创意测试为什么是当前最大的效率杠杆？

2 分钟阅读

嘉宾：Jonathan Becker ｜ Thrive Digital CEO ｜ 领域：付费增长与绩效营销

背景与引子

2023年的数字营销战场，正在经历一场前所未有的洗牌。

隐私政策的收紧、iOS系统的隐私更新、第三方Cookie的逐步淘汰——这些变化正在重塑整个付费增长行业的游戏规则。Facebook和Google两大巨头单季度广告收入突破100亿美元的同时，无数中小企业的付费投放却陷入了”效果越来越差、归因越来越难”的困境。

但与此同时，我们依然看到 Grammarly、Athletic Greens、Booking.com 这样的公司，通过付费增长实现了惊人的规模化增长。它们做对了什么？

带着这些疑问，我与 Jonathan Becker 进行了一场深度对话。Jonathan 是数字营销领域公认的传奇人物，在过去十多年里，他与团队累计管理了超过35亿美元的付费获客预算，服务过 Uber、Asana、Square、MasterClass、Tempur-Pedic 等众多顶级公司。他创办的 Thrive Digital 已发展为全球最顶尖的独立数字营销机构之一。

这场对话涵盖了一个核心问题：在隐私收紧、AI崛起的新时代，付费增长还能怎么玩？

一、嘉宾是谁

Jonathan Becker 的职业生涯起步于网页开发，但一次偶然的观察改变了他的轨迹——他发现网站的架构和内容策略会影响Google搜索结果的排名，这让他着迷于SEO的世界。

随着客户开始追问SEOCampaign的ROI，答案逐渐指向了付费搜索这个更大的流量入口。机缘巧合下，他从一名SEO从业者转型为付费增长专家。

2013年发生的一件事，彻底改变了他的职业轨迹。

在TED大会后的派对上，Jonathan打了一辆出租车前往下一个目的地。上车后，另一位乘客敲了敲车窗，请求搭车同行。Jonathan礼貌地让对方上车，开始寒暄。

“我是Jonathan，在温哥华运营一家10人的数字代理公司。”

对方回答：“我是Garrett Camp，我创立了一家公司叫Uber。”

就这样，Jonathan在出租车后座遇到了Uber创始人。后来他得知，自己一直在用一种”灰色手段”薅Uber的推荐羊毛——通过付费搜索占据Uber的品牌关键词，把通过他链接注册的用户推荐奖金装进自己口袋。

他选择坦白告诉Garrett这件事。“我在占你们便宜，这是一个系统漏洞，你们应该修复它。”

结果是，Uber不仅没有追究，反而聘请他来解决这个漏洞。Jonathan因此成为Uber早期的付费增长合作伙伴，这段关系持续了整整10年。

“人们总说成功的人运气好，但我认为，你需要自己创造运气。“Jonathan回忆道，“如果我当时选择沉默而不是主动出击，这一切都不会发生。“

二、核心观点 TOP10

  1. 付费增长不应是唯一的增长引擎——把它当作投资组合，分布在多个渠道，降低单一路径的波动风险。

  2. 创意是当今付费增长最大的机会——平台的自动化已经接管了大部分技术操作，但创意仍然需要人类驱动。

  3. 品牌资产不等于效果资产——精雕细琢的品牌广告在高溢价的Instagram上，往往不如一条iPhone拍摄的用户生成内容有效。

  4. 归因永远是主观的，没有唯一真相——任何声称能提供”完整归因”方案的人或工具，都不够诚实。

  5. AI正在重塑团队工作的本质——从” trench work”转向”战略建模与提问”。

  6. 用ChatGPT生成RFP提案——把100份历史RFP喂给AI，可以把一周的工作压缩到一个下午。

  7. TikTok广告目前被低估——如果你做电商或D2C，必须去尝试，因为它仍是流量洼地。

  8. B2B付费增长的秘密是lead scoring——不要只看CPL，要看高质量客户的转化概率。

  9. 招聘要看技术背景——核物理学家、数学家、工程师往往比纯营销出身的人更适合这个领域。

  10. 代理商和内部团队不是二选一——大多数成功的企业，两者都需要。

三、关键洞察

洞察一：创意测试是当前最大的效率杠杆

过去十年，Google和Facebook不断把平台能力自动化。曾经需要”火箭科学家”才能操作的广告投放系统，如今只需要一张信用卡和一条落地页链接。

但创意不行。

创意仍然需要人工策划、生产和测试。这一领域目前仍是人工与AI协作的边界地带，也是效率差异最大的地方。Jonathan提到，他们可以用DALL-E或Midjourney在”原来1%的时间”内生成广告概念初稿。“那些你拿给客户看说’你喜欢这个还是那个’的粗糙草图，现在都是AI生成的。”

背后的含义：企业如果不在创意测试上建立系统化流程，就等于放弃了当前最大的优化杠杆。

洞察二：归因从来不是技术问题，而是商业判断问题

iOS 14.5推出后，苹果用户可以拒绝分享自己的IDFA（广告标识符），Facebook的精准归因能力一夜之间被大幅削弱。整个行业陷入”我花的每一块钱到底有没有效果”的集体焦虑。

Jonathan的核心观点是：这个问题从来就没有完美解决方案。

1919年，营销人John Wanamaker说过一句名言：“我知道我花在营销上的钱有一半是浪费的，但我不知道是哪一半。“一百多年后，我们仍然面临同样的困境。

Cookie归因、首次点击归因、末次点击归因、多触点加权归因、媒体组合建模（MMM）——每一种模型都有其适用场景和局限。“最重要的问题是：这个公司追求的是增长还是盈利？不同目标需要不同的归因视角。”

反常识之处：很多企业以为有了更先进的归因工具就能解决问题，但实际上，选择哪种归因模型本身就是一个商业判断，而非技术问题。

洞察三：AI不会抢走你的工作，但会改变工作的性质

Jonathan观察到一个趋势：他们团队规模比历史上任何时候都大，但员工做的事情却越来越战略化——建模、验证、提问、优化创意。越来越少的精力花在”战壕里的苦活”：关键词出价调整、手动数据分析。

“如果把我们行业比作煤矿里的金丝雀，那么其他行业也会经历类似的转变。“他类比道，“建筑事务所的设计师过去要花大量时间做绘图工作，现在越来越少，更多时间是解决’这个客户真正需要什么样的建筑’这类战略问题。”

他明确拒绝了”AI会摧毁工作”的焦虑叙事：“人类历史上从未因为技术进步而减少创作者的数量——只是工具变了。你知道世上有多少抄写员吗？零。因为我们发明了印刷机。“

四、精彩金句

关于创意效果： “家具公司的老板有一只狗总待在办公室。艺术总监说’让狗坐上沙发，拍几张照片试试’。这一个改变，让他们在付费社交渠道的ROAS翻了两三倍。”

——看似微小的创意调整，带来的可能是业绩的量级突破。关键在于系统化测试机制，而非靠灵感撞大运。

关于归因： “我们帮助客户建立了非常精密的归因模型，最后验证的结果是——他们的广告根本不赚钱。这是一个重要的发现。”

——承认失败比假装成功更有价值。精密的归因系统不只是为了证明”有效”，更是为了识别”无效”。

关于AI的使用： “我们把100份历史RFP喂给ChatGPT，让它生成新RFP的回复。原始版本大概80%能用，还需要10个小时润色，但这相当于把原来5-6个人一周的工作压缩到一个下午。”

——AI的价值不在于替代你，而在于把你的时间从低价值重复劳动中解放出来。

五、实战案例

案例一：Uber的品牌关键词漏洞

Jonathan在2013年发现，Uber的推荐系统存在一个漏洞——他可以通过付费搜索占据Uber的品牌关键词页面，当用户搜索”Uber优惠码”之类关键词时，用户可能被他的推荐链接吸引，通过他的推荐链接注册Uber，就能获得推荐奖金。

他靠这个方法赚了”数万美金”。当他在出租车里遇到Uber创始人Garrett Camp时，他选择了主动坦白这个漏洞。

结果是意外的：Uber非但没有追责，反而聘请他来修复这个系统漏洞，并最终成为他最重要的客户之一，持续合作了10年。

启示：有时候，主动暴露自己的”小聪明”比试图隐藏更有力量。Jonathan说：“你需要自己创造运气。“

案例二：Snapchat的”不回答问题”提案

2015或2016年，Snap（Snapchat的母公司）发起了一场复杂的 RFP（招标）流程，向多家代理公司征集绩效营销方案。

Jonathan团队拿到了一份包含20-30个问题的复杂问卷。他们的第一反应是焦虑——这些问题杂乱无章，完全无法串联成一个有说服力的故事。

凌晨2点，他和合伙人Brent McArthur在酒店房间里苦思冥想到早上6点。最终他们做出了一个大胆决定：

第二天走进Snap办公室，Jonathan面对20位高管，公开宣布：“我不打算回答你们的任何一个问题。你们问的是技术细节，但你们真正需要的是一个营销伙伴。我今天要告诉你们的是，你们真正应该做什么。”

全场鸦雀无声。他的团队成员甚至捏了一把汗。

结果：两小时后，还在开车去旧金山的Jonathan接到电话——Snap决定录用他们。

启示：在专业领域，自信地告诉客户他们真正需要什么，比机械地回答他们想问什么更有价值。

六、行动建议

建议一：建立系统化的创意测试流程

为什么要做：创意是当前自动化无法替代的核心能力，也是效率差异最大的杠杆。靠灵感做创意是赌博，系统化测试才是可持续的竞争优势。

如何开始：在Meta Ads平台，从Campaign结构开始设置测试变量——保持受众完全一致，在一个Ad Set内设置两个几乎完全相同的创意，唯一变量只改变一个元素（如文案或图片）。记录每个创意的展示次数、点击率、转化率。

能得到什么：通过变量隔离，快速识别哪种创意元素在不同漏斗阶段、不同受众中表现更好，并形成可积累的创意知识库。

建议二：用数据连接器建立基础归因能力

为什么要做：归因不是”完美解决方案”，但建立基本的归因能力是所有付费增长决策的基础。没有数据反馈，增长就是盲人摸象。

如何开始：使用Supermetrics或类似的数据连接工具，把CRM系统中的收入数据通过API导入到第三方数据库（如BigQuery），再与广告平台数据关联，用Google Data Studio（现Looker Studio）可视化呈现。

能得到什么：初步建立”投入-产出”的关联视图，至少能回答”我们大致知道钱花在哪里、钱从哪里回来”这个问题。

建议三：给你的第一个付费增长负责人一个技术背景加分

为什么要做：Jonathan发现，最优秀的付费增长从业者往往不是纯营销背景，而是有数学、工程、物理、金融等技术背景的人。他们在数据建模、问题解决方面有天然优势。

如何开始：在招聘JD中明确标注”具备技术背景或数据敏感度”为加分项。面试时用”纽约市有多少扇窗户”这类逻辑问题测试候选人的即时反应能力——重点不是正确答案，而是他们如何拆解问题、保持冷静。

能得到什么：一个能独立处理跟踪、归因、数据可视化、Campaign管理的多面手，而不是只会机械操作后台的专员。

建议四：把TikTok纳入付费增长渠道实验

为什么要做：TikTok的广告平台目前仍处于Facebook 6-7年前的发展阶段，机制不够成熟，但流量便宜、用户活跃，且大多数品牌尚未深度入局——这意味着竞争不充分、CPC低廉。

如何开始：如果是D2C或电商品牌，尝试用创始人主导的iPhone拍摄风格内容测试TikTok；与该领域的小型KOL合作生成真实内容；设定合理的测试预算（如每月5000-10000美元），观察CPA和ROAS数据。

能得到什么：如果内容匹配，TikTok可能成为成本最低的增量获客渠道；如果不匹配，至少获得了”这个渠道不适合我”的明确结论。

建议五：用ChatGPT加速内容生产和创意迭代

为什么要做：付费增长团队每天都在生产大量文案和创意概念，AI可以大幅压缩这个环节的时间成本。

如何开始：用ChatGPT生成广告文案的多个变体；用DALL-E或Midjourney生成创意概念图；用历史提案文档训练AI生成新的RFP回复。关键是”人机协作”——AI生成80%版本，人工优化20%。

能得到什么：团队可以把更多时间从文案撰写和概念生成中释放出来，聚焦在判断”什么是好创意”这个需要人类经验的部分。

七、我的总结

Jonathan Becker 在这场对话中传递了一个核心信息：付费增长从来不是一个简单的”花钱买流量”的游戏——它是一个关于资本配置、创意测试、归因判断和人机协作的综合能力。

在隐私收紧、AI崛起的新时代，技术壁垒越来越低，但战略判断力、创意迭代能力和数据素养的价值反而在上升。真正能在付费增长中持续获胜的企业，不是找到某个”漏洞”然后all in，而是建立系统化的测试流程、多渠道的配置组合，以及对归因局限的清醒认知。

正如Jonathan所说：“变化本身是常数。“能够拥抱变化、用Playful的心态面对新技术和新工具的团队，才能在这个永不停歇的赛道里持续领先。

📺 播客信息

  • 发布时间：2023-05-07
  • 时长：1小时34分钟55秒
  • 播放量：8843 次观看
  • 原版视频：『YouTube』