营销自动化实战：代理机构的 AI 交付工作流

对一家 5 人规模的代理机构来说，营销自动化不该从添置一整排应用开始，而应先跑通一条可控的交付闭环。按本文模型，为 5 个客户配置 5 个 ChatGPT Business 席位、Make、GPT-6 Sol API 用量，以及 3.75 小时人工编辑，每月基准成本为 $338.86。流程从已批准的 brief 开始，在客户审批处设闸，月报只采用核对无误的 CSV 汇总数据。

这套方案适合谁

这份实战指南面向 5 人营销代理机构：团队包括老板兼策略负责人、客户负责人、效果营销人员、文案或设计多面手，以及运营负责人。你们已经在使用项目管理工具、云端文档、广告账户和电子表格；真正挤占每周时间的并不是缺软件，而是反复交接：获批 brief 要整理成信息矩阵，矩阵要改写成各渠道草稿，客户意见再流转回来，不同字段的广告数据导出后，还得由人把它们讲成一份月报。机会在于用 Make 把这条路径变得可控、可重复，同时绝不让某个客户的事实、语气或数据混入另一个客户的项目。

代理机构的 AI 营销，本质是交付系统而非工具清单

合适的第一套技术栈只需要三层：供团队协作、受治理的模型工作区；负责状态流转的自动化层；以及按量计费、处理重复机器任务的模型接口。工作区承载上下文和审核；自动化层传递已批准的材料并记录状态；API 负责结构化生成草稿和报告，费用可单独计量。

在这套设计中，ChatGPT Business 是人的工作区。按年计费时每位用户每月 $20，按月计费则为 $25，因此 5 个席位每月分别是 $100 或 $125。Business 数据默认不会用于训练 OpenAI 模型，但这项保障不能替代客户合同、访问策略，也不能替代你对哪些内容适合交给模型的判断。

每个客户单独建立一个项目。同一项目中的对话可以共享文件、指令和已连接的数据源；OpenAI 的项目指南也建议把互不相关的工作拆到不同项目中。应把这理解为上下文管理规范，而不是法律或技术层面的租户隔离证明。

Make 承担自动化层。按月付费时，Core、Pro 和 Teams 在 10,000 credits 档位的价格分别为 $12、$21 和 $38。大多数模块操作消耗 1 个 credit，但某些使用 Make AI Provider 的高级操作会消耗更多。因此，代理机构应根据执行日志测算场景成本，而不是数画布上有多少个方框。

在本文成本模型里，GPT-6 Sol 是自动生成草稿时按量计费的模型。标准短上下文价格为每 100 万输入 tokens $2、每 100 万输出 tokens $10。ChatGPT 工作区会员与 Platform API 属于彼此独立的访问和计费体系，购买 5 个 Business 席位并不会覆盖 Make 发起的 API 调用。

想了解更广泛的专业工具选择，可参阅 AI 营销工具指南；若要判断何时该为 AI agent 单独编列预算，可参阅 AI 营销 agent 指南。对本文工作流而言，先测出审核环节的真实瓶颈，再考虑增加专业工具和新账单。

本文涉及的价格与方案限制，均于 2026 年 9 月 25 日对照厂商实时页面核验。

决策表

下面 7 个交接环节共用订阅。标注“已包含”的项目不会产生额外费用，而是使用已经计入成本的工作区或自动化方案。

配置难度中，“低”表示只需 1 个已保存模板，“中”表示需要带校验的受控 schema，“高”表示需要跨工具流转和错误处理；它并不是工时估算。

围绕 7 个停止条件搭建营销自动化工作流

安全的自动化只负责推动状态变化，不能替人“发明”授权。每次交接都要明确输入、输出、唯一责任人，以及阻止流程继续前进的条件。

1. 在单一客户项目中冻结一份获批 brief

第一项任务不是生成内容，而是把松散的客户 brief 整理成一份整月都可信的资料包。

工具与成本： ChatGPT Business，使用共享的 5 席位工作区；按年计费时每月 $100。

配置： 以客户 ID 命名项目，不能只写品牌名。在项目指令中明确受众、offer、获批证据、禁用主张、必需免责声明、语气规则、渠道和输出格式。只上传已批准的 brief、当前版本的品牌语气指南、主张登记表和约定交付清单。

输入： 客户批准的 brief 与获批参考资料。

输出： 一份冻结的资料包，包含版本日期、来源 ID、待解决问题，以及清晰可见的 APPROVED 状态。

负责人： 客户总监。

停止条件： 所有必填字段齐全，未决问题已指派负责人，且客户或承担责任的客户负责人已批准资料包。拟用主张若缺少证据，流程就在这里停止。

边界： 项目可以组织上下文，却无法让草率上传变得安全。即使结构相似，也不要把上一个客户的对话、语气指南、受众文件或效果数据导出复制进当前项目。

2. 从获批 brief 搭建 AI 营销活动工作流

信息矩阵是杠杆率最高的产物：模型批量生成几十个版本之前，团队必须先做出 1 次策略决策。这张紧凑表格应包含受众、问题、期望改变、证据、offer、异议、行动号召、禁用主张和来源 ID。

工具与成本： ChatGPT Business，已包含在共享工作区中。

配置： 在客户项目中保存 1 份矩阵模板。要求模型只使用冻结资料包；证据不足时留空；每条证据性表述旁都要写明来源 ID。分歧和缺失证据应单列清单，不得靠虚构文案补齐。

输入： 获批资料包。

输出： 1 份可审核的信息矩阵，以及 1 份异常清单。

负责人： 策略负责人。

停止条件： 策略负责人接受 1 个主要信息方向，每条证据性表述都能对应来源，并且在各渠道草稿开始制作前，客户已批准信息方向。

边界： 流畅的矩阵也可能掩盖薄弱策略。模型往往会抹平矛盾，把愿景写成事实。资料包无法支持的差异化主张，策略负责人必须否决。

3. 把矩阵变成素材草稿，而不是直接发布的成品

核心信息获批后，结构化生成才值得自动化。同一张矩阵可以生成付费社交媒体版本、搜索广告概念、落地页模块、邮件文案和创意 brief，无须让 5 个人分别重建策略。

工具与成本： 通过 Make 调用 GPT-6 Sol。按照本文的工作量假设和重试预留，API 模型成本约为每个客户每月 $0.37。

配置： 每项素材都要给出素材 ID、渠道、受众、目标、允许使用的来源 ID、长度限制和输出字段。要求响应返回素材 ID、草稿、实际使用的来源 ID 和待解决问题。输出只能写入草稿位置，绝不能直接进入广告账户、邮件平台或线上页面。

输入： 获批矩阵及渠道规范。

输出： 带版本号、来源引用和异常项的草稿包。

负责人： 文案负责人或渠道负责人。

停止条件： 每份草稿都使用获批信息，每项事实主张都有允许使用的来源 ID，并且整包状态标记为 READY_FOR_INTERNAL_REVIEW。

边界： 版本越多，审核工作也可能越多。只要当前版本已覆盖计划验证的假设，就应停止生成。不要让模型擅自创造新 offer、客户引语、效果主张或法律措辞。

4. 把修改意见送回唯一的客户审批记录

Make 应把内部审核通过的草稿发送给客户，并将结构化反馈准确写回对应素材；至于反馈在策略上是否成立，不该由 Make 判断。

工具与成本： 如果只有 1 位自动化负责人，使用每月 $12 的 Make Core；多名员工需要团队角色和共享场景模板时，使用 $38 的 Make Teams。

配置： 仅当内部状态变为可提交客户审核时触发。在代理机构现有的项目系统中创建审批任务，附上不可变更的草稿链接，并只接受 3 种回复：批准、提出具体修改、退回策略环节。把回复内容、审核人、时间戳、素材 ID 和客户 ID 写回记录。

输入： 已通过内部审核的草稿包。

输出： 与精确素材 ID 绑定的审批记录或修改请求。

负责人： 项目经理。

停止条件： 客户批准已记录在最终版本名下。意见含糊、审核人指令冲突或缺少批准人时，退回客户负责人处理。

边界： 无上限的修改循环既消耗 credits，也会掩盖范围蔓延。设置重试上限，超出后交给客户负责人。绝不能仅凭一条评论或一封邮件回复自动发布。

5. 先规范化营销活动 CSV，再让 AI 撰写解读

报告流程应当先计算、后写作。从每个获批来源导出文件，将数据映射到统一 schema，再由电子表格或确定性转换逻辑计算汇总值。

工具与成本： Make 加代理机构现有电子表格，费用已包含在所选 Make 方案内。

配置： 必须记录客户 ID、来源平台、账户 ID、报告周期、时区、币种、campaign ID、指标名称、指标定义和源文件名。原始文件保持不变，只对副本进行转换并写入规范化表格；随后在语言模型之外计算总计与差异。

输入： 从约定来源系统导出的营销活动 CSV。

输出： 规范化证据表、对账表和来源台账。

负责人： 效果营销人员。

停止条件： 各统计周期一致，币种和时区明确，已记录行数，每项汇总都能与源数据导出对上。只要存在差异，报告流程就停止。

边界： 不同平台可能用同一个词表示不同指标。在指标定义和归因窗口与客户约定一致之前，转化、线索或归因销售额都不能直接比较。不要让模型替你消解这种歧义。

6. 让 AI 客户报告中的每个数字都能追溯到 CSV 行

模型在报告中的任务是解释，不是算数。输入内容只应包括核对后的汇总表、来源台账、此前批准的决策，以及一条硬性指令：每个数字旁都要引用来源 ID。

工具与成本： 通过 Make 调用 GPT-6 Sol，费用已包含在模型测算的 API 项中。

配置： 固定报告结构：高管摘要、较上一周期的变化、渠道发现、决策、风险和下一步行动。每个含数字的句子必须标注报告周期和来源 ID。除非给定证据足以支持，否则因果解释必须标为假设。

输入： 已对账的汇总表和来源台账，绝不能是多个客户散乱的原始导出。

输出： 带来源的报告草稿，以及不受证据支持的解释清单。

负责人： 客户负责人。

停止条件： 每项上报汇总都已对照 CSV 核验，每个周期都正确，每条建议都有负责人，不受支持的因果表述已删除或明确标注。

边界： 语言模型可能调换数值、漏掉限定条件，或把相关性写成因果关系。客户负责人必须把每个数字与台账逐项比对，不能把一段漂亮的解释当成证据。

7. 归档本次运行，但不要建立跨客户记忆池

最后一次交接是为了让下个月的工作可复现。应保存获批 brief 的版本、信息矩阵、生成素材、客户意见、最终审批、原始及规范化 CSV、报告、prompt 版本、实际模型账单、Make credits、重试记录、更正记录和审核分钟数。

工具与成本： Make 加现有存储，费用已包含在所选 Make 方案内。

配置： 使用客户专属路径和运行 ID，为归档指定访问负责人和保留规则。只有经过脱敏、可通用复用的流程经验，才能进入代理机构级别的 playbook。

输入： 本次运行完整且已批准的记录。

输出： 客户范围内的证据包，以及简短的运营说明。

负责人： 运营负责人。

停止条件： 记录完整、权限已检查，任何可复用经验都已移除客户名称、数字、文案和机密上下文。

边界： 共享 prompt 库可能悄然成为数据泄漏渠道。可复用的是结构、校验规则和空白模板，而不是客户措辞或效果数据。

5 个与 20 个客户账户分别要花多少钱

这是成本模型，不是行业基准。它采用上文列出的实时厂商价格和明确的工作量假设，方便你用自己的实际用量替换每项假设。

模型假设团队有 5 个员工席位；每个客户每月使用 62,000 个输入 tokens 和 20,000 个输出 tokens；为重试预留 15%；预留前每个客户需要 45 次 Make 模块操作；每个客户需要 45 分钟人工编辑，按 $60 的综合时薪建模。现有项目管理、存储、分析、广告平台和设计软件费用不计入其中。

5 个客户账户

• 席位： 5 个 ChatGPT Business 席位，按年计费折算每月 $100。
• 模型用量： GPT-6 Sol 计入 15% 重试预留后，每月 $1.86。
• 自动化： 模型测算需要 260 个 Make credits。Core 每月 $12，提供 10,000 credits，仍给实际工作流波动留有余量。
• 重试： 已按 15% 预留计入 token 与 credit 估算。
• 品牌限制： 基准方案不包含 Jasper。Pro 的 2 个 Brand Voices 无法分别覆盖 5 个客户品牌；Business 需要定制报价。
• 人工编辑： 3.75 小时，按 $60 计算，即每月 $225。
• 模型测算总计： 每月 $338.86，平均每个客户 $67.77。

20 个客户账户

• 席位： 仍为 5 个 ChatGPT Business 席位，每月 $100。
• 模型用量： GPT-6 Sol 计入 15% 重试预留后，每月 $7.45。
• 自动化： 模型测算需要 1,040 个 Make credits。Teams 每月 $38，提供 10,000 credits，并增加共享模板和团队角色。
• 重试： 已按 15% 预留计入 token 与 credit 估算。
• 品牌限制： 基准方案不包含 Jasper。Pro 的 2 个 Brand Voices 无法分别覆盖 20 个客户品牌；Business 需要定制报价。
• 人工编辑： 15 小时，按 $60 计算，即每月 $900。
• 模型测算总计： 每月 $1,045.45，平均每个客户 $52.27。

20 客户方案发生变化，是因为多位操作者需要受控协作，而不是因为模型测算的 1,040 个 credits 超出容量。Make 提醒，某些 AI Provider 操作会消耗不止 1 个 credit，因此试点结束后，应使用执行日志中的实际用量替换这项假设。如果 ChatGPT Business 选择按月而非按年计费，任一代理机构方案的总成本都要增加 $25。

Jasper 是可选的品牌治理层，并非基准配置。Jasper Pro 按年付费时每月 $59，按月付费时每月 $69，但只包含 1 个席位、2 个 Brand Voices、5 个 Knowledge assets 和 3 个 Audiences。因此，单个 Pro 账户连 5 个不同的客户品牌都覆盖不了，更不用说 20 个。

Jasper Business 采用定制报价，提供不限量 Brand Voices、Knowledge assets 和 Audiences，并包含 API 访问及管理控制。只有测出团队为修正品牌语气和主张规则实际花费的工时后，才值得询价。按模型中的 $60 人工时薪计算，如果月报价为 Q，则每月必须减少超过 Q ÷ 60 个真实审核工时才能回本。这是决策公式，并不是 Jasper 必然能节省这些时间的预测。

为什么 AI 客户报告必须配套来源台账

当每个数字都有明确“地址”时，月报才经得起追问。来源台账应记录来源 ID、客户 ID、平台、账户、文件名、报告周期、时区、币种、指标定义、转换步骤和最终核对值；报告文字再回指这些字段。

以下 3 层必须分开：

• 原始证据： 未经改动的 CSV 导出，按客户和运行 ID 存储。
• 已核对计算： 由规范化数据行和电子表格公式生成汇总值。
• 叙事： 模型只依据已核对计算撰写解释、决策、风险和行动。

如果报告写“转化量上升”，就应注明统计周期、指标定义和来源；如果进一步声称某个创意“导致”增长，这就是因果主张，仅凭相邻的 2 个数字并不足以证明。没有更多证据时，应将其写成下个月待验证的假设。

这种设计也能降低更正成本。某个汇总值变化时，只需修正规范化表格，仅重新生成受影响的文字，并保留上一版本；不要每次都从一堆新导出文件开始重写整份报告。

先用 2 个虚构客户验证，再接入真实数据

这项验证练习是面向未来的方案，尚未实际运行，因此不包含任何速度、质量或节省效果方面的主张。

创建 2 个虚构客户，为它们设计明显不同的 offer、语气和金丝雀短语。例如，给 Cedar Lane Software 设置无害短语 “purple compass”，给 Harbor Field Furniture 设置 “copper kite”。分别为两者制作 1 份虚构营销活动 brief 和 1 组虚构来源 CSV，并预先设定电子表格汇总值。

1. 1

   分别运行两条营销活动路径

   为每个虚构客户创建独立项目和运行 ID。生成信息矩阵与素材草稿，并保存所有输出，不要只把最好的草稿复制进演示文稿。

2. 2

   流转一次修改与批准

   在两个账户中各针对 1 项素材发送结构化修改请求。确认 Make 将意见送回正确的素材 ID，并记录最终批准。

3. 3

   分别生成两份月报

   规范化每组虚构 CSV，在模型之外计算汇总值，并要求模型只根据对应客户已核对的台账撰写报告。

4. 4

   核对事实与客户隔离

   将每项上报汇总与其 CSV 对照。在 Cedar Lane 的输出中搜索 “copper kite”，并在 Harbor Field 的输出中搜索 “purple compass”；只要出现跨客户短语，本次运行即判失败。

5. 5

   记录真实成本和审核工作

   记录实际审核分钟数、Make credits、API 费用、重试、被拒主张、已保存素材、审批记录和最终报告。只有这些实测值可以替换工作表中的假设。

只有当每个数字都与来源一致、金丝雀短语没有跨客户出现、每项素材都有审批记录，并且账单与审核时间均已记录，试点才算通过。若失败，应修复出错的交接环节，不能把失败稀释进一项代理机构整体生产力主张中。

客户数据与合规

不要把密码、API keys、身份验证 cookies、原始客户联系人名单、支付数据、健康信息、法律文件、未公开收购数据，或其他客户的记录粘贴到通用对话中。未经客户授权由你的代理机构和所选厂商处理的数据，一律不要上传。

ChatGPT Business 表示，Business 数据默认不会用于模型训练，但训练政策只是决策的一部分。还要评估数据保留、已连接应用、用户权限、数据位置、分包商、删除机制和客户协议。独立项目能够减少上下文串用，却不能替你取得授权，也无法自动满足所有监管义务。

配置阶段使用虚构数据。尽可能减少真实字段并对标识符脱敏；每个人只获得其角色所需的访问权限；凭据要保存在专门设计的系统中。凡是涉及受监管主张、客户记录、支出授权、合同措辞或公开发布，都必须保留一位具名的人工批准人。

周一行动清单

本周只做下面 3 件事。它们尚未跑通之前就扩大部署，只会增加排错位置。

1. 1

   冻结 1 份 brief

   选择 1 项低风险营销活动，把获批 offer、受众、证据、禁用主张和交付物整理到 1 个带来源 ID 的客户项目中。

2. 2

   搭建 1 条审批路径

   使用 Make 将 1 份已通过内部审核的草稿送入现有客户审核系统，再把决定写回同一个素材 ID。

3. 3

   运行 1 份虚构报告

   使用虚构 CSV，在模型之外计算汇总值，再根据核对后的台账生成叙事，并记录审核时间、credits、API 成本、重试和错误。

常见问题

营销代理机构最好用哪些 AI 营销工具？

先从 1 个受治理的模型工作区、1 个自动化层，以及现有文档、审批和分析系统开始。只有实测品牌审核工作足以证明某款专业工具的限制与价格值得承担时，再添加 Jasper 等工具。

用 AI 做营销是否合法？

可以合法使用，但 AI 不会让隐私、知识产权、广告、消费者保护、合同或行业监管失效。使用客户数据前先取得许可，为营销主张准备证据，并由责任明确的人完成审批。

有没有专门做营销的 AI 工具？

有，但不应让任何单一工具掌控完整的客户交付闭环。模型工作区负责推理和起草；自动化层负责记录状态，并在现有系统之间传递已批准的工作。

广告代理机构如何使用 AI？

最有价值的用途包括 brief 规范化、信息矩阵、受控素材草稿、修改流转、数据清洗，以及带来源的报告叙事。策略、事实主张、预算决策和发布仍应由人工审批。

AI 会取代营销岗位吗？

AI 更可能减少或压缩重复任务，而不是消灭所有需要承担责任的角色。客户信任、定位、审美、证据判断、协商和最终责任仍离不开人。

营销领域使用哪些类型的 AI？

生成式模型负责创作或总结内容，预测系统用于估算结果或评分，自动化工具则在系统之间传递数据和任务。这套方案用生成模型处理草稿与叙事，用确定性计算得出汇总值，用自动化完成交接。

我可以用 AI 做营销吗？

可以。先使用虚构或低风险数据，明确模型允许产出什么，并在任何面向客户或公开的操作前设置人工关卡。

AI 的 30% 规则是什么？

这是一种没有统一定义的非正式说法：有时指自动化比例，有时指必须由人工保留的比例。与其纠结百分比，不如明确列出哪些关卡涉及主张、资金、隐私、策略和发布，必须由人判断。

5 类主要 AI 工具是什么？

不存在适合所有团队的 5 件套。对代理机构交付而言，可按 5 类能力思考：模型工作区、自动化层、事实来源文档、审批系统，以及针对实测瓶颈配置的可选专业工具。

获取 AI 业务工作流审计清单

增购 AI 订阅之前，先梳理重复工作、数据交接和审批瓶颈。