实战揭秘：Anthropic 增长负责人如何用 Claude Cowork + MCP 重塑 Google Ads 工作流

在效果营销领域，速度与精度就是生命线。面对海量的搜索词、复杂的预算分配和瞬息万变的竞价环境，传统的人工操作或脚本工具往往显得笨重且滞后。

近日，Anthropic AI 的增长营销负责人公开了其内部“秘密武器”：一套基于 Claude Cowork 自定义插件与 MCP (Model Context Protocol) 深度集成的 Google Ads 自动化工作流。这套系统不仅将资深优化师的直觉转化为可复用的“技能（Skills）”，更实现了从桌面端到移动端（Dispatch）的全天候智能管理。

以下是该工作流的深度拆解，展示了 AI Agent 如何真正接管复杂的付费搜索运营。

核心架构：MCP + Skills + Cowork

这套系统的强大之处在于其三层架构的紧密协作：

1. MCP (Model Context Protocol)：作为桥梁，直接连接 Claude 与 Google Ads API。它让 AI 不仅能“读”数据（查询报表），还能“写”操作（调整出价、添加否定词），且所有操作均在本地或受控环境中进行。
2. Custom Skills (自定义技能)：将负责人的个人经验、SOP（标准作业程序）固化为结构化提示词。每个技能包含明确的步骤、评估标准和输出格式，确保 AI 的行为符合专业规范。
3. Claude Cowork & Dispatch：桌面端处理复杂分析与批量操作，移动端（Dispatch）负责实时监控与紧急干预，实现真正的 7x24 小时管理。

实战流程：从数据挖掘到执行闭环

第一步：技能封装——将经验代码化

负责人并未让 AI 自由发挥，而是内置了多个高度结构化的技能，例如：

• 🔍 搜索词挖掘 (Search Term Mining)
• 💰 预算优化 (Budget Optimization)
• 📊 周度审查 (Weekly Review)

每个技能都是一套精密的指令集。以“搜索词挖掘”为例，它编码了资深优化师的逻辑：

“过滤出匹配类型为‘广泛’且状态为‘无’的搜索词 -> 按花费降序排列 -> 交叉比对现有关键词库 -> 评估相关性 -> 标记为‘否定’或‘新增’。”

第二步：智能执行——GAQL 查询与深度分析

当用户触发“挖掘搜索词”技能时，Claude 并非简单地聊天，而是通过 MCP 执行真实的 GAQL (Google Ads Query Language) 查询：

1. 数据拉取：直接从广告账户提取原始搜索词数据。
2. 逻辑筛选：依据技能定义的规则（如“高花费低转化”）进行过滤。
3. 智能评估：对每个可疑搜索词进行语义分析，判断其是否与业务目标相关。
4. 生成报告：输出包含详细理由的分类总结。

第三步：可审计的输出——透明决策

AI 生成的不仅仅是一个结论，而是一份可审计的证据链。

• CSV 报告：自动生成包含 Campaign, AdGroup, SearchTerm, Cost, Conversions 等字段的 CSV 文件。
• “理由”列 (Reasoning Column)：这是最关键的一列。AI 会明确解释为什么建议否定某个词（例如：“与核心产品无关，纯流量浪费”或“拼写错误变体”）。
• 价值：这让营销人员可以在执行前快速审核 AI 的逻辑，保留人类的最终决策权（Human-in-the-loop），避免误杀潜在机会。

第四步：一键执行——从分析到行动

一旦审核通过，无需登录 Google Ads 后台手动操作。

• 指令即执行：直接在聊天框输入“应用这些否定词”。
• 安全机制：所有修改操作（如添加否定关键词、调整出价）都会触发 明确批准请求。用户确认后，Claude 通过 MCP 调用 API 实时生效。
• 效率提升：原本需要数小时的“下载报表-Excel 清洗-上传否定词表”流程，被压缩为几分钟的对话。

第五步：移动办公——Dispatch 随时待命

这套工作流并未局限于桌面。通过 Dispatch（Anthropic 的移动应用），负责人可以：

• 📱 实时监控：随时拉取每日展示份额（Impression Share）、花费进度。
• 💡 即时决策：接收预算预警，直接在手机上批准预算调整建议。
• 🌍 全天候管理：无论身在何处，整个广告系列的管理闭环都在指尖完成。

💡 核心启示：AI 营销的未来范式

Anthropic 负责人的这一实践，为 AI 在垂直领域的应用树立了标杆：

1. 从“辅助”到“代理”：AI 不再只是写文案的工具，而是能直接操作 API、执行复杂逻辑的自主代理 (Agent)。
2. 经验资产化：通过将个人 SOP 转化为 Skills，企业的核心营销能力得以沉淀、复用和迭代，不再依赖个别员工的记忆。
3. 透明与可控：通过“理由列”和“确认机制”，解决了 AI 黑盒操作的信任问题，实现了人机协同的最佳平衡。
4. 全场景覆盖：桌面深度分析 + 移动即时响应，打破了办公场景的物理限制。

结语

这不仅仅是 Google Ads 的自动化，更是**“软件定义营销”**的缩影。当每一位营销人员都能像这位负责人一样，利用 Claude Cowork 和 MCP 构建属于自己的“数字员工团队”时，营销的效率与精度将迎来指数级的飞跃。

未来，竞争力的核心或许不在于谁拥有更多的数据，而在于谁能更快、更准地将经验转化为可执行的 AI 技能。（来源）