790 倍曝光增长背后：我如何用决策路径建模跑出一个 AI 旅游规划项目

我曾经也以为，内容增长拼的是创意。直到 TikTok 水晶项目和这次 AI 旅游规划项目都跑出结果后，我意识到：内容增长不只是创意问题，增长是可以被拆解和设计的。

行动 = 任务分类 × 决策闸门 × 意图塑形 × 行动触发

这篇文章讲的不是一条内容为什么火，而是一套内容增长系统如何从 0 到 1 长出来。换一个赛道、换一套产品、换一个冷启动场景，同一套方法能不能再次成立，才是我真正想验证的问题。

01｜跑出结果以后，先把它拆开

项目运行约三个月后，品牌线曝光从千级增长到几十万级，阶段累计约 79 万；内容平台后台的品牌搜索词同步走高。效果线则通过产品内特定词语 Query 归因，从 0 带来 4 万+ 新客，项目期 DAU 从 2 万+ 增至 4 万+。

这里的 Query 不是内容平台内搜索或互动，而是用户进入产品端后的主动查询，属于真实产品使用行为。它让这部分增长可以从传播结果继续追到产品行为，而不是把曝光直接当作增长成立。

产品假设 × 内容变量实验 × AI 协同放大 = 增长系统

项目是一款从 0 到 1 的 AI 旅行规划产品。旅游需求长期存在，也已经有成熟的解决路径；不存在的只是“AI 旅游规划”这个用户习惯。这意味着，我们不是创造一个新需求，而是在成熟路径上开一个口，让用户开始采用新的解决方式。

旧路径大致是：产生旅游意图 → 在内容平台多次搜索、对比攻略 → 生成自己的方案 → 到 OTA 分别下单机酒旅。突破口落在前两步。低频的“大旅游”被切成周末游、周边游；产品不取代攻略，而是融入已有搜索与比较过程，回答“我为什么要用 AI 规划旅行”。

实验结果并没有让三条假设全部成立。热点借路没有沉淀成稳定母版，场景重构和资源触发成为主线。增长实验的价值不在于证明最初的想法都对，而在于更快淘汰不成立的路径。

内容母版不是固定形式，而是一组能够稳定穿过用户决策链的变量组合。我们做结构化拆解、多账号最小 A/B 测试，再把胜出的组合沉淀成可复用资产。找的不是“爆款长什么样”，而是哪组变量能稳定触发行动。

内容增长也有两种结果：认知增长改变用户理解问题和进入决策的方式；行为增长直接触发搜索、Query 或产品使用。两者都属于增长，但作用在决策链的不同位置。

实验第三天，一条朴素内容起量：场景图加一句“附近有类似的地方吗？”，置顶评论给出 AI 回答。它在不同账号、不同主题下都能复现。真正重要的不是形式吸引，而是它改变了任务分类。

传统旅游入口是品类搜索或目的地攻略，这条内容创造了另一个入口：“我想去类似的地方。”AI 不再只是替代攻略，而是在新的决策入口上切进用户路径。

第一个真正带来 Query 的内容，是高考结束后的准考证限时权益汇总。它有效，不只因为优惠，而是价值明确、时间窗口清晰，直接打穿决策闸门。另一个行为母版来自路线地图：评论区大量“求高清版”，说明获取意图已经成立，于是把资料领取接入产品端特定口令，完成从“求资料”到主动 Query 的转换。

认知母版解决“为什么要用”，行为母版解决“为什么现在就要用”。

一次演唱会热点帖突然爆发，我们保持封面、文案、形式、激励与活动规则，只替换明星，甚至进入粉丝社群分发，却始终无法复现，更没有带来 Query。原因在复盘后很清楚：用户的任务是演出信息和明星话题，不是旅行规划。传播问题解决了，产品行为却接不住。

热点能带来围观，但只有贴着用户决策任务的内容，才能稳定带来行动。

公园和咖啡馆相关内容的互动持续高于平均水平。从任务结构看，这说明用户对城市轻出行存在稳定需求。信号被同步给产品团队，推动增加公园路线、咖啡馆路线等供给，形成了核心假设 → 内容实验 → 母版沉淀 → 行为验证 → 产品补齐的循环。

母版不会自动放大。围绕已经验证的人群和暑期旅行需求，活动把产品使用、激励、反复优化 Prompt 与裂变助力接在一起。原本预期四期合计带来千级 Query，第一期就超过预期，第二期进入万量级，后续持续攀升。

AI 在这里真正改变的也不是“替我想策略”，而是降低高密度实验需要的物料成本：同母版替换变量、跨场景复现、快速生成素材、快速复盘再生产。实验密度提高，找到母版和放大母版的速度才会提高。

纯内容是灵感，可遇不可求；但内容增长可以是工程，增长是可以被拆解和设计的。