Matt Epstein 分享了他在 X 上操盘 30 次大型产品发布、累计获得数百万浏览量的方法论。核心工具：Claude Code。
核心公式
Epstein 强调，这不是靠灵感或运气，而是可重复的系统：
1. 研究阶段
- 用 Claude 分析目标受众的痛点和语言习惯
- 抓取竞品发布的内容结构和高互动帖子
- 建立"内容模板库"——什么结构、什么 hook、什么 CTA 最有效
2. 内容生产
- 不是让 Claude "写一条推文"，而是让它执行内容系统
- 输入：产品信息、目标受众、历史高表现内容
- 输出：完整发布序列（预告 → 发布 → 跟进 → 长尾）
- Claude 按照已验证的模板生成，而非每次从零创作
3. 发布节奏
- 预热期：3-5 条 teaser，建立期待
- 发布日：主帖 + 3-5 条 thread，覆盖不同时区
- 跟进期：用户反馈、数据亮点、幕后故事
- 长尾期：将核心内容 repurposed 成不同格式
4. 数据反馈循环
- 发布后 24 小时内分析互动数据
- 用 Claude 总结"什么有效、什么无效"
- 更新模板库，下一次发布更精准
关键洞察
Claude 不是写文案的工具，而是执行可重复营销系统的引擎。
Epstein 的核心观点：
- 大多数人用 AI 做"一次性创作"——写一条推文、一篇博客
- 高手用 AI 做"系统执行"——把已验证的方法论规模化
- 30 次发布遵循同一公式，每次都在优化这个公式
为什么这个公式有效
X 的算法偏好：
- 高互动率（评论 > 转发 > 点赞）
- 发布后的前 30 分钟互动决定后续分发
- Thread 比单帖获得更多曝光时间
Epstein 的系统设计正是围绕这些机制：
- 预告帖引发评论和猜测
- 主帖设计为"必须转发"的结构
- Thread 延长内容生命周期
- 跟进帖维持算法活跃度
对 AI 营销从业者的启示
- 不要问 Claude "写一条推文"——给它一个系统，让它执行
- 建立模板库——每次发布都是一次实验，数据回流到系统
- 重视反馈循环——24 小时内的数据分析比内容创作更重要
- 规模化已验证的——创意是变量，系统是常量
Epstein 的方法论本质上是把营销从"艺术"转化为"工程"——用 Claude 作为执行层，人类负责策略和优化。