改造自己的工作方式。

基于这些实践，赞意将推出面向品牌方的“ AI营销工作坊”（ AI Marketing Workshop）。第一期将于 2026 年 8 月 7 日在上海举行，第二期将于2026年8月14日在北京举行，与品牌共同拆解 AI 进入营销工作流的方法。

先改变工作流，再增加工具

引入一个 AI 工具，并不等于完成 AI 转型。如果原有流程、角色分工和交付标准没有变化，AI 往往只会成为原有工作流程中的一个效率插件。

赞意把内部 AI 建设的重点放在具体工作流上：哪些工作依赖反复沟通，哪些环节包含大量手工执行，哪些个人经验可以转化为团队方法，哪些交付可以被记录、复盘和持续优化。

在策略与洞察场景中，赞意已上线生意叙事、抖音及小红书 Social 策略、抖音数据分析、消费者洞察等工具，用于信息整理、趋势识别、竞品观察、消费者反馈提炼和策略初步推演。

在创意与内容场景中，Big Idea、执行文案、视觉设计、明星营销等工具，正在进入从 brief 理解、创意发散到多渠道内容表达的过程，帮助团队积累和复用创意方法。

在通用工具与组织协作场景中，PPT 美化、Gemini 对话、今日热榜、提示词优化、合同审查、数据统计、赞意人成长 PATH 等工具，已经覆盖多项日常高频任务。

赞意品效 AI 工作台也已上线，围绕洞察研究、数据复盘、内容设计和协作客服等模块，提供 Strategy Chat、Consumer Insight、Brand Monitor、Comment Crawler、AI Hot Topics、Yuntu Analytics、Xingtu Picker、Douyin Library、RedNote Library、RedNote Audit、GGN Workspace 等工具能力。

先用 AI 改造自己，也意味着重新定义营销人的工作

随着信息处理、素材生成和内容变体生产的效率提高，营销人的工作重点也在发生变化。

过去需要投入大量时间完成的信息收集、基础整理和重复执行，可以逐步交由 AI 辅助；营销人则需要把更多精力投入客户生意理解、市场机会判断、策略选择、创意审美、文化语境和结果复盘。

因此，推进 AI，并不是降低对专业人才的要求，反而对营销人才的专业性提出更高要求。

AI 可以扩大信息处理和内容生产的范围，但策略方向、品牌取舍和创意标准仍然需要人的判断。能否提出正确的问题、识别有效的信息、判断内容是否符合品牌长期价值，也会直接影响 AI 的产出质量。

对营销人来说，“先用 AI 改造自己”不是简单地学习更多工具，而是重新安排自己的工作：哪些任务可以交给 AI，哪些判断必须由人完成，哪些经验可以被转化为可复用的方法，以及如何对最终结果负责。

对组织来说，这也意味着培训的目标不能停留在工具教学，而要进一步进入岗位、流程和协作机制。

先改造自身交付，再向客户提供 AI 服务

AI 对营销代理公司的影响，也在进入交付层面。

传统营销服务的价值，通常体现在项目周期、人员投入、创意产出和阶段性交付中。随着 AI 进入工作流，部分环节可以被标准化、自动化、数据化并持续迭代，客户也会更加关注交付结果能否被定义、衡量和复盘。

赞意正在尝试把 AI 能力与交付标准结合起来，推动服务从完成单次项目，走向沉淀更稳定的营销能力。

在可定义、可衡量、可复盘的业务场景中，赞意也将探索更接近交付和结果导向的合作方式。这要求代理公司首先改造自己的流程，明确人的判断、工具执行和结果验证分别发生在哪个环节。

目前，赞意已在多个客户项目中推进相关实践。

在内容生产方面，赞意为客户定制 AIGC 视频内容，把 AI 应用于创意生成和视频生产。

在营销工具方面，赞意为客户定制 AI 赋能的内容素材生成工具，根据不同渠道、人群和传播目标，完成素材变体生产与内容适配。

在社交聆听与舆情理解方面，赞意为客户开发评论区情感分析工具，从用户反馈中识别情绪变化、话题结构、核心关注点和潜在风险，为内容复盘与消费者洞察提供支持。

在 GEO 与 AI 搜索可见性方面，赞意正在研究品牌如何在生成式搜索、AI 问答和新的内容分发环境中被识别与推荐，并围绕品牌内容资产、语义结构、问答场景和平台生态推进优化工作。

在企业 AI 转型服务方面，赞意正在探索从营销工作流成熟度评估、高价值场景识别和机会地图设计，到原型验证、工具部署、团队培训与持续迭代的 AI workflow 诊断与落地服务。

这些客户服务并非独立于赞意内部建设。相反，它们建立在赞意对自身工作流的持续测试和改造之上。

AI Builder Team：让技术进入业务现场

赞意组建了由技术、创意、策略、内容和客户服务等不同背景成员构成的 AI builder team，推进上述工作。团队一方面研究模型、工具和自动化能力，另一方面把这些能力放进广告营销的实际工作语境：如何理解客户 brief，如何评估创意，如何组织内容生产，如何分析消费者反馈，以及如何定义和验证交付结果。

赞意也在连接 MulanPro、GEO 工具团队等外部AI native伙伴，共同探索 AI 在调研、视频生产、品牌可见性、搜索和内容生态中的应用。例如，MulanAI 是以画布工作流、自然语言建流和多模型编排为核心的 AI 视频自动化生产产品，支持创作者和企业从单点素材生成走向端到端视频生产。

内部团队与外部伙伴的协作，服务于同一个目标：把 AI 从技术演示带入业务现场。

从一次 Workshop 开始，拆解自己的营销工作流

“先用 AI 改造自己”并不要求企业一次性完成全面转型。

更可行的起点，是选择一个具体营销任务，拆解现有流程，识别其中的重复劳动、信息断点和高价值判断，再决定 AI 应该进入哪个环节。

即将举办的赞意 “ AI营销工作坊”，将围绕这一思路设置四个模块：

第一模块：AI 底层逻辑

帮助参与者理解 AI 的能力边界、工作机制和营销应用逻辑，为后续的场景选择与工作流设计建立认知基础。

第二模块：手搓市场研究 skill

从真实营销任务出发，把市场研究、消费者洞察和品牌分析方法，转化为可以复用和继续迭代的 AI skill。

第三模块：AIGC 内容

围绕内容生成、视频生产和创意表达，品牌、广告公司和AI伙伴方，拆解 AI 如何参与品牌内容从想法、素材到成片的生产流程。

第四模块：营销自动化

围绕营销工作流，探索 AI 工具、自动化流程与多模型协作如何进入日常执行和交付。

第一期 Workshop 将于 2026 年 8 月 7 日在上海举行，第二期将于 2026 年 8 月 14 日在北京举行。

部分分享人介绍：

@废话老洪

10年+品牌与营销实战经验，职业经历横跨头部4A、上市公司、品牌咨询，现为一财商学院品牌专家、淘宝认证AI专家。

长期研究AI在品牌、营销与内容业务中的实际应用，已为1000+从业者提供AI培训及学习。擅长从真实业务场景出发，帮助企业将AI嵌入工作流程，提升团队效率与内容产出质量。

Nolan AI Builder（23岁）

本科毕业于武汉大学，曾发表人工智能顶会论文。前往美国加州大学圣地亚哥分校攻读硕士，但随着生成式 AI 的爆发，他决定休学，离开传统的教育与职业路径，全职投入 AI 产品创造。

过去几个月，他连续在三场 AI Hackathon 中获奖，包括获得新加坡首场 OpenClaw Hackathon 冠军；同时独立构建了多个 AI 产品。目前，他正在探索 AI 时代新的产品与创业机会。

刘如山 MulanAI 创始人 CEO

MulanAI 是全球第一家以画布工作流、自然语言建流、多模型编排的 Ai 产品，以AI 视频自动化生产为核心，致力于让创作者和企业从“单点生成素材”迈向“端到端完成视频生产”。

胡兰辉 Eric Latios AI 联合创始人

Latios AI 利用 AI 持续追踪全球关键意见领袖、创业者、投资人与行业专家的公开观点，将海量信息自动整理、关联、分析，并持续发现趋势变化，帮助企业从"获取信息"升级为"获得洞察"，让每一次产品决策、市场判断和战略规划都建立在全球最新的一手信息之上。

如果你对赞意 AI Marketing Workshop 感兴趣，可以联系赞意首席客服 @乌东面（微信：dongwdw），或你熟悉的赞意合伙人、客户负责人；也可以订阅赞意打造的每周一更新的 AI Marketing Brief（点击即可跳转订阅），安装ai-marketing-brief-skill，持续了解 AI 在营销业务中的最新发展和应用进展。