来源：金沙江创投
当全球科技圈还在为MCP是否代表未来争论不休、中国媒体又热议Manus时，一场属于Agent的浪潮已悄然兴起。在这场变革风暴中，一个独特的投资动向浮出水面——金沙江创投宣布投资AI营销企业Aha Lab，携手新锐力量布局下一代营销范式。
Aha项目的诞生揭开了这场战略布局的序幕。早在多数人仍困于大模型技术路线之争时，金沙江创投团队已率先锚定Agent赛道，瞄准经市场验证的万亿级营销金矿。2023年初带领上家公司增长速度超越Rewind AI的00后Kay Feng，正通过自主开发的Agent系统重构达人营销生态。Aha的AI Agent团队，已展现出颠覆传统KOL投放模式的潜力，取代了达人营销几乎全部环节的人工成本。
AI Native：被取代的搜索，无所适从的广告
绝大多数的商业化都是通过广告触达到消费者端：
PC互联时代，诞生了挑起Alphabet整体营收 3/4 的 Google Ads。
移动互联时代，诞生了市值1700亿美元、一年估值翻十倍的AppLovin。
但是，AI时代下，随着承载用户搜索这一行为的应用从Google Chrome、百度，迁移至Chatgpt、Deepseek，效果广告的内容都会由AI读取然后筛除，最终给到用户端一个“干净”的答案，即古典的SEO营销的商业价值会在AI Native时代被解构。
SEO是广告主端基于搜索引擎中的热门问题、长尾关键词，产生内容。AI Native模式下，对于传统SEO的解构，在于对“热门问题、长尾关键词”到“优质内容”间链路的重建。
伴随着传统搜索引擎的式微，基于社媒的原生广告正在成为更加主流的选择。
今天，互动性强的原生广告早就是日常。用户和信任的KOC/KOL（关键意见消费者/领袖）建立的默契，可能是当下最稀缺的流量密码。在AI主导的时代，或许只有这些真实用户生产的UGC内容，才能真正打破广告的 无效循环 。
格局离散：海外社媒的低效建联
与国内社媒中抖音一家独大的行业格局不同（抖音MAU 11亿，约占中国总人口78%），北美的社媒格局高度分散：
其形成原因，一方面是美国政府对于反垄断和数据隐私保护的坚决态度；另一方面也是美国人的用户习惯对于不同平台的使用定位高度分散，任何社媒平台都无法承载住综合功能，成为统一大市场。
因此，达人对各家平台的入驻，也呈现出一种高度的离散状态。
在国内，品牌方可以在巨量星图上建联到一切KOL：作为国民级应用的后台，是任何达人方变现-品牌方推流都绕不过去的交易场所。
当然，海外社媒也有类似的平台基建：YouTube有BrandConnect、Instagram有Creator Marketplace、TikTok有TikTok One。但在海外，官方平台更多是作为第三方Agency的一方数据提供方，平台希望第三方帮助他们将平台的达人商业化生态做的更好，而不是自己垄断这部分的市场，85%以上的达人合作订单都是第三方产生，平台自己只承接了很少的一部分。YouTube曾经有过一个决策失误，BrandConnect就是他们收购的第三方Agency，但后来又意识到这部分不应该自己来做，故而不再进行迭代。
但由于跟第三方Agency合作价格不透明并且效率不高，过去品牌方更多还是选择自建团队做达人营销，Influencer Marketing的诀窍在于，通过各种垂直领域达人粉丝的精准投放，实现曝光、注册、付费等多种目标的转化。因此，即便品牌方可以通过大海捞针的检索方式mapping到垂直领域达人，依然无法从社媒后台获取达人的用户画像数据。
由于北美人群的用户习惯，站内短信触达的成功率不足2%。回复率最高的方式是邮件触达，但是，又由于公司内市场团队往往得不到研发资源，达人邮箱地址的寻找在过去是一个只能人力硬上的岗位。
基于以上种种障碍，邮件邀约-粉丝画像匹配-讨价还价-合作内容商讨-广告发布的转化率不足1%。
由此可见这里存在着第三方的巨大机会，过去只有分散的Agency在承接这部分需求，Aha 作为目前跑在最前面的第三方的AI公司，借助AI agent对于过去人工的直接替代，可能对当前这个重人工，信息分散的局面产生降维打击。
AI Agent Team的需求：In-house Marketing，机械重复的催促岗
Y Combinator近日分享，2025年对拟被投公司的期待：能替代年薪10万-30万美元的工作职能的AI应用。
年薪10万美元是个什么概念呢？我们类比硅谷科技厂的实习生薪资40美元/小时：$40/h × 8h/天 × 5天/周 × 52周 = 8.32万美元。也就是说，年薪10万美元，大概等同于一个实习生或entry-level的工资。与国内任何脏活累活都能压榨到200元/天的实习生做执行算力不同，北美的用工成本真的很高，因此北美公司对于SaaS的付费意愿一直很高。
与此同时，如果是北美Senior级别的Influencer Marketing负责人，年薪通常可达到15万美元甚至更高。看似是一份相对稳固且高薪的职位，但从长远来看，AI对这类岗位的冲击也不容小觑。一方面，他们需要带领团队和管理对外合作流程，另一方面，当AI工具在流程自动化和沟通层面越发成熟后，许多管理和沟通环节都可能被逐步取代或大幅削减人力需求。
推动组织内部的AI部署，最大的阻力在于对原有工作流程中“人”的变化，这是一道“人性壁垒”，而非“技术壁垒”。但Influencer Marketing本质是一项充分对外的工作，业务专员80%的工作精力都投入在与达人建立联系上。其SOP非常标准化：每天通过各种线索给各个社交平台上的KOL发送cold email，分厘必争地讨价还价，然后催达人签合同、交接脚本。一个视频作品从建联到发布，短则1-2个月，长则时间不限。这个岗位（尤其是执行层面）痛点在于，需要手动推进多线程、回合制地跟进每一项合作的每一个环节。归根到底就是个“催促”的工作，除了心累，没有太多门槛。
因此，这样的岗位将来会很容易被诸如Aha之类的AI Agent替代，而AI的效率和效果甚至可能比人类更好。哪怕是一位Senior的Influencer Marketing负责人的工作中，也有大量的管理、沟通和流程监控部分可能被大幅减少对人工的依赖。当AI大幅提升效能后，市场对这项工作的需求甚至可能进一步扩大，因为过去许多公司虽然知道投流效果不佳，但由于门槛低、需求迫切，依然选择了这种“谁都能做”的广告方式。这也意味着AI正在创造新的社会价值，而不是在需求不变的情况下，彼此内卷。
变现困局：达人与品牌的边界博弈
如果说，除了Mr beast这类的超级大网红的创作属于PGC，其他KOL和KOC的创作都是UGC。
由于缺乏系统化商业合作实践，UGC创作在摸索变现路径时，存在着种种问题：
公允定价：由于达人本身掌握的价格资源不够多，对于大盘的市场没有了解，容易报出很高的心理预期价格。而在回合制打太极中，品牌in-house团队的主动报价一定又是低于公允价格的，但是由于KOL本人没有任何机制来合理化自己的产出价值高于品牌报价，感觉收到冒犯的KOC最好的回应就是沉默。其带来的结果就是双方合作的不了了之。
结算方式：大公司有品牌信誉作为合作背书，因此达人愿意让渡自己的权益，支持订金+尾款的结算方式。但是对于中小甚至跨国公司来讲，达人在收到邀约前可能根本就不知道这个公司的存在。由于没有三方平台作公证，如果达人方面有意向合作，由于没有信任基础，为防止被白嫖，会希望公司对合作全款支付，但这一预付行为完全踩在了公司财务的风险点上。
交付过程：Brand Information - Content Brief - script Draft - Released Video，品牌与达人之间没有形成标准的工业化解决方案，不标准的环节也带来了巨大的沟通门槛。
稳定收入：由于没有稳定的现金流，用爱发电的UGC就很难持续投入。因此，最好的解决办法就是展开多边合作，实现内容创作的可持续化发展。时刻处于波动状态的排期所带来的焦虑，也是一个创作者难以解决的困境。
法务纠纷：出于对自身创作权利的维护，达人会对于合同中品牌方分享产品的权益、数据的权限，生产视频内容的所有权，竞品排他条款，合同截止日期等的合理性提出修改意见。多线程合同版本的处理会让品牌in-house团队不胜其扰。
其他问题：如果品牌选定了达人，必然是已经肯定了达人的内容创作能力。但是，是否能实现爆款视频，还取决于天时地利。理论上，品牌方应该最理解自己的潜在消费者，应当给予达人发布时间、标题撰写、话题标签选择等方面的建议。但是，考虑到达人粉丝和品牌用户群体并不完全覆盖；同时，与国内统一大市场不同，品牌方、达人端和目标用户的时区和不同平台的用户活跃时间可能都不尽相同，如何敲定最佳发布时间这类的重要议题被搁置了。
PLG：双边市场下的网络效应和增长飞轮
PLG，曾经一度被认为是toC公司才能运用的增长手段。
toB公司无法实现PLG，因为传统SaaS一直面临一个问题：卖产品，还是卖服务？
PLG的核心在于：首先满足终端用户使用，从而实现个人用户bottom up的影响B端决策者，然后实现公司层面对于产品的部署。
但是，往往由于toB产品自身的复杂程度，使得终端用户本人的体验并不良好，需要local sales团队的辅助接入。由于服务这一变量的引入，toB产品的真正落地往往只能通过SLG达成。
2022年，风险投资公司OpenView提出过PLG的十一条军规：
基于对 Aha 的近期分析可见，他们在上述各方面都表现优异，充分说明团队的战略规划和执行能力十分出色：
达人端 Mediation - Aha Creator：
一方面，Aha Creator从订单供应、合同执行、创意构思、进度排期、发布时间等，渗透进达人创作的方方面面。从而使他们对于平台产生依赖。
另一方面，平台以代理的达人资源为杠杆，撬动更多的广告订单，帮助平台上的达人获取稳定的收入，从而保障创作生涯的持续性。同时，同等单位的投流成本下，帮助品牌争取到更多的创意来源和广告触达。
通过整合分散的内容提供者和多样化需求的广告主，Aha 构建了高效匹配的双边市场，堪称流量界的Uber。
品牌端 DSP - Aha：
由于用户场景充分对外，Aha的部署让原先市场部in-house的业务专员拥有一个完美的中央控制台。
从大屏幕到小屏幕的时代轮转，也是市场部到增长部——从文科生到理科生叙事的转变。
现代工程体系中，不可度量则不可优化。Aha这个中央控制台掀起的人力变革，就如同大秦横扫六国时候的商鞅变法一样，统一了不同海外社媒平台间广告投放的度量衡。
管理学著作《领导梯队》里提出过一个概念。当从业务岗转型到管理岗后，需要有一个认知上的改变，你的工作成果不再是你个人的结果，而是整个团队的工作产出。
部署了Aha，原先的业务专员就可以从多线程的救火队长职责中解放出来，升维到管理岗。在中央控制台运筹帷幄之中，决胜千里之外。
Aha：DeepMatcher Algorithm
由于Aha同时承载了达人端和品牌端生命周期，两大链条可以互相推动来旋转的业务飞轮：
品牌端部署初衷是因为Aha支持集采达人，为了优化投放效果，便愿意自主回传全流程数据。
广告投放是一个持续迭代的系统，每一次用户行为和数据的多向量积累，都是对Aha自研模型DeepMatcher Algorithm语料库丰富度的加强。达人端的广告效果可以直接作为强化学习算法的奖励函数，Aha在设计奖励函数时可根据不同广告主需求定制可量化且明确的目标。
归因可靠、量度扎实，确定了目标函数，怼工程手段就可以了。
业务闭环+端到端，构建起了Aha的闭环生态。
0 条