我無法相信沒有人發現這個。 Anthropic 的整個成長行銷團隊只有一個人 （確認了 10 個月） 一位非技術人員為這家市值 3800 億美元的公司運營付費搜索、付費社交、應用商店、電子郵件行銷和 SEO，這家公司是 Claude 的背後推手。 這裡正是這位人類如何完成整個行銷團隊的工作的具體方式： 一切從 CSV 開始。 1. 他從廣告平台導出所有現有廣告及其績效指標（點擊率、轉換率、支出等） 2. 將整個文件輸入到 Claude 代碼中 3. 並告訴它找出表現不佳的廣告。 Claude 分析數據，標記出弱廣告，並立即生成新的文案變體。 這是他聰明的地方： 他然後將工作分成兩個專門的子代理： 1. 一個只寫標題（限制在 30 個字符內） 2. 另一個只寫描述（限制在 90 個字符內）。 每個代理都針對其特定限制進行調整，因此質量遠高於將兩者塞進單一提示中。 所以現在他有數百個新鮮的標題和描述。 但這只是文本。 他仍然需要實際的視覺廣告創意，即在 Facebook、Google 等平台上使用的圖片和橫幅。 所以他建立了一個 Figma 插件： 1. 獲取所有這些新標題和描述 2. 在他的 Figma 文件中找到廣告模板 3. 並自動將文案替換到每一個模板中。 每批生成最多 100 個準備發布的廣告變體，速度為每批半秒。 以前需要幾個小時的複製幀和手動複製文本 所以現在廣告已經上線。 下一個問題是哪些廣告實際上有效。 為此，他建立了一個 MCP 伺服器（基本上是一個自定義集成，讓 Claude 可以直接與外部工具對話），並連接到 Meta 廣告 API。 所以他可以問 Claude 這樣的問題： • "這週哪些廣告的轉換率最好" • 或者 "我在哪裡浪費了支出" 並從實時活動數據中獲得真實答案，而無需打開 Meta 廣告儀表板。 將所有內容串聯起來並閉合循環的部分： 他設置了一個記憶系統，記錄每個假設和實驗結果，跨越廣告迭代。 所以當他回到第一步並生成下一批變體時…… Claude 自動提取所有先前輪次中有效和無效的內容。 這個系統每個循環都變得更聰明。 這種系統化的實驗在數百個廣告中通常需要一位專門的分析人員來跟踪。 數據顯示： 廣告創建時間從 2 小時縮短到 15 分鐘。創意產出提高了 10 倍。 而他現在在更多渠道上測試更多變體，超過了大多數完整的行銷團隊。 一家市值 3800 億美元的公司。 而他們整個的成長行銷運作（不是 GTM）= 只有一個人和 Claude 代碼，哈哈。 真是難以置信。

來自Anthropic的完整文檔（第15頁的增長行銷部分）：