Creator Intelligence Asset

把每一次合作沉淀成你的达人智能资产。

MCNClaw 把小红书、抖音的商业数据、近期作品、评论信号与团队反馈,融合成一份持续生长的达人画像。从匹配、分析到建联,每一次决策都更聪明、可解释、可复用。

  • 跨平台数据融合
  • 证据可追溯
  • 租户私有记忆
Live Decision Graph
户外车品 brief · 小红书优先
证据同步中
Brief
低预算户外车品种草
露营越野真实体验
  • Commerce蒲公英 · 报价 6.5k
  • Content近作 20 条 · 评论 146
  • Memory团队偏好 · 18 条复用
Evidence
可解释推荐
  • Candidate 01
    露营装备达人
    92
  • Candidate 02
    户外家庭场景
    86
  • Candidate 03
    改装真实党
    81
  • + 9 位候选 · 进入复核
匹配
92%
风险
3 项
二核
4 条
Early Partners数家品牌方与 MCN 在 POC 中
Practice Shift

达人营销不该是一次性消耗。

传统投放每一次都从零开始:找人、报价、谈判、复盘——结束后所有信息又散回各自的微信和表格。MCNClaw 把每一次合作都沉淀成你的达人智能资产,让下一次决策更聪明。

维度传统达人投放MCNClaw
达人池
Excel 表格、群文件、个人微信
持续生长的达人智能资产,团队共享
决策依据
经验主义、靠 BD 个人判断
商业数据 + 内容证据 + 团队反馈三层证据链
商务记忆
停留在 BD 个人脑子和聊天记录
租户私有记忆,离职不带走
报价/合作结果
散落在不同微信和报销单
回写到达人卡,下一次自动复用
跨平台
小红书、抖音各开一份表格
小红书、抖音、商业数据统一上下文
AI
只能写文案,无法解释推荐
AI 给出推荐理由、反对理由和待二核项
Outcomes

资产沉淀带来的硬指标。

下面四个口径基于 MCNClaw POC 阶段的内部数据,进入正式合作后会按客户实际场景复盘校准。

01
≈ 5×
决策提速

从 brief 到 shortlist 平均时长缩短

02
≈ 3×
建联回复率

AI 辅助生成 + 上下文复用

03
−40%
误判达人

近作 + 评论证据 + 风险提示三层复核

04
+1.8×
复投命中

团队反馈沉淀进租户记忆

* 数字基于 MCNClaw 内部 POC 数据
Creator Intelligence Asset

四层信号,合成一份
可复用的达人判断。

商业价值、内容证据、AI 解释、团队记忆——每条信号都汇入右侧达人卡。

Candidate 01 · Synthesized
四层信号已汇入

露营装备达人 · 户外家庭场景

小红书 · 一二线女性 28-38 · 露营/越野/真实体验
Score92
商业信号
  • 报价口径6.5k 图文 · 12k 视频
  • CPM42.8(同品类 P40)
  • 商单密度近 30 天 4 单 · 健康
内容证据
  • 近作调性真实体验为主 · 少硬广
  • 评论意图购买意图 22% · 提问 18%
  • 内容稳定近 30 天 8 篇 · 互动稳
AI 解释
  • 推荐理由调性 + 受众双重匹配
  • 反对理由缺乏车品类历史样本
  • 待二核近期商单广告占比
团队记忆
  • 复用偏好上季品牌 B 已合作 ★
  • 真实报价去年图文 5.8k 通过
  • 投后反馈ROI +14% · 客户通过
Highlights蒲公英报价 6.5kCPM 42.8推荐进入复核
产品样张

一张达人决策卡,看懂能不能合作。

基础数据、近期作品趋势、受众画像、AI 给出的合作建议与风险提示,全部在一张卡片里。下面是三个真实达人的样张,可以点击切换。

Data Foundation

所有证据来自有据可查的源头。

MCNClaw 把官方商业数据、内容平台原始数据和团队反馈融合成一份达人画像。每一条数据都能追溯到来源,每一次 AI 解释都能定位到具体证据。

商业数据
蒲公英
已接入
商业数据
星图
已接入
商业数据
JustOne
已接入
商业数据
TikHub
已接入
内容平台
小红书
已接入
内容平台
抖音
已接入
内容平台
微信生态
规划中
内容平台
B 站
规划中
建联通道
邮件
已接入
建联通道
短信
对接中
建联通道
飞书
对接中
建联通道
企业微信
对接中
MCNClaw CLI · Agent Loop

一行命令,
完整 agent 工作流。

mcnclaw cli 是给习惯 prompt 工作流的高级用户的旁路入口:在你自己的终端里跑完整 agent loop——provider 调试、成本核算、推荐复现、证据采集,全部可脚本化。

  • Provider 调试与缓存优先:可见每一次商业数据消耗
  • Agent loop 任务复现:同一 brief 同一证据,结果可比对
  • 证据落盘:原始响应进 .tmp,token 自动脱敏
公开测试 · 邀请制申请加入
~/campaign-2026-q3 — mcnclaw
v0.4 · dry-run
$ npx mcnclaw match
--query "美妆 30w-100w 互动率高 不投硬广"
--platform xhs --budget 8k
→ 解析 brief 为 6 维筛选口径
→ 拉取 蒲公英 / 小红书近作 / 评论样本
→ 12 位候选 · 4 位优先复核
✓ shortlist 已写回 campaign · cost 0.42 配额
$
Trust Boundary

什么是公共的,什么是你的。

MCNClaw 的达人智能资产由两层组成:底层的全局画像让你不必从零开始,上层的租户私有记忆让你的判断和谈判结果只属于自己。两层之间有明确边界。

Public · Shared

全局画像

公开商业数据、内容平台原始数据和可复用 AI 分析。这一层在所有租户之间共享,让画像基础不必每家从零积累。

  • 蒲公英 / 星图 / TikHub 商业指标
  • 公开作品、评论样本、内容标签
  • AI 通用判断:调性、风险、互动质量
Tenant-only · Isolated

租户私有记忆

客户备注、淘汰原因、真实报价、建联记录、投后反馈——只在你的租户内可见,离职不带走、跨租户不共享。

  • Membership × Tenant 模型严格隔离
  • 席位与配额按 tenant 计 · 见 ADR 0012/0013
  • 支持 Owner/Admin/Member/Viewer 角色权限
Built with Practitioners

和品牌方、MCN 在同一张桌子上做出来的产品。

MCNClaw 不是闭门造的工具。每一个判断维度、每一条证据呈现方式、每一个工作流断点,都来自真实的 brief、真实的复盘和真实的合作分歧。我们和早期合作团队共同在 POC 中迭代功能边界。

来源
来自一线 BD/AM 的工作流断点
边界
客户备注与真实报价从不出租户
复盘
每个版本基于真实 campaign 复盘
Interactive Demo

用 72 秒看清
一条推荐是怎样生成的。

演示会走完核心路径: 输入 brief、汇入数据和证据、生成 shortlist、标注风险和待二核项,最后把团队反馈带回下一次投放。

产品演示
Brief to shortlist