营销
知名 AI 博主 Greg Isenberg 在他的一期节目中抛出一条预言：未来 18 到 24 个月，最值钱的职位之一，会是营销工程师（marketing engineer）。这个职位的能力和职责模型，要比现在火爆的两个职位即「前线部署营销」（forward deployed marketer）和「AI 增长运营」（AI growth operator）更复合、更高阶。
这类职位是那种走进公司、用 AI 智能体把企业嘴上一直喊的东西真正建出来的人，它的特点包括：更准确的定位，更复合的能力结构，读得懂客户、能够在实际业务场景中快速实验和进化，每周都能让营销更聪明一点儿。谁能做到这一点，他甚至就能「自己开价」。
在 Greg Isenberg 的节目中，他认为这个职位的薪酬，按照资深程度应该是 25 万美元、50 万美元、一百万美元——最顶尖甚至的能年赚几百万美元。类比当下火爆的前线部署工程师（forward-deployed engineer）薪酬，这个判断或许都“保守”了。
我们其实也可以换一个理解方式：营销工程师，是一个高于营销的系统岗位，而不是营销旁边的提示词操作员。我的判断是，传统的营销职位马上会便宜到离谱，尤其是数据分析、报告、视频图文、多媒体运营等重复型工作为主的职位；相较而言，品味（taste）和判断力（judgment）不会更便宜，只会越来越值钱。
按照当下 agent 市场的发展速度，智能体迟早会变成“日用品”，而把它们指向哪里的判断力，才是坚固的护城河。
AI 让产出变便宜。判断力让产出有价值。
每次技术变迁，都会造就一种新的“营销人”
我们可以清晰的看到，在从传统营销时代到“网页、社交和移动时代”的变迁过程中：
技术一变，最值钱的那种营销人就会跟着变。
在更古早的时代，传统「唐·德雷珀时代」（即 Don Draper era，美剧《广告狂人》里的那个广告天才），营销人的核心能力应该是：故事、品味、心理，印刷和广播。
到了互联网、数字营销主导的时代，数字是可衡量的获客——网站、邮件、SEO、Google、Facebook 广告、落地页、像素、Google Analytics；增长是产品循环和留存——Dave McClure 的 AARRR 海盗指标那个时代。要点是：产品本身可以变成增长引擎。增长黑客是那个时代的王者
而今天以及未来，工程——智能体、数据、代码、品味——具备这个四格能力模型的营销工程师，依然需要「以前那些老本事」：懂客户、有判断、会定位、懂分发、有品味；同时还必须具备新的部分，有能力搭建营销背后的那套系统——一套会持续学习、自我循环迭代的系统。
这份职位，是能够把信号变成销售管道
营销工程师，是那个用 AI 智能体、数据、代码和品味，把市场信号变成销售管道（pipeline）的人。
他具备打造这个闭环的能力：
听（客户 + 市场）→ 建（资产 + 智能体）→ 发（内容 + 外拓）→ 学（结果 + 记忆）作为反馈环。
组织的一个顽疾、是知识散落各处：销售、客服、产品、营销，各自都握着一块市场、客户洞察的拼图碎片，而高层记得住的，只是那周刚好能迎合他情绪需求的那一条。每个人走进会议室时，手里握着的东西本来就不太一样。营销工程师所做的，就是把这些人手上的信号、都收进同一套系统，再将其转变成业务增长的动力。
企业高管层应该问的是：谁有能力搭这套增长系统。招人，或者自己上手，这个时代的赢家，是“比谁都更快读懂市场”的那些人。
先搭建一个 Growth OS
企业应该先建的是一个增长仓库（growth repo），这是一个结构清楚的文件夹，可以叫它 Growth OS（增长操作系统，公司的市场营销相关知识沉淀就存在这儿。
这个增长仓库或者系统包括：customer-truth/、content-engine/、outbound-engine/、creative-testing/、agents/、results/。
随机聊天会遗忘，但仓库会有记忆。
比如说：员工在 ChatGPT / Claude / Gemini 中对话、写了十篇帖子，复制一篇，活儿就消失了，对于模型而言、下一周又从零开始——而团队需要的积累，却是效果数据、品牌语调、客户反馈等，以及那些真能换来用户互动的模式。还有禁用话术的文件，这是避免 AI 产出的内容跑偏的重要约束。
团队使用的提示词也需要升级：不要再说“给我写 10 条自媒体使用的帖子，而是让智能体先读客户洞察、品牌语调，以及最近五条带来高互动的帖子，再围绕目标用户这周真正提到的痛点来起草。这些是智能体真正需要的真实上下文。
Growth OS 本质上是一套营销知识管理系统，可以穿在营销的各个场景中。其中最有价值并且是在不断积累价值的，是一套会不断产生复利累积的记忆。
技术栈：雷达、工作台、日程、本地
搭建这套 Growth OS 的工具清单会一直变，企业可以挑一套自己喜欢的生态。
工具会变，工作流才是本质。
以我的团队为例，我们技术栈中的应用包括 Grok Bot、Claude、Codex、Hermes 等。
Grok Bot 是「紧贴互联网」的那一层，尤其因为它连着 X 生态。可以持续观察竞争对手，摘要 X 和 Reddit 上的客户讨论，筛选推广创作者，跟踪广告和落地页的流行趋势。
Claude 和 Codex 负责建仓库、落地页、脚本、小的内部工具。Hermes 式工作流对带记忆和审批的定时作业仍然很有优势——周一市场简报、周五实验复盘、一批销售通话纪要拿去更新定位。
Claude 和 Codex 还可以帮助团队中的新手做 SEO：让 AI 按关键词写一篇博客，研究搜索结果页（SERP），加上品牌观点，起草正文 + meta + 内链，送去审批。
在创建每个智能体时，就像招了一个新员工人一样：给它数据源、排工作日程、告诉它什么样的绩效表现算好、对它的工作进行人工审批、设定绩效指标……像带新人那样带它。
重要的实用规则：但凡听起来很假的话，就直接写进 Growth OS 的禁用清单中；对于研究的内容，要求不允许得出没有证据支撑的结论，所有的观点都需要”一句引语、一个链接，或一个出处“。在实际工作流中，每一次纠正都变成这套操作系统的一部分，这就是复利累积。
在实际业务场景中，循环改进的流程应该是：观察 → 补全 → 打分评价 → 再执行 → 总结学习。
一个行业应用的具体案例
为了把系统讲具体，Isenberg 举例一家给商用暖通承包商卖 SaaS 的公司。这家公司的营销问题是「哪种痛点，可以让客户的老板来看一次演示」。
这家公司的 Growth OS 中包含了六套系统。
系统 1，客户真相。 把散落的信号收进一份每天或每周更新的 Markdown，写清*什么变了*，并带上凭据——引文片段、工单链接、事件计数——而不是「客户想要更好的协作」。
系统 2，创始人内容： 录公司创始人的讲话，可以从接受采访的那些播客里提取，看哪些钩子人一直有人在看，再摘要形成内容营销的基础材料。
系统 3，外拓： 「差的外拓通常从一张装满名字的表格开始。好的外拓从商机开始。」谁发过痛点，谁符合理想客户画像（ICP）并且*这周*有理由在意。
系统 4，创意测试： 一个卖点，20 个钩子，10 个广告角度。创意应该是一套可以测试、验证的系统。
系统 5，AI GEO。 用 ChatGPT 的人有十亿，公司所发出的内容能否在 ChatGPT 的回答被 AI 引用，在于你的公司信息能够出现在那些高频被引用的信源中。
系统 6，增长驾驶舱与评估循环。 一份每周视图，看什么变了、该做什么。驾驶舱是给管理层看的备忘（什么变了、该做什么）；评估是给喂进备忘的那些智能体立的质量标准。两者一上一下，构成学习闭环的最后一环。
企业 AI 转型的 30 天计划
目标是建立一个 Growth OS 系统，最基础的配置就是五个文件，20 条真实客户笔记，一个营销工程师岗位。
30 天计划：
第 1 周：审计一家真实公司，写一份市场地图。
第 2 周：建增长仓库，以及第一份「市场在告诉我们什么」的文件。
第 3 周：上线一套工作流——「一套能跑并且好用的，强过五套用不上的半成品。」
第 4 周：做出一个结果，写一份案例。
优秀的营销工程师长啥样
最优秀的营销工程师应该是：
20%营销、20%产品、20%运营、20%商业分析、20%工程师」。
还要加上护城河级别的核心能力：判断力和品味，「知道本来就该把什么做出来」。
对营销人来说，这是真正可以让自己变成公司离不了的那个人的正确路径。当人们还在旧的增长黑客时代，或者是数字营销时代，率先掌握 AI 时代企业应用秘密的人，一定会发掘到时代中最大的金矿。