01 / 53

AI MarTech Intelligence Service
营销智能服务

02 / 53

营销智能服务

1 趋势与信号

2 选择 MarTech 原因

3 产品简介

4 产品目标用户

5 用例场景

6 产品商业化

7 MVP 切口

03 / 53

1 趋势与信号

04 / 53

1.1 软件入口正在从 SaaS 页面转向 Agent 调用

过去是人打开页面、点击功能、看报表。现在 Agent、AI Coding 工具、企业内部 AI 应用和自动化工作流正在直接调用外部能力。营销能力如果只存在于 UI 里，就很难进入新的工作流。Gartner 预测 2026 年底 40% 企业应用会包含任务型 AI Agent。

过去十几年，营销软件的主流形态是 SaaS。用户打开一个页面，登录一个系统，点击一个功能，获得一组数据或一份报告。这个模式的核心假设是：人是软件的主要操作者，浏览器 UI 是软件的主要入口，订阅席位是软件商业化的主要单位。

这个假设正在被 AI 改写。

企业软件的入口正在从“人点击 UI”转向“Agent 调用工具”。Agent、AI Coding 工具、企业内部 AI 应用和自动化工作流，正在成为新的能力消费者。它们不需要一个复杂页面，而需要稳定的工具接口、清晰的输入输出、可控的权限、可审计的执行过程和可解释的成本。Gartner、McKinsey、Bain 等资料都指向同一个趋势：Agentic AI 正在从实验进入企业应用，软件产品将越来越需要被 Agent 调用，而不是只被人类用户点击。

05 / 53

1.2 AI 软件收费正在从 seat 转向 usage / task / outcome

AI 软件存在真实的推理成本、外部 API 成本、数据采集成本和自动化执行成本。传统按席位收费无法准确表达一次 Agent 调用、一次营销任务、一次报告生成或一次竞品分析的成本与价值。

McKinsey 指出，63% 软件领导者认为 AI 会在未来 3-5 年根本改变商业模式，并推动软件从 per-seat 转向 usage、token、output、outcome 等模型；Bain 也建议 AI-first SaaS 围绕结果定价。

用户不再只为“拥有一个账号”付费，而会越来越多地为“完成一次任务、获得一个结果、节省一段人力、得到一份可交付报告”付费。

06 / 53

1.3 MCP 正在成为 Agent 调用外部工具的有效付费层

MCP 的核心价值是让 AI 应用用统一方式连接工具、数据源和服务。对我们来说，它不是概念，而是把营销能力标准化成 Agent 可调用服务的基础。

Skill从机制上决定了不是一种有效的商业化形态，更像是一种“真，知识付费”，而 MCP 是真正资源与能力供给的协议，是 Agent 时代天然的付费层。

07 / 53

2 选择 MarTech 原因

08 / 53

2 选择 MarTech 原因

平台不做通用 MCP 平台，而聚焦 AI MarTech，原因如下：

09 / 53

2.1 数据依据且碎片化

营销本身天然依赖外部数据、搜索结果、内容分析、竞品情报、广告信号、社媒信号和持续监测。这些能力过去分散在不同 SaaS、不同 API、不同报表和不同服务团队中。Agent 完成任务依赖大量外部数据和第三方 API，而这些 API 在参数、鉴权、成本、返回格式、国家支持、错误码和数据时效性上高度碎片化。

10 / 53

2.2 距离钱近，价值易衡量

每次运行 Agent 都会有明确的结果交付，可以是一份调研报告、一份营销执行策略、一份竞对的详细分析，或是一份营销内容。总之，都能看到最终的结果。将交付结果与支付的价格形成直接关联。

11 / 53

2.3 方法论丰富

不管是提供 MCP 和 Skill 的服务，还是创作营销内容，都需要这个领域、这个主题内具备足够丰富的场景和方法。只有这样，我们提供的服务才有价值，也更容易落地。而恰好营销领域包含了非常丰富的子主题和场景，比如：SEO、GEO、广告、KOL、EDM、内容、社媒、策略、消费者、竞品、电商等等。这些多样化的场景让我们能够更充分地提供价值。

12 / 53

2.4 营销 API 语义缺失与目标脱节

普通 API 文档不是为模型工具调用设计，Agent 难以稳定选择、理解和正确调用工具。

营销方法论与工具脱节，API 只返回数据，不提供任务流程和判断逻辑，营销用户难以直接获得可用结论。

13 / 53

3 产品简介

14 / 53

3.1 产品定位

一个面向 Agent 时代的营销能力服务层。

把全营销链路 GEO、SEO、内容智能、竞品分析等 MarTech 能力封装成可被 Agent 调用、可计费、可治理、可审计、可交付的能力。

1. 开发者：可以直接接 MCP endpoint；

2. 技术型用户可以运行开源 Skills，来间接使用我们的 MCP endpoint；

3. 业务用户可以在 SaaS App 里提交任务并获得报告；

4. 服务团队可以用同一套能力交付客户项目。

15 / 53

3.2 产品形态

3.3 产品框架示意

19 / 53

快速生成客户可交付的结果，同时保留结构化数据和证据链

24 / 53

5 用例场景

25 / 53

5.1 市场分析

目标消费者研究：

从访谈、评论、工单和社区讨论中提取真实痛点、购买动机和用户语言。

市场机会研究：

判断目标市场的需求强度、竞争密度、价格区间和进入机会。

受众画像分析：

识别目标人群的兴趣、行为、互动偏好和细分特征。

趋势机会分析：

发现正在上升的话题、需求、内容形式和消费趋势。

营销创意生成：

基于产品、用户和竞品信息批量生成可执行的营销活动想法。

消费心理策略设计：

将信任、稀缺、损失规避、社会证明等心理机制转化为营销策略。

26 / 53

5.2 品牌分析

品牌洞察：

对自己品牌的产品定位、目标客户、核心卖点进行扫描与分析，形成品牌认知。

品牌声誉监控：

跟踪评论、评分、品牌提及和负面反馈，及时发现声誉风险。

营销数据追踪设计：

规划事件、参数、转化漏斗和归因规则，保证营销效果可衡量。

增长表现报告：

汇总流量、转化、获客成本、内容表现和广告效果，辅助决策。

27 / 53

5.3 竞品情报

竞品广告拆解：

提取竞品广告素材、文案角度、主张、受众和落地页策略，辅助优化自身投放。

竞品档案研究：

系统整理竞品的定位、功能、价格、客户、渠道和增长策略。

竞争情报监控：

持续跟踪竞品内容、广告、价格、社媒和用户反馈变化。

竞品替代页策划：

通过对比内容承接竞品相关搜索流量，并引导高意向用户转化。

定价策略分析：

对比竞品套餐、价格锚点和付费门槛，形成更合理的定价与实验方案。

28 / 53

5.4 内容增长

内容策略规划：

明确内容支柱、选题方向、发布节奏和业务目标之间的关系。

内容缺口分析：

找出竞品已覆盖但自身缺失的主题、关键词和内容机会。

关键词研究：

挖掘搜索需求、用户意图、竞争难度和可优先执行的关键词集群。

内容大纲生成：

为目标关键词生成文章结构、信息点、搜索意图和写作要求。

内容写作：

生成匹配搜索意图、结构完整、可发布的内容草稿。

内容质量审计：

从专业性、可信度、完整性、可读性和发布准备度评估内容质量。

29 / 53

5.4 内容增长

营销文案写作：

为首页、落地页、产品页和价格页生成更清晰、更有说服力的转化文案。

现有文案优化：

在不改变核心信息的前提下，提升文案的清晰度、可信度和行动引导。

社交内容创作：

根据平台特性生成适合传播、互动和引流的社交媒体内容。

内容表现分析：

分析帖子、视频和社交内容的互动、传播和转化表现。

30 / 53

5.5 页面优化

页面转化优化：

优化页面结构、信息顺序、信任证据和行动入口，提高访问到转化的效率。

注册流程优化：

减少注册步骤、字段和认知负担，提高新用户开始使用的比例。

新用户引导优化：

设计更有效的新手引导路径，让用户更快完成关键激活动作。

表单转化优化：

优化字段数量、提问顺序、错误提示和提交体验，提高表单完成率。

弹窗转化优化：

优化弹窗触发时机、文案、优惠和频控，减少打扰并提高转化。

付费升级转化优化：

优化升级墙、套餐对比和价值解释，提高免费用户转付费比例。

31 / 53

5.5 页面优化

页面优化对比：明确假设、变体、指标、样本量和判定规则，让增长实验可验证。

32 / 53

5.6 搜索引擎优化

搜索引擎优化审计：

发现网站在索引、页面结构、内链、元信息和技术层面的增长阻碍。

搜索可见度优化：

提升品牌和内容在智能问答、生成式搜索和摘要结果中的被引用概率。

引用型内容优化：

增强内容的事实密度、结构清晰度和可摘录性，提升被机器引用的机会。

结构化数据规划：

明确网页适合使用的结构化数据类型，帮助搜索系统理解内容。

结构化数据生成：

生成商品、文章、问答、软件等页面可用的结构化数据代码。

网站信息架构规划：

设计目录、页面层级和内链关系，让流量与权重更有效分配。

33 / 53

5.6 搜索引擎优化

批量搜索页面建设：通过模板化页面批量覆盖行业、地区、用例、替代方案等长尾需求。

34 / 53

5.7 增长策略

产品发布策略：

规划发布时间、渠道组合、传播节奏和转化承接，提高发布效果。

目录渠道提交：

将产品提交到相关目录和榜单，获取外链、曝光和高意向流量。

线索诱饵设计：

通过模板、白皮书、清单、报告等内容资产获取潜在客户信息。

联合营销策略：

筛选互补伙伴并设计联合活动，借助对方受众扩大触达。

社群运营策略：

设计社群定位、成员分层、内容机制和增长飞轮，提升留存与口碑。

35 / 53

5.8 邮件营销

自动化邮件序列设计：

设计欢迎、培育、激活、召回和续费邮件流，推动用户进入下一步行动。

冷启动外联邮件：

生成面向潜在客户的个性化外联邮件和跟进序列，提高回复率。

36 / 53

5.9 付费广告

付费广告策略：

规划广告平台、预算、受众、出价、账户结构和优化节奏。

广告创意生成：

批量生成广告标题、正文、卖点角度和素材变体，用于投放测试。

37 / 53

5.10 达人营销

达人合作筛选：发现并评估适合合作的创作者，判断其受众质量和品牌匹配度。

38 / 53

5.11 销售增长

潜在客户名单生成：

从地图、网站、社交平台和搜索结果中提取潜在客户与联系方式。

销售赋能内容：

销售资料生成、案例摘要和竞品对比，提升销售推进能力。

39 / 53

5.12 独立站优化

商品图片说明优化：

批量优化商品图片说明，提高图片搜索曝光和无障碍体验。

商品搜索结果优化：

优化商品标题、描述、摘要和问答内容，提高商品页搜索点击与转化。

多语言店铺本地化：

翻译并本地化商品页、导航、政策页和邮件内容，支持跨市场销售。

独立站情报分析：

抓取商品、价格、库存、评论和卖家信息，辅助选品与竞争分析。

40 / 53

6 产品商业化

41 / 53

6.1 商业模式

核心商业模式：Skills 免费开源，MCP Service 通过 credits 收费。

Credits 是平台商业闭环核心。无论用户通过 MCP、Skills、Toolbox 还是运营服务消费能力，底层都应进入统一 credits ledger。

四层消费形态的收费理解：

42 / 53

6.1 商业模式

形态

MCP

收费方式

直接按 MCP 调用消耗 credits

形态

MCP + Skills

收费方式

Skills 免费，调用官方 MCP 时消耗 credits

形态

MCP + Skills + SaaS / Toolbox

收费方式

SaaS 是业务入口，底层任务消耗 credits

形态

运营服务 / Agency

收费方式

可收服务费 / 项目费，但底层仍使用平台能力并核算 credits

43 / 53

6.2 国内与海外市场路径

市场

海外

路径

self-serve 为主

核心入口

SEO、GitHub、Docs、Use Case Demo、社媒、自助注册、自助充值、自助使用 MCP / Skills / Toolbox

不做事项

早期不依赖人工销售或深度运营服务

市场

国内

路径

sales + self-serve + service 并存

核心入口

销售触达、KA 拓展、渠道合作、开源 Skills、SaaS 应用、运营服务

不做事项

不把项目制包装替代平台生意本体

44 / 53

6.2 国内与海外市场路径

国内市场可以同时存在 MCPS & kills、SaaS 应用和运营服务三种形态。海外早期主要覆盖 MCP & Skills、SaaS 应用这两层，不把深度运营服务作为主线。

45 / 53

6.3 用户路径差异

用户类型

营销用户 / Agency

典型路径

内容页或社媒内容 -> Use Case Demo -> 注册 -> 创建 workspace -> 充值 credits -> 运行 Toolbox

用户类型

开发者 / Agent Builder

典型路径

GitHub 或 Docs -> 注册 -> 创建 API Key -> 充值 credits -> 接入 MCP / Skills

用户类型

国内服务客户

典型路径

销售或服务触达 -> 用平台能力执行任务 -> 输出执行结果

46 / 53

7 MVP 切口

47 / 53

7.1 品牌可见性

品牌未来要管理的不只是搜索排名，也包括 AI 回答中的存在感。传统 SEO 关注页面排名和点击；GEO / AI Visibility 关注品牌是否在 AI 回答中被提及、引用、推荐，以及竞品是否在同一问题下占据更强位置。这类需求具备长期性，是用户信息获取方式变化带来的需求。

品牌需要：

48 / 53

7.1 品牌可见性

判断品牌是否被 AI 看到

比较自己和竞品在 AI 回答中的出现频率

分析哪些主题、内容和来源影响 AI 引用

监测不同平台、不同 prompt、不同国家或语言下的表现

把分析结果转化为内容策略和增长动作

49 / 53

7.1 品牌可见性

选择它作为早期主打方向的原因：

50 / 53

7.1 品牌可见性

话题足够新，市场教育窗口已然形成。

比宽泛的 AI MarTech / AI Growth 更锋利、更聚集、冷启动更容易形成认知。

可以自然延展到 SEO、Content Intelligence、Competitor Intelligence，因为目标受众完全相同。

市场营销从业者，不需要再学习使用复杂的软件工具，只需要在自己日常最熟悉的通用 Agent 工具（如 Claude Code、Codex）就可以完成全部的工作。

53 / 53

AI MarTech Intelligence Service营销智能服务

营销智能服务

1 趋势与信号

2 选择 MarTech 原因

3 产品简介

4 产品目标用户

5 用例场景

6 产品商业化

7 MVP 切口

1 趋势与信号

1.1 软件入口正在从 SaaS 页面转向 Agent 调用

1.2 AI 软件收费正在从 seat 转向 usage / task / outcome

1.3 MCP 正在成为 Agent 调用外部工具的有效付费层

2 选择 MarTech 原因

2 选择 MarTech 原因

2.1 数据依据且碎片化

2.2 距离钱近，价值易衡量

2.3 方法论丰富

2.4 营销 API 语义缺失与目标脱节

3 产品简介

3.1 产品定位

3.2 产品形态

3.2 产品形态

第一层

第二层

第三层

第四层

3.2 产品形态

3.3 产品框架示意

4 产品目标用户

4.1 AI 营销应用开发者 / Agent Builder

特征：

主要入口：

核心诉求：

4.2 半技术营销从业者 / Agent 工具用户

特征：

主要入口：

核心诉求：

4.3 业务型营销用户

特征：

主要入口：

核心诉求：

4.4 Agency / 营销服务团队 / 结果型客户

特征：

主要入口：

核心诉求：

5 用例场景

5.1 市场分析

目标消费者研究：

市场机会研究：

受众画像分析：

趋势机会分析：

营销创意生成：

消费心理策略设计：

5.2 品牌分析

品牌洞察：

品牌声誉监控：

营销数据追踪设计：

增长表现报告：

5.3 竞品情报

竞品广告拆解：

竞品档案研究：

竞争情报监控：

竞品替代页策划：

定价策略分析：

5.4 内容增长

内容策略规划：

内容缺口分析：

关键词研究：

内容大纲生成：

内容写作：

内容质量审计：

5.4 内容增长

营销文案写作：

现有文案优化：

社交内容创作：

内容表现分析：

5.5 页面优化

页面转化优化：

注册流程优化：

AI MarTech Intelligence Service
营销智能服务