← 返回博客

GrowthGPT 2.0:持续运行的增长系统

GrowthGPT 2.0 正式上线。把业务目标、上下文、团队方法、执行边界和结果反馈串成一条持续运转的增长链路——人定义目标和边界,系统让已经明确的增长工作持续往下走。

Rubin· GrowthGPT 创始人

做增长的人,一天的时间是怎么花掉的?

广告后台看数据、设计工具里找素材、文档里翻复盘记录,关键讨论散落在各个群聊和会议里。真到要做决策的时候,又得把目标、数据、历史经验重新拼一遍。

工具越来越多,增长却没有变轻松——消耗团队最多精力的,从来不是判断本身,而是找数据、对齐信息、协调流程、整理结果这些重复的衔接工作。

今天,GrowthGPT 2.0 正式上线。

核心变化是:我们把业务目标、上下文、团队方法、执行边界和结果反馈串在了一起,让增长工作第一次形成可以持续运转的完整链路。

过去,GrowthGPT 更像一位增长执行助手:你提出一个任务,它帮助你完成。

现在,它开始帮你把任务串起来——已经明确的工作可以持续往下推进,不用每一次都从零开始。

人负责定义目标、判断方向、设置边界;GrowthGPT 负责理解信息、调用方法、推进执行,再把结果带回下一轮决策。

从分散任务到持续增长系统:图表、便签、日历上的零散任务,汇聚成一个 Growth Mission

Context:先读懂业务,再决定下一步

「这条素材要不要停?」

「这轮活动效果怎么样?」

「下一批素材应该从哪里改?」

这些问题看起来简单,却不能只看一个数字、一句指令,就给出答案。

做出可靠判断之前,需要知道你的产品是什么、品牌调性是什么、目标受众是谁、预算有多少、业务目标是什么、之前试过哪些方向、哪些动作可以直接执行、哪些必须负责人拍板。

增长工作的难点,从来不是问题本身,而是问题背后的业务上下文。

GrowthGPT 2.0 可以接入团队已有的业务资料、工作规则和历史数据,先把相关上下文整理清楚,再给出判断。

它不只是回答「通常应该怎么做」,而是尽可能帮助团队回答:

结合我们当前的产品、目标、预算和历史表现,现在更适合怎么做?

这样,讨论不必总从「我先把数据找出来」开始。团队可以更快进入真正重要的问题:问题在哪里,什么最值得优先处理,下一步怎样做更合理。

GrowthGPT 业务上下文界面:Brand Kit 里的产品、品牌、受众、历史表现,汇成一条基于业务理解的下一步建议

把团队的方法,变成可以复用的 Skills

每个增长团队都有一套自己的工作方法。

有的团队对品牌内容有明确的审核标准;有的团队遇到账户波动时,会按照固定顺序排查;还有的团队早就定好了规则,哪些动作可以直接处理,哪些情况必须由负责人确认。

这些方法往往散落在资深成员的经验、零散文档和日常沟通中。新人进来要重新学,跨团队协作要反复对齐。

GrowthGPT 2.0 的自定义 Skills,帮助团队把已经验证过的方法整理下来,并应用到品牌审核、广告诊断、素材复盘和多平台发布等任务中。

需要哪些信息、按什么步骤走、用什么标准判断、最终怎么交付、哪些节点必须人工确认,全部可以提前定义。

Skill 不是一个更长的 Prompt。它是把团队已经跑通的工作方法,整理成可以重复调用、持续迭代的标准化能力。

方法沉淀下来之后,团队不用再反复解释同一件事,新人也能更快对齐工作标准。

自定义 Skill 配置与调用:团队经验沉淀成一张可启用的 Skill 卡片,向审核、诊断、发布三类任务分发

让明确的工作按计划推进

很多增长工作,并不需要每次都从头判断。

多久检查一次素材表现、什么阈值下停止加热、什么情况调整预算、什么程度只需要记录上报——这些规则团队早就定好了。

但规则定好了不代表省了事,还是得有人盯着后台、看数据变化、手动推进每一步。

GrowthGPT 2.0 支持配置巡检频率、判断规则、处理方式和人工介入边界。设置完成后,系统会按计划自动运行:

  • 落在规则范围内的常规调整,按既定方法自动处理
  • 涉及预算变动、内容发布等重要决策,或者触发了规则之外的异常,再提交给团队负责人确认

这不是把所有决定交给 AI,而是让那些已经明确、重复发生、可以被清晰定义的工作,不再占用团队的注意力。

每一轮巡检的结果都会自动整理好。第二天打开系统,你能直接看到:发生了什么、哪些已经处理完了、哪些还在等你决定。

结果不再只是一次任务结束后的报告。它会成为下一轮工作的上下文,让团队在过去行动和真实结果的基础上继续判断,而不是再次从空白开始。

持续巡检、人工确认与结果汇总:定时检查 → 规则判断 → 自动处理 → 结果汇总,异常走人工确认分支

Growth Loop:一次增长工作,可以这样完成

举个最常见的场景:降低低效素材带来的预算浪费。

第一步,团队明确目标、检查频率、判断标准和执行边界。

第二步,GrowthGPT 读取与任务相关的账户表现、素材信息、品牌要求和历史记录,再按照团队配置好的 Skill 对素材进行检查。

第三步,符合条件且在授权范围内的调整,被自动执行;涉及重要预算调整或超出规则的情况,则提交给负责人确认。

第四步,巡检结束后,GrowthGPT 自动整理发现的问题、已执行的动作、判断依据和待确认事项。

下一轮素材测试开始时,上一次的行动记录、有效方法和遗留问题,都会自动成为新的判断依据。原本散落在不同工具中的工作,开始被连接成一个完整的、持续向前的过程。

目标—上下文—Skill—执行—结果闭环:定义目标 → 读取上下文与 Skills → 执行动作(带人类确认点)→ 沉淀结果,循环往下一轮

从增长助手,到持续运行的增长系统

GrowthGPT 1.0 解决的是单个任务的效率问题——分析账户、生成素材、整理报告、研究市场,每一件事都能帮你更快做完。

GrowthGPT 2.0 解决的是整个增长链路的断裂问题——团队提前定义好目标、方法、标准和边界,系统把这些信息串联起来:持续观察、按规则处理、超出边界时找人、再把结果变成下一次的起点。

这不是往产品里堆更多的 AI 功能,我们想解决的是一个更基础的问题:当工具越来越多、任务越来越碎,怎么让增长工作始终围绕同一个目标持续往前走,而不是在各个工具之间反复跳转、反复对齐。

增长的核心判断始终应该由人来做——目标怎么定、方向选哪边、创意怎么走,这些是 AI 替代不了的。但那些重复的、机械的、耗时间的衔接工作,应该交给系统去跑。

过去,是人不断把工具、信息和任务连接起来。

现在,人定义目标、方向和边界,GrowthGPT 帮助已经明确的增长工作持续往下走。

GrowthGPT 2.0 对比通用 Chatbot 和工作流产品:工作单位、业务上下文、团队方法、执行与反馈四个维度的差异

GrowthGPT 2.0,让增长不再是一堆彼此分开的任务,而是一套围绕目标持续运行的增长系统。

目前 GrowthGPT 2.0 正式上线。

欢迎开始你的第一个 Growth Mission,让下一次增长行动,不再从零开始。

→ 延伸阅读:Loop Engineering 是起点,Growth Systems 才是终点

→ 延伸阅读:GPT-5.6 更聪明了。它还是跑不了你的广告。