Anthropic 的 Growth Marketing 只有一個人,而且他不會寫程式
Anthropic 的 growth marketing 曾經只有一個人,Austin Lau,一個從沒寫過程式的行銷人。他用 Claude Code 建了完整的 performance marketing 自動化系統,廣告製作時間壓縮 87%,單人產出超過多數完整行銷團隊。

重點摘要
Anthropic 在今年初的官方部落格裡揭露了一件事,讓整個 Growth 社群討論了好一陣子:公司的 growth marketing 在相當長一段時間內,只有一個人。
那個人叫 Austin Lau。他不是工程師。加入 Anthropic 之前,他從沒寫過一行程式碼。根據他自己的說法,他第一次接觸 Claude Code 的反應是 Google 搜尋「how to open Terminal on Mac」。
十個月後,他一個人管了 Anthropic 的 paid search、paid social、app store optimization、email、SEO。一個人。
「我希望這東西存在」到「我自己做一個」,距離比你想的近
Austin Lau 說了一句話我覺得值得記下來:「'I wish this existed' 和 'I can actually build this myself' 之間的距離,比你想的小很多。」
他用 Claude Code 做了什麼?根據 Anthropic 的官方案例研究和 Medium 上 Impact Newswire 的分析:
他花 45 分鐘到 1 小時建了一個 Figma 插件,能一鍵生成多種尺寸的廣告素材排列組合。另一個工作流自動生成 Google Ads 的 responsive search ads CSV,每組 15 個標題加 4 個描述,直接上傳到 Google Ads。
廣告素材製作從 2 小時壓縮到 15 分鐘。根據 Gigazine 的報導,某些流程甚至從 30 分鐘壓到 30 秒。
重點不是「AI 好厲害」。重點是 Lau 不會寫程式。他用自然語言告訴 Claude Code 他想要什麼,Claude Code 幫他把想法變成可運作的工具。這跟傳統的「學 Python 三個月然後自動化」完全不同。
不只是一個人的故事,是整個團隊的效率躍遷
Lau 的案例最引人注目,但 Anthropic 部落格裡還揭露了團隊級的數據:
| 團隊 | 效率提升 |
|---|---|
| Influencer Marketing | 每月釋放 100+ 小時 |
| Customer Marketing | Case study 撰寫從 2.5 小時降到 30 分鐘(每週省 10 小時) |
| Digital Marketing | 生產力年增 5 倍 |
| Partner Marketing | 展會準備時間減少 40% |
這些數字不是來自第三方估算,是 Anthropic 自己公開的內部數據。當然,你可以說他們有動機美化自家產品的效果。但即使打個五折,這些數字依然很驚人。
TechFlow 的報導標題下得很直接:「A Non-Coder Single-Handedly Managed Anthropic's Entire Growth Marketing for Ten Months」。X 上 Gannon Breslin 的推文更是拿到了大量轉發,標題是「Anthropic's $380B growth marketing team? One person.」
這對我們到底意味著什麼?
我自己的觀察是,很多行銷人問的問題還停留在「AI 工具能讓效率提升多少?」。20%?50%?
Austin Lau 的案例給出的答案是:一個人做到一個團隊的工作量。不是效率提升百分之多少的問題,是倍數級的改變。
但我也想說一個常被忽略的前提。Lau 能做到這些,不是因為 Claude Code 有多神。是因為他非常清楚自己要什麼,他知道行銷的邏輯,他知道哪些環節是重複性的、可以自動化的,哪些環節需要人的判斷。
AI 放大的是你現有的能力。如果你本來就不知道好的 Google Ads 文案長什麼樣,AI 幫你批量產出 1000 個版本也沒用,因為你挑不出好的。
我目前的做法是這樣:挑一個你每週重複做超過 3 小時的行銷任務,報表製作、廣告素材變體、競品監控,花一個下午用 Claude Code 嘗試自動化它。不需要會寫程式,Lau 也不會。
踩過一次坑之後才學到,最難的不是讓 AI 幫你做事。最難的是你要先想清楚,你到底要它做什麼。
資料來源

Walt Chuang
ARTOGO 共同創辦人・成長行銷
相關文章
你可能也會喜歡...

你把 AI 當計算機用,難怪團隊的知識永遠在歸零
Hiten Shah 指出多數團隊用 AI 的方式是「計算機模式」:每次都重來,知識從不累積。他的做法是在 Slack 裡跑 AI,讓 agent 看到所有脈絡,知識像複利一樣成長。三個月後差距是指數級的。

Consumer AI 的贏家公式:不是模型最強,是 ARPU 跑贏推論成本
Andrew Chen 提出 consumer AI 贏家公式:ARPU 必須跑贏推論成本。目前差距約 10 倍,月 ARPU $2-5 但 token 成本可能 $20-50。高 ARPU 類別(金融、健康、生產力)有空間用最好的模型,低 ARPU 類別被迫用更差的模型、更脆弱的留存。

Google Analytics 官方推 MCP Server:用一句話查 GA4 數據的時代來了
Google Analytics 官方推出 MCP Server,透過 Model Context Protocol 把 GA4 數據直接連接到 Gemini、Claude 等 LLM。1,437 個書籤說明行銷人已經準備好用自然語言取代複雜的 GA4 介面。這是 Google 對 MCP 生態系的最大背書,也是行銷數據民主化的關鍵一步。