一切始于 Anthropic 的一篇博客文章。
https://claude.com/blog/how-anthropic-uses-claude-marketing
这是一个关于“一位从未碰过终端机，但现在却用 Claude Code 运营整个营销部门的增长营销人员”的故事。
深入了解后，我发现类似的例子比预想的要多。基于截至 2026 年 4 月的公开信息，我总结了这些营销人员利用 Claude Code 的案例研究。
案例研究概览
这里我总结了三个案例，主角来自国际公司的营销专业人士和独立从业者。
案例研究 1 | Anthropic 自身——“一人运营增长营销部门”
这是我读到的第一个案例，也是最让我惊讶的一个。
在 Anthropic 增长营销团队工作的 Austin Lau，从从未碰过终端机，到仅用 Claude Code 构建并运营了以下所有内容：
- 自动广告变体生成：将现有的广告 CSV 输入 Claude → 专门负责标题和描述的子 Agent 会生成数百个变体，同时严格遵守字符限制。
- 自定义 Figma 插件：在完全没有编程经验的情况下，用大约 45–60 分钟构建了一个系统，可以一键将数十个广告变体插入 Figma。
博客中还详细描述了他如何构建 Figma 插件。
对于社交广告和应用商店素材，常见的组合是 10 个文案变体 × 5 种宽高比。以前，这意味着要手动复制 Figma 框架，并在 Google Docs 之间来回复制粘贴。
仅这一项任务，每次更新就需要 超过 30 分钟。
Austin 对 Claude Code 说的只是：
“Claude，我在 Figma 里工作。我想解决这个重复的复制粘贴难题。你能帮我构建一个 Figma 插件来解决这个问题吗？”
据报道，Claude 当场就开始通过自行研究 Figma API 文档来构建原型。
第一个版本并不完美，但“足以作为概念验证”，然后他通过迭代改进最终完成。
现在的工作流程是：从 Google Sheet 中复制标语，在 Figma 中选择目标框架，然后点击插件中的一个按钮。
所有变体，包括不同的宽高比，都会自动生成。每批最多 100 个项目，该系统现在每次更新都能节省大约 30 分钟。
更令人惊叹的是，构建这个系统只花了 45 到 60 分钟。
通过投入相当于两次手动操作的时间来构建自动化，他大幅减少了未来的所有工作量。
📎 来源：Anthropic 官方博客“Anthropic 的增长营销团队如何用 Claude Code 将广告创建时间从 30 分钟缩短到 30 秒”
📎 Anthropic 官方内部文档 PDF“Anthropic 团队如何使用 Claude Code”
案例研究 2 | Adam Sandler（前美国运通营销人员）——构建“一人 CMO”系统
这是 Adam Sandler 的案例研究，他是一位资深营销人员，曾为美国运通和雀巢等财富 500 强公司处理数字营销。
他目前通过构建一个名为“SLC CMO Agent”的编排 Agent，独自运营整个营销业务。
SLC CMO Agent 的工作原理
这个 Agent 的设计强调“引导式体验”。以活动开发（品牌、竞争对手、社交网络、发布、年度活动等）为中心，它被编程为询问所有必要的问题。
Adam 不断迭代，将自己的营销经验和直觉反映在 Agent 的行为中。他采取的方法是“如果输出感觉不对，当场纠正 AI，从而调整 Agent 的思维模式”。
具体来说，他正在做以下事情：
- 自动竞争对手分析 CSV 生成——他指示：“研究这个竞争对手，并将其保存为结构化的 CSV。”一旦模板制作完成，就可以用于下一个竞争对手分析，随着数据积累，可以迭代扩展到趋势分析和电子邮件活动。
- 并行内容创建（使用子 Agent）——如果他想写 10 篇博客文章，10 个子 Agent 会同时并行运行。写一篇博客文章的时间就能完成 10 篇。这些子 Agent 是“一次性的”，每个都有独立的上下文窗口，任务完成后就被丢弃。
- 严格的品牌语调应用——他积累客户的通话和视频记录，构建个性化的“人物技能”。他训练 AI 重现该特定人物的说话方式、措辞和风格。
- 与 Google Analytics 和 Search Console 的 MCP 集成——他构建了自定义 MCP 工具，可以直接从 Claude Code 检索 GA/GSC 数据。只需发出语音命令，如“查看近期表现，并根据趋势建议 10 篇博客文章”，就能获得基于实时数据的建议。
- 入职流程——在设置新品牌时，他只需将品牌资产拖入文件夹，Agent 就会自动整理。它甚至会自动使用黄金圈或蓝海等营销框架引导品牌分析。
他独自处理所有这些工作。
另一个令人印象深刻的地方是他关于上下文管理的理念。
他将其描述为“在会话中精确管理哪些内容该展示，哪些不该展示”。他强调，如果无关的上下文混入，会导致幻觉，因此有意缩小范围至关重要。
他还强烈推荐语音输入（他非常喜欢 Super Whisper），并指出“这不仅仅是打字效率的问题；大声解释事情的心态转变会提高输出质量。”这对于营销人员的语言表达能力来说，感觉非常契合。
📎 来源：个人网站“The Viable Edge”（销售并发布 14 种使用 Claude Code 的 AI 营销专家系统）
案例研究 3 | Zapier——产品营销团队在日常任务中充分利用 Claude Cowork 和 Code
从个人案例转向团队和企业案例。
在 Zapier，Joe Stych（产品营销主管）、Matt Brown（影响者营销高级经理）和 Larisa Cavallaro（AI 自动化工程师）使用 Claude Cowork 来委派实际任务。
我发现 Joe Stych 的故事特别有趣。
据报道，他在同一工作会话中研究公司的产品数据库、创建信息传递材料并完成一个落地页。
以前，这个流程需要与三个不同的团队协调。
Joe 预先将三个信息来源连接到 Cowork：
① 公司现有的主页
② 团队特定的“技能”（一组可重复使用的指令，总结了产品营销团队的写作规则、信息传递策略和运营假设）
③ 通过 Zapier MCP 连接内部工具（Slack 线程、内部搜索工具 Glean、Jira 等——任何需要的内容都可以拉取）
通过将团队的理念和判断标准预先集成到工具中，他避免了每次都要从头重新解释一切。
以下是实际工作流程：
他只需要给 Cowork 两样东西：“当前的公司主页”和“这个项目的信息传递策略”。
Claude 会在浏览器中打开实际网站，读取页面元素，如页眉、首屏和功能简介，并输出一个符合新信息传递策略的修改版主页提案，作为原型 HTML 页面。
它生成的内容可以立即展示给他人，无需设计师进行初步交接。
此外，在 Claude 工作时，Joe 可以专注于其他任务。结果，将草稿分享给 CMO 或 CEO 征求意见所需的时间只有 大约 15 分钟！
以前，他们甚至无法评估方向，必须先交给设计师，这需要几天时间。速度感完全不同。
另一个引人注目的点是 Joe 的“不把会话视为一次性”的理念。
在每个会话结束时，他会问 Claude：“这次会话我们应该记住什么？”以积累经验。
此外，影响者营销人员 Matt Brown 自行构建了一个使用 Claude Cowork 的 ROI 仪表板（在 GitHub Pages 上构建了一个每日更新的实时可视化仪表板）。
营销人员“自己构建仪表板”的想法，在以前很可能不会发生。
一旦能做到这种程度，似乎就无法回到没有 AI 的工作方式了。
📎 来源：Anthropic 官方客户故事“Zapier 的营销和工程团队如何使用 Claude Cowork 委派实际工作”
📎 Zapier 博客“什么是 Claude Cowork？”（功能说明文章）
跨案例研究的洞察
① “我不会编程”不再是借口
Austin Lau 和 Adam Sandler 都是从没有终端或编程经验开始的。“像向同事解释问题一样与 AI 交谈”的方法直接转化为构建工作流程。
② “结构”对于个人和大型企业来说是相同的
无论是个人案例（Adam Sandler）还是团队案例（Zapier），他们所做的本质是相同的。他们为子 Agent 分配角色以进行并行处理，而人类则专注于审查和决策。知道这种结构无论规模大小都可复现，使得“从小处着手”变得更容易。
③ 允许“仅由人类进行最终确认”的程度
我还没有明确的答案，但将多少工作委托给 AI 的标准会因行业、品牌和阶段而有很大差异。我们需要在参考这些例子的同时，考虑自己的界限。
启动“AI x 营销”实践社区
对于那些对本文介绍的“使用 AI 改变营销工作”的实践感兴趣的人：
“aimark”是一个社区，我们在这里分享 AI x 营销的实用知识，并一起边做边学。
- “我在使用 AI 工具，但不知道如何应用到实际工作中。”
- “我身边没有人可以讨论 AI x 营销。”
- “我不只是想看例子，我想自己复现它们。”
这个地方推荐给这样的人。通过挑战和讨论，我们优先考虑不仅仅是输入，而是达到可以在实际业务中使用的水平。
我们目前正在招募第一批成员，截止到 4 月 14 日。如果你感兴趣，请看一看。
