先回答这次活动为了什么，20条文案才有挑选的标准
20条文案之所以难选，根本原因是没有一个目标可以作为挑选标准。同一场周六晚上的比赛，可以服务完全不同的营销目标，而每个目标需要的文案、受众和衡量方式都不一样。
| 营销目标 | 希望用户做什么 | 文案重点 | 主要看什么结果 |
|---|---|---|---|
| Awareness 曝光认知 | 知道这场比赛、记住球队 | 对阵看点、球员故事、现场氛围 | 触达人数、完播、新增关注 |
| Ticket Sales 售票 | 开赛前完成购票 | 座位余量、票价档位、观赛路线 | 购票转化、到场率、退票率 |
| Membership 会员增长 | 注册或升级会员 | 优先购票、专属入场、积分回馈 | 新增会员、首月权益使用 |
| Merchandise 商品销售 | 购买球衣和周边 | 限定款、球员同款、现场取货 | 商品订单、连带购买 |
| Engagement 互动参与 | 评论、投票、竞猜、分享 | 话题、竞猜、组队观赛 | 互动率、用户自发内容数量 |
| Brand Campaign 品牌合作 | 认识赞助方的联合活动 | 冠名环节、联名活动 | 品牌提及、合作权益完成度 |
目标一旦定下来，20条文案里有一半可以直接排除。如果这场比赛的核心任务是售票，球星采访配文更适合放在前期做预热，而不是在周六下午占用最宝贵的推送位置；如果目标是会员增长，“学生票八折”反而会削弱会员价格的吸引力。欧宝体育在设计营销流程时，把目标选择放在内容生成之前，原因就在这里：没有目标，生成模型只能写出“看起来都对”的内容。不同目标如何改变渠道和评估指标，可以参考体育营销大模型如何区分曝光、售票和会员增长。
Audience、Channel、Timing、Event、Objective：一条文案要过五道判断
目标只是第一道关。一条文案能不能发、什么时候发、发给谁，至少要同时考虑五个维度：
- Audience（受众）：他是谁，和球队是什么关系，过去做过什么。
- Channel（渠道）：他在哪里最可能看到并愿意行动，是短视频、社群、App推送还是短信。
- Timing（时机）：距离比赛还有几天，他通常在什么时间段打开应用，现在是否处在决策窗口。
- Event（赛事）：这场比赛本身的属性，对手强弱、是否同城对决、是否周末夜场、门票还剩多少。
- Objective（目标）：这次活动要的结果，是曝光、售票、会员还是互动。
这五个维度不是逐个打勾，而是相互牵制。同样一句“最后200张票”，对一个上周浏览过三次购票页面的用户来说是有用的提醒，对一个只看集锦、从不购票的用户来说几乎没有意义；放在一场强强对话里是真实的紧迫感，放在一场上座率一般的常规赛里，可能被理解为夸张宣传。文案本身没变，五个维度变了，这条文案的价值就变了。
同样关注这支球队，没到过现场的学生和三年季票会员该看到不同的话
很多赛事营销默认“关注球队的人”就是一个受众。实际上，关注列表里可能同时有：刚刚因为一段扣篮集锦关注球队的大学生，每个主场都到的季票会员，只买过球衣、从没来过现场的外地球迷，以及带孩子参加过一次家庭日的家长。
AI判断受众，不是看他“关注了什么”，而是看他“做过什么”：看过几场直播、有没有购票记录、最近一次到场是什么时候、买过哪些商品、会员等级和积分使用情况。这些信息来自CRM数据和行为日志，经过分群模型整理之后，才能形成可以直接用于营销的受众组。受众组如何结合观赛、购买和互动行为来划分，可以参考AI球迷画像里的做法。
对应到文案上：给大学生的内容应该回答“去一次值不值、怎么去、和谁去”；给季票会员的内容应该是“你的座位和专属通道已经准备好，赛后签名活动需要提前预约”；给只买过球衣的外地球迷，也许根本不该推门票，而应该推直播观赛提醒和限定款商品。同样是20条文案，分到不同受众之后，每个人真正该收到的可能只有一两条。
周三的“早鸟座位”和周六下午的“入场提醒”不是同一种信息
Timing和Event往往要放在一起考虑。一场周六晚上七点半开始的比赛，从周一到开赛，用户处在完全不同的决策阶段：
- 周一到周三：信息传播期。多数人还不知道这场比赛，适合讲对阵看点和球员故事，目标偏向曝光。
- 周四到周五：计划决策期。用户在安排周末时间，适合讲座位、票价、交通和同行优惠，目标偏向售票。
- 周六白天：临门一脚期。对已经感兴趣但还没购票的用户，余票提醒和一键购票最直接。
- 开赛前两小时：服务提醒期。对已购票用户发入场指引，对未购票用户推直播或下一场比赛。
- 赛后当晚到周日：回顾与复购期。推精彩片段、赛后商品和下一场预售。
赛事属性会改写这张时间表。如果对手是同城老对手、门票在周三就接近售罄，那么周四之后继续推售票文案只会带来抱怨，应当转向直播观赛和商品；如果是一场常规赛、余票较多，售票窗口可以一直延长到周六下午。预测模型在这里的作用，是根据历史同类比赛的购票节奏和当前余票，估计每个时间段的售票压力，而不是机械地“提前三天发一次”。
短视频、社群和会员短信：同一句话放错地方就失效
渠道决定了用户以什么状态看到内容。刷短视频的人处于随意浏览状态，前三秒决定是否继续看，适合现场氛围和球员镜头，购票入口要放得轻一些；球迷社群里的人愿意讨论，适合竞猜、投票和组队观赛；会员短信和App推送打开相对集中，但每一条都在消耗用户的耐心，只适合发与他直接相关、需要他采取行动的信息。
一句“今晚主场，不见不散”适合放在社群里带动气氛，放进会员短信就显得空洞；一句“您的会员优先购票通道将于今晚八点关闭”放在短信里很有用，放到公开短视频下面，反而会让非会员感到被排除在外。渠道选择也不只是“哪里人多就去哪里”：面向年轻球迷，短视频触达面广，但从观看到购票的路径长；会员短信触达面窄，但转化路径短。两者需要搭配使用，而不是二选一。
模拟方案：周六晚城市篮球赛，怎样触达18—28岁年轻球迷
下面用一个完整的模拟场景，把前面几个维度串起来。以下为模拟场景，所有分组和安排仅用于说明判断逻辑。
Audience：先把“年轻球迷”拆开
18—28岁不是一个受众，而是一个年龄范围。分群模型根据行为可以拆出三组：看过直播但从未购票的学生；去年到场过一两次、今年还没来过的年轻上班族；经常在社群里讨论球员、但住得离场馆很远的外区球迷。三组人的共同点是年轻，差异在于离购票这一步还有多远。
Content：每组只保留最相关的两三条
学生收到的内容围绕“第一次来现场”：学生票档位、地铁路线、三人同行的座位推荐、中场互动环节。上班族收到的内容围绕“周末夜晚怎么安排”：开赛时间、下班后能否赶到、赛后场馆周边的餐饮。外区球迷优先收到直播观赛提醒和球员限定周边，而不是被强推门票。
Channel：按用户的行为习惯分配
学生以短视频和校园社群为主，周三开始铺现场氛围内容，周五放出学生票入口；上班族以App推送为主，推送时间选在他们过去最常打开应用的周四晚间；外区球迷在社群里参与赛前竞猜，比赛当晚收到直播提醒。
Interaction：先让人参与，再谈购买
对还没到过现场的年轻人，直接甩出购票链接的效果，往往不如先让他参与：投票选出本场最想看的对位、竞猜得分最多的球员、发布组队观赛帖。互动数据本身也是信号——参与竞猜又点开座位图的用户，购票意图明显高于只点了赞的用户，后续推送可以据此调整优先级。
Conversion：转化不只有买票这一种
这次活动的主目标是售票，但对不同组的“成功”可以有不同定义：学生的成功是首次购票；上班族的成功是重新到场；外区球迷的成功，可能是看完直播并买一件周边，或者注册成为线上会员。如果把所有组都按购票率考核，外区球迷这组会显得“完全失败”，而他们本来就不是售票目标。
写文案只是其中一步，更多判断发生在生成之前和之后
把上面的方案拆开看，真正由生成模型完成的，只有内容环节里的文字部分。其余环节依赖不同的能力：
- CRM数据与分析引擎：整理购票记录、到场记录、会员信息和内容浏览行为。
- 分群与聚类模型：把“年轻球迷”拆成行为上确有差异的几组。
- 预测模型：估计每组用户在不同时间段的购票可能性，以及这场比赛的售票节奏。
- 推荐模型：决定每个用户看到哪几条内容、哪个座位档位或哪件商品。
- 生成模型：根据前面的判断，写出有针对性的文案和素材说明。
- Marketing Agent：活动进行中持续查看数据，发现某组反应偏离预期时提出调整建议。
- 人工审核：检查品牌语气、票价和权益是否准确、有没有不合适的表述。
欧宝体育AI在体育营销大模型中把这些环节分开处理，而不是让一个聊天模型从头到尾“全自动完成”。原因很实际：文案写错一个字可以改，但把会员专属通知发给了非会员，或者把已售罄比赛的购票提醒推给了一大批用户，损失很难挽回。
最容易判断错的地方：把热闹当成意愿，把老会员当成新人
这套逻辑并不能保证每一步都判断准确。几种常见的偏差值得提前防范：
- 把互动热度当成购票意愿。一条短视频点赞很多，可能只是因为镜头好看，评论区里的人未必住在本市。
- 用过去的行为锁死现在的受众。去年常来现场的上班族，今年可能已经换了城市工作，继续推门票只会被忽略。
- 忽略用户已经完成的动作。已经买票的用户仍然收到“最后余票”提醒，是最直接伤害体验的错误。
- 赛事变量变了，方案没跟着变。主力球员临时伤停、比赛改期，围绕这名球员写的文案需要立刻撤换。
- 生成内容与事实不一致。票价、看台名称、会员权益被模型写错，必须经过人工核对。
这些错误里，一部分可以靠规则拦截，比如已购票用户自动排除在售票推送之外；另一部分只能靠人的判断，比如伤病消息公布之后，原来轻松调侃的语气是否还合适。
发出去以后怎么验证：留出组、分阶段投放和按目标复盘
判断对不对，不能只看“发出去多少条、打开率多少”。比较可靠的做法有三种：
- 留出组：每个受众组随机保留一小部分用户不发送本次文案，比赛结束后比较两边的购票率和会员注册率。如果差异不明显，说明这组用户本来就会买票，推送的实际作用有限。
- 分阶段投放：先对一部分用户发送，观察半天到一天的反应，再决定扩大范围还是换一版文案。周三的数据可以用来修正周五的推送计划。
- 按目标复盘：售票组看购票转化和到场率，外区球迷组看直播观看和商品订单，会员组看注册和首月权益使用。用同一个指标评价所有组，结论一定会失真。
比赛结束后，这些结果会回流到球迷画像和预测模型里：哪些学生第一次来了现场，哪些上班族在周四推送后下了单，哪些互动行为真的预示了购买。下一场比赛再生成20条文案时，系统就能更早知道哪一条该留给谁。欧宝体育的判断是，赛事营销里AI最有价值的部分，不是写得有多快，而是能不能让每一条文案在对的时间被对的人看到，并且事后说得清它到底起了多少作用。
