出海这门生意，正在进入困难模式。
海外市场越来越拥挤，欧美市场竞争激烈，东南亚、拉美、中东、非洲等新兴市场又有各自的消费习惯、审美偏好和媒体规则。
加之平台算法不断变化，流量越来越贵，过去靠增加预算和人手换增长的办法，也渐渐失效。
不少出海企业把希望放到了 AI 身上。
市面上的 AI 产品也确实越来越多。文案、图片和视频可以批量生成，市场分析和投放建议很快就能给出。
但营销人真正用过以后，往往感到失望。
工具增加了，流程却变得更复杂；生成结果看起来头头是道，能不能带来转化却没有把握。尤其当问题涉及预算、ROI 和增长，很少有人敢把决定权直接交给 AI。
AI 已经足够聪明，但距离在真实商业世界中挣钱，还是差了一步。
这一步，难在把 AI 接进真实业务，让它能够理解企业的目标，也能为自己的判断提供依据。
飞书深诺一直在尝试解这道题。
2025 年 6 月，飞书深诺就推出了业内首款针对出海营销的 Agentic AI 产品Marvy 1.0，让 AI 进入市场洞察、创意和投放等具体场景。
飞书深诺创始人兼 CEO 沈晨岗
经过一年的实战经验总结和迭代，今年 7 月 23 日，Marvy 升级到2.0 版本。
市场洞察、媒体策略、智能创意、智能投放和数据分析五大 Agent，被放进同一套 AgentOS 中协同工作。
飞书深诺创始人兼 CEO沈晨岗希望 Marvy 2.0 解决的问题，可以归结为三个词：
让出海营销更简单、更可信、更普惠。
AI 营销很热，营销人为什么不敢用？
AI 早已进入营销行业，但距离真正接管业务，还有一段路要走。
近日，IDC 发布了一份《出海营销 AI 智能体成熟度与服务商能力白皮书》，将出海营销 AI Agent 的成熟度划分为L0 至 L5。
数据来源：IDC Research on Maturity of Marketing AI Agent Applications for Overseas Marketing
按照这一模型，AI 在营销中的角色会经历 L0-L5 多个阶段：从提供基础工具，到辅助单项任务，再到跨流程协作，最终自主完成复杂业务。
目前，大量产品仍集中在 L1 至 L2 阶段。
即 AI 作为单点工具辅助，AI 可以生成一张图片、分析一份报表，也可以给出一套投放建议。但把这些能力放进完整的出海营销流程中，企业往往还要靠人来连接。
市场团队先做调研，再把结果交给策略团队；策略团队确定方向后，创意团队开始生产素材；素材上线后，投放团队继续调整预算；最后，数据团队再对效果进行复盘。
数据在不同系统之间搬运，结论在多个团队之间传递。某个环节使用 AI 提速了，并不代表整条营销链路也会变快。
不过，这也不完全怪 AI，跟出海营销本身的复杂性也有关系。
首先是本地化。
它包含语言，也包含当地消费者的生活方式、文化禁忌和审美变化。
一个在国内市场有效的卖点，换到海外可能毫无吸引力；一条看似精美的广告，也可能因为不符合当地语境而适得其反。
其次是平台的不确定性。
Meta、Google、TikTok 等平台持续调整算法。企业很难提前判断某条素材会获得多少流量，也很难控制一次投放最终触达什么样的人群。
更麻烦的是数据孤岛。
广告平台、电商平台、独立站和客服系统各自保存一部分数据。企业可以看到点击率，也可以看到销量，却未必能回答用户最初为什么被吸引，又在哪个环节选择放弃了购买。
这种复杂任务很难由单个 AI 工具完成，于是多智能体开始成为热门方向。
但问题在于，市场上很多的多智能体，只是把同一个问题同时交给多个模型，再对答案进行组合或筛选。
飞书深诺称之为「伪多智能体」：
伪多智能体，一个入口、N 个大模型加搜索引擎的简单并联。本质上是信息搬运工和答案投票器。
模型数量增加了，它们之间却没有统一的商业目标，也不了解企业的历史数据和实际工作流程。
这种组合式方案可以表现出智能，却很难解决营销这类直接关系到挣钱的复杂问题。
在飞书深诺看来，真正的多智能体需要达到五项标准：可信任、可协同、可落地、可验证、可进化。
它需要理解真实业务，让多个 Agent 围绕同一个目标协作；得出的结论能够检查，执行结果也能反过来优化系统。
更关键的是，行业智能无法靠几个模型迅速拼出来。
在飞书深诺看来，一个真正的行业智能体需要从业务中长出来，背后至少要有十年的行业实践。
它要懂媒体平台，也要理解客户痛点和市场变化，最终还要面对真实的商业结果。
五大 Agent，把营销全流程装进一个系统
飞书深诺将 Marvy 2.0 定位为一个「会思考的营销大脑」。
它将出海营销的完整链路装进了同一套 AgentOS。这套系统由五大专业 Agent 组成：
市场洞察 Agent：负责理解当地消费者、市场趋势和竞争格局；
媒体策略 Agent：选择平台、目标人群和预算方向；
智能创意 Agent：将市场判断转化为具体卖点和创意素材；
智能投放 Agent：负责广告创建、发布和动态优化；
数据分析 Agent：持续复盘效果，再将实际反馈传回前面的环节。
在五大 Agent 之上，Supervisor Agent 会根据企业目标拆解任务，判断哪些工作可以并行，哪些必须等待上游结果。
五大 Agent 共享上下文和任务状态，并对彼此的结论进行交叉验证。出现分歧时，Supervisor 负责协调；涉及预算和品牌安全的关键节点，仍然保留人工确认。
如果你是专业营销人，或许能看出来，这五大 Agent 对应的正是真实出海营销中反复遇到的问题：
市场看不清、策略难制定、创意与投放脱节，投后数据又无法及时反哺前面的判断。
Marvy 2.0 从一开始就围绕客户需求设计，产品已经进入真实企业的营销流程，并获得了正向反馈。
某中国消费电子品牌开拓尼日利亚市场时，就将 Marvy 2.0 用于实际项目。
Marvy 2.0 先分析当地消费者、竞争格局和历史投放数据，再制定媒体及创意策略，完成广告投放，并根据实际效果持续调整前面的判断。
按照传统模式，这项任务需要一个全链路投放团队耗时一个月才能完成。
接入 Marvy 2.0 后，该项目整体优化效率提升 74%，人工耗时减少 89%。
这说明在过去单点的 AI 内容生产之外，Marvy 2.0 已经呈现出另一种可能：AI 开始进入市场研究、策略制定、预算分配、广告执行和投后复盘。
出海营销本身也很适合 Agent 协作，它跨市场、跨平台，环节多、周期长，同时持续产生大量数据。
过去依赖不同团队人工衔接的流程，已经具备被 AI 重新组织的条件。
敢把预算交给 AI，凭什么？
当然，跑通流程只能证明 Marvy 2.0 能干活。问题在于：Marvy 2.0 凭什么可信任？
这就要看看它背后的技术优势了。
Marvy 2.0 的第一层技术优势，来自真实的营销数据和垂直算法。
通用大模型负责理解需求，也承担推理和内容生成。碰到预算分配、素材判断和效果预测这类专业问题，Marvy 2.0 会继续调用针对营销场景训练的能力。
举个例子，预算分配远比「哪个渠道效果好，就给哪个多投一点」复杂。
不同国家、媒体和人群之间存在大量约束。预算投向哪里，会影响下一阶段能够获得多少数据，也会改变后续优化空间。
Marvy 2.0 将线性规划与强化学习结合，在既定预算和业务目标下寻找更合适的分配方案。
创意判断也是同样的道理。现在的大模型都能生成广告，问题是生成出来的内容到底能不能转化。
Marvy 2.0 会结合历史素材和投放反馈，预估不同创意方向的实际表现，再决定哪些内容值得继续生产。
数据显示，Marvy 2.0 相关预测准确率最高达 95% 以上，高质量素材的生产效率提升至原来 3 倍。
第二层优势，是过程可追溯、可验证。
传统 AI 工具经常直接给出答案，却很少解释答案从哪里来。企业拿到一套看似完整的策略，很难判断其中使用了哪些数据，也不知道某个结论经过了怎样的推理。
Marvy 2.0 会记录 Agent 调用的数据、Skills 和执行过程。企业可以检查某项建议的来源，也能查看不同 Agent 如何得出结论。
复杂任务的处理时间由此减少 60%，Supervisor 模式下的执行效率达到原来的 2.7 倍。
第三层优势，是从真实结果中学习。
营销从来不是一次性交付。策略上线之后，市场会变，消费者会变，平台算法也会变。AI 如果每次都从头开始，依然只是一个用完即走的工具。
所以 Marvy 2.0 还做了一套 Trace → Eval → Agent 机制。
Trace 层负责记录每次任务执行的全链路轨迹，让所有轨迹统一管理、统一可查询、统一可回放。Eval 层则对每次执行进行结果质量、过程质量和系统质量三维评估，最终 Agent 层会将 Eval 层的评估结果反哺到下一次执行中，让系统越用越好用、越用越智能。
哪些市场判断准确，哪些素材真正带来转化，哪些预算策略没有达到预期，都会成为下一轮任务的参考。
有效的方法还会进入 Skill Hub，沉淀成企业可以继续调用的经验。
官方数据显示，Agent 经过自我迭代后，任务有效性提升 47%。
到这里，「可信任」这三个字才有了具体含义。
AI 不会永远正确，但它的数据有来源，判断留轨迹，关键节点有人确认，执行结果还能用于下一轮优化。
企业至少知道，它为什么这样做，做错了又该怎样改。
为什么偏偏是飞书深诺？
如果真正的行业智能需要从业务中长出来，那么问题也随之变成：
为什么是飞书深诺？
第一个重要原因，在于13 年的业务经验。
飞书深诺成立于 2013 年，是中国最早做出海营销的企业之一。13 年来，公司累计服务 17 万家企业，业务覆盖多个国家和行业，积累了深厚的出海营销经验。
回顾 Marvy 2.0 的来时路，沈晨岗将原因落到了服务 17 万家企业留下的真实业务数据上：
过去在我们服务 17 万客户出海增长的过程中，沉淀了巨大的数据资产。我们需要激活这些数据，用它们反哺更多客户，驱动客户销售持续增长。
不同企业怎样选择市场，什么样的产品适合什么人群，素材在不同文化中会产生怎样的反馈，预算如何根据实际效果调整，这些问题都在一次次真实项目中留下了数据和方法。
Marvy 2.0 的五大 Agent，也对应着飞书深诺长期参与的真实业务环节。
市场洞察、媒体策略、创意、投放和数据分析，原本由不同团队中的专业人员完成。Marvy2.0 所做的，是把这些业务能力转化成 Agent 能够理解和执行的工作流程。
第二个重要原因，是数据资产。
飞书深诺已经积累超过 1.3PB 真实业务数据，覆盖 233 个国家和地区，以及 50 多家海外主流媒体。
通用模型可以了解公开世界，却很难获取一家企业的历史素材表现、账户数据和具体营销反馈。对于出海营销来说，这些真实业务数据往往决定了策略能否落地。
数据之外，还有专家经验。
飞书深诺 300 多位营销专家，将实际项目中的方法沉淀成 1000 多项标准化 Skills，覆盖 12 个行业和 128 个细分场景。
这正是行业智能最难被迅速复制的部分。
模型能力可以通过 API 获得，多 Agent 框架也可以搭建，但真实数据、专家方法和持续反馈的工作闭环，只能在长期业务中一点点积累。
从 Marvy 1.0 到 2.0，飞书深诺也在把这种积累转化为系统能力。
1.0 验证了垂直 Agent 处理具体营销任务的可能，2.0 继续解决多 Agent 协作、过程追溯和持续进化。
原本依赖专业团队完成的重复性工作，逐渐被沉淀为数据、算法和 Skills。
当然，沈晨岗表示，Marvy 2.0 的出现不是为了替代人，而是释放人的创造性。让员工、管理者、企业和行业都回到更高价值的位置，重构人与 AI 协作的核心边界。
Marvy 2.0 还有一个更大的愿景：全球数字营销平权。
沈晨岗对此的解释是：
传统营销世界存在巨大的不平等。营销平权，就是让中小企业也能以较低的成本，拥有过去只有大企业才能享有的专业营销能力。
对于大型企业，Marvy 2.0 可以接入内部数据和业务规则，逐渐形成一套专属的 AI 营销大脑。
中小企业则面对另一种困境：它们通常没有非常完善的海外营销团队，也很难长期承担市场研究与专业投放的成本。一次错误的人群选择，或者一批低效素材，都可能迅速消耗有限的预算。
面向这类企业，飞书深诺计划推出Marvy Lite，将成熟的营销能力封装成更轻量的产品。
从 Marvy 2.0 到 Marvy Lite，飞书深诺希望让这套专业营销能力从大型企业走向更多出海品牌。
而要实现这种普惠，首先得让企业敢用，也敢把真实的营销任务交给 AI。
企业需要知道 AI 使用了什么数据，怎样得出判断，由谁执行，实际效果又能不能进入下一轮决策——这些能力很难通过几个模型的简单组合获得。
真正的行业智能，需要从长期业务中生长，也需要在一次次真实任务中继续进化。
Marvy 2.0 想做的，是把飞书深诺 13 年来服务 17 万家出海企业的行业经验，变成每个出海品牌都能用的全球 AI 营销新基建，让中国品牌赢在全球。
一键三连「点赞」「转发」「小心心」
欢迎在评论区留下你的想法！
— 完 —
� � 点亮星标 � �
科技前沿进展每日见
通弘网提示：文章来自网络，不代表本站观点。
