AI 行銷自動化怎麼做？別把模型接上廣告帳號，先問人本來在做什麼

有一句話我聽完直接停下來倒帶。

「大家都想把上帝裝進盒子裡，然後把 Facebook 廣告帳號的權限交給它。我們後來發現，這完全是錯的做法。」

說這句話的是 Cody Schneider，他在 Greg Isenberg 頻道 2026 年 8 月 5 日這集《Marketing Agents are the New Coding Agents》裡，花了四十幾分鐘拆解兩套他自己在跑的行銷 agent，工具一個都沒藏。

那集底下最多人在抄的是工具清單。二十幾個名字，從爬蟲 API 到冷郵件信箱供應商，看起來就是一份可以照著買的購物單。

如果你問我，那份清單是這集最不值錢的部分。

三個月後那些工具有一半會換掉，另一半會漲價。而且照著抄的人，在台灣會先撞到個資法，不是撞到成效問題。

真正值錢的是他中間隨口講出來的那個架構判斷。這篇就是來拆那一層的。

先給你三句話的結論：行銷 agent 的本體是軟體，模型只是零件；你該付錢請 AI 幫你「做出那個軟體」，而不是每跑一次就繳一次 token 稅；他示範的兩套 agent 裡，台灣團隊今天真的能動的是第二套，第一套在動手之前請先問法務。

先講清楚：這集是誰在講，他賣的是什麼

這點不先講，後面全部會歪掉。

Cody Schneider 是 graphed.com 的創辦人，那家公司賣的就是這套東西：行銷 agent 的資料管線加上雲端執行環境，還提供 forward deployed engineer（進駐客戶端的工程師）幫你把 agent 實作出來。

他在片中提到的兩個工具，也都是他自己揭露的合作對象。冷郵件信箱基礎建設 Hypertide，他說「the partner that we use and we work with」。LinkedIn 排程工具 Ordinal，他說「they're a partner of ours」。節目本身也在推自家的 ideabrowser、latecheckout.agency 跟 thevibemarketer。

這些不是中立推薦，是有商業關係的推薦。

我不覺得這樣有什麼問題，他也大方講了。但你在讀他的工具清單時，心裡要有這把尺。他的架構觀點跟他的工具清單，可信度不一樣。

還有一件事：他自己也講了。主持人吐槽「應該沒人會把你當律師」，他回「take this with a grain of salt, do your own research」，而且明確說「the EU has totally different compliance pieces」。他整段合規討論的前提是美國。

解碼一：agent 只有三個零件，其中兩個不是 AI

主持人問他，agent 跟行銷自動化到底差在哪。他的答案很短：

它就是程式碼，可能加上一個思考迴圈，再加上一條即時資料流。

程式碼、思考迴圈、即時資料流。三個零件，只有中間那個跟大模型有關。

然後他給了一個判斷方法，這才是這集的核心。

不要問「AI 可以做什麼」，要問「那個人本來在做什麼」。

他拿媒體採購當例子。一個厲害的投手每天在做的事情其實非常固定：研究廣告切角、做新素材、測試新素材、砍掉輸家、放大贏家。就這四五步，天天輪迴。

所以你該做的事情很單純：做一個軟體，讓它做同一件事。廣告帳號的權限，留到最後再說。

他合夥人 Max 有一句更狠的：

唯一的 agent 是 coding agent，其他都是 coding agent 做出來的軟體。

這句話值得你在會議上引用。

我用一個生意人的比喻。你要找零錢，不會請總經理站在收銀台前面。收銀機負責算，總經理只在「這個客訴要不要退款」的時候出現。大部分公司現在導 AI 的做法，是把總經理綁在收銀台前面，然後抱怨薪水太貴、還常常算錯。

以前你導入行銷工具，是先看工具有什麼功能，再去改自己的流程配合它。 現在反過來，你要先把人的流程拆到每一步都寫得出來，再決定哪幾步交給程式、哪一步交給模型。

拆不出來的流程，就不要交給 agent。

而這件事的難處，我自己是繞了很久才想通的。

我是傳產出身的，雨傘產業待了七年，工廠、品牌、百貨專櫃都待過。在專櫃站櫃的那段日子，工作內容從來沒有人寫成 SOP，但它其實有非常清楚的步驟：看誰在櫃前停下來、判斷這個人是自己要用還是買來送人、決定要不要開口、開口之後先講哪一句。

這整套東西全部裝在人的腦袋裡，一行都沒有被寫下來。

後來轉到數位行銷，我才發現這個毛病沒有變，只是換了工具。你問一個團隊「你們每天怎麼看廣告成效」，得到的答案通常是一段很流暢但拆不開的描述。

而 agent 吃不下拆不開的東西。

所以真正卡住大家的不是模型不夠強，是你的流程從來沒有被寫下來過。

解碼二：別為了每次執行都繳 token 稅

這段對台灣中小團隊特別實用，因為它直接影響你的月費單。

他的原話是：你不該付錢給 Anthropic 或 OpenAI 去「跑那個 API call」，你該付錢請它們幫你「做出那個會跑 API call 的軟體」。

為什麼你每做一次行銷動作，都要繳一次 token 的稅？

他說現在大家都在 token max，用越多越好，他的立場剛好相反：能用便宜運算跑完的，就不要燒推論，只在真的需要判斷的那一格才叫模型。

這裡有個容易被忽略的附加價值：出錯機率。

他舉的例子很白話，如果你讓一個大模型自己去跑 Facebook 廣告帳號，它有不小的機率把帳號搞爛。但如果你照著一個真人本來會跑的流程，寫成一段固定的程式，結果的品質跟穩定度是完全不同等級的。

想像一下你們家的情況。一個五人電商團隊，每天要做的事情大概是：早上拉昨天各通路的銷售、比對庫存、看哪幾支廣告的 ROAS 掉到門檻以下、把要關的關掉、把要加碼的加碼、下午整理檔期素材。

這裡面有幾步真的需要「判斷」？

拉數字不用。比對不用。算 ROAS 有沒有跌破門檻不用，那是一行 if。真正需要判斷的可能只有兩件事：這支廣告掉是因為素材疲乏還是因為競爭對手在檔期加碼，以及這次檔期主打哪個角度。

重點是什麼？

只有那兩格該花 token。其他全部是排程加上幾百行程式，跑在一台每月幾百塊台幣的機器上。

這中間的價差，不是省一點點的問題。是「每天跑」跟「每天跑不起」的差別。

所以請把這句話記起來：

agent 的成本從來不是模型單價，是你把多少件普通工作丟去給它推論。

這個算法，跟 Alex Hormozi 講的那個「花 35 萬美元自動化了一個根本不是瓶頸的流程」是同一件事的兩面。一個講你自動化錯地方，一個講你在對的地方用錯了貴的零件。

順帶一提，他強調 agent 之所以是 agent，是因為它「掛在 cron job 上每天自己跑」，不是因為它很聰明。這跟我之前寫過的「AI 正在從你去用的工具，變成自己上工的同事」是同一個判準：會不會自己啟動，比會不會聊天重要。

解碼三：訊號比輪廓準，但台灣只能用一半

他第一套 agent 的核心洞察，我認為是對的。

傳統做名單是鎖輪廓：產業、職稱、公司規模、資本額。這些都是靜態的，你不知道這個人現在關心什麼。

他改成看訊號：誰剛剛對這個主題舉手。誰按了那則貼文的讚、誰在底下留言，那就是一次舉手。

他還有一個很省力的觀察：任何一個利基裡，就是那幾則異常值貼文在吸走所有互動。你盯 10 到 20 個來源帳號，大概就有八成的覆蓋面，再往上追的邊際效益不划算。

洞察到這裡都成立，而且骨架可以學。

問題在他接下來做的事：他把這個訊號拿去建名單。在台灣，你只能把它拿去做選題。

他的流程是：用 Apify 爬那些貼文的按讚與留言者、把名單丟進一連串資料商做瀑布式補資料、驗證信箱、買分身網域跟信箱、發冷郵件加 LinkedIn 私訊。他自己說在美國「technically you can cold email」，符合 CAN-SPAM 就好。

台灣不是這樣玩的。這段我不會給你步驟，只給你警示。

台灣的個資法，門檻在前面不在後面

美國 CAN-SPAM 的預設是可以先寄、給人退訂就好。台灣的預設剛好相反：你要先有法定事由，才輪得到談退訂。

你不用背條號。你只要記住三件事，剩下的交給法務，不要在行銷會議上拍胸脯。

► 公司信箱也是個資。 個人資料保護法第 2 條把「姓名、職業、聯絡方式」直接寫進個人資料的定義。台灣沒有 B2B 豁免這種東西，name@company.com 一樣算。

► 不是人家給你的名單，你要交代來源。 第 9 條規定，蒐集非由當事人提供的個資，應於處理或利用前向當事人告知資料來源。從資料商買來的名單就是在講這一條。至於很多人拿來當護身符的第 19 條第 1 項第 7 款「一般可得之來源」，那款有但書：「當事人對該資料之禁止處理或利用，顯有更值得保護之重大利益者，不在此限。」社群公開資料算不算，在台灣還沒有明確到可以讓你放心大膽做。

► 第一次行銷就要讓人拒絕，而且費用你付。 第 20 條第 2 項與第 3 項：當事人表示拒絕要立刻停止，首次行銷時你就得提供拒絕的方式並支付所需費用。

罰則的級距我也講一下，但請看清楚它們分屬不同情形，不要以為隨便一個告知瑕疵就會跳到上限。第 47 條是 5 萬到 50 萬罰鍰。第 48 條分款處理，違反告知與行銷相關規定落在 2 萬到 20 萬，另有情節重大與違反安全維護等不同款項可到 15 萬至 1,500 萬。真正該怕的是第 41 條：意圖為自己或第三人不法之利益而違反第 19 條、第 20 條第 1 項並足生損害於他人，處五年以下有期徒刑，得併科 100 萬元以下罰金。

監理環境也在收緊。個資法第 1 條之 1 已明定主管機關為個人資料保護委員會，籌備處在 2023 年 12 月 5 日揭牌，組織與部分條文的施行仍在推進中。跟三年前不一樣了。

還有一件事我要講白：不要買手機號碼，不要拿買來的號碼做電話行銷。 講者提到用工具補手機號，這在台灣的風險層級跟補公司信箱完全不同，別碰。

「法院說可以爬」是誤解，而且代價很貴

很多人會拿 hiQ Labs v. LinkedIn 這個案子出來當令箭，說法院判過爬公開資料合法。

前半段是真的。2022 年 4 月第九巡迴上訴法院確實重申，爬公開可見的資料不構成 CFAA（美國電腦詐欺與濫用法）的「未經授權存取」。

但故事沒有停在那裡。2022 年 11 月，地方法院在違約主張上判 LinkedIn 勝訴，認定使用者條款的禁止爬取與禁止假帳號條款可執行，而 hiQ 違反了。同年 12 月雙方以合意判決結案：hiQ 被判付 50 萬美元、被永久禁制令禁止再爬 LinkedIn，並且必須刪除相關程式碼與所有 LinkedIn 會員資料。

所以 hiQ 這個案子的重點從來不是「可以爬」。

是刑事那關過了，合約那關輸光。公司也收了。

而 LinkedIn 使用者條款 8.2 節的「Don'ts」寫得很直接：禁止開發、支援或使用軟體、腳本、機器人爬取或複製服務（8.2.2）；禁止使用機器人或未經授權的自動化方法存取服務、加好友、發送訊息、按讚、留言（8.2.13）。LinkedIn 的說明頁也寫明，使用這類工具的帳號會面臨限制或關閉。

所以那些 LinkedIn 自動私訊工具，你要理解你賭的是自己或同事的帳號。

解碼四：第二套 agent，才是台灣團隊今天能動的

節目後半他被追問「不想做冷開發的人怎麼辦」，然後講了第二套。這套的法律風險低非常多，因為原料是你自己公司裡的東西。

為什麼直接叫 AI「寫好一點的 LinkedIn 貼文」永遠很爛？

他的答案一句話：因為沒有素材。

你叫 agent「寫好的 LinkedIn 內容」，它會寫出全世界最平庸的東西，浪費讀者的時間。

他的解法很土法煉鋼，但正是這點讓它有效：每週跟同事做一次沒有主題的訪談。就問一句「這禮拜你學到什麼」，然後讓他講。從真實的人類對話裡抽洞察，再交給模型寫成貼文。

更值錢的是他接下來那句：好內容常常是被困在公司內部的。

Slack 裡的討論、業務通話錄音、客戶說「我為什麼不買」的那一句。這些全部是現成素材，而且是你的競爭對手拿不到的素材。

想像一下你們公司的 LINE 群組。上禮拜業務貼了一段：「客戶說他不敢換 ERP，因為上次換了之後對帳花了三個月。」

那一句話，就是一篇文章。它比任何「五個 ERP 選型技巧」都值錢，因為那是真的有人說過的話。

（但這裡要補一句：客戶原話要匿名化、去識別，先確認可用範圍再拿出來寫。這套的法律風險比爬名單低很多，不是零。）

用前面那套架構回頭看，這條產線長這樣：輸入是訪談逐字稿；程式負責切段、分類、排程；模型只負責把洞察改寫成草稿；成效資料回流，決定下一輪選什麼題。

四個環節，只有一個需要模型。這就是「先問人本來在做什麼」實際跑起來的樣子。

而這個「用真實長對話當內容原料」的邏輯，跟我之前拆過的查理的創業化合物用 60 分鐘長訪談做內容是同一套底層：濃度來自真人講過的話，不是來自產量。

然後是回流。他用 Ordinal 排程到多個帳號，把成效數據拉回來給 agent 看，哪些題目表現好，下一輪就往那個方向 snowball（滾雪球）或 remix（重混）。

最後這條，我覺得對台灣行銷人是很好的鬆綁。Cody 自己招了：

我的 Twitter 跟 LinkedIn 就是同一批東西每 90 天重混一次，就這樣。

贏過的貼文每 90 天重發一次。你怕重複，但你的受眾根本沒看到第一次。

兩個要修正的數字

這集有兩個地方，我查了之後跟他講的不一樣，寫出來給你。

第一，LinkedIn 的 AI slop 標記。 他說「LinkedIn 今天早上剛推出」。實際上是 2026 年 7 月 30 日上線，比這集節目發布早了將近一週，而且它是使用者主動檢舉的按鈕（在貼文三個點的選單裡選「Seems like AI slop」），不是自動偵測掛牌。真正的自動偵測是更早的政策，LinkedIn 在 2026 年 5 月表示會偵測並降低通用型 AI 內容的推薦曝光。方向他講對了，細節要修。

順帶給你一個數字感受一下水溫：AI 內容偵測公司 Pangram 的研究分析超過百萬則貼文，LinkedIn 上約 41% 的長文是完全由 AI 生成的，是各平台之冠。

第二，那個 22 美元 CPM。 他說 LinkedIn 每千次曝光平均約 22 美元，所以一則貼文就算帳號只有 500 追蹤、拿到一千次曝光，等於幫你省下 20 幾美元。

這個數字我查不到出處，它應該是他自己的體感。公開的 2026 年 benchmark 大多落在更高的區間，例如 ZenABM 分析 211 家 B2B 公司、16 萬則廣告的報告給出美國平均 62.67 美元 CPM，另有多家把區間抓在 28 到 70 美元。

有趣的是，這個修正反而讓他的論點更強：自然觸及的機會成本，比他說的還高。

至於他提到的主題型帳號策略，也是可用的。與其開一個公司名帳號，不如開一個主題帳號。成長顧問公司 Demand Curve 的 X 帳號用的就是 @GrowthTactics 這種主題代號，不是品牌名。（片中把這個帳號歸給共同創辦人 Julian Shapiro，這點我查不到佐證，所以只說它是 Demand Curve 的帳號。）

你這週可以動的五件事

► 第一，挑一個流程，做一張五欄的表。 欄位只有五個：觸發、輸入、動作、輸出、誰驗收。不要挑最複雜的流程，挑每天都要跑的那個。如果你寫不到五列就寫不下去，代表這件事還躺在某個人的直覺裡，先不要交給 agent。

► 第二，在那張表上圈出「需要判斷」的格子，最多兩格。 圈完之後，每一格寫清楚模型要讀什麼、要吐什麼、不准做什麼。沒被圈到的全部是排程加程式，那些格子不該花 token。

► 第三，先做內容引擎，不要先做名單引擎。 原料已經在你公司裡了。這週開始，每週約一個同事聊 30 分鐘，只問「這週學到什麼」，錄音轉逐字稿，當天切出 10 句話。

► 第四，去挖你已經有的素材。 客服信箱、業務的 LINE 對話、上次客戶為什麼沒買的會議記錄。挑三句真人講過的話，一句寫一篇。記得先去識別。

► 第五，把「訊號」用在選題，不要用在建名單。 先選 10 到 20 個你品類裡的來源帳號，這週只看每個帳號最近的異常值貼文，把留言分成痛點、反對理由、使用情境三類。這是台灣可以合法做的那一半，而且效果不見得比較差。

至於冷開發那一套：你要做可以，但動手之前先問法務，尤其是資料來源、告知義務跟拒絕機制這三件事。不要拿別人的合規框架，套在自己的公司上。

行銷 agent 這個題目最大的誤會，是大家把它當成一次採購。買一個很聰明的 AI，把權限開給它，等它變出客戶。

它其實比較像蓋一條產線。你要先知道人在這條線上做了哪些動作，才有辦法決定哪一段用機器、哪一段留給老師傅。

這集的工具清單三個月後會過期。那個問法不會：那個人本來在做什麼？

先把這句話問完，再決定要不要開 API 金鑰。

協作聲明與免責

這篇文章由王董與 AI 一起整理製作完成。文中引用的第三方資料、研究或工具都會標註來源名稱；若原始出處有公開連結，會以 [來源名稱](URL) 形式附上，方便你進一步查找。若文中內容與原始出處有任何出入，請以原文為準。

內容僅供參考與學習交流，不構成任何專業、商業或投資建議，請依自身情況判斷並自行承擔行動風險。文中提及的工具功能、數據與平台政策可能隨時間異動，請以各官方最新公告為準。