# AI 越强，创业者越要回到用户现场

> 三五环 No. 226 精读

- 发布日期：2026-07-21
- 主持：刘飞
- 原节目：https://www.xiaoyuzhoufm.com/episode/6a5f2d186356eb2d9be604e6
- 网页版：https://35huan.qiaomu.ai/ep/6a5f2d186356eb2d9be604e6.html
- 精读字数：约 5612 字（阅读约 12 分钟）

> 本文为 35huan.qiaomu.ai 基于节目转写的 AI 整理精读，不是逐字稿；引用请注明出处并链接网页版。

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。