AI 越强，创业者越要回到用户现场

Kay Feng 是 2002 年生人。16 岁一个人去美国读书，18 岁从大学辍学回国，加入一家只有四五个人的创业公司，最早的办公地点在北京一个地下室的共享空间，产品还没做出来，刚拿了融资，前面很长一段时间都在打磨产品、修 bug。她在那家公司负责海外增长，第一次系统地做达人营销，后来用这套方式，3 个月把一款产品从 0 推到 50 万用户。

2024 年初她自己创业，做了 AhaCreator，用 AI 跑海外达人营销的全流程。平台上线第一年积累了超过 12 万海外达人，拿到 Product Hunt 的 Golden Kitty Awards 年度最佳 AI 产品，今年被 Influencer Marketing Hub 评为「2026 年最佳达人营销 AI Agent」。也是今年，他们把服务费率降到 5%，行业里传统代理商的报价通常是 30% 到 50%。

这期《三五环》，刘飞和她聊了将近一个小时。前半段是生意：海外达人营销到底有多少脏活累活，AI 接管了哪几段，成本结构怎么变。后半段是判断：为什么传统 SaaS 巨头很难转身做 AI Agent，为什么技术越强，「人味儿」反而越贵。

一个 00 后，和一门看起来光鲜的体力活 01:16

那是 2021 年。国内做 Web 产品出海的人很少，做增长和市场的更少，几乎找不到可以借鉴的经验。Kay 只能去看 Figma、Notion 那一代产品早期走过哪些路径，看完发现一个共同点：大家有意无意，最后都在 KOL 上投入很大。

刘飞补了一段更早的历史。小十年前新消费兴起，KOC 这个概念第一次出现在小红书。一些品牌方不再走传统投放路径，改成铺量找大量博主做宣发。单个博主的影响力都不大，放在一起，ROI 比直接投一个大渠道好得多。移动互联网把发内容的门槛拉低之后，这类人越来越多，粉丝不多，但对身边人的影响力很深。

2024 年初 Kay 创业做 AhaCreator，行业正处在一个奇怪的状态：所有人都知道达人营销有效，所有人也都知道这是体力活。

做得大的公司会告诉你，他们搭了几百人的团队，里面有大量外包，内部还要配一整套管理机制。小一点的公司会告诉你，招几个人来做，既要懂这件事，又要干体力活，优秀的人留不住。中间的代理商更直接，堆人力，交付团队上百人，人越多边际成本越成问题，于是把自己拆成好几个小 agency 分别交付。

技术上也卡着。达人匹配这件事，传统算法和 NLP 做不了，行业里的数据太少，没法像推荐算法那样靠大量数据做冷启动和实验，训练一个专用模型的成本又太高。直到 2024 年初 agent 概念起来，大模型的能力到了能处理复杂任务的水平，这件事才有了新解法。Kay 说，她当时从第一性原理判断，产品是能做的，因为她带过团队，清楚这条链路上哪一段过去没法用技术解决。

AI 接管了哪几段，人还留着哪几段 09:10

先把传统链路摊开。一个品牌要找海外达人，第一步是搜人。团队每天在 YouTube 上搜各种关键词：博主的职业、兴趣爱好、竞品的产品名。搜出来之后进主页，看封面、看简介、看几条视频，判断这个人跟产品契不契合。刘飞听完这段说，这不像投广告，更像一件一件的手工活。

判断里有很多外行看不见的细节。评论区真不真实，赞评比合不合理，播放量增长曲线是自然爬升还是一级一级的台阶，台阶式的基本是买量。有些达人资料写着美国，实际受众在印度、巴基斯坦，得靠评论区用户的地点，甚至直接找达人要后台截图才能确认。

海外生态的分散程度超过很多人的想象。YouTube 和 Instagram 都没有类似国内蒲公英、星图那样的官方撮合平台。十几年前这些平台可能想过要不要自己做，后来战略上放弃了，整个生态就变成高度去中心化、粗放生长的状态。TikTok 海外后来做了一个达人平台，作用更多是给第三方服务商提供数据，流程里的问题还是留给一堆分散的公司去解决。

然后才是拿邮箱、发冷邮件。平台上没有集中联系博主的入口，只能一个个找。

发 100 封只会有几个人理你。

回复之后谈价格、签合同、拉扯预付款。达人怕做完收不到钱，品牌怕付了钱人跑了。最后是付款，欧洲不少达人只收 PayPal，公司账户打不通，整单生意就卡在最后一步。

Kay 举了上一家公司的数据。产品是 AI 3D 建站工具，在 YouTube 上投达人，一个 10 万粉的博主，一期视频爆了 100 多万播放，后面两期加起来两三百万，直接带来 20 万注册用户，单个注册成本做到 0.02 美元。效果好到这个程度，唯一的想法就是规模化，而规模化的瓶颈全在人力。

AhaCreator 做的事，是把这条链路上能标准化的部分交给 AI。匹配是 Kay 认为价值最大的一段：只要 context 给够，AI 做稳定判断的能力，比一个人连着看一整天重复内容要强。它认得出「做过 Blender 教程的垂类 3D 博主」，也认得出「少女感、平时发时尚 vlog 的博主」。舆情和造假监控也归它，翻历史内容和评论区就能查出互刷和水军。

邮件环节，第一封冷邮件其实不太依赖 AI，本地化表达上 AI 提效明显。真正吃重的是回复之后：达人追问产品细节、合同条款、报价空间，AI 调取这个客户的知识库和合同条款来回复。跨时区这件事被顺带解决了，中国凌晨正是对方白天。

人留着两件事。一是创意 brief，这次投放要讲什么主题、跟产品怎么结合，还是客户自己定。二是最终拍板，尤其涉及花钱的决定。数据没法证明 AI 选的人一定比人选得好，所以确认权留在人手里。内容审核也是同样的结构，达人交稿的瞬间 AI 先做初审，产品名写错、卖点漏讲、客户要求的点没覆盖，当场退回修改，减少来回拉扯，终审还是客户点那一下。

服务费从 30% 降到 5%，账是怎么算的 24:25

传统代理商抽 30% 到 50%，Kay 的解释是不抽不行。一个项目可能要投 5 到 50 个人甚至更多，这些人每月的成本摆在那里，服务费低于 30% 就亏。这个行业在外人看来水深，根子在人力密度。

AhaCreator 把服务费降到 5%。客户变多，增加的主要是 token 成本，这部分占客户充值金额的 1% 以内。营销本身预算大，1% 和 30% 之间的空间，就是降价还能赚钱的原因。门槛降下来，原本不敢找外部服务商、只能自己组 in house 团队的中小品牌，开始敢投了。

商业模式是双边平台。达人那一侧有自己的 APP，持续接单，把这门生意当生计。客户那一侧可以直接在平台上用，也可以在飞书群里拉一个 AI 员工进来，进度、确认、审核都在群里完成。有客户会给这个 AI 员工起名字。

刘飞问，这算不算从服务公司变成平台。Kay 的说法是，交付的结果要对标人工，甚至更好，不能做一个让客户花更多时间去操作的工具。她也提到，线上销售这类场景，AI 自动化同样跑得通，从筛线索、发邮件 pitch、基础回复到约会议，已经有公司在做，但她们会继续聚焦达人营销这一块。

两个她没预料到的反馈。一个是 AI 陪伴机器人客户，之前自己找服务商或者自己找达人，通过率都不高，用了 AhaCreator 之后发现通过率比人工还高，本来只指望规模化，没想到精准度也上来了。另一个是真空封口机的 3C 客户，AI 联想出一个谁都没想过的画像：在船上生活的钓鱼博主，钓到海鲜直接用封口机封起来。视频效果很好，这类画像人在原来的思路里很难想到。

海外观众为什么更买单 32:33

刘飞问了一个对比：美国那边的达人营销和国内有什么不一样。Kay 说差别很大。

海外八九成的达人营销做的是全篇型创意，讲究达人和产品的契合度，内容要自然融合，视频本身得有观看价值。她举了一个乙女向 AI 产品的例子，客户找的是原本画漫画的博主，这些人从没推过软件，但受众高度重合。博主把自己画的形象和产品结合，先做一段互动漫画，最后把读者带进 AI 陪伴的世界。评论区的反馈是「为了这个创意我都要用这个产品」，几乎没有人在意这是广告。

国内不少投放还停在另一种做法上。B 站、小红书上经常能看到博主画像和产品毫无关系，猝不及防地念一段口播，中间那段观众直接跳过，差评不少。达人营销被当成了信息流广告的一种，最后只剩一个折算下来的价格。

平台的要求也在影响内容。国内不管短视频还是长视频，对达人内容的管控比较死，创作自由度低，出来的东西容易同质化，真实感就打折。海外博主对创意的把控很严，小博主做短视频也不会完全照客户要求执行，客户能审核的是「这个点我希望你讲到」，发什么由博主决定。

客户结构也在变。理论上，今天任何一家做 ToC、有品牌意识的公司，每年一定会有达人预算，只是多少的区别。500 强里那些看起来很传统的品牌，社媒和达人预算一直在涨。联想在全球的达人预算很高，团队投入也大，从 KOL 到 KOC 都在投，测试了大量画像。早期公司里，AI、prosumer 工具、创作者工具这几类，达人投入占营销预算的比例甚至高过广告。

旧 SaaS 转不出 AI Agent 37:05

刘飞提到钉钉那篇内网文章和后面的人事变动，话题转到国内 To B 市场整体往 AI 转的趋势。他问 Kay 在美国观察到什么。

Kay 的判断很直接：在一个旧 SaaS 框架里转型做 AI Agent，比从零起一盘 AI 原生的产品要难得多。难在思考方式会拧巴。SaaS 的设计前提是给组织里每个人用，做 Agent 要先想清楚这个人到底要解决什么问题、替代的是哪一段工作。把这个问题塞进旧框架，要兼顾的东西太多，产品经理很难想清楚怎么设计。

具体到办公软件。真想帮用户大幅提效，就要碰到具体的职责划分，要完成更长、更深入的 task，这跟原来积累的框架会打架。只做表层，又跟今天已经存在的通用 Agent 没有区别。这两年不少公司想做「AI 员工」，想用一个角色服务各种场景，难度被严重低估。任何一个角色要端到端交付成熟结果都很难，做得浅又跟通用 Agent 撞车。

所以旧 SaaS 加 AI 功能，通常只能从局部环节切入，做单点提效。问题在于，workflow 的拆解本来就该按「这件事能不能给用户交付结果」来拆，按已有功能拆出来的流程，加多少 AI 都很难让人惊艳。

刘飞问 AhaCreator 自己的边界。Kay 说，达人营销本身已经足够大、足够复杂，未来几年先专注把这一个场景做锋利，包括人和 AI 怎么协作、交互怎么设计、双边供给怎么拉起来、效果怎么持续变好。这些走完路很长，不会太早去试别的方向。

从出租车上的激动，到跑马拉松 42:18

Kay 讲了自己状态的变化。2023 年初 ChatGPT 出来那个月，她坐在去公司的出租车上，非常激动。原来做的编辑器建站这件事，可能一下子就消失了，用户用自然语言就能 coding，能做的事有无限想象。

到 2026 年，她冷静了很多。每天跟模型调优，在具体场景里跟它搏斗，做标注、做验证、一天一个版本，两年下来，她清楚这件事今天的能力边界在哪里，也清楚怎么帮用户找到一个靠谱的解法。兴奋感换成了跑马拉松的状态，稳定把事做好。她观察到 00 后同事在用 AI 的灵活度上确实比年长的同事更好，切换 AI 办公和思考方式的速度也更快。

刘飞问她会不会焦虑，比如模型智力再上一个台阶，或者某个大厂的新产品直接把 AhaCreator 做的事覆盖掉。她说不太有。模型变聪明，不等于达人会信任你、愿意跟你合作。达人营销涉及双边平台的信任，脏活累活环节多，单点工具替代不了。模型进步对她更多是利好，能在更多环节用上更好的模型。

她反而在观察，哪些能力在模型变强之后变得更值钱。人跟人之间建立信任的职业，含金量在提高。她提到国内常被忽略的 ToB 大销售，生态资源和人跟人之间的信任绑得很深，要线下见面，要一点点建立品牌信任，这些 AI 很难取代。

刘飞顺着说，品牌本身就是信任组成的。产品要解决什么问题、想做成什么调性，这些得先想清楚，工具只解决执行环节里那些具体问题。如果一开始没想清楚自己是谁、来干什么，指望用了某个工具就天然赚钱、品牌自然变火，这条路走不通。反过来，门槛降低之后，人人能起品牌，那些有特色、想清楚的品牌反而更值钱。

Kay 认同这个方向。品牌传达的是一个人的价值观和思想，渠道只是方法，方法效率更高，能帮结果更快发生。她拿软件行业举例，以前把产品做出来、写代码、做算法，是溢价很高的部分，大模型把这段显著变简单之后，产品解决什么问题、传达什么审美、跟哪些人站在一起，变得更重要。

它让人更有人味了，在有了大模型之后。

别追风口 49:45

刘飞最后问，如果一个创业者在犹豫要不要进这波 AI 浪潮，Kay 会给什么建议。

她的回答回到人本身：发掘自己的天赋和热爱在哪一块，过往的经历让你今天最适合做哪一部分。这件事可大可小，但它真实还原了你这个人应该去做的事。相信的程度，直接影响能走多远。

很多生意做不下去，原因不在市场。创始人自己不信这件事能长期做下去了，生意就停了。所以在没想清楚之前，多去尝试也很好，试错会让人更清楚自己是什么状态。

大家现在很容易陷入到那种想要去找一个风口。

刘飞补了一句：创业的确定性本来就不高，AI 又新，变化大，市场剧烈，方向不够坚定，中间很容易漂移。看到某个东西好像能做就去做，很难找到一件真正适合自己、能长期做下去的事。

整期聊下来，AhaCreator 做的生意听起来一点也不性感：找博主、发邮件、谈价格、催稿、对账。Kay 自己也不避讳这一点，她说这些脏活累活，对真正在行业里的人来说，价值感很强，因为确实帮到了客户具体的工作。

这期节目能给读者的东西，大概有三件。

• 看一个 AI 产品，先看它替掉了哪一段人力成本，这段成本能不能算清。AhaCreator 敢报 5%，底气来自 token 成本占客户充值金额 1% 以内。这个账算得出来，定价才站得住；算不出来，低价就是烧钱换规模。
• 双边平台、信任建立、跨时区沟通这类活，是当下模型还啃不动的地方。创业者找机会，可以往这些「脏」的地方看，越难标准化，越不容易被一次模型版本更新抹掉。
• 判断自己要不要下场，先问自己信不信这件事能长期做。风口会换，模型会升级，只有你真正相信的那件事，能撑住中间那些不好看的阶段。

先把一个场景做得足够锋利，再谈别的。这是 Kay 给 AhaCreator 定的节奏，也是这期节目里最实在的一句经验。