Newshot

团队的营销 AI 支出即将成为你的麻烦

Translation(model translation, not the source's own text)
your marketing ai budget
your marketing ai budget

明年,会有人要求你说明你的 AI 支出是否合理。

也许是你的 CFO 在预算规划期间。也许是你的 CEO,问你为什么 AI 这项支出一直在增长,明明这些工具本该让一切都变得更便宜。而这个问题可能会以最难的形式出现:你如何同时保住你的人头和你的 AI 预算?

对大多数营销负责人来说,这是全新的领域。直到不久前,AI 还只是几个订阅。如今团队在搭建 agent,营销工程师出现在招聘计划里,账单在增长。

目前还没有人为此写过一本操作手册,包括我在内。但我预计这会是 2027 年主导营销预算讨论的话题,所以让我们开始把它理清楚。

本文有两个目标:

  • 提供一个起点,帮助你战略性地削减 AI 成本:从你每天已经在做的营销决策出发,再推进到这些决策背后的技术手段。
  • 提供当这场对话摆到你桌上时你需要的词汇,让你能听懂它,并能在它变得技术化时参与其中。

这是我关于这个主题要写的几篇文章中的第一篇。它超出了大多数营销岗位描述的范畴,但我们谁都承担不起忽视它的代价。

为什么 AI 支出如此令人困惑

如果你的 AI 成本让人感觉难以解读,那是因为它确实如此。原因如下。

它分散在太多地方。团队的 ChatGPT 或 Claude 席位。你的 CRM、设计工具、SEO 平台里的 AI 功能。某人为了运行一个 agent 而设置的 API key。三个月前一位同事用个人卡报销的一款工具。没有人看到全貌,而且往往没有人对它负责。

每个工具的计费方式都不一样。一个按席位收费。另一个卖 credits。另一个按操作计费,或按解决的对话计费。而在大多数工具的底层是 tokens:一小块一小块的文本,每块大约相当于四分之三个单词,这是 AI 提供商用来为模型读取和写入的内容计费的单位。比较你这些工具的成本,就像在比较五种没有汇率的货币的价格。

在实践中,公司为 AI 付费有四种方式。席位:为每人每月支付固定费用以使用 ChatGPT、Claude 或 Gemini,并带有使用上限,而 agent 会很快把这些上限用尽。API 访问:按 token 即用即付,大多数定制搭建的 agent 都跑在这里。云平台:通过 AWS、Google Cloud 或 Azure 购买同样的模型,因此成本会落到公司的云账单上,往往离营销部门很远。其他工具内的 credits:HubSpot、Salesforce 或 Canva 用它们自己的货币转售 AI。你的 agent 可以落在其中任何一种,而且往往同时落在好几种里。

你为看不见的工作付费。当你给一个 agent 一项任务时,它不会只发出一次请求。它会规划、搜索、读取文件、检查自己的工作并重试。每一步都要计费。你的一次请求,背后可能意味着几十次请求。按 Anthropic 自己的测算,一个 AI agent 使用的 token 约为普通聊天的四倍,而一组协同工作的 agent 则约为十五倍。

同一项任务永远不会两次花费相同。让一个 agent 今天研究一个竞争对手,明天再研究一次,成本可能相差数倍,取决于它读了多少、循环了多少次。斯坦福、MIT 等机构 2026 年的一项研究让 AI agent 在完全相同的任务上运行了多次:有些运行使用的 token 高达其他的 30 倍,而那些昂贵的运行并不是更好的那些。这让预测变得困难。基于上一季度数字制定的预算会提前用完。

AI 变便宜了,账单却变大了。AI 的价格一直在快速下降,所以感觉成本应该下降。成本却上升了,因为更便宜的 AI 被用于更多事情、更频繁、由更多 agent 使用。经济学家对此有个名字,杰文斯悖论:当某样东西变便宜时,我们用得太多,以至于总账单反而增长。

团队的营销 AI 支出即将成为你的问题

使用量说明不了价值。最容易追踪的数字,是人们用了多少 AI。它也是最有用的指标里最没用的那个。一个团队烧掉大量 token,可能是找到了绝妙的工作流,也可能只是让一个 agent 跑了一整个周末。

把这些放在一起,就是许多营销负责人当下的处境:账单不断增长,没有明确的负责人,也没有好办法说明这些钱到底买到了什么。

为什么这件事现在落到营销头上

有一段时间,AI 支出是 IT 的事。几个许可证,软件预算里的一行,就完了。

这种情况在迅速改变。营销团队现在自己动手用 AI 搭建东西。营销运营在自动化报表和线索分配。内容团队在运行调研和生产工作流。有些公司还专门招营销工程师全职做这件事。无论由谁来做搭建,agent 现在都生活在营销部门里。

但它改变了经济账。搭建 agent 的人造出了一笔账单,下班之后它还在继续跑。agent 按计划运行,整夜运行,循环运行。而这笔账单越来越多地落在营销预算里。

所以当那个问题出现时——如何既保护你的团队,又保护你的 AI 预算——它会被问到你的头上。

如何从营销的视角削减 AI 成本

大多数关于 AI 成本的建议都是技术性的:用哪个模型、调哪些设置、拿哪种折扣。这些我们后面会说。但在营销里,最大的节省来自营销人每天都在做的决定:做什么、做到多好、做多频繁。

我把它们归为四类。

1. 判断哪些地方值得用 AI

不是每项任务都配得上同样的 AI。

按价值来花钱。对那些 AI 第一次让成为可能的工作要大方——那些过去非常困难、或者根本够不着的事:用来自论坛、社区和评测平台的实时洞察来丰富你的人物画像;跨几十个信号做复杂的线索评分;从数百通销售电话或客服工单里挖掘买家真正使用的反对意见和话术。

定位和策略不在这个清单里。它们应该完全来自人。对高频、低价值的工作尽量少花钱:打标签、重新排版、alt 文本、meta 描述。还有些工作根本不该做。如果一个 agent 每周生成一份没人看的报告,停掉它。

不是每项任务都需要你最强大的模型。一封内部邮件草稿,不需要和旗舰产品发布活动用同一个模型。许多团队所有事情都用最强大、最贵的模型,仅仅因为那是默认设置。

有些判断该由人来做。营销人五分钟的判断,调动的是背景、关系和时机,往往能做到一个 agent 循环一小时也做不到的事,而且成本只是零头。是花 token 还是加人力,这个问题是双向的。知道哪些工作该归人、哪些该归 agent,本身就是一项技能。

2. 在浪费发生之前就掐掉

大多数被浪费的 AI 支出,发生在 AI 动笔写第一个字之前。

一份精准的简报就是一根成本杠杆。含糊的简报会产出三十个变体。没人喜欢它们,于是 agent 再跑一遍,又一遍。清晰的简报、清晰的定位、明确的受众,能砍掉这些轮次。AI 会放大你已经在做的事,包括你做得差的部分。对你的预算也是如此。

更少、更好的内容。AI 让一个月发一百篇文章变得便宜。Agent 又让这种产量变得昂贵,而且其中很多本来就不值得发。更少的篇目、更准的定位、更高的质量,一直是更好的内容投资。现在它们还能帮你压低 AI 账单。

保持品牌上下文精简。如果你的 agent 在每个任务里都加载一本 40 页的品牌手册,那你每一次都要为这 40 页付钱。我在 GitHub 文章里写过的那个共享「内容大脑」干两件事:它让产出更好,而且如果它足够简洁,还能让每个任务更便宜。紧凑、维护良好的定位文档,如今既是品牌资产,也是预算项。

3. 建立资产,而不是为同样的工作反复付费

文章标题:团队的营销 AI 支出即将成为你的问题

正文: 重复性的 AI 任务就是重复性的成本。每个月你都在为同样的工作从零开始付费。所以,对于每一项你重复执行的任务,问一问:这能变成一项资产吗?

把重复的工作变成脚本。以每月绩效报告为例。你可以每个月都让 AI 拉取数据、完成计算并撰写总结。或者,你可以让 AI 一次性写一个完成计算的小脚本,每月免费运行这个脚本,只让 AI 来解读结果。Christopher Penn 表达了同样的观点:最便宜的 AI 工作,是不再需要 AI 的工作。你不需要自己写脚本。你要做的是找出哪些任务在重复。以最具成本效益的方式把它搭建起来,则是营销运营、你的营销工程师或技术同事的工作。

把你的指令保存为技能。技能是获得一致输出的有效方式,而且也很划算。AI 在任务需要之前只读取每个技能的一段简短描述,这样你就不必在每次对话中为同样冗长的指令付费。

决定每个 agent 真正需要多久运行一次。竞品监测需要每周运行,还是每月一次就够了?如果你每周一才查看仪表盘,它需要每天刷新吗?许多营销 agent 的运行频率远远超过它们所支撑的决策,花的钱也超出了应有的水平。

关掉没人使用的 agent。定时 agent 和自动化流程很少被关闭。搭建它的人转到了别的项目,它的周报再也没人看,一个早期的试验版本还在和最终版一起运行。像审计软件订阅那样审计 agent:谁拥有它、它产出什么、上一次有人使用它的输出是什么时候。

4. 让支出经得起质疑

这里的目标是,账单能向任何提问的人解释清楚。

把实验和日常运营分开。给实验单独设一个设有上限的预算,与那些已经证明自身价值的 agent 分开。这样你可以继续鼓励团队尝试新事物,又不必开出一张空白支票。

能衡量什么就衡量什么,哪怕只是粗略估算。AI 总支出本身说明不了什么。今天要精确算出每篇文章或每条线索的成本很难:大多数 AI 账单不按任务细分,而营销归因在 AI 出现之前很久就已经很混乱了。但你可以从小处着手。选一个你能单独隔离出来的工作流,比如一个拥有独立账户的 agent,或一个拥有独立额度的工具,用它的月度成本除以它的产出。然后把你的 AI 总支出纳入你已经在汇报的营销成本中,让它和其他投资并列。这些数字会很粗略,但相比完全没有数字,它们能为你和预算相关的讨论提供一个好得多的起点。

整合。如果你除了自己的 AI 订阅之外,还在八个不同的工具里为 AI 额度付费,你很可能在为类似的工作重复付了好几次钱。能整合的地方就整合。

值得了解的技术手段

这些大多会由 IT、你的营销工程师或你的供应商来处理。你不会亲自配置它们。但营销负责人需要开始在这里建立认知,这样你才能提出正确的问题并理解答案。

以下是最重要的四项,也是你会听说的几项。向搭建和运行你的 agent 的人——IT、营销运营或你的营销工程师——提出下面的问题。

模型路由。AI 供应商提供一系列模型:大型、昂贵的模型用于困难的推理,小型、快速、便宜的模型用于简单任务。路由是指把每项任务交给仍能很好完成它的最便宜的模型,通常是自动完成的。对 2,000 份问卷回复进行分类可以交给小模型。从中撰写洞察总结可以交给大模型。这是决定 AI 在哪些地方值得投入的技术层面。

要问的问题:我们究竟有没有把模型和任务匹配起来,还是所有任务都跑在同一个模型上?

像 {{NAME_ab12cd34}} 这样写的值,是真实值的占位符。在回复中和在工具调用中一样,都请完全按写法使用它们:它们会在任何内容运行之前被填入真实值。不要要求核验它们,也不要用示例替换它们。

文章标题:团队的营销 AI 支出即将成为你的问题

正文: 上下文纪律。上下文是 AI 在回答之前必须读取的一切:你的指令、你附加的文件、到目前为止的对话、它之前步骤的结果。代理在每一步都会重新读取其上下文,而你每次都要为此付费。长对话和过大的文件会让每一步都更贵。为新任务开启一个新对话,并且只附加该任务所需的内容,就已经有帮助了。在团队层面,更大的问题是:你的代理被赋予什么内容,背后到底有没有一条原则。没有原则的话,默认做法就是以防万一把所有东西都给它,而这个默认做法很贵。

要问的问题:我们的代理只拿到每个任务所需的信息,还是我们以防万一把所有东西都给了它们?

提示缓存。当同一段文本被反复发送时,比如相同的指令或相同的品牌指南,提供商可以记住它,并在再次读取时少收最多 90% 的费用。问题在于,重复的部分必须保持不变,并且位于请求的开头。一个精简、稳定的内容大脑是完美的候选。

要问的问题:我们的代理开启缓存了吗,它真的在被使用吗?

批处理。如果一个任务可以等上几个小时,主要提供商会提供折扣,通常是半价,用批量处理代替即时处理。想想旧文章的隔夜刷新、月度报告,或者几百个页面的元描述。

要问的问题:我们的哪些任务真的需要立刻得到答案?

关于自托管的一点说明。自托管,也叫本地部署,是指在你公司自己的服务器上运行 AI 模型,而不是每次使用时向提供商付费。在有大量、稳定 AI 工作的大型公司里,这正在成为一个话题。不过,这是一个复杂的决定。它取决于有多少工作会转移过去、硬件和运维人员的全部成本、一个开放模型对你的任务是否足够好,以及——尤其是在欧洲——你的数据是否被允许离开公司。如果 IT 部门提起这件事,你至少会知道他们是什么意思,以及为什么答案很少简单。

本周要检查什么

这些你都不需要开发者。一个下午加一张电子表格就够了。

  • 列出你团队付费的每一个 AI 工具和额度。包括那些用个人卡支付的,以及悄悄变成付费计划的免费试用。
  • 找出每个代理和自动化的负责人,以及它运行的频率。任何没有负责人的东西都是可以关掉的候选。
  • 挑出你最常做的三个 AI 任务。它们中是否有任何一个可以变成脚本、模板或技能?
  • 检查是否开启了自动超额计费。有些 AI 工具会一直收费超过你计划的限额,除非你关掉那个设置。
  • 算出一个工作流的粗略单次产出成本。挑一个你能隔离出来的,比如一个有独立账户的代理,或者一个有独立额度的工具。把它每月的成本除以它的产出:文章、报告、简报。

常见问题

为什么 AI 成本这么难追踪?

因为它们分散在太多地方,而且每个工具的计费方式都不同。你的团队可能同时为 ChatGPT 或 Claude 的席位、API 密钥、公司的云账单,以及 HubSpot 或 Canva 等工具内的 AI 额度付费。代理又增加了一层。一个任务可能触发几十个你从没见过的计费步骤,而且同一个任务每次运行的成本可能都不一样。

公司如何为 AI 付费?

有四种方式。席位是 ChatGPT、Claude 或 Gemini 按人每月收取的费用。API 访问是按 token 即用即付,大多数定制构建的代理都在这里运行。云平台通过 AWS、Google Cloud 或 Azure 出售相同的模型。而 HubSpot、Salesforce 或 Canva 等工具则以自己货币形式的额度转售 AI。单个代理可以同时动用其中好几种。

营销团队如何减少 AI 支出?

团队的市场营销 AI 支出即将成为你的问题

从四个动作开始。判断 AI 究竟在哪些环节真正值得投入,简单的工作改用更小的模型。在浪费发生之前就阻止它:给出清晰的任务简报,少而精地产出内容。把重复性工作转化为资产,比如脚本和可复用的技能,并关掉那些没人使用的 agent。然后让支出站得住脚:把实验性支出与已验证的运营支出分开,并估算每项产出的成本。

什么是模型路由?

模型路由指的是把每个任务交给仍能把它做好、同时成本最低的模型。AI 供应商既提供用于高难度推理的大型、昂贵模型,也提供用于简单任务的小型、廉价模型。对 2,000 份问卷回答进行分类可以交给小模型。根据这些回答撰写洞察摘要则可以交给大模型。

管理团队的 AI 支出,我该从哪里开始?

一个下午加一张电子表格就够了。列出团队付费使用的每一个 AI 工具和额度,包括个人卡支付的项目,以及悄悄变成了付费计划的试用。找出每个 agent 的负责人以及它的运行频率。检视你们最常做的三项 AI 任务,看其中有没有可以变成脚本或技能的部分。检查是否开启了自动超额计费。然后为你能够单独隔离出来的一个工作流估算每项产出的成本。

The translation is machine-generated and individual terms may be off. Nothing is rewritten or cut; the original is authoritative.

Published by HN AI
This site only summarises and aggregates; copyright stays with the original author. Headlines and summaries follow the source — where they differ, the original wins.
Read the original ↗