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:
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。