夜雨聆风近期的工具发展，媒体权限开放，AI持续迭代兴起的速度来看，执行层优化师已经快要被AI干掉了。如果一个优化师还没有开始积攒自己的AI武器库，是一件很危险的事情。AI不仅仅只能用来写文案 生图片，这在一年前就已经非常成熟且是AI帮助投放最最简单基础的事情，现在还只会用AI写文案的话已经落后很多了。
与其使用别人递过来的武器，不如开始学习做武器。这篇文章献给所有的基础执行层的优化师。
1、素材创作
这是最基础的，不展开说。不要总是临时性的敲一段文字让AI写字、生图。而是要结合你的历史素材表现，你的行业特性，你对关键词的要求，你要使用的平台调性，以及你的产品相结合。保存并持续使用、迭代你的提示词。
2、数据推送与清洗
优化师每天面对无数项数据，既有广告平台的，也有三方平台的，也有自己BI系统的内部数据。数据如果只是被拉取，并没有价值。因为原始数据，是无法 或者说只能被低效分析和利用。一共有3点，一是数据的自动推送，从A平台获得abc数据，从B平台获得efg数据，从C平台hij数据... 哪些是有效的，哪些是必须的，优化师自己选择。并通过AI coding，或者是各种插件功能，自动化脚本等方式，推送到邮箱/企微/飞书/谷歌文档，节约每天10分钟拉数据的事件。第二是最关键的：数据清洗。AI本身对数据的理解是比较弱的，因为没有结合产品、市场、业务解读。而这些就是优化师需要在提示词/知识库中详尽写完整，包括KPI、渠道偏好、业务场景、事件行为、数据偏好、数据容忍度、转化事件漏斗等。第三点则是数据分析，这里不展开。
3、决策
数据分析一定要会叫决策：基于数据分析的结论，接下去优化师要做什么？
包括：广告组/素材的增删改、预算出价的加减是否和幅度、识别衰退、识别波动、放量控量、渠道预算分配、系列预算分配、LTV阶段、买量策略是否调整、版位干预、消耗速度干预等等。
4、执行
决策后的执行，如果是多项目多渠道多账户管理情况会非常耗费时间。通过AI提问其实很容易获得可以执行的手段（但是谷歌比较特殊 api执行的权限很低）通过中转、或者api直连操作、或者是通过LLM去操作、甚至通过谷歌文档操作，都是能做到的。
从2-4，优化师曾经要靠人工2小时才能完成的事情，我通过自己的测试已经可以让AI在5分钟内高效完成。我也开始思考 也感到危机。AI的功能已经非常够用了，目前优化师还没开始卷应用层，但是马上就会开始了。到时候基层优化师真的没多少活是非人不可了。
