AhaCreator 3.0 更新背后，AI 正在如何改变达人营销行业？

为什么「达人营销」是 Claude Code 切不掉的「蛋糕」？

👦🏻 作者: GaKi

🥷 编辑: Koji

🧑‍🎨 排版: NCon

AhaCreator 更新到 3.0 了，这是又一个大版本。AI 原生的匹配、风险筛查、全流程执行、内容审核这几个核心模块，这回算是全部更新了一遍。

它一直是个待在舆论中心的产品。对很多出海、或者纯海外产品来说，广告越来越贵，社区增长很慢，SEO 又需要时间。达人内容虽然看起来不够标准化，但它离用户更近，也更适合把一个新产品讲清楚。

从最早以 Head AI 的名字发布开始（后续因商标注册原因而更名），关于它的声音就没停止过，在各个社区里大家能听到各种说法。有人觉得它走出了一条新路径，有人觉得它不过是个自动发邮件的工具，也有人在关注它背后大厂和资本的动作。毕竟，据 AhaCreator 官方信息，平台入驻达人数量 10万+，是目前全球规模头部的 AI 原生（AI native）达人营销网络之一，在达人营销领域，其已经获得了相对应的「声势」。

简单说一下 AhaCreator 是什么：

在 Aha 3.0 版本中， AhaCreator 创新性地给出了一个新答案 ——

不仅做了一个 7×24 小时运行的 AI Agent 产品，还进一步搭建了一个 AI 原生双边平台，把品牌方、达人以及达人营销全流程逐步搬到同一个平台里。

这种思路有点像早期的 Uber：一边连接需求，一边连接供给，通过技术不断提升匹配和履约效率。当越来越多品牌和达人在平台上完成合作后，平台沉淀下来的交易数据、履约经验和网络效应，也会形成新的竞争优势。

这回 Aha 3.0 更新，我们十字路口团队第一手做了实测。

这次除了产品实测，我们也和 AhaCreator Founding Engineering Team 聊了一轮技术细节。AhaCreator的CPO Francis Yang是TikTok Creator Marketplace 前核心产品经理，Engineering Team 团队里包括竞赛保送清华、前 Dora AI 工程师 Ray Lei，来自 Liftoff 的 AI 工程师 Kade Wu，以及来自字节、Grab、美团等公司的资深 AI 工程师等等。下面一些内容，也来自这次交流。

Aha 3.0 这回更新的几个核心模块，我们都上手试了一遍，下面按真实的使用顺序讲讲。

本次以 SeaArt（海艺 AI）作为典型案例展开说明。SeaArt 由国内海艺互娱自研打造，是一站式全品类 AI 创作平台；作为国内较早入局 AIGC 赛道的厂商，现已成长为全球头部 AI 内容创作社区之一，ARR 突破 5000 万美元，月活用户（MAU）超 2500 万。

SeaArt 的产品节奏一直很快。为了跟上行业变化，也为了更快响应用户需求，团队已经把周度迭代、2-3 天小版本更新做成了常态。这样的研发节奏保证了产品的敏捷性，但也对团队产能提出了更高要求。因此，如何提升内容生产和协作效率，成为 SeaArt 引入 AhaCreator 的关键背景。

 我们拿SeaArt的达人营销流程完整跑了一遍平台（感谢 SeaArt 团队愿意分享使用体验和数据）。

先看创建 Campaign 这一步，Aha 3.0 整体的产品使用流程做了比较大的重构。创建一个新的 Campaign 时，可以直接输入产品网址，AhaCreator 会去抓取这个网站的产品信息，做一轮总结，提炼出其中的关键信息点。

当你输入目标产品的网址后，系统会抓取并整理信息，然后立即让你选择投放平台。也就是说，你可以直接挑选希望用于达人营销的社交平台，系统会基于这些选择继续推进后续的达人匹配流程。

前面已经输入了产品网址，AhaCreator 抓取完产品信息后，用户选择要投放的社交平台；到这一步，系统会让你 针对每个平台单独设置投放条件，比如平台、国家/市场、达人合作方向、内容形式等，为后面的 AI 达人匹配做准备。

接下来就是生成本次 Campaign 的达人 Profile，也就是目标达人画像。用户可以在这里补充参考达人链接、竞品链接或其他产品相关信息，帮助 AI 更准确理解目标人群，从而生成更符合项目需求的达人画像。

完成基础配置后，AhaCreator 会进一步生成达人 Profile。这里的 Profile 并不是某个具体达人，而是一组理想达人画像。

根据 SeaArt 的产品特征，AhaCreator 自动生成了多组达人画像。

用户可以保留、删除或者继续修改这些画像，最终组合出最符合 Campaign 需求的达人池。

拿到信息之后，产品关键词、目标达人画像、核心卖点这些字段，都会由 AI Agent 自己分析、预填，而且输出得非常精准，人只需要做判断即可。

下一步是为整个达人营销的实际生产内容制定一个由甲方确认的 guideline，也就是一个明确的操作指导。这个指南会告诉达人在制作内容时需要注意的要点，确保产出的内容符合品牌调性和营销策略。

下面就是为整个达人营销活动设置总体的预算，然后以及用量权益：

（下图数据是十字路口实测填入的虚拟数据）

进入真实后台后，最直观的是 Campaign 的状态流转。可以看到一个 Campaign 会从 launched、matching & inviting、influencer interested，一路推进到报价和申请处理。

品牌不用靠表格记进度，后台里能直接看到每一步卡在哪里。

单个达人合作会被拆成多个可追踪节点，包括建联、脚本制作、等待发布、付款和取消合作等状态。达人营销表面上是内容合作，实际更像一组分散的小项目管理。AhaCreator 3.0 把这些流程集中到同一个后台里，让品牌能随时看到每个达人推进到哪一步，减少大量人工跟进成本。

按照 AhaCreator 团队 的说法，3.0 的匹配不再只看粉丝量、播放量这类数据指标，而是把视频内容、音频、评论区等多模态信息也纳入判断，让 AI 对达人风格、品牌调性和潜在风险的理解更接近真人运营。

在 Aha 3.0 的后台里，品牌方可以看到一份完整的 Campaign 数据报告。报告会汇总整个项目的总曝光、阅读量、点击量等核心指标，同时也会拆分展示每条已发布内容（Published Content）的具体表现，方便快速评估不同达人和内容的实际效果。

在 Aha 3.0 的后台，每个 KOL 都会显示 AI 整合后的评分维度，并提供其最近约 20 条发布内容的关键数据，包括互动量、覆盖人群和表现趋势，帮助品牌全面评估达人质量和内容效果。

同时，在确认合作前，系统会进行风险筛查：刷粉刷评、评论区异常、争议性内容、粉丝画像不匹配或内容质量不稳定等问题，会在名单阶段提前标记，避免后续合作风险。

关于这个达人的受众分析，Aha 3.0 会非常细致地呈现，包括受众的年龄分布、性别比例、地理位置等信息，并最终给出该 KOL 受众与目标 Campaign 的匹配程度评分，帮助品牌判断其覆盖的目标人群契合度。还会涵盖达人的数据分析，比如最近 20 条 posts 的评论、Likes 数，甚至包括上一条 post 的发布日期等等：

在整个内容发布和修改流程中，Aha 3.0 允许品牌方直接在后台与 KOL 实时沟通，无需跳转其他工具，使内容校对、反馈和确认流程更加轻便高效。

项目中所有参与合作并完成内容发布的 KOL，都会被统一沉淀到后台进行管理。从达人筛选、沟通记录到内容交付和数据表现，相关信息都能集中查看。

最后说说人效和 AI 审稿，AhaCreator 给出的对比是：常规客户每月可合作达人数大致能从 50 个提升到 200 个；预算更大的客户每月可合作 500 个左右；负责运营的人以前需要整天扑在繁琐复杂的流程里，如今只需要到平台做审核决策和看效果数据。

Aha 3.0 的 AI 审稿，也是升级后的一大看点。据 AhaCreator 团队 ，稿件审核里 AI 已经能承担 95% 以上的工作：品牌方只要在 brief 里放入审核标准，AI 会逐条检查文字脚本、图文草稿和视频草稿，人工更多是在最后确认 AI 的结论是否合理。

而且，AI 审核被前置到了达人提交草稿前，达人可以先自查一轮，减少和品牌来回改稿的摩擦。

同样地，在达人端，Aha 3.0 也进行了一轮升级。主要变化集中在合作流程的管理上。安卓 App、Push 通知和新的工作台上线后，达人能更及时地收到品牌邀约和修改意见，当前有哪些待处理任务、项目推进到哪一步、预计收益是多少，都能在同一个页面查看。

对于同时处理多个合作项目的达人来说，整个流程会更清晰，也更容易跟上品牌方的节奏。

实测之外，这次我们更想花篇幅讲清楚一件事：

如果只看产品功能，很容易把它理解成一个效率工具。但从实质上来说，强大的效率功能，是品牌和达人愿意来到这里的核心原因。而把行业里的“人”和“场景”全都吸引到平台上，形成极强的用户粘性和独家的数据壁垒，可能才是对AhaCreator这类平台的定义。

先从用它的人说起。

截至目前，据 AhaCreator 提供的信息，付费企业用户超过 300 家，分布在 AI、电商、消费品、游戏这几个赛道。不仅有SeaArt、Hakko AI、ONLYOFFICE这些明星AI工具，还有WonderBiotics、Sportneer等知名品牌。

这里面有一个值得单独说的合作：字节跳动旗下的飞书。

据 36Kr 等媒体报道，AhaCreator 和飞书做了集成，以原生组件的形式进到飞书里，企业可以直接在飞书内完成达人匹配、沟通、履约和效果追踪。

一个叫做 Hakko AI（AI 游戏陪伴类的国内团队），给出了一个比较典型的使用案例。他们给飞书上的AhaCreator AI 海外达人营销员工，起了一个有趣的名字「铁墩儿」。铁墩儿会在群里及时汇报需要决策的关键信息，主动地帮他们利用 AhaCreator 做达人营销工作：

AhaCreator是飞书生态里第一个海外达人营销 AI agent 合作伙伴。除此之外，锦秋基金从种子轮开始就一直在投它。

我们不打算过度解读这件事，合作本身就是合作。但把这些信息放在一起看，会发现一个信号：无论是大厂还是 AI 头部平台，都在持续往达人营销方向投入。

不仅如此，蓝色光标和明略科技都分别与 AhaCreator建立了战略合作关系。据 36 Kr 报道，阿里巴巴也是平台的用户。

能让大厂用上，产品本身至少解决掉了一些问题。而这门生意，其实门槛不低。

如果 AhaCreator 只是一个达人搜索工具，它的价值会很有限。更值得看的，是它同时连接品牌侧和达人侧。

如果仔细分析 AhaCreator 产品本身的话，不难发现其一端，是全球各国不同量级的企业，以及中国几万家出海的中小企业，需求很零碎、品类很垂直。另一端，是上亿个分散在全球的海外达人，流动性高、个性强。AhaCreator 要做的，是把这两端对接起来。

这基本上是商业里冷启动比较困难的一类模式，有一个专有名词，叫「双边网络」。

其困难的点本质在于：没有商家，达人不愿意来；没有达人，商家也不愿意进来。两头都在等对方先到位，否则谁也不动。

大致可以简单类比为：

在互联网时代，有一个经典案例，Handy（家政平台）。

他们也遇到了同样的问题，Handy 选择先做一个落地页让用户下单约师傅，有人下单后，团队才疯狂去找合适的师傅在 7 天内履约。师傅一旦干完活拿到钱，再劝他入驻平台就容易多了。

因为他已经通过平台真实赚到过钱。这和"达人接了第一单拿到钱后主动入驻达人端 App"几乎是同一套逻辑。

AhaCreator 解决这个问题的方式有点类似，是让 AI 带着真实的商单去对接达人。

平台早期手里有一个比较大的达人数据库，AI 拿着品牌方真实的合作需求，自动去对接海外达人。达人收到的是一单可以直接接单、能赚到钱的商务。这一步比较关键，很多人把 AhaCreator 看成一个自动发邮件的工具，可能低估了这套逻辑。

达人接了第一单、拿到钱之后，情况就有了变化。

他会主动入驻平台的达人端 App。这个达人端做得有点像滴滴接单：平台有活需要派发，达人在上面看单、接单、交付。完成首单之后，达人对平台的信任和粘性会逐步上升。

达人多了、活跃了，B 端品牌也会被吸引进来，因为这里能找到真实、能响应、愿意干活的达人。品牌多了，商单又多了，达人这端就更稳定了。

这个正向循环一旦运转起来，不太需要靠补贴去推广，它能自己持续下去。这正是双边平台最难做的那部分，AhaCreator 用 AI 加速完成了。

双边网络运转起来之后，会带来另一样东西：数据。

这个赛道的主流模式有两种：

【1】卖工具

【2】做订阅

它们有一个共同的卡点，平台拿不到品牌侧和达人侧的真实交易数据，也就形不成闭环。

AhaCreator 同时对接品牌和达人，完整做完了从选达人到内容交付的环节，因此掌握达人怎么被选中、成交价、内容表现、成本效率这类交易数据。

如果更仔细点审视当初的 Airbnb 的话，很容易把它当成共享经济最成功的案例之一。但在创业初期，它几乎符合一个失败项目的所有特征。

2008 年金融危机期间，Airbnb 上线时的核心想法是“让陌生人住进陌生人的家里”。这个概念在当时听起来并不性感，甚至有些荒唐。投资人质疑安全问题，用户不相信陌生房东，房东也不相信平台能带来真实订单。即便进入 YC 后，Airbnb 的增长依然十分缓慢，长期徘徊在生死线附近。

真正的转折点并不是某个技术突破，而是一件后来被无数创业者反复提及的“小事”。

2009 年，Airbnb 的联合创始人发现纽约房源的预订转化率始终上不去。两位创始人没有继续研究数据报表，而是直接飞到纽约，挨家挨户拜访房东。他们发现大量房源照片质量极差，用户根本无法判断住宿环境。

于是两人租来专业相机，亲自为房东拍摄照片、修改展示页面、了解房东需求。这个看起来完全无法规模化的动作，却让纽约地区房源预订量提升了 2 至 3 倍，收入在短时间内实现翻倍增长。

这一些写在了创业加速器 Y Combinator 的联合创始人 Paul Graham 的回忆博客里：

更重要的是，这次上门并不只是优化了图片质量。创始团队第一次真正理解了平台两端用户的真实需求。

后来，Airbnb 将这种经验沉淀为专业摄影服务、房东运营体系和平台规则，并逐步扩展为覆盖全球的标准化网络今天人们看到的是一个拥有数百万房东的平台，但真正的起点，其实是创始人拎着相机敲开一扇又一扇房门。

这也是许多双边平台都会经历的过程。当市场尚未形成时，平台无法依靠规模效应增长，只能依靠大量看似“不 scalable”的人工工作去补齐供需两端的信任缺口。

等这些「信任缺口」被慢慢地填充好后，就会被沉淀为规则、数据和网络效应，再之后，平台才真正进入规模化增长阶段。

Airbnb 如此，后来的许多平台公司，比如 AhaCreator 也都如此。

所以，AhaCreator 所积累的，本质上也是同一种资产：达人真实的合作意愿、接受价格、实际转化效果，以及跨地区、跨平台长期合作形成的履约记录和信用网络。

这也引出了一个经常被提及的问题：

从目前的结构看，两者作用并不完全重叠。底层模型越强、算力越便宜，这类平台的开发和运维成本反而越低，AI agent 理解品牌意图、跨国沟通的摩擦也越小。

大模型能处理语言和信息，但跨文化的信任、不同国家的合规、小额高频的跨境结算，以及前面提到的真实交易数据，都要在具体业务里一单单完成。

这部分，大模型短期内不容易覆盖。

这也是 AhaCreator 在现在的时间点上，能够切走大模型厂商一块蛋糕的原因。

AhaCreator 从发布到现在，一直待在各种声音的正中央。被看好过，也被质疑过；被当成自动发邮件的工具，也被当成大厂押注的标的。

一个产品如果长期待在争议的正中央，对它自己也有一定「作用」。

因为这意味着它一直在被外界关注、被外界检验。每一个质疑都会推动它把很长的工作链路做得更扎实，而不是停在 Demo 阶段。能在这种关注下迭代到第三个大版本，本身也说明了一些问题。3.0 就是它给出的又一次回应。

最后再说回这个领域本身：海外达人营销为什么需要一个 AI 原生平台？

因为这件事单靠人做，效率不够，单靠一个工具，也解决不了。它的一端是全球成千上万家需求各异的品牌，另一端是上亿个分散在 140 多个国家、说着不同语言的达人 KOL。

要把这两端高效对接，涉及的是跨文化的沟通、海量长尾的匹配，还有小额高频的跨境履约。这些环节，人力的方式效率有限，单点工具也覆盖不全。它需要的，是一个能覆盖整条链路的AI原生平台。

从这个角度看，AhaCreator 3.0 给出的提醒很简单：

如果它能把这些工作持续处理好，品牌对达人营销的想象空间，也会被重新打开。