两周前，我做了一个小实验。
同一个产品、同一份 brief、同样的字数限制。我把任务同时交给 4 个 AI 工具，然后把 4 份产出匿名发给 5 位真实客户（消费品行业的市场总监和品牌经理），请他们选出最想用的那一篇。
我以为结果会很无聊——几个大模型写出来的东西应该差不多吧？
结果让我重新思考了一件事：当我们说「用 AI 做营销」的时候，我们到底在用什么。
实验设计
产品： 一个真实的新消费品牌——有机冷压果蔬汁，客单价 68 元/瓶，目标人群 28-35 岁一线城市女性，核心卖点是「每天一瓶，喝掉 7 种颜色」。
任务： 写一篇小红书种草文案，300 字以内，带产品卖点，风格要求「真实、有生活感、不硬广」。
4 个 AI 参赛选手：
| 代号 | 模型 | 使用方式 |
|---|---|---|
| A | ChatGPT（GPT-4o） | 零 shot，直接投喂 brief |
| B | Claude（Sonnet 4） | 同上 |
| C | 国内某头部大模型 | 同上 |
| D | ChatGPT（GPT-4o）+ 人工 prompt 优化 | 用了我打磨过的一套 3 层 prompt 链 |
关键设计： D 不是另一个模型。它是同一个 ChatGPT，但我花 15 分钟做了 prompt 工程——分三步引导：先分析品类语境，再生成 3 个角度候选，最后选定最佳角度展开成文。
为什么加 D？因为我想回答一个问题：模型本身的差距大，还是「会不会用」的差距大？
客户端结果
5 位客户每人选一篇最想用的。结果如下：
| 代号 | 得票数 |
|---|---|
| D（ChatGPT + prompt 优化） | 3 票 |
| B（Claude） | 1 票 |
| C（国内模型） | 1 票 |
| A（ChatGPT 裸用） | 0 票 |
ChatGPT 裸用——零票。这个结果让我愣了一下。
但更让我意外的是客户的评语。选 D 的客户说：「这篇读起来像真人写的。」选 C 的客户（唯一投给国内模型的那位）说：「它用的梗我身边朋友真的会用。」
没有人在意「它是哪个模型生成的」。他们在意的是「像不像我认识的人会说的话」。
拆开看：4 篇文案分别犯了什么错
A（ChatGPT 裸用）： 典型的「教科书式 AI 文案」。开篇用了一个不明所以的场景描写——「清晨六点半，阳光透过百叶窗洒在厨房台面上」——这是小红书种草文，不是村上春树。它把所有卖点堆在 300 字里，读起来像产品说明书被塞进了朋友圈。零票，合理。
B（Claude）： 结构很聪明。它用了一个「同事安利→我试了一周→真实感受」的叙事弧线，节奏舒服。但它犯了一个致命错误：结尾来了一句「理性消费，按需购买」。小红书种草文案的潜规则是制造「不买就亏了」的紧迫感，不是劝人理性。一位客户批注：「看到最后一句，我一下就醒了。」
C（国内模型）： 最「接地气」的一篇。用了很多小红书高频词——「谁懂啊」「想报警」「真的会谢」。但问题也在这里：梗太密了。300 字里塞了 6 个网络热梗，像是一个 45 岁的市场总监拿着《2026 年轻人黑话手册》照抄的。那位投它票的客户说：「有些梗过时了，但它尝试融入语境的努力我看得到。」
D（ChatGPT + prompt 链）： 这不是魔法。我做的 prompt 优化只有三件事：
- 语境锚定——先让 AI 读 5 篇同品类的高赞小红书文案，提取「口语节奏」「信任信号」「软植入模式」
- 角色注入——让它扮演一个「买过 20 种果蔬汁、踩过坑、终于找到真爱」的普通用户
- 坏稿淘汰——生成 3 个版本后，让它自己扮演「挑剔的小红书用户」来毙掉最假的那篇
结果就是：D 的文案没有任何热梗，没有任何场景描写，开头只有一句话——「喝了三个月果蔬汁的人说一句：大部分都是糖水。」然后自然地过渡到产品，用「我看了配料表」「只有 7 种果蔬，没加一滴浓缩汁」这类细节建立信任。
它的核心优势不是「写得好」，而是「写得像」——像一个真的喝过、真的比较过、真的有话要说的人。
这个实验告诉我的 3 件事
1. 「模型军备竞赛」在营销场景里被高估了
A 和 D 用的是完全相同的底层模型（GPT-4o），结果天差地别。D 赢了不是因为模型更强，而是因为用的人给了它更好的「情境」。
这让我想到一个数据：根据 HubSpot 2026 年 5 月的营销 AI 使用报告，使用 AI 工具的营销人员中，只有 23% 会花时间做 prompt 优化和上下文构建。剩下 77% 的人是「打开对话框→粘贴 brief→复制结果」。
同样的引擎，不同的驾驶技术，目的地差了一个星系。
2. 本地模型在「文化适配」上有真实优势
C 的文案虽然梗用得过火，但它对中文互联网语境的感知——哪些词是活的、哪些句式是朋友圈里真的会出现的——是 Claude 这种英文原生模型很难在零 shot 下做到的。
这提示了一个趋势：在内容营销场景中，模型对「语言文化的毛细血管」的理解，可能比通用推理能力更重要。 这不是说国外模型不行，而是说零 shot 用英文原生模型写中文种草文，就像让一个哈佛毕业生用三个月学的中文去参加《脱口秀大会》——逻辑满分，但观众不笑。
3. 「AI 文案」的及格线已经从「能读」变成了「能信」
2024 年，AI 写出一篇没有错别字、逻辑通顺的文案就够用了。但 2026 年 7 月，受众的 AI 识别雷达已经高度敏感。小红书用户能在 3 秒内判断一篇笔记「是不是 AI 写的」——不是因为看到了明显的语法错误，而是因为闻到了「假人味」。
什么是「假人味」？就是那种一切都很对，但就是不对劲的感觉。情感太平滑、转折太工整、没有真人写作里必然会出现的那些毛边——一个多余的「真的」、一次突然的跑题、一句不知道为什么要加但加了才对味的废话。
这也是为什么 D 赢了。不是因为它写得「更好」，而是因为它写了几个「没必要写但真写了才显真」的细节——比如提到「我看了配料表」。这种细节在纯效率逻辑下是「冗余信息」，但在信任建立上是「真实性信号」。
所以，如果你也在用 AI 做文案
不废话，三条建议：
第一条：别比模型，比 brief。 你花 15 分钟打磨的 prompt 链，对产出的影响远大于「ChatGPT vs Claude vs Gemini」的选择。模型之间的差距在缩小，但「会不会用」的差距在拉大。
第二条：做中文内容，别跳过本地模型。 如果你的受众说的是中文、混的是小红书和微信、用的是一个特定的文化语境的梗——那么一个在中文互联网数据上训练充分的模型，零 shot 下就可能比英文原生模型更「像人」。至少，值得做个 A/B 测试。
第三条：给你的 AI 文案加一个「毛边预算」。 每次产出后，问自己：这篇东西里有没有任何一句「不必要但真实」的话？如果没有，回去加。让 AI 写完后，手动加上一处「不完美」——一个口语化的重复、一句突如其来的吐槽、一处没必要的细节。这些毛边是信任的毛孔。
实验做完一周后，我把 A、B、C、D 四篇文案重新看了一遍。有趣的是，当我知道每篇来自哪个模型之后，我对它们的评价完全变了——我开始觉得 ChatGPT 裸用的那篇「其实也不差」，Claude 的结构「确实挺聪明的」。
然后我意识到：我在给自己找补。
匿名盲测最大的价值，就是剥掉了你对工具的品牌忠诚度。
你的客户不会因为你用的是 ChatGPT Pro Max Ultra 就多掏一分钱。他们只会在心里默念一句「这篇不像广告」——然后滑到下一篇。
而「不像广告」这四个字，可能是 2026 年 AI 营销里最有价值的一句评价。
