投放心智模型课。从 CTR 到 LTV 的 5 个核心指标 + AI 在素材 / 出价 / 创意 / 归因 4 个环节的切入点。中英学员合班，但讲师举的真账号案例同时含中文和英文广告。
讲师用 1 个中文小红书聚光真账号 + 1 个英文 Meta Ads 真账号，演示 AI 在素材生成 / 出价提示 / A/B 创意 / 归因复盘四个环节带来的具体效率提升数据。
学员选定自己 W2 主修平台（中文：巨量 / 千川 / 聚光；英文：Google / Meta / TikTok）+ 预设一个真实可投的 A/B hypothesis。
👨🏫 直播 + 案例拆解中文学员主轴：巨量引擎广告投放 + 千川直播间投流 + 小红书聚光信息流。讲师真账号演示出价 + 定向 + AI 创意。澳洲学员可选修。
开 1 个新 campaign，从 0 到投放完成 — 选定向 / 设出价 / 配 AI 创意 / 打 conversion event / 看实时数据。讲师边讲边操作，学员可全程截屏存档。
学员选 1 个平台开始自己的 W2 A/B（小红书聚光低预算 ¥50/天 × 7 天起跑），下周 Clinic 带数据复盘。
👨🏫 投放后台帮看English track main: Google Ads search + Meta Ads creative + TikTok Ads spark. Instructor demos a real account end-to-end with AI creative ops. ZH learners may audit.
Walk through Meta Ads Manager: pick objective → audience → creative test set → run for $5/day × 7 days. Show how to read placement / hook strength / fatigue signals using AI assistant.
Pick 1 platform and start your W2 A/B campaign ($5/day × 7 days minimum). Bring data to next Clinic.
👨🏫 Live ad-account review传统 SEO 还要不要做 + GEO 是什么 + 中英 LLM 引用机制差异。讲师拆 JR 自家 GEO 实战 case（seo-optimizer skill / GEO popup 项目）。
讲师演示 JR 自家如何用 SEO + GEO 双管齐下 — 传统 SEO 在 Google 排名 + GEO 让品牌在 ChatGPT / Perplexity 答案被引用。配套监测脚本 + 日报模板。
学员明确自己品牌的目标 LLM（中文：DeepSeek / 豆包 / Kimi 任选；英文：ChatGPT / Perplexity / Claude / Gemini 任选）+ 选 5 个想被 LLM 引用的核心问题。
👨🏫 案例拆解W2 周末 Clinic（中英分场各开 1 次）：学员带 A/B 数据 + GEO 报告来现场互评。讲师定点拆 5-8 个真实复盘案例。
(1) hypothesis 是否清晰 (2) 样本量是否够下结论 (3) 归因模型选错了吗 (4) GEO 监测是否覆盖足够变种问题 (5) 报告结构是否能直接交给老板 / 客户。
学员收到老师 + 同学反馈 → 回家迭代 W2 作业（投放工作流 SOP）。
👨🏫 老师定点拆解A/B 测试设计原则 — 一次只变 1 个变量 + hypothesis 先于素材。批量出 4-8 个素材方向 → 标注 hypothesis → 跑 7 天 → AI 自动写 A/B 复盘报告。打通素材生产 → 测试 → 复盘的闭环。
学员输入 1 个产品 + 1 个 hypothesis（例："女性 25-30 用情绪钩比卖点钩 CTR 高 30%"）→ AI 出 6 组素材（3 情绪 + 3 卖点）+ 7 天数据填表模板 → AI 自动出复盘报告（CTR / CVR / ROAS 对比 + 下一步建议）。
🤖 hypothesis 检测 + 复盘格式校验用 Lab 跑出 6 组素材 + 1 份 hypothesis 文档 → 真账号上小预算（¥50 / $5 起）跑 7 天。
Landing Page 五段式 — Hero / Pain / Solution / Social Proof / CTA。每段任务、Hero 段最忌讳什么。从 1 个产品介绍生成 3 个差异化落地页版本（针对 3 类买家）。
学员输入产品基础描述 + 3 类买家画像 → AI 出 3 个差异化落地页文案（每版含 5 段完整内容 + Hero 候选 3 句）→ Lab 校验 5 段是否完整 + Hero 是否触达买家具体痛点。
🤖 5 段完整度自动校验给自己业务出 1 个落地页文案，部署到 Notion / Webflow / 自家站，下周 Clinic 看转化。
搜索意图四分类：信息型 / 比较型 / 交易型 / 导航型。每类适合不同的内容形式（信息型用长文 / 比较型用对比表 / 交易型用落地页 / 导航型用品牌词内容）。
学员上传 100-300 个长尾词（可从 Ahrefs / 5118 / Google Search Console 导出）→ AI 自动按意图聚类 + 每簇配选题角度 + 每簇推荐内容形式。
🤖 聚类合理性 + 选题数量校验用 Lab 给自己业务出 1 份关键词聚类表 + 5 个选题候选，下周做 1 篇内容验证。
GEO 三件套 — schema markup / FAQ schema / 引用监测 prompt。中英两套验证：DeepSeek / 豆包 / Kimi（中文 LLM）与 ChatGPT / Perplexity / Claude / Gemini（英文 LLM）。GEO 监测频率多久 1 次合理（一般周更）。
(1) Schema markup 生成器：输入业务页面 → AI 出 JSON-LD (2) FAQ schema 生成器：输入 5 个高频问答 → 输出可贴 HTML (3) 监测 prompt：5 个核心问题 × 3 LLM = 15 次查询，记录是否被引用 + 引用形式。
🤖 schema 合法性 + 监测覆盖度给自己品牌跑 1 次 GEO 监测，输出 1 份基线报告（W2 Quest 的核心交付）。
Programmatic SEO 三要素 — 模板 + 变量集 + 反低质量保护。Google 怎么判断 programmatic 内容是否低质（重复度 / 信息密度 / E-E-A-T）。1 个模板 + 200 个变量批量生成 SEO 长尾页（city / industry / role 矩阵）。
学员上传 1 个模板（如「{city} 的 {industry} {role} 招聘」）+ 3 列变量 → AI 批量生成 50 个差异化页面 → Lab 检测重复度 + 信息密度，剔除低质量页。
🤖 重复度 + 信息密度自动检测⚠️ 第 1 期可能用 wiki + 直播 demo 兜底，第 2 期前补齐完整 Lab
用 Lab 出 1 个 programmatic 模板（不必上线），看输出页质量是否达可发布标准。
评论挖掘的输出结构：痛点 / 卖点 / 反对声 / 价格敏感度 / 使用场景。批量从竞品小红书 / 亚马逊 / Trustpilot 评论中提取，作为投放文案的真实素材库。
学员粘贴 30-50 条竞品评论 → AI 按 5 维度结构化提取 → 输出 CSV 可直接喂给 W2 投放素材 prompt。
🤖 字段完整度自动校验给自己业务挖 100 条真实评论 → 喂给 L20 投放素材 A/B 流水线。
LLM-as-judge 三件套：rubric + few-shot + 多模型投票。为什么 LLM 自己评自己分容易高（用不同 model 的 judge 投票降偏差）。给 8 条投放文案打分（hook 力 / 信任度 / CTA 强度），筛出值得真投钱的 top 2-3。
学员输入 8 条文案 + 评分 rubric → AI 用 GPT / Claude / DeepSeek 三个 judge 投票评分 → 输出 ranked 列表 + 每条评分理由。
🤖 三 judge 投票 + 一致性用 Lab 评 L20 出的 6 组素材，决定真投哪 2-3 组。
Code Interpreter 投放分析三步：上传 → 问问题 → 让它出图。上传 GA / Meta Ads CSV → 让 AI 出 ROAS 趋势 / 异常检测 / 周报。
Wiki 内含 3 个真实数据样例 + 提问模板。学员可直接拿样例数据跑通 Code Interpreter 的完整流程。
学员了解 Code Interpreter 在 W2 的位置（自动出报告），W4 数据课会深度用它。
双线 Quest：(A) A/B 测试线 + (B) GEO 监测线，AI Tutor 同时引导。
学习目标：(1) 跑完 1 条至少 4 组素材 × 2 平台的 A/B 测试，得到带数据的复盘表；(2) 出 1 份品牌 GEO 监测报告，覆盖 3 个 LLM × 5 个相关问题的引用频次。
成功标准：A/B 复盘表 + GEO 监测报告 2 个文件齐全，带真实截图 / 数据。
Phase A · A/B 测试线（30min）：AI 帮学员选 1 个平台（中文学员小红书聚光低预算 ¥50/天 × 7 天，英文学员 Meta Ads $5/天 × 7 天），定 hypothesis，出 4 组素材，跑 7 天，回填数据。
Phase B · GEO 监测线（30min）：拿 5 个跟品牌相关的真实问题，依次问 3 个 LLM（中文：DeepSeek / 豆包 / Kimi；英文：ChatGPT / Perplexity / Claude），记录是否被引用 + 引用形式 = 15 次查询。
Phase C · 出报告（30min）：A/B 复盘表（CTR / CVR / ROAS 对比 + 下一步建议）+ GEO 监测报告（引用频次 / 引用形式 / 改进建议）。
坑点提醒：(1) A/B 样本量太小不要硬下结论 — 至少 1000 次曝光才能初步判断；(2) GEO 引用频次低很正常，记录基线为主；(3) 没投放预算可以替换成有机内容 A/B（同样写 hypothesis）。
| 类别 | 中文学员主轴 | 英文学员主轴 | 必备 / 选修 |
|---|---|---|---|
| 信息流投放 | 巨量引擎 / 千川 / 小红书聚光 | Meta Ads / TikTok Ads | 必备（自带账号） |
| 搜索投放 | 百度推广 / 神马 | Google Ads | 必备（自带账号） |
| 关键词调研 | 5118 / 站长之家 | Ahrefs / SEMrush | 选修 |
| GEO 监测目标 LLM | DeepSeek / 豆包 / Kimi / 夸克 AI | ChatGPT / Perplexity / Claude / Gemini | 必备 |
| 数据分析 | Code Interpreter + 飞书多维表 | GA4 + Looker Studio + Code Interpreter | 必备 |
| 落地页搭建 | Notion / 微页 / WordPress | Notion / Webflow / WordPress | 选修 |
L20 + L21 + L27 + L28 是核心。学完拿到「AI 出素材 → A/B → 数据归因」流水线 + GEO 报告。这两件作品可以直接放进季度汇报 / 跳槽简历。
L20 + L23 + L26 + L27 are core. Build a Google Ads + Meta Ads creative SOP your team can run weekly + a GEO monitoring dashboard for ChatGPT / Perplexity citations.
没投放预算可以替换成「有机内容 A/B」 — 同一标题改 4 个版本，发到不同时段 / 不同账号 / 不同平台，看哪个版本互动好。L19 + L21 + L26 也都可以无预算跑。
The A/B workflow + GEO report combined become a 1-page client deliverable. Land it as a "Q2 AI Marketing Audit" project at $1500-3000 AUD per client.
交付物：1 份「我的投放 + GEO 工作流」(PDF / Notion 公开页)，包含：
评分标准：
承诺红线：作业评估只看「过程性结果」 — 是否完成 A/B + GEO 流程 / 是否拿到真实数据 / 是否能写完整报告。不评估广告 ROAS 是否赚钱 / GEO 引用频次是否高。第 1 期可能用 wiki + 直播 demo 兜底 2 个 lab（landing-page-copy / programmatic-seo-batch）。