上周末在一个朋友的后厨帮忙，他是那种会在凌晨四点去海鲜市场抢第一批货的厨师。看着他处理一条鲷鱼——去鳞、片肉、挑刺、调味、控制火候——我突然意识到，这整套流程和我每天做的 AI 营销工作惊人地相似。
不是那种「AI 就像一把好刀」的肤浅类比。而是从食材采购到摆盘上桌的每一个决策节点，都能找到营销工作流中对应的那个”需要人做判断”的瞬间。
这篇文章不是教你做菜。是借一个厨师的思维方式，重新理解人机协作在营销中的真正分工。
食材：垃圾进，垃圾出——但”新鲜”的定义变了
厨师朋友说了一句话让我印象深刻：「一道菜好不好吃，70% 在进厨房之前就决定了。」
他指的是食材。死虾怎么做都不弹，隔夜菜怎么炒都有股疲态。
AI 营销的逻辑完全一样。你喂给模型的数据——客户画像、历史 campaign 数据、竞品分析、品牌调性文档——就是你的食材。数据脏，Prompt 写得再漂亮，出来的东西也就那样。
但这里有个更深的问题：什么算”新鲜”数据？
传统营销中，「新鲜」意味着最近 30 天的点击率、上周的转化漏斗、昨天的社媒情绪。但在 AI 营销语境下，新鲜数据的定义在变化——因为你的竞争对手也在用类似的模型、喂类似的数据、产出类似的内容。当所有人的”新鲜食材”来自同一片海域，菜的味道就会趋同。
厨师的做法是：不去大众海鲜市场，去找有固定小供应商的渔船。翻译成营销语言就是——不要只依赖第三方通用数据源，开始积累那些只有你品牌才有的独特数据资产：客服对话记录、退货原因分析、忠实用户的非结构化反馈。这些才是你区别于竞品的「独家食材」。
刀工：预处理决定一切
「刀工好的厨师，炒菜快一倍。」朋友边说边把一根胡萝卜切成火柴棍粗细的细丝，每一根都几乎一样。
在 AI 营销工作流里，刀工就是数据预处理和分段。很多人把原始数据一股脑扔给 AI，然后抱怨结果不精准——这就像把整颗卷心菜扔进锅里，然后说炒不熟。
好的预处理至少包括三层：
第一层：清洗。 去掉明显的噪音——机器人流量、异常点击、已离职员工的账号数据。这些东西留在训练集里，会让模型学到错误的模式。
第二层：分段。 不是按人口统计学切（那是上一代的做法），而是按行为模式切。同一个 28 岁一线城市女性，在深夜刷手机时的决策模式和午休时完全不同。把「人」分对，比把「人群」分对更重要。
第三层：标注。 AI 不知道哪封邮件是「好」的——它只知道哪封邮件的打开率高。但高打开率可能是因为标题党，不是因为你写得好。你需要自己标注一小批「真正代表品牌水准」的黄金样本，这是刀工里最费功夫但最有价值的一步。
配方：Prompt 是配方，但好厨师知道什么时候改配方
这是最容易被误解的地方。很多人以为 Prompt Engineering 就是 AI 营销的全部——好像只要写出一个精妙的 Prompt，问题就解决了。
我朋友对配方的态度是这样的：「我有一本手写配方本，用了十年。但每道菜我每次做都会微调——今天的番茄比昨天酸，盐就得少放一点；这批辣椒比上批辣，用量就得减一点点。」
AI 营销的 Prompt 也应该这样用，但大部分人把它当成了死规矩而不是活基准。
一个典型的错误：品牌花两周打磨了一套「完美 Prompt」，然后让全团队在所有场景下复用。三个月后发现所有内容都带着一种微妙的相似感——标题结构雷同、论证逻辑一致、甚至连比喻的选用范围都开始收敛。这就是「配方僵化」——你的 Prompt 在训练你的团队变成 AI 的搬运工，而不是 AI 的指挥。
厨师的做法是什么？他有一个「基础配方」作为起点，但每次炒之前会尝一下食材、感受一下当天的湿度（对，湿度影响火候）、回忆一下上一批客人的反馈。然后他调整。微调。有时候调整幅度小到自己都说不清改了哪里——但出来的味道就是不一样。
对应到营销：与其追求「完美 Prompt」，不如建立一个 Prompt 迭代的节奏。 每周回顾上周产出，找出哪些内容开始有「AI 味」了（过于工整、缺乏意外感、论证太顺滑），然后刻意打破那个模式。加入一条反常规的指令。限制一个词的使用。要求引入一个意想不到的类比。
好的厨师不迷信配方。好的营销人也不该迷信 Prompt。
火候：快炒与慢炖之间，AI 只能帮你选一边
「大火爆炒的菜，从下锅到出锅不超过 90 秒。少一秒生，多一秒老。」朋友示范了一道辣炒蛏子，火焰窜到锅沿以上，整个动作行云流水。
「但这锅老火汤，」他指了指角落里一个砂锅，「从昨晚十点炖到现在，十二个小时。」
AI 营销中有一个很少被讨论的问题：不是「要不要用 AI」，而是「用 AI 做快的事还是慢的事？」
现实是，大部分品牌把 AI 用在了「加速一切」上——更快地生成素材、更快地 A/B 测试、更快地优化投放。这没错，但把一切都大火爆炒，你就永远尝不到小火慢炖才能出来的味道。
什么该快？
- 效果广告素材的批量变体
- 实时竞品监测和舆情响应
- 投放出价的动态调整
- 邮件标题的 A/B 测试
什么该慢？
- 品牌定位的底层叙事。 你不能让 AI 替你定「这个品牌代表什么」。你可以让 AI 给你 50 个选项，但选择哪一个——那个需要人对文化语境、品类历史和消费者潜台词的理解——必须慢。
- 危机公关的措辞。 AI 可以在 5 秒内生成一篇道歉声明，但一个不恰当的措辞带来的二次伤害，可能需要 5 个月来修复。
- 那些需要「不完美」的内容。 有时候最好的营销不是最精致的——一个手写的感谢卡、一段未经剪辑的幕后花絮、一句不那么工整但很真诚的道歉。这些东西 AI 做不出来，不是因为它不够聪明，而是因为它太擅长「做对的事」。
朋友总结得很精辟：「来我厨房学做菜的人，前三年我只让他们练两件事：刀工和火候。配方你可以抄，食材你可以买，但刀工和火候只长在你手上。」
调味：盐最后放，品牌声音也是
「你知道新手最容易犯的错是什么吗？」他往一锅汤里撒了一小撮盐，「太早放盐。」
「盐会随着水分蒸发浓缩。你中途尝着刚好，等出锅时就咸了。」
品牌声音在 AI 营销中的位置，和盐在烹饪中一模一样。
很多品牌的 AI 工作流是这样的：先让 AI 生成内容 → 然后人工调整品牌调性。这等同于先炒菜再放盐——盐浮在表面，咬一口淡，再咬一口咸。
品牌声音应该是「最后一步的微调」，而不是「事后补救的修正」。 具体来说：
-
让 AI 先做结构、逻辑和事实——这些是它最擅长的。不要一开始就强调「用我们的品牌语调写」，那会让 AI 在每一个句子上都犹豫，反而产出更僵硬的文字。
-
人工做调性注入。 拿到 AI 的初稿后，你做的事不是「改」，而是「调味」——加入一句只有你们品牌会用的口头禅、替换掉几个过于通用的形容词、在段落间插入一个有品牌性格的过渡句。
-
控制盐量。 品牌调性不是越多越好。如果你在每一段都强调「我们很幽默/很专业/很温暖」，读者会腻。最好的品牌声音是若隐若现的——你能感觉到它在那里，但不是在每一行都大喊「看，这是我们的调性」。
那个 AI 做不到的事：厨师的直觉
最打动我的瞬间，是深夜收工后，朋友做了一碗蛋炒饭。不是什么高级料理，就是剩饭、鸡蛋、葱花、盐。
但那一碗饭好吃到我说不出话。
「你加了什么？」我问。
他想了想，说：「我不知道。就是觉得该翻面了，就翻了；觉得该撒盐了，就撒了。」
这就是 Martin Scorsese 说的「电影不是关于拍什么，而是关于什么时候拍」。营销也一样。
AI 可以告诉你「做什么」，但它不会在凌晨两点突然觉得「这封邮件的第三段应该删掉」。 它不会在审批流程的最后一步，因为直觉觉得不对，而推翻整个创意方向。它不会在看到一条热点新闻时，产生一种「我们就该在这个时候、用这种方式回应」的冲动。
这些「厨师的直觉」——建立在成千上万次试错、失败、复盘之上的肌肉记忆——是 AI 营销中最不可替代的部分。
而且，和烹饪一样，这个东西教不了。只能练。
收尾：先做好一道菜
我问朋友，如果一个完全不会做饭的人想学厨，第一件事应该做什么。
我以为他会说「练刀工」或「学看火候」。
他说：「先完整地做一道菜。从头到尾，自己买菜、自己切、自己炒、自己调味、自己摆盘、自己吃。做完你就知道做菜是怎么回事了。然后你再决定，你是想成为一个能做好一道菜的人，还是想做一个能开餐厅的人。」
这句话放到 AI 营销上，就是我给所有刚开始在这个领域摸索的人的建议：
别急着构建全自动的 AI 营销系统。别急着同时优化五个渠道。先用 AI 辅助，完整地做好一个 campaign——从数据准备到内容生成，从投放执行到效果复盘。把每一个环节都亲身体验一遍。
做完这一个，你自然就知道在哪些环节 AI 比你强（让它放手去做），哪些环节你比 AI 强（守住你的判断），哪些环节需要你们一起慢慢炖（保持耐心）。
好厨师不是一天练成的。好的 AI 营销人也是。
本文为人机协作创作：思路、结构、调味由人类完成；素材整理和初稿生成由 AI 辅助。
