Facebook广告素材的AI工作流 Claude做分析 + ChatGPT Image 2做执行

meta增长实验室

关注

445

2026-05-13 07:30

2026-05-13 07:30

445

meta增长实验室

关注

一键完成百千笔付款，超低费率+极速到账，一年轻松帮你省下数十万。

Facebook广告素材方法论：如何用变量系统取代灵感驱动

Meta增长实验室出品 · 素材方法论系列

上篇文章我讲了素材变量系统的框架——五大分类、五层变量、三轮测试法。

发出来之后收到不少反馈，最多的一类问题是：

"框架看懂了，但拿到一个真实产品，具体怎么拆？

这个问题很真实。框架是地图，但从地图到走完全程，中间还有一段路。

来个案例，aventon.

01 拿到产品，先做什么？

很多人拿到一个新产品，第一反应是打开设计工具开始做图。

这是最大的错误。

正确的第一步是产品分析——你要在做任何素材之前，把产品信息吃透。

我拿到Aventon Level 3的产品页，需要提取的信息分三层：

功能层：这个产品有什么。

差异化层：这个产品和竞品比，独特在哪。

情绪层：用户买这个产品，真正想要的是什么。

02 从产品信息到变量拆解

产品分析做完，下一步是用五层变量去拆解。 这一步也是交给ai,产品链接丢给ai,让claude/chatgpt 做产品分析啦。

上篇文章讲过，一张素材 = 人群 × 卖点 × 场景 × 形式 × 转化理由。现在对着Aventon Level 3，每一层具体怎么填。

人群层

卖点层

场景层

形式层

转化理由层

然后人工调整一下，自己判断一下想做什么图，测试什么角度。记录一下，下一步让lovart，chatgptimage2来作图。

案例：aventon

https://claude.ai/public/artifacts/86636f23-4d1a-4e1b-b08d-9f1a3bf3e518

需要付费版本的 claude ，才可以使用的

03 变量填完了，然后呢？

很多人到这一步会卡住——五层变量每层都有好几个选项，排列组合太多，不知道先测哪个。

我的判断逻辑是三步：

第一步：确定当前投放阶段对应的素材分类。

如果是新品冷启动，优先做产品认知类或痛点解决类素材，先验证市场有没有反应。如果是已经跑了一段时间的产品，根据数据瓶颈选——CTR低选认知类和痛点类，CTR高但CVR低选信任类和价格刺激类。

Aventon Level 3刚进入市场推广阶段，我选生活方式类作为第一批测试方向。原因是：通勤eBike这个品类用户已经有基本认知，不需要从"什么是eBike"开始教育。更重要的是让用户看到"这辆车出现在我的生活里是什么样子"。

第二步：选一个最有潜力的人群×卖点×场景组合。

从5个人群里，我优先选"城市上班族通勤骑行者"——这是Level 3的核心定位人群，产品名字里就有"Commuter"。

卖点选"4G GPS防盗"——这是Level 3最独特的差异化，竞品几乎没有。在素材测试中，差异化卖点往往比通用卖点更容易产生明确的数据信号。

场景选"早高峰通勤代替开车堵在路上"——画面对比感最强，情绪张力最大。

第三步：选表达形式和转化理由，完成完整的素材定义。

形式选"产品+人物"——生活方式类素材最常用也最有效的形式，有人、有产品、有场景、有情绪。

转化理由选"2年整车质保+OTA升级"——消除"贵的电子产品容易过时"的顾虑，和科技化定位一致。

现在这条素材的完整定义是：

分类：生活方式类（全漏斗） 人群：城市上班族通勤骑行者 卖点：4G GPS实时追踪+远程锁车，防盗安全感 场景：早高峰通勤，代替开车堵在路上 形式：产品+人物 转化理由：2年整车质保+OTA升级

还没开始做图，但每一个决策都清楚了。

04 从变量组合到Prompt出图

变量定义完成后，下一步是把它翻译成AI图片生成工具能理解的Prompt。

这一步是很多人做AI出图效果不好的原因——不是工具不行，是输入不够精确。

"帮我做一张eBike广告图"和一段包含完整视觉指令的Prompt，出来的东西差距巨大。

一段好的广告素材Prompt，需要包含几个维度：

主体描述：谁在做什么，穿什么，什么表情和状态。 环境描述：什么场景、什么时间、什么天气、背景有什么。 情绪和氛围：整张图传递什么感觉。 镜头语言：什么焦距、什么景深、什么构图。 光线和色调：什么光源、什么色温、什么调色风格。 风格定义：写实还是插画、杂志感还是UGC感、editorial还是commercial。

对着Aventon这条素材的变量组合，翻译出来的视觉指令大致是这样的：

一个穿着smart-casual通勤装的职业人士，戴着墨镜，骑着eBike行驶在城市自行车道上。表情放松、自信，像是享受整个通勤过程。背景是早高峰时段拥堵的车流，车辆密密麻麻停在旁边的车道上，形成鲜明对比——车堵着，人骑着。车把上有手机导航的微光，暗示GPS追踪功能。

画面用35mm镜头拍摄，浅景深，背景车流虚化但可辨认。Golden hour的暖光从侧面打过来，整张图有一种温暖的晨间光感。色调是深海军蓝、干净白和琥珀色。

整体风格是editorial lifestyle摄影——不像广告，像杂志内页。高分辨率，真实感强，画面自信、现代、自由。

这段Prompt粘进ChatGPT Image 2

骑行者穿过拥堵的车流，神态放松，光线漂亮，整张图的质感完全达到了Facebook广告投放标准。关键是，它不是一张"好看的图"——它是一张有明确测试假设的图。

05 这个流程正在被AI工具化

上面这套流程——产品分析、变量拆解、组合选择、Prompt生成——过去完全依赖投手的经验和判断。

有经验的fb广告投手，看到Aventon Level 3的产品页，可能10分钟就能拆出上面那些变量。但一个刚入行的投手，同样的任务可能要花半天，而且很可能遗漏关键卖点或者选错测试方向。

这个差距，本质上是经验转化为判断力的差距。

现在有意思的事情是：这套流程中相当一部分环节可以被AI辅助完成。

我在实际工作中搭了一个工具，输入产品链接，AI会自动抓取产品页信息，然后推荐匹配的人群、卖点、场景和素材分类。你不需要从零开始填变量，只需要在AI推荐的基础上做微调——补充它没注意到的卖点，删掉不适合当前阶段的人群，调整场景的优先级。

这带来了两个变化。

第一，变量拆解的效率大幅提高。

第二，素材生产从"经验驱动"变成"系统驱动"。

但要强调一点：AI辅助的是信息处理和匹配环节，不是策略判断环节。

AI能告诉你Aventon Level 3有4G GPS防盗功能，但它不能告诉你"防盗焦虑是这个价位段用户的第一购买障碍"——这个判断来自你对品类、竞品、用户心理的深层理解。AI能推荐"城市通勤"作为场景，但它不能告诉你"早高峰堵车vs骑行的视觉对比是这个场景下张力最大的画面"——这个判断来自你对广告素材的视觉直觉。

工具提高的是下限，经验决定的是上限。

06 一张图背后的可追溯性

回到Aventon这张素材。

如果你把它投出去跑广告，一周后看数据，可能出现几种情况：

CTR高，CVR也不错。 说明"城市通勤上班族+4G防盗+早高峰堵车对比"这个变量组合有效。下一步是围绕这个方向扩展——换不同的人物、换不同的城市场景、换不同的光线风格，做放大测试。

CTR高，但CVR低。 说明画面有吸引力（场景对比、lifestyle风格），但用户进了落地页之后没有被转化。需要检查两件事：落地页是否承接了"通勤替代+防盗安全"这个主信息？转化理由是否足够强？可能需要在下一轮补信任证明或价格刺激类素材。

CTR低。 说明这个组合没有在Feed流里抓住注意力。需要判断是人群选错了、卖点不够尖锐、还是画面形式不够突出。可以保持人群和卖点不变，换一个更强烈的场景（比如把"早高峰骑行"换成"暴雨天骑行"），或者换一种形式（比如从lifestyle图换成对比拼图——左边堵车痛苦脸，右边骑行轻松脸）。

关键在于：不管哪种结果，你都能定位到具体是哪个变量的问题。

这就是变量系统和"凭感觉做图"的本质区别。凭感觉做图，跑不好就整张推翻重来。用变量系统，跑不好是替换单个变量重新测试。效率差了几倍。

07 同一个产品，换一个组合就是另一条素材

为了说明变量系统的延展性，我再用Aventon Level 3演示第二条素材的思路。

假设我换一个组合：

分类：痛点解决类（TOF） 人群：对防盗高度敏感的电动车用户 卖点：4G GPS+远程锁车+地理围栏+异常移动报警 场景：骑车上班后停在公共区域，打开App确认车辆安全 形式：对比拼图 转化理由：普通车锁 vs 4G智能安防，安全等级完全不同

这条素材的视觉方向就完全不同了——不再是lifestyle杂志感，而是左右对比的信息图：左边是一辆普通自行车配一把链条锁，场景是某个街边停车架，画面灰暗不安；右边是Level 3在同样的场景，但手机屏幕亮着显示GPS定位和锁车状态，画面明亮安心。

同一个产品，同一个核心卖点（4G防盗），但人群不同（防盗敏感用户 vs 城市通勤族）、场景不同（停车场景 vs 骑行场景）、形式不同（对比拼图 vs lifestyle人物图），出来的素材完全是两条路。

这就是为什么我说素材空间比大多数人以为的大得多。你觉得"做不出新素材了"，往往不是真的穷尽了，而是你的分类维度太粗，只在"类型"层面换来换去，没有在"变量"层面做组合。

08 对投手来说，这意味着什么

三件事同时在发生：

Meta广告系统越来越自动化。 Advantage+、广泛定向、动态创意——平台在收回投手对受众定向的控制权。你能真正影响系统的手段，越来越集中在素材输入上。

AI出图让生产成本断崖式下降。 素材生产不再是瓶颈。但快速生产大量没有策略目标的图片，只是在给系统喂噪声。

竞争从"谁的图好看"转向"谁的测试系统更高效"。 当所有人都能用AI快速出图时，审美不再是壁垒。真正的壁垒是你能不能比对手更快找到有效的变量组合。

素材变量系统，加上AI工具化的辅助，形成的是一套可积累的竞争优势——每一次测试都在积累数据，每一次复盘都在优化变量库，每一轮迭代都在缩小"有效组合"的搜索范围。

这不是一次性的技巧，而是一个越用越强的系统。

09 总结：素材不是设计问题，是系统问题

回到这篇文章的核心。

用Aventon Level 3走了一遍完整链路之后，你会发现：

从拿到产品到做出一张有明确测试假设的广告图片，整个过程中真正消耗时间和精力的，不是"做图"——AI几十秒就能出图。

真正消耗时间的是做图之前的变量决策：这张图给谁看？打什么点？放在什么场景？用什么形式？靠什么推转化？

这些决策做对了，图自然对了。这些决策没做，图做得再漂亮也是盲测。

TikTok、Facebook、谷歌、Twitter广告服务，0门槛抢占全球流量！

极速开户+优化投流+风险保障+效果跟踪，仅需4步，轻松撬动亿万海外流量，让品牌销量翻倍增长！

已成功开通5000+账户