1000万曝光内容背后的秘密

国外科技营销领域的“狂人” Matt Epstein @mattepstein 最近公布了他用Claude 做病毒传播的系统性打法。

这套方法最有意思的地方，不是让 Claude 帮你写一条更顺的推文，而是把 Claude Code 改造成一套完整的产品发布操作系统。按照他的思路，一次真正能获得千万级曝光的 launch，不是靠灵感、文案技巧或某个万能提示词，而是靠研究、定位、主张提炼、叙事设计、demo 编排、逐行审查和分发策略共同推动。

他甚至把自己 61 岁、只会用 Facebook 的母亲变成了这套系统里的一个判断标准。

这不是一个噱头。Matt 的意思是：如果一个产品发布想要冲到 1000 万曝光，它就不能只写给行业专家、投资人或技术圈的人看。它必须让一个低上下文、非技术背景的普通人也能迅速理解。于是他设计了一个所谓的 Mom Test agent，专门检查发布脚本里哪些话是普通人看不懂的。

如果连“妈妈”都看不懂，这条 launch 就还不够大众化。

这套方法的核心：Claude 不是写手，而是发布操作系统

大多数人使用 AI 写内容的方式，本质上还是搜索引擎式的。

他们打开 ChatGPT 或 Claude，输入一个提示词，拿到第一版结果，再让 AI “写得更好一点”，最后直接发布。

Matt 认为，这正是大多数 AI 内容显得廉价、空泛、没有传播力的原因。因为这种方式没有研究，没有品味，没有结构，也没有真正的编辑判断。

他的做法完全不同。

他不是让 Claude 直接写 launch script，而是让 Claude 先搭建一个完整的 launch team。Claude 的角色不是 writer，而是 operating system。它要负责拆解任务、分配 agent、研究市场、提炼角度、批评文案、重写 hook、检查叙事、删掉废话，并把最终版本逼近一个足够锋利的状态。

换句话说，Matt 不是在问：

帮我写一条发布推文。

他真正建立的是：

帮我搭建一条能持续产出高传播发布内容的生产线。

第一步：先研究市场，而不是先写文案

在这套系统里，Claude 不被允许一上来就写。

写作之前，它必须先研究。

研究对象包括：

• 公司本身。
• 产品功能和真实能力。
• 所在市场和品类。
• 直接竞品和间接竞品。
• 创始人故事。
• 用户已经在使用什么语言描述问题。
• 类似产品在 X、YouTube、Reddit 等平台上爆过的内容。
• 市场正在讨厌什么、反感什么、寻找什么替代方案。

这一步的重点不是“收集资料”，而是找到一个更深的问题：

市场到底为什么会在乎这个产品？

很多创始人做发布时，默认从自己想表达的东西出发。他们想说产品多强、团队多努力、融资多大、平台多完整。

但用户并不关心这些。

用户关心的是：这个东西和我有什么关系？它解决了什么我已经在意的问题？它带来了什么我以前没见过的新可能？

所以 Matt 的系统会先让 Claude 去看市场，而不是看创始人的自我介绍。

第二步：提炼 Bold Claim

Matt 认为，一次发布 95% 的成败取决于一个东西：

Bold Claim。

也就是大胆主张。

Bold Claim 不是一句口号，也不是一个听起来很宏大的形容词。它要回答三个问题：

1. 你到底发布了什么？
2. 它为什么重要？
3. 为什么它以前没有存在过？

如果一个产品说自己是“全球首个 AI 广告生成器”，在今天已经很难引发传播。因为市场上已经有太多 AI 广告工具了，这个说法并不新。

但如果它说自己是“全球首个 AI 广告编排器，可以用你的真实内容制作广告，并消灭 AI 垃圾感”，这个主张就更有机会被注意到。

原因很简单：它不只是描述功能，而是在创造一个新的类别。

它指出了旧世界的问题：AI 生成内容很容易变成垃圾感。

它提出了新世界的行为：不是简单生成广告，而是编排真实内容。

它让用户立刻知道，这不是又一个普通 AI ad maker。

在 Matt 的方法里，Claude 最重要的任务之一，就是从大量市场研究里提炼出这个 Bold Claim。没有它，后面的 hook、正文、demo 和分发都会失去中心。

第三步：用多 agent 拆解整个 launch 流程

这套系统最关键的设计，是把 launch 拆成多个专业 agent 的工作。

Matt 提到，他们会在 Claude Code 里运行一组专门 agent，每个 agent 只做一件事：

• 一个 agent 研究市场。
• 一个 agent 研究病毒式发布案例。
• 一个 agent 提取客户原话。
• 一个 agent 找出产品最有新意的主张。
• 一个 agent 写 hook。
• 一个 agent 批评 hook。
• 一个 agent 重写 hook。
• 一个 agent 检查叙事是否有趣。
• 一个 agent 检查每一句话是否让产品显得更重要。

更关键的是，每一步上面还有 manager agent。

manager agent 不负责产出，而负责检查。它会判断当前 agent 的结果是否足够好，哪里泛泛而谈，哪里不够新，哪里听起来像普通 SaaS 官网，哪里需要重写。

所以 Claude 不是一次性生成内容，而是在一个流程里反复被攻击、修改、评分和提升。

这就是 Matt 避免 AI 内容味的关键。

AI slop 的问题不是语法差，而是没有经过判断。Matt 的系统会强迫每一个环节都接受审查。

第四步：hook 必须立刻解释“为什么该看”

在 Matt 看来，hook 是大多数 launch 死掉的地方。

很多创始人的开头都太礼貌、太专业、太像公司公告，例如：

很高兴宣布我们完成了 2000 万美元融资，帮助团队改善营销工作流。

这种开头的问题是：它没有给用户任何必须继续看的理由。

一个强 hook 必须立刻回答：

• 这是什么？
• 为什么重要？
• 为什么它以前不存在？

如果第一句话只是说“我们发布了一个平台”，就重写。

如果第一句话听起来像任何公司都能说，就重写。

如果第一句话没有体现产品的独特性，也重写。

Claude 会生成大量 hook 版本，再交给 critique agent 批评，然后继续重写。直到 hook 拥有一个足够清晰、具体、有趣的注意力理由。

第五步：正文不是解释产品，而是证明主张

hook 的任务是抓住注意力。

正文的任务是证明 hook。

Matt 反对用“强大”“无缝”“智能”“为现代团队打造”这类词支撑产品发布。因为这些词听起来正确，但没有任何证明力。

真正有效的正文，应该是 demo-driven narrative。

也就是用 demo 推动叙事。

它通常包含四个部分：

1. 展示旧世界的问题。
2. 展示产品带来的新行为。
3. 展示用户第一次意识到“这东西不一样”的时刻。
4. 让用户理解为什么这个变化重要。

产品发布不是把功能列表念一遍。

它应该让用户看见一个新行为的诞生。

如果某个东西可以通过画面展示，就不要用抽象语言解释。如果某句话不能让产品显得更有用、更新颖或更不可避免，它就不应该留在正文里。

第六步：Weapons Check，逐行检查每一句话

Matt 认为，真正决定发布质量的，是后期的逐行审查。

他把这个环节叫 Weapons Check。

每一句话都要接受两个问题的检查：

1. 这句话是否提升了产品的发明新颖性？
2. 这句话是否有足够的文案强度？

所谓发明新颖性，是指这句话有没有让用户感觉世界上出现了一个新东西、新类别或新行为。

所谓文案强度，是指这句话是否足够锋利，能不能让用户产生感觉。

一句话可以是真的，但仍然很无聊。

一句话可以准确，但仍然很弱。

一句话可以解释产品，但仍然无法让人关心。

所以这套系统会非常激进地删减：

• 如果一句话只是填充，就删掉。
• 如果一句话像任何 B2B 公司都能说，就删掉。
• 如果一句话解释了本该用 demo 展示的东西，就删掉。
• 如果一句话没有让产品显得更重要，就删掉。

最终留下来的内容，应该让人感觉每一句话都有存在的必要。

第七步：Mom Test，把复杂内容打回普通人能懂

Mom Test 是这套方法里最有传播感的设计。

Matt 用自己的 61 岁母亲作为标准：如果一个只会用 Facebook、不了解技术行业的人看不懂这条 launch，那么它就太复杂了。

这个测试的本质不是贬低用户，而是检查低上下文理解力。

很多科技产品发布失败，是因为它们只写给同行看。里面充满了行业术语、技术假设、抽象概念和创始人自嗨。

但真正大规模传播的内容，必须让非专业用户也能快速明白：

• 这是什么？
• 它和我有什么关系？
• 它为什么以前没有？
• 它为什么值得转发？

Mom Test 会逼迫 Claude 删掉复杂表达，把内容压回更直接、更具象、更容易理解的状态。

第八步：保留完整 paper trail

Matt 的系统最后输出的不只是一个最终稿。

它会输出完整的过程资产：

• 市场研究。
• 定位选项。
• Bold Claim 候选。
• hook 迭代。
• 被拒绝的版本。
• critique 反馈。
• 重写过程。
• 最终 launch script。

这个 paper trail 很重要。

因为它让团队知道最终版本是怎么来的，也能看到哪些角度被放弃、为什么被放弃、哪些表达经过了反复验证。

这和普通 AI 写作完全不同。

普通 AI 写作只给你一个结果。

Matt 的系统给你一个决策过程。

最后 5% 仍然需要人

虽然 Matt 强调 Claude 可以完成 95% 的重活，但他并不认为人可以完全退出。

最后 5% 仍然需要人来做。

因为品味、判断力、市场感觉和最终取舍，仍然不是纯自动化可以完全解决的。

Claude 可以研究几百个角度，可以重写几十个 hook，可以攻击弱逻辑，可以删掉大量废话，可以把发布稿推进到一个非常强的版本。

但最后判断什么地方真的兴奋、什么地方应该更狠、什么地方会让市场产生情绪，仍然需要人。

所以这套系统的目标不是让 AI 替代创意判断。

它的目标是让 AI 完成绝大多数人类团队没有时间、没有耐心、也没有流程去反复完成的深度工作。

最后，总结一下

Matt Epstein 的方法，本质上不是一套爆款文案模板，而是一套 AI 驱动的产品发布工程。

它的流程可以概括为：

1. 先研究市场，不要先写文案。
2. 提炼一个真正有新意的 Bold Claim。
3. 用多 agent 拆解研究、写作、批评、重写和审查。
4. 用 hook 立刻回答“为什么值得看”。
5. 用 demo-driven narrative 证明主张。
6. 用 Weapons Check 删除所有弱句。
7. 用 Mom Test 保证普通人也能理解。
8. 保留完整 paper trail。
9. 最后由人完成品味判断和最终编辑。

这套方法真正值得借鉴的地方在于：它没有把病毒传播当成玄学，也没有把 AI 当成魔法按钮。

它把传播拆成了流程。

把创意拆成了判断。

把 launch 拆成了可以被研究、批评、重写和强化的系统。

这也是为什么 Matt 会把 Claude Code 称为发布操作系统，而不是写作工具。