内容电商从 0 到 1 打品 · 系列文字稿

发散一：创意的工业化

整理讲完了，从这一篇起讲发散。先讲第一种发散：在你已有的零件上做排列组合。

先打掉一个迷信：灵感

很多老板的内容产能，押在编导「来感觉」上。灵感来了一周出三条爆款，灵感走了半个月憋不出一条能看的。产能跟着情绪坐过山车，这生意没法做计划。

讲因子那一块时我们说过，创意的本质是组合：把验证过的零件交叉相乘，新内容就出来了。灵感只是偶尔的加菜，组合才是顿顿管饱的主食。

创意工业化：人脑与 AI 的组合规模差

规模: 3 钩子 × 3 场景 × 3 画面证据。
特征: 勉强可以通过 Excel 人工对齐。但极容易陷入思维惯性，局限在已知区域，无法大面积试错。

规模: 10 钩子 × 10 场景 × 10 证据 × 10 口吻。
特征: AI 瞬间生成全集，保证好方向无一漏网。然后通过算法清洗并对期望数据打分排序。

拿喷雾算给你看。假设你手里已经测过 3 个钩子（脏灶台的视觉冲击、孩子摸灶台的担心、一抹见底的爽感）、3 个场景（晚饭后的灶台、退租打扫、年前大扫除）、3 个证据画面（油滴顺壁滑落的特写、白纸擦过的前后对比、玻璃灶台擦完返光）。

3 乘 3 乘 3，27 种组合。人列张表还能管住，挨个排期去测，没问题。

但真实的因子库长得很快。钩子攒到 10 个、场景 10 个、证据画面 10 个、再加 10 种人物口吻，10 乘 10 乘 10 乘 10，一万种组合。

这一万种里，大部分是废的。钩子讲恐惧、画面却给爽感返光，情绪打架；场景是退租、口吻却是宝妈对娃，人设错位。但谁来把废的剔掉、把好的排前面？人列到一百行就头晕了。想到哪个做哪个，等于在一万张彩票里凭手感摸，摸中全靠运气。

这活，必须交给 AI。

万级原始因子组合自动净化打分漏斗

第一步：生成全集 (10,000 组)
穷尽四个维度的所有交叉可能，保证全局因子全覆盖。

第二步：规则净化过滤 (剩余 1,500 组)
AI 自动剔除“情绪打架”、“人设与场景错位”及历史失败组合。

第三步：打分排序 (输出 Top 50 清单)
按历史表现对要素加权，输出附带推荐原因的前 50 组清单。

第一步，生成全集。把因子库里的零件全部交叉，列出完整的组合清单，一个不漏。穷尽本身就是价值，它保证好答案一定在桌面上，就看你排不排得到它。

第二步，剔除废组合。情绪打架的、场景失配的、还有历史上验证失败过的组合，自动筛掉。注意最后这条用的就是知识库的内容板块，你过去烧钱买的教训，在这一步开始自动替你省钱。

第三步，打分排序。按每个因子的历史数据，给剩下的组合算期望分，输出一份「优先测试前 50」的清单，每条附上推荐理由。

AI 给前 50，人从里面挑出这一周真正开拍的 10 条。

挑的依据是品当前的阶段和证据矩阵的空缺：哪个卖点还缺画面证据、哪个人群还没覆盖，就优先补哪块。这个判断连着你对盘子的整体理解，AI 替不了，这正是上一条铁律说的「判断留给人」。

还有一条纪律别丢：组合归组合，上测试还是一次只动一个变量。AI 给的是候选池，控制变量的测试规矩照旧，两套东西并行不悖。

一个女装团队，把面料、版型痛点、场景、身材焦虑钩子四类因子交叉，八千多种组合，AI 排出前 40，三周测完。跑出来的那条「梨形身材通勤裤」组合，原本在编导自己的排期表上，排在两个月之后。

工业化的意义就在这：好答案不用等灵感排队，它一开始就在全集里，AI 只是让它提前两个月见了天日。

创意靠组合，零件来自验证过的因子库。27 种组合人能管，一万种必须 AI 来：生成全集、剔除废组合、按历史数据打分排序，输出前 50。人负责从中挑出开拍的 10 条，依据是品的阶段和证据矩阵的空缺。测试照旧一次只动一个变量。

这是手里有零件时的发散。下一篇讲更难的局面：新品还没影、市场是别人的，AI 怎么帮你找到切进去的那条缝。