经测试，仅需向 Claude 提供产品链接和预算，AI 即可自动化完成后续所有流程。目前 Lovart 尚未支持 MCP，需通过 n8n 或人工衔接素材。
Facebook 广告可实现自动化创建、受众分析、素材制作及数据分析。传统工作流中，从业者需在多个 AI 工具间切换，充当"人工胶水"。现已可通过 AI 工作流实现 90% 的自动化：仅需输入产品链接与预算，后续竞品分析、卖点提炼、受众定位、图片生成、广告创建、数据分析及周报同步均可自动完成。
以下为基于真实 Facebook 广告账户、真实产品及 API 调用的完整方案拆解。
你每天的工作流是否如下：打开 Claude 写文案，切到 ChatGPT Image 出图，登录 Ads Manager 手动创建广告，每周手动拉数据做 Excel 周报，再截图同步至团队群？每个 AI 工具单独使用都很强大，但人工衔接效率低下。
解决方案是构建统一的 AI 工作流。上周已在真实 Facebook 广告账户跑通核心链路，今日分享完整方案。
一、先看全景：完整的工作流长什么样
整条链路中，唯一需要人工参与的环节是第⑦步"审核确认"。
这不是概念图，以下基于真实广告账户、真实产品及 API 调用逐步拆解。
二、三个关键工具
在实操前，明确为何选择这三个工具的组合：
- Claude：大语言模型，充当链路"大脑"。负责产品分析、竞品研究、受众策略、文案撰写、数据解读及周报生成。它是每个环节的决策引擎。
- MCP（Model Context Protocol）：让 Claude 直接连接外部平台。目前 Claude 可通过 MCP 操作 Facebook 广告账户：查询数据、创建 Campaign、管理受众、分析趋势。无需登录 Ads Manager，在对话中即可完成。
- n8n：开源工作流自动化编排工具，充当"神经系统"。将 Claude API、图片生成 API、Meta Marketing API、飞书/企微 Webhook 等能力串联。每个节点为一个 API 调用，上一步输出自动流入下一步。
总结：Claude 是大脑，MCP 是手，n8n 是神经系统。
三、投放前：从产品链接到广告上线
实测输入
给 Claude 的全部输入仅两项：
- 产品链接：Aventon Current eMTB 电动山地车独立站产品页
- 日预算：$99
以下为一个对话内自动完成的全部步骤。
Step 1：自动抓取产品页，提炼核心卖点
Claude 直接访问产品页面，提取配置参数、定价策略、使用场景、媒体评测及用户反馈，输出结构化卖点分析：
- 卖点一：万元级性能，半价入手。Aventon Current eMTB 起售价$4,599，配备 RockShox 前叉 + 后胆、SRAM Eagle 变速、Maxxis 轮胎。同类配置在 Specialized、Trek 等品牌上售价破万。
- 卖点二：全能动力系统。自研 Ultro X 中置电机，110Nm 扭矩，850W 峰值功率，800Wh 大电池。对标 Specialized Levo 数据几乎持平，价格差一倍。
- 卖点三：真正的全避震山地车。140mm 后行程 + 150mm 前叉，29 寸大轮。非"带电助力自行车"，而是可认真越野的全避震 eMTB。
目标场景锁定：山地越野骑行、森林 trail、周末户外探险、通勤 + 越野两用。
过去需人工研读产品页、查评测、对比竞品，耗时至少一小时。现在 10 秒完成，输出直接用于 downstream 文案和素材生成。
Step 2：竞品分析与受众策略
Claude 结合产品定位和 eBike 行业数据，生成完整投放策略：
- 竞品洞察：同价位段（$4,000-$6,000）全避震 eMTB 选择极少。Aventon 差异化清晰：用 DTC 模式砍掉中间环节，把万元级配置做到$4,599。
- 受众策略：CBO + Advantage+ Audience 宽定向。eMTB 品类 Facebook 受众相对精准，Advantage+ 让 Meta 算法在人群池里自动寻找高转化用户。
- 定向参数：US 全国，25-55 岁，不限性别但男性为主，开启 Advantage+ Audience。
Step 3：生成 3 版广告文案
针对三个不同的用户心理切入点生成文案，并配套图片 Prompt（如林间 trail 骑行场景、配置细节特写、竞品对比），可直接用于 Lovart 或 ChatGPT Image 出图。
- 版本 A — 性价比冲击（理性比较型用户）
- 版本 B — 越野自由（体验驱动型用户）
- 版本 C — 品类教育（潜在入门型用户）
Step 4：通过 MCP 直接创建广告
Claude 通过 MCP 连接 Facebook 广告账户，在对话里直接创建完整的三层广告结构。
全部处于 PAUSED 状态，不产生花费。打开 Ads Manager 确认，广告已出现在后台。从输入产品链接到广告出现在 Ads Manager，大约 5 分钟。
四、投放后：数据分析、周报、团队同步
广告创建只是起点。投放后的数据监控、分析、报告和团队协同同样可自动化。
自动数据拉取与分析
Claude 通过 MCP 直接读取广告账户表现数据。实测获取内容如下：
- 表现趋势分析：每条广告的 CPC、CPM、CTR、CVR 时间序列变化和趋势方向。
- 异常检测：自动识别表现偏离正常范围的广告。
- 行业基准对比：将广告表现与同行业广告主聚合数据对比。
- 竞拍排名分析：识别竞拍中表现强弱的广告。
过去需手动拉报表、做透视表、画图表，现在一句话即可拿到结果。
自动生成周报
Claude 直接生成结构化周报：
- 本周核心 KPI 及环比变化（Spend、ATC、CPA、ROAS、CTR）
- SKU 级别或广告级别的表现拆解
- 表现异常的广告标记和原因分析
- 下周操作建议（加预算/关停/换素材/调受众）
输出格式支持 Excel、Markdown 或直接生成飞书文档。
自动同步给团队——定向行动指令
传统做法是群发周报，效率低下。在 n8n 工作流里，Claude 生成周报后，会根据不同角色拆分定向行动 Brief：
- 发给 KOL 合作负责人：告知本周 CTR 最高的素材场景，建议下周 KOL 内容拍摄重点。
- 发给设计师：告知本周表现最好的素材类型及 CTR 数据，要求按此方向出新图，并暂停低效素材方向。
- 发给独立站运营：告知广告端 ATC 成本与落地页转化率对比，建议检查产品页配置对比模块及结账流程。
每个角色收到的不是原始数据，而是与其工作直接相关的洞察及明确下一步行动。
五、当前的 3 个现实卡点
现阶段仍存在以下局限：
卡点一：图片生成是断点
Claude 能生成精确图片 Prompt，但不能直接出图。需在 n8n 里通过 HTTP 节点调用 OpenAI Images API 或 Lovart API，传入 Prompt 生成图片，再通过 Meta Marketing API 上传至广告账户。全程自动，无需人工干预。
卡点二：部分 MCP 工具还在灰度
Meta 的 MCP 功能在逐步开放中。部分工具（如 Pixel 查询、素材库读取）对部分广告账户尚未覆盖。实测中需手动提供 Pixel ID。这是时间问题，Meta 正在持续扩大覆盖范围。
卡点三：素材上传暂不支持
Meta MCP 当前不支持直接上传图片获取 image_hash。需通过 Meta Marketing API 的 REST 接口完成，在 n8n 里加一个 HTTP 节点即可。
三个卡点的共同解法都指向 n8n。这也是为何需要三个工具配合：Claude 做决策，MCP 做平台操作，n8n 补上中间缝隙。
六、n8n 编排层：把一切串起来
投放前自动化
投放后自动化
为什么是 n8n
- 开源免费：部署在自己服务器上，数据不经过第三方。
- 可视化编排：拖拽节点连线，不需要写代码。
- HTTP 节点万能：能调用任何 REST API。
- 支持条件分支：例如"CTR 低于 1% 则自动暂停并触发新素材生成流程"。
七、落地路径：分两步走
第一步（1-2 周）：跑通前半段
用 n8n 搭最小版本：输入产品 URL → 抓取 → Claude API 生成分析 + 文案 + 图片 Prompt → 输出到飞书文档。不接 Meta API，零风险，但"分析→策略→文案→Prompt"核心链路已自动化。每个新品上线至少省 2 小时人工。
第二步（后续迭代）：全链路贯通
接入 Meta Marketing API + 图片生成 API + 飞书 Webhook，实现完整闭环。只需在飞书群里发一条消息，5 分钟后收到"广告已创建，请审核"的通知。
八、这对 Facebook 广告投手意味着什么
在此工具链出现之前，投手日常是操作密集型：登后台、看数据、记录、分析、写文案、出图、建广告、拉报表、发周报、同步团队。大量时间花在重复性操作上。
有了 Claude + MCP + n8n，投手角色发生根本转变——从"操作员"变成"审核员 + 策略制定者"。
AI 执行：抓产品信息、分析竞品、写文案、生成素材、创建广告、拉数据、写周报、推送团队。
人来决策：卖点方向、文案 Hook、广告放量、预算倾斜。
时间应花在 AI 还做不好的事情上：洞察用户深层心理、制定长期投放策略、判断品牌调性方向、维护客户关系。
我们正处在一个窗口期。工具刚刚成熟到能用，但尚未普及。越早跑通这条链路的人，越能在效率上拉开决定性差距。