AI 行銷工作流怎麼建——六步搭出自動化內容流水線

同一個選題，你早上丟給 AI，它寫了一篇；中午想發到部落格，得自己複製貼上、調格式、補圖、設分類；下午想改寫成社群短文，又得重開一個對話框、重貼一次素材。一個人做內容，真正累的從來不是「寫」，是寫完之後那一長串搬運動作——它們沒有判斷、沒有創意，卻把你一天的時間切得稀碎。

AI 行銷工作流就是用來把這段搬運自動化的。它不是某一個 AI 工具，而是一條把「觸發、取材、生成、審核、發布」串成一氣的流水線，中間幾個需要思考的節點交給 AI，其餘交給自動化平台，你只在最後保留一個確認的閘門。建得好，一個人能跑出一個小團隊的產能；建得馬虎，它會變成一台高速產出劣質稿件的機器。

差別不在你用哪個模型，而在這條流水線怎麼設計。先從它跟你熟悉的「行銷自動化」差在哪講起，再一步一步把整條流程拆開來搭。

AI 行銷工作流跟傳統行銷自動化有什麼差異？

最關鍵的差異只有一個——傳統行銷自動化是「照規則跑」，AI 行銷工作流多了「會判斷」的節點。

過去十年我們講的行銷自動化，本質是一組「when-then」的條件反射。有人填了表單，就寄一封歡迎信；購物車放著沒結帳，就在三小時後推一則提醒。這套邏輯很可靠，但它只會做你預先寫死的事，遇到規則沒涵蓋的狀況就卡住。

AI 行銷工作流把生成式 AI 接進這條流水線，讓其中一兩個節點從「執行固定動作」升級成「根據內容自行判斷」。同樣是收到一封客戶來信，傳統自動化只能照寄件人分類；接上 AI 節點後，它能讀懂信件內容、判斷這是售前還是售後問題、草擬一段回覆，再交給對的人。一個是反射，一個是理解。

換個角度看這件事會更清楚。把自動化想成一條輸送帶，每個節點都是帶上的一道工序。傳統工序只認得「貼標籤」「搬箱子」這類機械動作；AI 節點則像在輸送帶上放了一個會讀說明書的工人，它能看當下的料決定怎麼處理。你要建的，就是這樣一條大部分自動、關鍵處有 AI 在判斷的輸送帶。

也因為這個差異，AI 行銷工作流的價值不在「省下點按鈕的時間」，而在它能處理過去非人不可的判斷型任務——改寫、摘要、分類、依風格生成。這也是為什麼它特別適合內容行銷——內容生產裡，純搬運和需要判斷的工序剛好各占一半。

為什麼現在值得花時間把工作流建起來？

現在最划算的，是工具成熟度剛好跨過了一個人也能落地的門檻——內容自動化已經從「要不要用」變成「怎麼用才有效率」的問題。

先看成效這一面。採用行銷自動化的公司，轉換率比沒用的公司高出約五成，第一年內看到投資回報增加的比例約有四分之三。這些數字背後不難理解——機器二十四小時不休息，把重複工序接手後，人力就能挪到真正需要判斷的地方。有獨立工作者實測，光是把固定步驟的耗時任務交出去，每天就能省下九十到一百二十分鐘——這還只是還沒接 AI、純自動化階段的數字。

再看工具這一面。自動化平台幾乎都走無程式碼或低程式碼設計，拖拉點選就能把多個服務串起來。更關鍵的是，這兩年平台普遍內建了 AI 節點：把 ChatGPT、Claude、Gemini 這類大型語言模型當成流水線裡的「大腦」，不只回答問題，還能根據上下文決定下一步做什麼。三年前要寫程式才做得到的事，現在描述清楚需求就有 AI 幫你組起來。

不過得先把期待擺正。AI 行銷工作流真正解放的是「初稿與重工」這一塊，影響轉換的觀點、案例、判斷，仍然需要人來定錨。把它當成幫你跑完整套搬運、再產一份可用初稿的助手，而不是能整個取代編輯的全自動機器，導入的心態才對。

接下來進到最實際的問題——要在哪個平台上建。

n8n、Make、Zapier 怎麼挑？看 AI 節點這一格

挑平台別只比整合數量跟價格，真正決定你能不能建出「會判斷」工作流的，是它的 AI 節點能做到什麼程度。

市面上主流的三套自動化平台各有定位。Zapier 上手最快、封裝的應用最多，適合只串兩三步的簡單流程；Make 視覺化最強、邏輯最靈活，適合多條件分支；n8n 是開源的，可以完全自架在自己的伺服器上，流程越複雜越省錢。這些是常被拿來比的面向，但對要建 AI 內容流水線的人來說，下面這張表才是重點——同樣一格「AI 節點」，三者的天花板差很多。

從這張表能看出三件事。第一，如果你要的只是「填表後叫 AI 改寫一句、寄出去」這種單步任務，Zapier 最快，不用想太多。第二，流程一旦超過五步、又要 AI 在中間做多次判斷，Make 跟 n8n 的白板式介面才接得住。第三，n8n 多了一個別人沒有的優勢——它的工作流本身是 JSON 設定檔，這代表你可以直接讓 AI 幫你生成、修改、除錯整條流程，連介面拖拉都省了。

成本上也值得算一筆。Zapier 跟 Make 是「每個步驟算一次」，流程越複雜、跑越多次，帳單漲得越快；n8n 不管你串了幾個節點，整條跑一次只算一次，而且自架版完全免費，月費只剩伺服器成本，大約台幣一百五到六百元。有從業者把每月兩萬次任務的流程從 Zapier 搬到自架 n8n，月費從一百八十多美元降到五美元，一年省下約六萬五千元台幣。量小選 Zapier 快，量大或要重度用 AI，自架 n8n 通常划算很多。

挑定了平台，就能開始搭。下面用一條「從構想到發布」的內容流水線當骨架，拆成六個步驟，每一步都附一段可以直接複製去用的提示詞。

第一步——先決定整條工作流怎麼被觸發

每條工作流只有一個起點，所以第一個決定就是——它什麼時候開始跑。

觸發方式大致三種，對應三種不同的內容情境。定時觸發最常見，例如每天早上八點自動啟動，適合固定產出的部落格或電子報。表單觸發是有人填了表單就啟動，適合把選題收集表變成生產線的入口——你在表單填一個關鍵字，後面整條就跑起來。Webhook 觸發是讓外部服務送請求過來時啟動，適合接 Google Sheets 選題表、或串其他系統。

新手最容易在這一步犯的錯，是把觸發條件設得太寬，導致誤觸發、整條流程空跑浪費額度。建議從「定時 ＋ 一張選題表」這個組合起步，把待寫的主題列在 Google Sheets，每天定時抓一筆來跑，可控又好除錯。

如果你用 n8n 這類能讓 AI 讀寫工作流的平台，連搭建本身都能交給 AI。實際可用的提示詞長這樣：

> 幫我在 n8n 建一條工作流：每天早上八點從這份 Google Sheets 抓一筆「待寫主題」（欄位有：關鍵字、目標分類、字數），抓到後往下傳給後續節點處理；如果當天沒有待寫主題就停下不跑。請選對觸發器和節點，並把連線拉好。

描述觸發需求時，講清楚四件事就夠了：什麼時候啟動、從哪裡拿資料、要做什麼判斷、結果送到哪。這四件事說明白，AI 通常能直接把節點選對、串好。

第二步——讓 AI 把素材收集和整理做掉

觸發之後第一個 AI 節點的任務，是把零散素材變成一份結構清楚、可以餵給下一關的簡報。

內容生產的起點通常很亂——可能是一個關鍵字、幾條參考連結、一份過去的高分文章。直接把這團東西丟給生成節點，出來的稿往往空泛。比較穩的做法，是先放一個負責「整理」的 AI 節點，讓它把素材收斂成幾個重點：這篇要回答的核心問題、目標讀者最關心的痛點、可以切入的角度。這份整理就是後面生成的藍圖。

如果素材包含要參考的網頁，可以在這一步加一道「抓內容轉 Markdown」的處理。把網頁轉成 Markdown 有兩個實際好處：一是減少送給 AI 的資料量、省下 token 成本，二是保留段落結構卻去掉雜亂的 HTML 標記，AI 讀起來更準。

這一關的提示詞，重點在「要它輸出結構，不要它直接寫文」：

> 你是一位內容企劃。以下是一個主題的原始素材（關鍵字、參考重點、目標讀者）。請不要寫文章，先幫我整理出一份大綱簡報，包含：①這篇要回答的三到五個核心問題 ②目標讀者最在意的痛點 ③建議的切入角度（跟一般寫法不一樣的點）④需要涵蓋的重點清單。用條列方式輸出，每點一句話。

把「生成」拆成「先整理、再寫」兩個節點，是讓 AI 產出穩定的關鍵。少了前面這道收斂，模型每次都在猜你要什麼，品質自然忽高忽低。

第三步——用提示詞生成初稿，但先鎖住品牌語氣

生成節點是整條流水線的核心，而它寫出來像不像「你們家的東西」，關鍵不在模型多強，在你有沒有先把品牌語氣資料化。

很多人卡在這裡——同一個提示詞，今天寫得挺像樣，明天就跑出一篇四平八穩、誰寫都行的通用稿。問題不在運氣，在你沒給 AI 一份穩定的風格依據。比較可靠的做法，是先建一份品牌語氣資料集，固定用這幾個欄位描述：品牌像誰在說話、希望穩定出現的必用語、明確不能出現的禁用詞、句型偏好、內容展開的論述邏輯、幾篇高分參考樣本。這份東西做一次可以重複用很多篇，不必每次重生成。

有了語氣資料集，生成節點的提示詞就能把它當成約束條件帶進去：

> 你是我們品牌的內容寫手。請依照下方的大綱簡報和品牌語氣設定，寫出一篇完整初稿。

> 品牌語氣設定：①口吻——像懂行的顧問對中小企業主說話，親切但專業 ②必用語——自動化、流程、可落地、成本效益 ③禁用詞——保證、絕對、秒見效 ④句型——先給結論再說明，口語但不油 ⑤論述順序——痛點到作法到風險到檢查清單。

> 大綱簡報：（接上一步輸出）。

> 要求：第二人稱對讀者說話，每段不超過四句，重要結論放段首。

提示詞越長不代表越好。真正容易讓 API 成本爆掉的，往往是提示詞塞太多無關內容、沒設重試上限、或把低價值的小任務也丟給最貴的模型。把語氣規則固定、把該精簡的精簡，成本通常很可控。

第四步——在發布前架兩道品質閘門

AI 寫得出初稿不代表能直接發。卡住多數團隊的不是模型，是「誰來擋品質」——而品質要靠流程擋，不能靠運氣。

把審稿做成兩道閘門，是讓自動化不翻車的關鍵。第一道是機器審核，用規則檢查能量化的東西：有沒有踩到禁用詞、字數在不在範圍、該有的段落（結論、例子、行動呼籲）齊不齊。這道閘門可以完全自動，用一個判斷節點就能擋。第二道是人工審核，看機器看不出來的東西：語氣像不像品牌本人、有沒有空泛的模板句、數據和案例追不追得到來源。

機器審核這道，可以再讓一個 AI 節點打分。給它一張簡單的評分表，低於及格線就自動退回重寫，這個規則要寫死在流程裡：

> 你是內容品管。請依下表為這篇稿打分，逐項給分並附一句理由，最後算總分。

> 語氣一致性（滿分 40，及格 32）：是否貼合品牌顧問口吻、有無空泛模板句。

> 事實正確性（滿分 30，及格 24）：數據和案例是否具體、可追溯。

> 可讀性與結構（滿分 20，及格 14）：段落是否精簡、結論是否在段首。

> 行動呼籲清晰度（滿分 10，及格 7）：結尾是否帶出明確下一步。

> 總分低於 77 請直接標記「退回重寫」並列出要改的點。

這裡有個觀念要先想通——你該鎖住的是品牌底層的語氣和論述框架，而不是把句型也固定死。語氣鎖太死，每篇會長得一模一樣；完全不鎖，又會飄。中間那條線，就是靠語氣資料集加上人工這道閘門一起守。

第五步——把通過的稿自動發布到網站

過了閘門的稿，最後一步是讓它自己進到發布平台，不必你再登入後台複製貼上。

以最常見的 WordPress 為例，串接的鑰匙是「應用程式密碼」。做法上有個安全前提先講，不要把你的後台帳密直接交給自動化工具，正確做法是在後台另外建一個專用帳號、賦予「投稿者」或以上的發文權限，再為它產生一組應用程式密碼。這組密碼權限跟著角色走、隨時能撤銷，比直接給帳密安全得多。

把這組密碼填進自動化平台的 WordPress 節點憑證，設定好「建立文章、狀態設為草稿」，工作流跑完就會自動在後台生出一篇草稿。注意這裡刻意設成草稿而不是直接發布——這就是前面說的、要保留的最後一道人工確認閘門。AI 能生出高品質初稿，但加進你的觀點、核對事實、確認符合品牌標準，這些才是讓內容真正有價值的地方，不能省。

發布節點的提示詞通常不是給 AI 的，而是給平台的設定。但如果你用能讓 AI 讀寫工作流的平台，可以這樣描述需求讓它幫你接：

> 在這條工作流最後加一個 WordPress 節點：把通過審核的文章建立成新文章，標題用生成的標題、內文用生成的內容、分類填「指定分類」、狀態設為草稿（draft），不要直接發布。憑證我會自己填應用程式密碼。

走到這裡，一條從觸發到草稿的內容流水線就完整了。但工作流不是搭完就結束——它需要被養。

第六步——盯著成效，讓工作流越跑越準

工作流上線只是開始。真正讓它從「會產文」進化到「產對的文」，靠的是持續看數據、持續微調提示詞。

剛上線時別急著追產量，先追「首次通過率」和「退稿率」。如果機器審核這道老是把稿擋下來，代表生成節點的提示詞或語氣資料集還沒調好，這時候硬衝產量只會製造一堆重工。等通過率穩定了，再把量放大，團隊壓力會小很多，整體產能也更持續。

迭代的方法很具體。每隔一段時間，回頭看那些被退回或人工大改的稿，找出它們的共同問題——是某類主題老是寫太空泛？還是禁用詞老是漏網？把這些發現補回提示詞或語氣資料集，下一批就會更準。AI 內容流水線的品質不是一次設定就到位的，是這樣一輪一輪校正出來的。

也別忘了給工作流一個「出錯通知」。任何一個節點失敗時，讓它自動發一則訊息到你的通訊軟體，你才不會在某天發現它默默空跑了一週。把監測和回滾的機制備好，這條流水線才真正可靠。

建工作流最常見的幾個誤判

把前面六步走過一遍，你大概已經能搭出第一條能用的流程。但有幾個觀念上的誤判，幾乎每個新手都會撞上，先講清楚能少走很多冤枉路。

第一個誤判，是想一次把流程做到全自動、全覆蓋。 比較穩的切入點，是先挑一個錯了也容易修正的內部流程——資料整理、摘要、通知這類，先讓最小流程跑通，再把檢查、審稿、品質規則一層層加上去。一開始就追全自動，往往還沒上線就先卡在「規則永遠補不完」。

第二個誤判，是以為導入 AI 會先卡在技術。 實際上更常卡在共識。像「什麼叫品牌語氣一致」「低分稿到底要不要退件」這些規則，如果團隊沒先講定，再強的模型也只會變成一台高頻重工的機器。技術反而是最好解的一關，難的是事前的標準對齊。

第三個誤判，是把 AI 工作流當成能取代編輯。 它取代的是初稿和重工這段最耗時的搬運，不是取代判斷。真正影響成效的觀點、案例、對讀者的理解，還是得人來定錨。把人留在最後那道閘門，是這套流程能長期可信的前提，不是它的缺陷。

至於不會寫程式能不能做——可以。從「表單到 AI 改寫到文件輸出」這種五個節點內的小流程開始，先跑通再加條件分流。要做最小可行版本通常一到三天能上線；若要連審稿治理和成效看板一起做，抓兩到四週比較務實。成本前期也通常可控，WordPress 的 API 本身免費，自架 n8n 也免費，主要花費就是模型的 API 用量。

把重複的事交給機器，把判斷留給自己——這不是一句口號，而是一條真的能搭出來的流水線。你不需要一次做完全部，從一條流程、三個指標開始，最容易看到成果，也最容易讓你願意繼續把它養下去。