核心想法
人工智能可以压缩分析时间、加快测试并改善销售回应。要降低 CAC，就必须将这些能力与整个旅程的经济效益连接起来。
基线。 假设。 Variable.
CAC 是一个比率，而非平台指标。
获客成本等于纳入计算的投入除以当期可归因的新客户数。它会因是否计入创意、技术、人员、促销，或仅计媒体费用而变化，也取决于时间窗口按线索、成交还是已确认收入计算。
如果较低的 CAC 带来的是价值更低的客户，或运营无法转化的需求，这种胜利可能只是表象。
AI 在不同环节提供帮助，而这些环节彼此相连。
持续的成本下降，可能来自更好的受众信号、更相关的创意、更顺畅的转化，或更一致的跟进。
受众建模. 识别模式、优先处理细分群体，区分相关性与意向。
创意变体. 以明确假设测试概念与格式，而不是制作大量没有差异的内容。
转化. 分析旅程、异议和内容，减少落地页、结账或预约环节的阻力。
生命周期. 通过线索评分、跟进和重新激活，挽回已为获客付费的价值。
一次改变一个变量，等待足够信号，并衡量后续影响。
系统可以快速识别模式并调整支出，但实验设计需要稳定性、足够的数据量和预先定义的成功标准。更高的点击率可能伴随质量、转化或利润率的下降。
基线。 假设。 Variable. 窗口。 停止标准。 下游质量。 Margen.
最佳 CAC 并不总是最低的。
组织要寻找这样一个位置：下一单位投入仍能创造价值，运营也能承接需求。边际分析比孤立的历史平均值更重要。
