从投手到增长负责人：AI正在改变Facebook广告投放的工作方式
98ChatGPT 越来越强了，日常工作中，GPT 从辅助我的投放工作，到帮我上广告，替代我的重复性操作工作。节省了我挺多时间的。
通过 Windsor.ai 插件，将 ChatGPT 和 Facebook 广告账户连接起来，然后直接给 GPT 下达指令，让 GPT 帮我创建广告。
实际使用下来，最大的感受就是两个字：省力。但是很费 token。
广告投放策略还是优化师来决定，但大量重复的手工操作，已经可以交给 AI 了。
更重要的是，GPT 不只是一个广告执行工具。
它还可以读取广告账户的数据，分析不同国家、年龄、性别、设备、广告版位和素材的表现，发现问题，提供优化建议。
我们广告投放可以和 GPT 一起讨论投放策略，最后由我做决定，再让 GPT 执行。
这让我开始思考一个问题：
当 AI 能够参与广告分析、策略讨论和具体执行，Facebook 广告人员的工作方式会发生什么变化？
01
AI 不只是执行助手，也是广告策略的讨论伙伴
过去，我们使用 ChatGPT，主要是让它帮忙写广告文案、制作图片、分析 Excel 表格，或者提供一些广告优化建议。
但这些工作往往是分开的。
比如，我把广告数据导出来，让 GPT 帮忙分析。GPT 给出建议之后，我再打开 Facebook 广告后台，自己创建广告或者修改预算。
现在，通过第三方插件和 Meta Marketing API，可以把部分工作连接起来。
但我认为，真正有价值的，并不是让 GPT 自动操作广告后台。而是它可以参与整个广告投放过程。
GPT 可以根据实际能够读取的数据，整理信息、发现异常、比较不同方案，并提出建议。然后，我可以继续和 GPT 讨论。
GPT 提供数据、建议和洞察，我结合自己的投放经验与它讨论，最后我再做出决定。
AI 可以帮助我扩大分析范围，发现过去可能忽略的问题。
但最终怎么投、投多少预算、承担什么风险，还是由广告负责人决定。
02
策略确定之后，GPT 负责执行广告投放
这是我最近实际使用过程中，感受最明显的变化。
以前制定好广告计划，只是完成了第一步。后面还有大量执行工作。
GPT 就可以根据要求执行。
当然，创建广告之前，我会要求它先明确执行计划。广告创建完成后，再检查实际结果。
过去是投手制定计划、投手来负责执行；现在可以是投放和 AI 共同讨论计划，投手做决策，AI 执行，人工检查。
对我来说，最大的改变不是少点击了多少次鼠标。而是不用再花那么多精力处理重复性的后台操作。
我可以把时间留给更需要判断和思考的工作。
03
广告上线后，让 GPT 辅助复盘和优化
创建广告只是整个投放流程的一部分。
广告上线之后，还需要持续分析数据，判断是否调整预算、更换素材或者暂停广告。
以前每天查看 Facebook 广告账户，我通常会先看整体数据。例如广告花费、购买量、CPA 和 ROAS。
如果发现某个广告系列表现不好，再进入广告组、广告层级进一步分析。
同时，还可能需要拆分不同维度的数据。比如国家、年龄、性别、设备和广告版位。
广告账户越多，数据分析和整理需要的时间就越多。
现在，这些工作可以让 GPT 辅助完成。
例如，第二天打开 ChatGPT，可以提出这样的要求：
“分析昨天和最近 7 天的 Facebook 广告数据。重点查看花费、购买量、CPA 和 ROAS，并按照国家、年龄、性别、设备、版位和素材进行分析。找出表现较好和较差的广告，提出值得关注的问题和优化建议。”
GPT 可以根据能够获取的数据进行比较和分析。
GPT 的作用是帮助我更快地理解数据、发现问题、提出建议，而不是代替我做所有决定。
下一步，可以让 GPT 根据我们讨论确定的规则，整理广告调整方案。
这样，广告投放就形成了一个新的工作循环：
01 AI 分析数据
02 投手与 AI 讨论
03 投手做决定
04 AI 执行调整
05 人工检查。
需要说明的是，目前我更关注这种主动下达指令、人工审核后执行的方式。
如果未来希望 AI 每隔几个小时自动检查账户，并根据规则持续调整广告，还需要另外建立定时调度、异常处理和审批机制。
但即使只做到目前这个程度，也能够减少很多重复操作了，不容易的。
04
AI 提高效率之后，公司应该减少投放人员，还是提高业绩？
当 AI 能够承担大量广告执行和数据整理工作，企业就会面临一个新的选择。
假设一家企业原来有 10 名 Facebook 广告优化师，很悲催的是 ChatGPT 来优化 Facebook 广告优化师了。
未来随着 AI 应用越来越成熟，这家公司有两种不同的发展方向。
第一种：用更少的人完成原来的工作
如果广告业务比较稳定，工作流程也比较标准化，那么 AI 确实有机会减少人工需求。
例如，过去需要人工批量上传广告、整理报表、维护账户、执行预算调整。现在，这些工作中的大部分可以交给 AI。
企业可能不再需要配置那么多专门负责重复操作的人。
但这并不意味着原来需要 10 个人的工作，接入 ChatGPT 后就一定只需要 5 个人。其实 3 个人也够了，少开一点会，少甩一点锅。
第二种：保留团队，让同样的人创造更好的业绩
相比减少人员，我个人更看好第二种选择。
假设一家企业原来有 10 名 Facebook 广告人员。现在还是 10 个人，广告预算也不增加。
但 AI 承担了大量重复操作之后，团队可以把更多时间投入用户研究、创意测试和增长策略。
真正有价值的是：找到更多值得验证的购买理由。提出更好的广告创意假设。提高测试和迭代效率。更快识别有效素材，把广告预算投入更有价值的方向。
假设示例 · 广告归因收入
例如，一家企业每月 Facebook 广告花费 300 万美元。
原来的 ROAS 是 3，对应广告归因收入 900 万美元。
如果通过更好的用户研究、创意策略和转化优化，把 ROAS 提升到 3.5，那么同样的广告预算，对应的归因收入就是 1050 万美元。每个月增加 150 万美元。
如果 AI 不只是减少人力成本，还能帮助团队提高广告效果，它创造的商业价值可能更大。
对于有一定广告预算规模的 DTC 企业，第二种选择尤其值得关注。
05
从投手，到增长负责人：人的价值正在发生变化
当 AI 可以创建广告、分析数据、提供建议，甚至按照指令修改预算和开关广告时，Facebook 广告优化师应该把更多精力放在哪里？
我认为，可以从三个层次理解。
第一层：广告执行
主要负责创建广告、上传素材、调整预算、查看数据和日常账户维护。
这些工作依然需要专业知识，但其中很多重复操作已经具备自动化条件。
未来，仅仅熟悉 Facebook 广告后台，可能不再是一个足够明显的竞争优势。
第二层：广告策略
这个层次需要更强的分析和判断能力。
应该推广哪些产品？
应该选择哪些国家和目标用户？
应该测试什么样的创意方向？
广告 CPA 较高，究竟是流量问题、素材问题，还是网站转化问题？
同样一笔广告预算，应该继续优化现有市场，还是测试新的增长机会？
GPT 可以提供分析和建议，帮助比较不同策略。
但是，最终方案仍然需要结合实际业务目标，由人做出决定。
这里真正重要的能力，不是独自完成所有分析，而是能够理解问题、提出假设、评估 AI 的建议，并做出有依据的选择。
第三层：经营与增长
我认为，这是未来 Facebook 广告从业者值得发展的方向。
从投手，到增长负责人。
这里的增长负责人，并不只是一个更高级的岗位名称。更重要的是，思考问题的范围发生了变化。
过去，一名投手可能主要关注广告账户里的花费、购买量、CPA 和 ROAS。但一家公司的增长，远远不止这些指标。
增长负责人需要理解产品、用户、市场、广告、网站转化，以及成本、收入和利润。
他不仅需要判断广告有没有投好，还需要思考：
怎样利用现有资源，为企业创造更多有价值的增长？
从这个角度看，AI 并不是让人不再需要思考。恰恰相反。
当 AI 能够承担越来越多的重复工作，人应该把更多精力投入策略、判断和经营。
而且，人也不必独自完成这些思考。可以借助 AI 获取信息、分析数据、讨论问题、比较策略。
人与 AI 共同思考，由人负责最终决策，再让 AI 执行。
这可能会成为越来越多广告团队的工作方式。
结尾
把重复操作的工作交给 AI，把精力留给增长
很多时候，真正影响广告结果的，并不是我们有没有及时调整预算，而是有没有找到正确的目标用户、购买理由和增长方向。
我更期待的，是这样一种工作方式：
投放之前，GPT 提供分析、建议和洞察。
制定策略时，投手和 GPT 一起讨论，比较不同方案。
方案确定后，投手最终决策，GPT 负责执行。
执行完成后，人工检查结果。
广告上线后，GPT 辅助复盘数据，投手与 GPT 再次讨论下一轮优化。
这个过程中，AI 不只是一个工具。
它既可以帮助分析，也可以参与策略讨论，还可以完成大量具体执行工作。
而投手的价值，不再只是熟练操作广告后台，还能背锅，给老板提供点情绪价值。
还有能够理解用户、产品和市场，制定有效的增长策略，对最终业务结果负责。
从投手，到增长负责人。
我认为，这才是 AI 正在给 Facebook 广告行业带来的重要变化。
不是简单地让 AI 取代人。
而是让投手和 AI 各自发挥优势，把更多时间和资源投入真正能够创造增长的工作。
