职业定位
IP操盘手 / IP助理
围绕专家IP、知识IP和创始人IP，搭建AI辅助的内容资产、生产流程与复盘机制。
01 / ABOUT THE OPERATOR
快速了解我
会计培训
将既有赛道经验转译为对知识型内容、业务资料和用户需求的理解。
CAPABILITY MAP
我能把哪些 AI 能力接进内容运营？
搭建科学的 AI 生产系统
把资料、知识库、生产节点和复盘连接起来。
AI 数字人
将人物表现层接入内容制作，支持不出镜的生产方式。
AI 剪辑
让口播内容、画面素材和成片交付更顺畅地衔接。
个人IP GEO
让AI更清楚地认识你的身份和专业方向，在回答中提及你
PROBLEM TO SOLVE
我能解决什么问题？
搭建半自动AI生产流水线和AI剪辑
连接专属知识库、生产线与数据复盘。
从真实任务出发，把AI能力拆成有输入、有审核、有输出的工作节点。
CASE 01 / AI CONTENT OPERATING SYSTEM
AI 内容生产线：半自动化生产系统，内容生产、复盘相互追溯
02 / SYSTEM MAP
大体框架
输入源IP 原始语料库原始证据与表达样本
AI员工人设架构师提炼表达与边界
核心数据库IP 人设档案库让内容更像本人
输入源业务原始资料产品、用户与案例
AI员工业务资料管理员整理业务事实、用户画像
核心数据库业务手册库让内容服务目标
输入源爆款样本 / 已完成拆解样本、转写与来源
AI员工爆款分析师形成待验证范式
核心数据库内容库承接生产与复盘
爆款拆解 / 范式→选题→脚本→封面→内容质检
人工确认发布与数据复盘→得出新结论/规律→确认后回库
03 / THREE CORE DATABASES
三个核心数据库，分别解决“像谁”“卖什么”“做什么内容”。
01像谁
IP 人设档案库
解决“内容像不像本人”。从 IP 原始语料中提炼表达方式、价值观、语言习惯、边界和可核验的个人故事。
- 输入
- IP过去的视频、文章、语音等
- 输出
- 可调用的人设档案
02卖什么
业务手册库
解决“内容服务什么业务目标”。整理商业模式、产品服务、用户画像、案例、常见异议、转化路径，形成业务手册。
- 输入
- 业务原始资料
- 输出
- 业务手册
03做什么内容
内容库
从爆款样本研究提炼到发布复盘的内容资产链，包含爆款拆解、提炼规律、选题、脚本、封面、质检和数据复盘。
- 输入
- 爆款样本、人设、业务目标、数据表现
- 输出
- 爆款规律、选题、脚本、封面、复盘反馈
04 / AI WORKFLOW
一条内容如何在内容库里从研究走到复盘？
01爆款拆解 / 范式AI员工：爆款分析师
基于爆款样本脚本转写，完成单条拆解并在大量样本里提炼规律。
- 输入
- 爆款样本逐字稿、表现数据
- 输出
- 待验证的爆款范式候选
- 边界
- 单条样本只能形成观察，范式候选需要多条样本形成支撑
02选题AI员工：选题策略师
使用已审核且有效的范式生成、评分、分类和去重选题。
- 输入
- 已确认的爆款范式
- 输出
- 带来源和使用状态的选题
- 边界
- 时效热点回查重复，只使用人工确认过的选题
03脚本AI员工：脚本撰稿人
基于已通过选题、人设、业务目标和关联范式生成标题、钩子、口播完整脚本
- 输入
- 选题 ID、人设档案、业务目标、范式来源
- 输出
- 保留脚本 ID 的脚本文案
- 边界
- 不编造事实；不负责封面；最终脚本需人工确认。
04内容质检AI员工：内容质检员
检查输入完整度、事实、人设、结构、封面一致性和风险，输出清晰的质检结论。
- 输入
- 脚本、来源、标题和结构信息
- 输出
- PASS / REVISE / BLOCK
- 边界
- AI PASS 不等于人工批准，也不等于已经发布。
05封面与成品复审AI员工：封面设计师 + 质检员
仅基于已确认脚本制作封面方案，再检查标题、封面和正文的一致性。
- 输入
- 已确认脚本和内容质检结论
- 输出
- 封面文案、构图方向、一致性复审
- 边界
- 不改脚本核心观点；最终封面和成品由人工确认。
06发布与数据复盘AI员工：数据复盘分析师
AI写脚本按时间点自动抓取作品数据，结合数据和视频脚本进行分析复盘
- 输入
- 已发布作品、脚本匹配、同生命周期数据
- 输出
- 数据观察与待验证规律
- 边界
- 必须先匹配脚本；不自动升级正式范式规律。
05 / CONTENT DELIVERY
内容生产案例：从一个已通过选题到一条可交付内容
我把一条内容拆成可检查的交付链：已通过选题 → 脚本 ID → 标题、钩子、口播和 CTA → 内容质检 → 封面方案 → 一致性复审 → 人工确认。
已通过选题→脚本 ID→标题 / 口播 / CTA→内容质检→封面方案→人工确认
01 / 02EVIDENCE / SCRIPT脚本如何落到具体文本
01 / 02EVIDENCE / COVER确认后的脚本如何进入视觉交付
01 / 04分析图
06 / REVIEW LOOP
数据复盘，把表现放回原内容里解释。
01已发布作品收集作品发布后的数据表现
02脚本精确匹配先确认作品对应哪一条脚本
03同生命周期数据T+24h / T+72h / T+7d 各个周期数据
04评论与转化反馈把用户回应放回内容语境
05待验证规律人工审核后再决定是否更新到内容库
07 / APPROVAL GATE
AI 负责加速，人工负责批准。
人设、业务事实、客户案例、正式爆款范式、选题、最终脚本、封面，以及待验证规律是否升级，经过人工审核确认。
REUSABLE OUTPUTS
这是一套以人工审核为边界的半自动化系统：AI负责加速整理和生成候选内容，身份、事实、选题、脚本、封面、发布和规律升级仍由人工确认。
人设档案业务手册爆款拆解待验证范式选题库脚本样稿封面方案质检结论复盘报告
CASE 02 / AI VIDEO PRODUCTION SYSTEM
AI 自动剪辑：让口播语义自动匹配画面，让视频更快交付
AI 剪辑搭配克隆音和数字人，让 IP 本人无需出镜，也能把脚本快速转成有声音、有画面、可交付的视频。
01 / CLONE PERSON + FINAL VIDEO
从数字人到最终成片，展示一条可交付的 AI 视频生产链。
脚本和数字人生成口播视频，再用AI剪辑根据口播内容匹配画面、字幕与动效。展示的数字人是本人，可线下见面对比视频中数字人效果。
04 / TRAINING MATERIALS
要让克隆效果稳定，训练素材很重要。
克隆音训练素材要求
准备 1—2 分钟干净、连续、单人普通话；无 BGM、噪声、回声和多人串音；保持录音距离和音量稳定；包含自然陈述、疑问、数字、专有名词和停顿；避免咳嗽、喷麦、削波、吞字和忽大忽小。也可拿过往没有剪辑过的口播视频去训练，经过本人授权。
克隆人训练素材要求
使用单人正面或近正面头肩素材，脸部和嘴部清晰，光线、背景、机位稳定；避免快速转头、遮脸、口罩、墨镜、滤镜、变焦、跳剪和多场景拼接。人物手势使用通用型手势，避免一些有明确意义的动作，如用手势比1、2、3等，经过本人授权。
05 / USE-CASE BOUNDARIES
会做数字人，更要知道什么时候不该用数字人。
技术效果不是使用理由，场景的真实性、责任和信任成本需要单独判断。
适合克隆人
- 高频知识点
- 易错题讲解
- 考前每日知识点
谨慎处理
- 强销售转化，优先真人出镜
- 需要反复确认事实和授权的表达
不建议 / 必须真人判断
- 个人真实经历
- 学员 / 客户案例见证
- 政策、争议和风险回应
02 / PRODUCTION FLOW
先把判断标准和中间证据说清楚，再让画面动起来。
AI 加速生产，但每一个可交付节点都保留输入、产出和人工判断。
01定稿脚本明确口播、时长、画面意图和规格。
02克隆音 / 原始声音根据场景接入声音表现层，先做听感和授权检查。
03克隆人 / 真人素材需要稳定出镜时使用数字人，强人格表达保留真人。
04静态分镜先确认构图、文字、截图、人物窗口和语义。
05AI 动效与剪辑完成字幕、运镜、景深、转场和素材匹配。
06AI抽帧质检检查文字、裁切、转场、音画同步和输出规格。
07人工观看技术检查之后完整观看，判断节奏和表达是否成立。
08模板沉淀把有效效果保存为可复用工程资产。
06 / PROCESS EVIDENCE
静态分镜、时间轴和抽帧检查是可回溯的过程证据。
精选展示 4 张静态分镜和 1 张最终 QA 联系图。
原始口播→时间轴脚本文案→多个静态分镜→动态实现→抽帧检查→人工观看→最终成片
AI 视频剪辑，从脚本到成片
从脚本拆解、克隆音 、数字人、静态分镜与口播画面匹配，到字幕、动效、抽帧质检和人工观看，AI 负责加速制作，人工负责判断内容、节奏、授权与最终交付。
CASE 03 / PERSONAL GEO
GEO是什么？为什么IP运营现在需要它？
大白话说，GEO就是把“你是谁、你能解决什么问题、为什么值得相信”讲清楚，并放到AI和用户都能找到、看懂、核验的公开内容里。
01
让AI先认出你
当用户问“这个人是谁、能做什么”时，AI能把姓名、定位、方法和作品连到同一个人。
02
让线上获客接上你
现在AI时代大众的习惯很多从百度搜索转向AI搜索；如果没有AI模型容易读取到的公开信息，很难在回答中被提及。
AI可直接引用的案例摘要
方桂斌的GEO案例是什么？
方桂斌是IP操盘手 / IP助理，专业方向是AI辅助IP内容运营、内容资产建设与个人IP GEO。他的GEO案例以Entity Fact Sheet为事实主表，连接目标Query库、可引用答案块、个人网页、第三方公开内容和相同Query复测，展示如何把专业IP整理成AI可理解的公开信源。
METHOD / GEO WORKFLOW
我如何做GEO
从事实、内容、公开信源到测量复盘，形成一条可以解释、实施和复测的工作链路。
01 / 实体与Query
用Entity Fact Sheet统一姓名、职位、专业方向、方法论和案例边界；设计目标Query，并以用户会提的问题为复测依据。
02 / 可引用答案块
围绕“方桂斌是谁”“主要研究什么”“做过哪些AI辅助IP操盘工作”等问题，先写出首句直接回答的内容，再分发到个人网页和第三方公开内容。
03 / 公开信源与页面结构
把稳定事实组织成个人网页、公开文章和可访问页面，让人物身份、专业方向、方法论与作品之间形成清晰关系。
04 / Baseline与复测
记录多平台Baseline，比较实体识别、信息准确性、自有页面引用和来源变化，再用相同Query复测，不把单次回答当成稳定结果。
01Entity Fact Sheet
02目标Query
03可引用答案块
04个人网页
05第三方公开信源
06相同Query复测
事实先行 / 答案可引用 / 结果可复测
BASELINE / 首轮测试
Baseline：AI当前如何理解方桂斌
首轮测试使用15条冻结Query，分别在豆包、千问和DeepSeek执行，共形成45条Baseline记录。以下截图展示其中5个代表性Query的回答状态。
首轮测试数据 / Baseline记录，测试GEO优化前的AI回答
15采用问题数
3AI平台
45Baseline记录
0 / 0提到姓名 / 引用个人网页
实体识别类
先看AI是否认对人
READ THE METHOD
七篇文章，覆盖Query库里60条用户可能会提的问题
七篇文章发布在个人网页和第三方平台，并按平台阅读场景做原创改写；作者、事实和来源保持一致，是否形成跨平台独立信源需要通过复测观察，不能预先保证。
TECHNICAL GEO / 网页基础优化
通过页面结构和公开信源整理，便于抓取、解析和核验
我用一组基础的网站优化，把个人身份、专业内容和页面关系整理清楚，让 AI 模型更容易获取并理解这些公开信息。
01 / 先让页面可访问
保证网页可以公开打开，并准备 robots.txt、sitemap.xml 等基础入口，让搜索与 AI 抓取工具更容易找到内容。
02 / 把页面重点说清楚
用 Title、H1/H2 和内链把页面主题、重点和相关内容讲清楚，减少 AI 读取时的理解成本。
03 / 把内容关系连起来
用 Person/ProfilePage、Article 等结构化信息，把我是谁、写了什么、专业方向和页面之间的关系连起来。
04 / 检查并持续复测
通过搜索工具、抓取检查和 OAI-SearchBot 访问检查，确认页面真的能被访问，再用实际问题复测 AI 是否读对。
CASE TAKEAWAY
GEO不是把内容写得更多，而是让身份、专业、证据和作品形成可理解、可核验、可复测的公开关系。
方桂斌通过Entity Fact Sheet、目标Query、可引用答案块、公开信源和Baseline复测，展示个人专业实体如何从“AI不确定识别”走向“信息可理解、来源可核验、变化可复测”。
CASE STUDY / ACCOUNT GROWTH PROPOSAL
提案：为成熟IP做账号升级
从账号诊断、定位升级。到内容系统与验证复盘
这是成熟商业 IP 的内容再增长验证期。
李忠魁已经具备师资、课程和机构承接基础，不是从 0 到 1 的新号；本提案依据账号进行策略判断。
稀缺能力没有被持续沉淀成用户记忆。
真正稀缺的资产是20+年教学经验，以及把多科、多考种关系讲通的能力；近期内容却更容易让用户记住阶段性产品，而不是长期专业判断。
不削弱课程转化，把履历标签变成可持续生产的内容资产。
不削弱原有课程转化，而是把“一人御六科”由履历标签变成三套可持续生产的内容产品
PAGE 03 / BUSINESS & USER
先服务“高意向备考决策”，再追求泛流量。
已有商业链路
短视频认识老师 → 主页 / 系列内容建立信任 → 预约直播 → 直播答疑或诊断 → 课程 / 题课包 → 后续跨考复购。
优先服务的三类用户
01 / 在职中级考生
时间少，顺序更重要
三科学习顺序容易混乱，更需要判断先学什么、学到什么程度，以及不同阶段如何衔接。
02 / 初级转中级考生
有基础，但迁移不顺
已有初级基础，进入中级后仍像重新学习，需要看懂哪些知识可以迁移、哪些地方必须补齐。
03 / 中级转注会或一备多考
降低重复学习成本
需要跨科、跨考种的路线设计，把已有知识连接起来，减少重复投入和方向摇摆。
02 / COMPETITIVE OPPORTUNITY
机会：不卷单科知识量，抢占“跨考路线设计”。
同赛道对照账号
参考类型 / 方法陪伴
方法陪伴型
备考规划、错题方法和情绪陪伴更容易形成高频关系；不应照搬：只做泛方法，会浪费多科教学壁垒
参考类型 / 单科专家
单科专家型
某一科、某一题型讲得透，定位窄，用户预期清楚；不应照搬：与其争“更像单科老师”，不如放大跨科跨度
机会点
加强“多科、多考种、20+ 年带考经验”的优势：同一个知识点在不同考试中要求掌握的范围、深度、应用方式不同。不只是教一道题，而是告诉学生不同考试需要分别学到什么程度，当前问题出在知识、顺序，还是考试路线
03 / POSITIONING
把履历标签，变成用户能复述的价值。
一人御六科
能说明教学跨度，却没有直接回答用户：我遇到什么问题时应该持续关注你？
财会跨考学习路线设计者
一句话定义用户心智（建议）：初级、中级、注会不知道怎么衔接，就找李忠魁。
01简介讲清跨考路线价值
20+年中级教学｜中级三科主讲；讲清初级→中级→注会怎么衔接；每周直播诊断备考路线。
02置顶作品依次回答身份、衔接和路线诊断
① 李老师是谁——为什么一个老师能讲通多科；② 初级→中级→注会学习地图——不同阶段分别学什么；③ 三问诊断你的备考路线——引导进入直播答疑。
03标题先写用户问题，再承接课程产品
标题结构：人群/阶段 + 错误或冲突 + 明确结论。产品名称放在内容证明或结尾承接，不默认占据每条标题的第一记忆位。
04 / CONTENT SYSTEM
三套栏目，分别完成拉新、信任与转化。
01 / 拉新与收藏
跨考知识地图
把同一个知识点放进初级、中级、注会的学习路径中，帮助用户看清不同阶段怎么考、先学什么。
承接：收藏地图 / 评论当前考种02 / 专业信任
多年带考诊断
从高频备考现象出发，先给出明确判断，再解释原因和调整方式，把经验变成可识别的方法。
承接：留下备考阶段 / 关注下一集03 / 互动与转化
错题门诊与直播解决室
从一道错题识别背后的学习问题，先给一步可执行解法，再把完整诊断承接到直播或课程。
承接：预约直播 / 进入对应课程PAGE 07 / VALIDATION PLAN
30天做验证
第一周建立定位基线调整主页与置顶，让三套栏目分别建立基线，先判断用户能否识别新定位。
→
第二周做同主题成对测试加入问题诊断型直播，比较跨考角度与单科角度谁更能吸引正确用户。
→
第三周测试表达与承接测试标题、内容长度和 CTA，并把高频问题复用到直播与后续内容。
→
第四周放大强项、淘汰弱项保留2个表现最好的栏目做互补且做长期排期，另一个做改造做少量排期
五组 A/B 假设（建议）
- 同一知识点：跨考对照 vs 单科讲解。
- 同一产品信息：用户痛点开头 vs 产品名称开头。
- 同一备考问题：20年经验判断 vs 纯知识说明。
- 同一内容：问题型 CTA vs 课程利益型 CTA。
配对测试说明
配对测试尽量保持题材、发布时间段和制作质量接近，不用不同选题直接归因。
06 / VALIDATION & REVIEW
数据复盘决定下一步动作
H2
跨考问题能否稳定拉新
H1
定位是否吸引正确用户
H3
专业诊断能否推动行动
内容信号前3秒/5秒留存、平均播放时长、完播率、千次播放收藏与分享
账号信号主页访问率、关注率、精准评论占比
商业信号直播预约率、直播进入率、商品点击/咨询
放大
同一格式至少有 3 个独立样本，配对测试的核心指标中位数持续胜出，且商业意向指标没有变差。
调整
观看或收藏变好，但主页、关注、直播没有提升——优先修定位表达和 CTA，不急着换题材。
停止
连续 3 组配对均弱于对照，且精准互动、直播意向也弱——停止该模板，不用单条偶然高赞挽救。
07 / ZERO TO ONE
从 0 起号：先商业判断，再做内容
02 / RESEARCH & DIAGNOSIS
前期根据这几个维度进行调研
商业判断
先确认业务靠什么成交，再决定内容要把用户带向测评、试听、预约咨询、到店、试用等等根据行业而定。
- 教育/培训→ 能否帮用户少走弯路→ 测评、试听、直播答疑
- 专业服务→ 能否识别并解决具体问题→ 诊断、预约咨询、案例沟通
- 本地服务→ 消费是否放心、值得→ 到店、预约、团购
用户判断
不只写年龄和城市，而是判断问题是否高频、是否有明确痛点，以及用户是否已经主动寻找解决方案。
- 第一类付费用户是谁
- 他最急、最愿意付费解决的问题是什么
- 他为什么相信我能解决
赛道与竞品扫描
对照头部、商业模式相近、近期增长或差异化账号，快速比较定位、用户、栏目、爆款母题和承接方式，最后归纳三个问题。
- 行业已经形成什么内容共识
- 哪里已经很卷
- 哪些能力是本 IP拥有但同行没有稳定占位的
找核心矛盾
按照“症状 → 原因 → 上游原因 → 核心矛盾”继续追问，避免把播放弱简单归结为钩子问题。
- 用户范围是否过宽
- 问题表达是否不够具体
- 最终上游是否没有形成稳定用户预期
03 / POSITION & PROFILE
定位和主页先建立用户记忆，再开始扩大内容。
用户型定位公式
为【什么人】解决【什么高价值问题】的【什么身份 / IP】，通过【什么差异化方式】建立认知。
01主页一眼看懂你是谁
02判断自己是不是服务对象
03知道你解决什么问题
04找到直播、咨询或购买入口
04 / CONTENT TASKS
三类内容任务，组成“流量—信任—转化”。
让正确的人停下来
用痛点、反常识或具体场景冲突切入，给明确结论，完成流量与人群筛选。
- 结构
- 问题场景 → 冲突 → 明确结论
- 观察
- 有效观看、留存、收藏分享、目标人群评论
让用户相信你的判断
展示真实问题的判断过程、方法、案例或示范，不只给结论，也不依赖空泛人设。
- 结构
- 真实问题 → 判断过程 → 方法 / 示范
- 观察
- 主页访问、关注、专业提问
推动一个低门槛行动
解释不解决问题的成本、解决路径和下一步行动，推动转化。
- 结构
- 用户问题 → 问题成本 → 解决路径 → 行动
- 观察
- 预约、私信、咨询、商品点击等
05 / VALIDATION LOOP
验证三个关键假设
配对测试
测试不是追求一次“爆”，而是判断哪个环节值得继续投入。
- H1 观看弱，改钩子和表达，观看强但关注弱，修主页。 H2 弱，先改服务对象或问题。 H3 有观看无行动，补产品教育和 CTA。
- 配对实验要尽量只改变一个变量，才能严谨些
放大
至少3个独立样本的核心指标中位数持续胜出
调整
观看不错但主页、关注或行动弱，修定位、置顶、产品教育和 CTA
停止
连续3组配对都弱，且精准互动和商业行为也弱
商业命题 → 第一付费用户 → 核心矛盾 → 用户型定位 → 三类内容任务 → 关键假设 → 发布测试 → 放大 / 调整 / 停止
想聊聊 AI 赋能、IP 运营，欢迎加我微信或发邮件。
微信：13112187281
邮箱：ff13112187281@163.com
邮箱：ff13112187281@163.com