# 构建营销 Agent 网络：从单点自动化到全链路智能闭环 > **合规声明（生成式 AI 服务）**：前述特定亚马逊云科技生成式人工智能相关的服务目前在亚马逊云科技海外区域可用。亚马逊云科技中国区域相关云服务由西云数据和光环新网运营，具体信息以中国区域官网为准。 > > **完整资料：如果想了解更多内容可以访问:https://events.amazoncloud.cn/china-summit-on-demand/ > > **免责声明**：本摘要仅为便于您了解峰会内容而提供，我们不对其完整性及准确性作出任何保证，且不构成任何建议或结论。相关内容仅供参考，实际内容以峰会回放视频为准。 ## 一、基础信息 - **会议类型**：行业大讲堂 - **Persona**：行业创新者 - **时间信息**：6月23日 | 13:35 - 14:00 - **标题**：构建营销 Agent 网络：从单点自动化到全链路智能闭环 - **PDF 资料**：有 - **视频回放**：有 ## 演讲人信息 ### 会议信息 - **地点**：上海世博中心（2026 亚马逊云科技中国峰会） - **日期**：2026年6月23日（Day 1） - **时间**：13:35 - 14:00 - **会议类型**：行业大讲堂 - **面向 Persona**：行业创新者 ### 客户 / 合作伙伴演讲人 - **赵巧姣**（易点天下）：首席算法科学家 ## 二、会议资料 PDF 转录内容 --- Page 1 --- 2026年6月23日-24日 上海·世博中心 --- Page 2 --- 构建营销 Agent 网络 从单点自动化到全链路智能闭环 赵巧姣 Ady Zhao 易点天下首席算法科学家 --- Page 3 --- 率先在出海营销领域布局 生成式 AI 战略的营销 科技公司 流量匹配算法模型 一站式出海营销解决方案 整合营销服务 智能流量分配 目标反馈控制系统 大媒体数字营销解决方案 基于种子用户的受众扩展算法 用户兴趣建模算法 数字营销服务 用户定向与匹配技术 DSP 程序化广告解决方案 中长尾数字营销解决方案 上下游 Cookie Mapping 技术 营销服务 APP 变现解决方案 ctr/cvr 预估算法 预算分配模型 广告投放与实时 广告变现服务 H5 变现解决方案 竞价能力 竞得率预估模型 roas 模型 出海服务 广告技术 AI 视频生成器 AI 创意工具 生成内容算法 广告创意生成与 AI 数字创意 AI 语音生成器 AI 实验室 优化技术 DPA 创意 数字化服务 IAA-IAP 数据模型 AI 预估模型 效果追踪与归因 转化追踪 反作弊平台 BI 决策 AI 预算分配 自助分析模型 分析技术 ab 试验平台 DMP 大数据平台 CI 智能化多云管理 智能化多云管理 AI 应用场景赋能 数据应用能力 BI 数据合规隐私 --- Page 4 --- 出海营销正面临三重结构性挑战 01 02 03 全球化复杂性指数级增长 增长引擎失速 决策智能断层 • 流量红利消退，CAC（用户获取成本）持 • 全球化复杂性指数级增长 • 数据过剩，智能不足” 续攀升 • 200+市场 x多语言 x多文化 x多合 • 海量数据无法转化为实时决策 • ROAS （目标广告支出回报率）逐年下 • 复杂度指数级爆炸 滑 • 市场变化以小时计，决策以天计 • “堆人+堆预算”模式已失效行业需 • 时间差=最大竞争劣势 • GDPR/DMA/数据法规收紧传统经验 要全新增长引擎 快速贬值 技术拐点： Agentic AI 时代已来 大模型从“能对话”进化到“能做事”｜ AI Agent=感知+规划+决策+执行 完整闭环 ｜ AI 首次具备端到端替代复杂营销决策链的能力 --- Page 5 --- 打造全链路 AI 营销产品矩阵 覆盖 智能洞察一创意生成一自动投放一数据归因 的全栈 AI 营销能力 KreadoAI 数据归因 AIC 引擎 FunsData Adsgo.ai 全链路数据追踪与优化 自动化生成高质量素材 AI 数据驱动分析 提升内容生产效率 Agentic AI 系统 全面追踪全渠道数据 闭环分析与迭代 智能优化广告投放策略 深度挖掘用户与市场数据 实现 ROI 最大化 精准定位机会 --- Page 6 --- 聚焦 AIC 场景：破解出海创意增长困局 以生成式 AI 重构创意生产流程，实现多语言、多模态素材的规模化智能生产 亚马逊云科技 Before AI AI 解决方案 技术支持 • 一条素材本地化适配 10+ • 多语言创意自动生成 • Amazon Bedrock -LLM 驱动广告文案多语言智能生成 市场，周期 5-7天 AgentCore（AI Agent 托管平台）& • 多模态素材批量生产 Knowledge Base （企业知识库服务） • 设计师/文案人均日产 3-5 -LLM 驱动广告 AI 视频/图片动效自动化生产 条素材 • Amazon Nova • 数据驱动素材创意迭代 图像与视频生成引擎 • 本地化成本占创意预算 -AI 视频/图片投放效果反馈的智能优化闭环 40%+ 创意生产效率提升 素材单条成本降低 一键制作 10X+ 70%+ 140+ 语言市场 --- Page 7 --- 聚焦 AIC 场景：破解出海创意增长困局 --- Page 8 --- 聚焦 AIC 场景：破解出海创意增长困局 AI 爆款创意方向 文生图关键词库训练 图生视频分帧 AI 制作方法论 规模化高效智能创意拓展 模块化 文生图关键词训练， 图生视频流程 SOP 高质+高效 规模化 结合 AI 使用标准化 结合 AI 批量复制快 +智能组合提效 速生成多个素材 自定义上传人像图片或者视频，爆款视频复刻 --- Page 9 --- 攻坚 Agentic AI：构建全自动 AI 广告投放系统 --- Page 10 --- 攻坚 Agentic AI：构建全自动 AI 广告投放系统 --- Page 11 --- 筑基 AI 信息化：重构组织效率与知识生产力 AI 赋能组织内部运营与对客服务，释放人效、沉淀知识 易精灵 —企业级 AI 赋能平台 赛宝 —AI 智能客服系统 • AI 帮办 • 覆盖数千客户 • AI 调度 • 日均万次智能响应 • AI 问答 “万次咨询，千时释放” • 7x24 全天候服务 程序化广告销量百倍跃升 — AI 重塑运营 60-150x 运营效率提升 千次+ 释放人力工时 AI 运营助手 AI 问答先锋 AI 实习生 万次+ 累次处理咨询 --- Page 12 --- 筑基 AI 信息化：重构组织效率与知识生产力 易精灵：AI 深度嵌入组织日常——审批流转、知识问答到数据洞察，零门槛调用智能能力，碎片化工作秒级完成 --- Page 13 --- 筑基 AI 信息化：重构组织效率与知识生产力 赛宝： AI 贯穿客户建联 → 渠道对接 → 客户服务，全链路商务智能服务闭环 --- Page 14 --- 营销 Agent 平台 AdClaw --- Page 15 --- 联合愿景：打造营销自动化云服务平台 --- Page 16 --- 为什么选择亚马逊云科技？ --- Page 17 --- 反馈二维码 您的反馈信息对我们非常重要 请您扫描“调查问卷”二维码，填写问卷 --- Page 18 --- Thank you ## 三、会议回放视频转录内容 大家好 我是赵巧姣 负责易点天下算法与 AI 技术落地 过去几年我们有幸与亚马逊云科技的专家 和众多的行业伙伴做了大量的 AI 实践 从 AIGC 的创意生产到智能投放决策 再到现在我们组织内部的 Agent 和协同提效 一路走来我们沉淀了一些成果 也沉淀了一些思考 今天也是非常感谢亚马逊云科技能够给予机会 跟各位分享和交流 构建营销 Agent 网络 从单点自动化到全链路智能闭环 首先我简单的介绍一下易点天下 我们是一家全球化的智能营销科技公司 然后帮助我们出海的企业 在全球的市场内高效地获客 接下来帮助企业业务进行稳定的增长 我们对接了像 Google, Meta, Facebook 等 全球主流的一些流量平台 服务超过一万家出海企业 我们的业务也是覆盖了 全球有240多个国家和地区 从我们整个的研发构建 从广告创意生产到智能投放 以及到效果追踪归因 到我们大数据平台的全栈的一个构建 我们也是行业内较早 在出海营销领域内 系统性布局生成式 AI 的一个企业 今天就聊一聊 我们今天遇见了哪些问题 以及我们为什么选择要 All-In Agentic AI 过去一年我们客户问的最多的问题 就是我们客户增长怎么这么慢 怎么这么难做 其实是因为整个增长的版图 面临了几重挑战 首先是全球化的复杂度的指数级 增长 我们出海其实不是做一个市场的事情 它更多的是几十个国家 几十个语言 甚至是几十套合规规则 叠加在一起它的 复杂度就是指数级的爆炸 其次是增长引擎的一个失速 那随着我们获客成本的持续攀升 投资回报率逐年下降 那传统的堆人 加预算的模式已经失效 也就是说我们行业 需要全新的一个增长引擎 包括我们决策出现的一些智能断层 其实我们平台有大量的数据的一个回传 每天回传的数据可以说是海量的 但是数据多不代表决策好 我们缺的是把数据转化成智能的一个 这样的一个系统 那我们这两年一直在说 Agentic AI 那过去的 AI 可以说是 就是你问它答 你给它指令它来执行这样的一个模式 那今天 Agentic AI 它不一样 它是能够具备自主感知规划决策 包括执行是一个端到端的一个闭环 那对我们营销来说 它意味着 AI 不再是一个单点的 一个执行的工具 它开始有能力接管 从洞察到执行的整条链路 也就是说我们人的角色 可以从操作者变成一个决策者 我们不再是像前几年一样 就是零散的引入一些 AI 工具 而是沿着我们整条营销的一个全链路 构建了我们整个的一个 AI 营销的产品矩阵 首先是智能洞察 我们通过 AI 智能去做智能分析 受众分析 包括我们的产品潜力预估 可以帮助我们团队能更好的找准方向 其次是我们构建了我们 Kreado AI 也就是我们 AIGC 的一个引擎 能够自动化生成高质量的素材 来提升我们多语种多国家的一个 素材的一个批量生产这样的一个需求 其次是我们核心产品 Adsgo.ai 也就是我们基于 Agentic AI 系统 构建了一套智能的一个投放系统 它能够自主的规划 执行 优化 目标就是帮我们客户 把 ROI 做到最优 包括我们的一个数据归因的一个系统 FunsData 它可以做到一个全域的一个追踪 让我们可以看清 每一分预算花在哪里 效果怎么样 然后再反哺下一轮决策 那整个四个工具 它其实不是一个单点的工具 就是数据整个在系统里面流动 AI 在其中每个环节都去做决策 它是一个整个完整的一个 端到端的一个链路 就覆盖了从智能洞察 创意生成 自动投放到数据归因的全栈的 一个 AI 营销能力 那么刚才所提到的 以我们创意生产这个场景为例 我们之前用 AI 替代单点的 高重复的一些生产任务 就在出海中创意大规模的一些一个痛点 是本地化慢成本高 那一条素材它往往要适配 十多个市场制作的周期也是比较长的 可能需要五到七天 同时我们本地化成本占用的预算份额 也是比较高的 那我们现在通过多语言创意自动生成 也就是我们的广告文案可以 智能的生成 它其实不仅仅是简单的一个翻译 更多的是理解不同的一个语种 包括本地文化以及语境 来进行重新的一个创作 那其次是多语言的一个 多模态素材的一个批量生产 那 AI 可以驱动图片 视频 包括动效的一个自动化生产 同时我们一条物料 可以去做到整个的全平台 全尺寸的一个投放 同时我们也构建了 我们的一个创意的一个数据系统 我们投放的效果可以实时去反馈 我们素材的制作的一个方向 也就是说 AI 视频图片的效果反馈 形成我们素材制作的一个优化的一个闭环 来帮助我们提升效率 我们现在创意生产的效率 提升将近十倍以上 单条成本降低70% 我们本地化覆盖可以一键适配 140多个语言的市场 这个场景是我们 Kreado AI 最新发布的一个 AI 智能化改图的一个功能 它可以实现一键的去改图翻译 包括对于我们的素材进行自由的一个编辑 可以极大地去批量化二创 这是我们的一些素材模板 我们可以针对我们的一些需求 进行文字的一个自由修改 可以一键去翻译成多个语种 来适配多个国家的这样的一些 本土素材的一些需求 同时我们可以适配像 Google Meta Facebook 等不同渠道的一个全尺寸的 一个投放的一个需求 可以一键生成多个尺寸 好那以上所展示的是我们的一些 广告的一些图文素材 那现在其实我们大 更多比例的其实是视频的一个素材 也就是说好的内容它是难以复制的 比如说我们有一些 爆款的一些视频突然火了 那我们想要去做一个同款 要重新拍摄或说重新剪辑 那成本是比较高的 那我们 Kreado AI 同样也构建了 AI 爆款视频一键生成 或者说复刻的能力 我们只需要上传一张产品图 或者说一张产品画面 或者说几段视频 视频片段 我们就可以去复刻我们的一个 爆款视频的一个生成 在这个过程中 我们沉淀了三层的一个能力 首先是模块化 把我们视频的整个的一个拆解 为可复用的一些结构 或者说 SOP 的一个流程 通过一个我们视频的一个模板 来批量衍生出多种形态 或者说多种风格的它的一个 变体的一个素材 让爆款从就是偶然的这种灵感 变成可复制的一个产能 那刚才两个场景是针对我们的 电商素材的生成 那我们有一个非常重要的一个场景 就是我们的智能投放 就 AI Agent 它不只是一个执行的工具 那它也是接管了我们投放的一个 整个决策链 那预算到底怎么分 怎么去调竞价 怎么调素材什么时候去换 那之前可能更多的是靠的是我们 优化师的一些经验 那我们优化师之前可能最多 只能管理三十个产品 那其实这是人力的一个天花板 那现在我们 Adsgo.ai 建立了一整套的一个 Agentic AI 的一个投放系统 它不是一个自动的一个 简单的一个脚本的执行 而是能够进行自主规划 也就是说根据我们投放目标 自主来制定投放策略 同时进行自动竞价 自动预算分配 同时进行我们素材的一个 A/B 测试不停轮换 7×24 小时的一个不间断的 运行 来根据我们的反馈数据 能实时监控效果 进而去动态调整我们的一个策略 进行迭代性 不断的进行迭代和一个优化 那我们这套系统呢 就是把我们的广告的上线时间 之前可能是一个周 那现在的时间 可能变成一个小时 两个小时 那自动化的程度达到一个百分之八十 甚至百分之九十 人从这个过程中 就变成了一个决策者的一个角色 去 check 那我们广告浪费率也减少了百分之二十以上 那我们具体来看一下 我们 Adsgo.ai 的这个 具体是怎么去运行的 我们整个 Adsgo.ai 它是由四个 agent 来协同驱动的 然后构建了整个的一个 端到端的一个自主优化的 一个闭环的一个场景 首先是我们的一个 产品的潜力预估 洞察的一个 agent 就是我们只需要把我们的一个 商品链接去输入到我们的对话框里 它就会进行一个商品分析 包括我们的受众分析 进而输出到底我们应该采买哪个国家 哪个渠道 预算怎么分配 做出这样的一些输出 那其次是素材的生产 agent 那我们通过 获取在全局去获取我们商品的相关的价格 以及它的一些折扣 包括它的一些图视频素材 从 Meta Google 和 Facebook 上 全网去获取 效果优秀的一些广告素材模板 通过我们 Kreado AI 的 AIGC 引擎 然后一键生成 批量的一个创意素材 那同时呢 最重要的是我们的一个测试的一个 agent 我们测试的 agent 会基于我们 大量累积的一些业务数据 来对我们的整个投放 去构建出来多种的一些投放组合策略 我们去选择优秀的 优秀的一些组合来进行投放 最后是我们的一个实时的一个优化的 agent 会对我们的预算进行一些监控 包括最近趋势的一些分析 以及我们历史的一些 benchmark 进行二次的一个优化 也就是说我们 Adsgo.ai 的这个系统 它其实它承载了去洞察 运行 然后优化 包括扩量的整个全链路的一个逻辑 它是一个自迭代的一个系统 那这个过程中 其实是几乎是不需要我们人工去参与的 好 那以上所提到的 不管是我们的创意生产的 创意素材的制作 还是我们整个投放系统的决策 那其实只是面对的都是我们业务场景 那我们也将 agent 落地到了 我们整个组织内部进行组织的一个提效 就是 AI 不再是服务我们单点的优化 而是我们去构建了一系列 agent 首先是我们的一个企业级的 AI 赋能平台 易精灵 那这个易精灵呢 是我们打通了我们的 OA 系统 和我们的一些财务风控 包括法务的一些系统 通过把我们这些系统底层的 API 对接到我们的 agent 的一个框架中 不管是我们的审批流程 智能审批 包括我们的一些发票报销 甚至是一些业务知识的问答 那可以零门槛地去调度我们这样的 一个智能的能力 那也就是说过去碎片化的这样的工作 现在可能是分钟级 秒级就完成了 就说我们不光是给我们技术团队 做专业工具 更重要的是让每一个业务人员都能调用 AI 像我们易精灵上线后 我们的 AI 帮办 AI 调度和 AI 问答 累计处理万次以上 帮我们释放了近千小时以上的人力工时 其次是我们的一个 AI 智能客服系统 赛宝 那赛宝的话 它是一个客服服务的机器人 但是它不是简单的意义上的一个 智能回答客户问题 这样的一个机器人 因为我们打通了它跟我们内部的一些系统 它可以帮助我们客户 去实时地去查取广告投放数据 甚至能帮助我们客户去进行充值 也能帮助我们商务同事 来进行客户的建联 渠道的对接 整个服务的全链路 我们是一个商务的 一个全链路的一个服务 包括我们程序化广告的一个 非常重要的一个 AI 运营助手 那我们现在的话 是给我们运营同事 构建了一个个人的一个 Bot 其实我们程序化广告的 日常运营的分析场景是非常复杂的 那么通过打通我们的数据库 包括我们的一些 Clickhouse 这样的一些系统 数据系统 那我们的运营同事 可以通过我们的一些 自然语言进行数据的一些查询 下钻 来进行复杂的一些分析 那除了运营助手 还有我们的一些问答先锋 包括我们的 AI 实习生 那这样是帮我们运营的效率提升了 有60 到 150倍 好 这是一个非常小 但是有代表性的一个例子 就我刚才所提到 我们易精灵的一个发票报销 这样的一个场景 就是我们同事只需要去 用自然语言交互说 帮我进行发票的一个报销 那它就会自动地去解析 我们发票的金额 以及发票的类型 然后帮助我们生成我们一个 审核的一个审核流程 来进行我们一键的一个 系统的一个提交 这是一个 费用报销流程的一个构建 其实这个过程非常的短 大概就不到一分钟的时间 那我们之前的话 这个流程走完的话 可能需要几十分钟 层层的审批 包括我们业务人员的一些核对 那现在的这个流程就大大的 减少了 那其实这个只是我们业务场景中 一个非常小的一个场景 就是 AI 它的价值不单是去落地了 在我们核心的业务上 做一些有价值的一些大事 它在 它已经渗透到我们组织的 每一个毛细血管里 就是它把无数个几十分钟 然后变成了几分钟 甚至几十秒 这些效率加在一起 对我们组织级的效能 产生一个巨大的一个跃迁 哦 这是我刚才所提到的 另外一个场景 就是我们商务的一个智能服务 那我们赛宝现在是 贯穿了客户的一个建联 渠道的一个对接 包括我们的一个智能客户的 一个服务的一个全链路 那我们商务同事在 传统过程中 在去对接我们客户的过程中 需要大量的去调研 网络搜索一系列的信息 那现在的话 这个工作可以交给我们 赛宝 赛宝它可以直接的去 在互联网上去挖掘 高潜在的一些 就是我们的客户信息 然后进行 甚至是自己发送邮件去触达 那么也跟随我们 回复的邮件 进行意向的一个分类 二次的一个触达 同时的整个过程 然后去做成 我们的一个整个数据看板 然后能帮助我们商务同事 去更快地去 挖掘我们的一些 高潜的一个用户 这是我们 商务在领英上 去建联客户的一个案例 私域渠道建联 那我们过去的话 比如说我们渠道 要跟我们进行合作了 那这个流程是非常繁杂的 首先我们要去做 一些问卷 包括跟我们系统的一个对接 那现在的话 我们把这个交给了赛宝 我们的客户在我们微信触达 就可以直接完成整个的 一个问卷的一个回答 包括最终到我们系统 管理系统的整个对接的流程 全是由赛宝自主进行完成的 这样的话我们的商务同事 就可以把他们的精力 focus 在更有价值的事情上 解决了一些 重复冗余这样的人肉流程操作 刚所提到的赛宝去 自主回答客户的一些问题 那我们商务同事 会把我们的客户 我们现在赛宝已经在 在我们成百上千个客户群里 那么客户有一些比较简单的一些问题 重复的一些问题 就可以随时去问我们的赛宝 去给他回答 包括所提到的 比如说要查询他的数据情况 我们就可以 因为我们去把我们数据系统的 API 做了一个对接 可以实时地去查询 他的数据的一些消耗 甚至是每个月的 多次的一个充值 这样的一些动作 都是可以通过赛宝去完成的 以上提到的所有场景 不管是我们 AIGC 创意的生成 还是智能投放 还是我们组织提效的 易精灵赛宝 其实他们背后 都有一个统一的技术底座 就是我们 自主研发了 企业级的营销 Agent 的平台 AdClaw 其实 AdClaw 的话 它其实是一个开发与运行平台 我们业务的技术同学 把数据库 或者说是我们的一些操作系统 然后去对接到 以 MCP tools 工具的方式 对接到我们 Agent 的内部 那么运营同学 把他们经常分析的一些业务的 流程的 SOP 去变成 SOP 去构建在我们的一个 Agent 上面 就可以快速地 也就是说我们业务同学 不需要编码 就可以去构建一个 自主进化的一个这样的 Agent 目前我们这个平台已经 沉淀了有超过900多个 Skill 然后有200多个 Agent 现在稳定运行 也是覆盖了 营销的全链路各个环节 AdClaw 它的价值 其实不在于是我某一个 Agent 有多强 而是它让 Agent 的一个部署和运行 变得像搭积木一样的简单 这样子的话让 AI 创新 或者说让我们运营 或者说我们一些职能同事的使用上 可以去快速地去创新 在组织内部快速地去反哺 其实我们是从23年的时候 就 AIGC 的扩散模型 火起来之后 我们企业内部就在整个探索 AI 在广告营销领域的 一些落地场景 那时候我们更多的是一些 单点环节的一些落地 我们去训一些垂类的 LoRA 模型 去做我们广告创意素材的生成 到去年25年 我们去发布了我们 AI Drive 2.0 包括我们整个 Agent 平台的一个构建 我们打通了从洞察 到智能投放 到决策 到我们的数据归因 整个全链路的一个 AI 智能的一个 的一个环节 那整个今年 我们整个去经营 AdClaw 去构建我们营销自动化的云服务平台 那其实行业正在经历的是 从人力密集型营销 到 AI 驱动营销的这样的一个深刻变革 那我们希望将 AI 营销能力 可以以云服务的形式输出 让每一个出海企业都能用得上 同时用得起 用得好最前沿的 AI 营销能力 那刚才以上所展示的我们所有的能力 像我们 AdClaw 我们最重要的 Agent 平台框架 我们用了我们亚马逊云科技的 AgentCore 的一个 这样的一个系统的能力 包括我所提到的 赛宝 我们的智能客服 它后台所搭载的知识库 用了 Bedrock 的 Knowledge Base 以及我们所创意生产靠的 AI 底层所搭建我们的 Nova 的 图视频生成的能力 都跟我们 我们亚马逊云科技都提供了 强大的一个技术的一个支持 那最后非常感谢亚马逊云科技的伙伴 不仅仅是给我们提供了 强大的这样的一个技术支持 同时他们将全球领先的 AI 模型能力 数据生态和技术基础设施打通 让我们能够站在巨人的肩膀上 快速构建出真正面向全球市场的产品 好 以上就是我分享的所有内容 感谢大家