B2B TOFU 行銷（Top-of-Funnel，漏斗頂端行銷）在 2026 年遇到結構性困境：AI Overviews 吃掉了搜尋點擊、買家七八成研究在接觸業務前就做完了、傳統的教育型部落格流量持續萎縮。Gartner 預測到 2028 年，九成 B2B 採購將由 AI agent 中介，推動超過 USD 15 兆的 B2B 支出通過 AI agent 交易。對行銷團隊來說，問題已經從「要不要用 AI」變成「用哪些 AI agent 來重建整個漏斗頂端」。這篇文章拆解兩個正在改變 B2B 行銷工作流的工具：Claude Cowork（Anthropic 的桌面型 AI 協作工具）和 OpenClaw（開源 AI agent 框架，GitHub 星標超過 25 萬），並給出可立刻執行的 TOFU 頻道設計方法。
傳統 TOFU 為什麼失效了
B2B 行銷的標準 TOFU 劇本大約在 2015–2023 年間穩定運作：寫教育型文章 → 用 SEO 拿排名 → 用表單閘門換 MQL → 丟進 nurture 流程。這套模型在 AI 世代下有了三個結構性的改變。
第一，搜尋行為改變了。根據多項產業分析，Google 搜尋約六成結果在使用者沒有點擊任何連結的情況下結束。AI Overviews 和 LLM（ChatGPT、Perplexity、Gemini）直接在搜尋結果頁或聊天介面回答了使用者的問題。你精心寫的「什麼是行銷自動化」長文，排在第一頁也可能拿不到流量。
第二，買家行為改變了。Gartner 近期調查約 650 名 B2B 買家，發現 67% 的買家更偏好不需要業務代表介入的購買體驗，45% 在最近一次採購中使用了 AI 工具。買家在 LinkedIn、Reddit、AI 助手裡形成供應商偏好，等到進你的網站時，決定早就做了大半。
第三，內容同質化了。當每家公司都用 AI 產出大量教育型內容，差異化消失。96% 的 B2B 內容在買家眼中看起來一模一樣——這是產業普遍觀察到的現象。TOFU 內容的功能不再是「吸引流量」，而是「讓 AI 引用你、讓人信任你」。
| TOFU 失效環節 | 2023 年以前 | 2026 年現況 |
|---|---|---|
| 搜尋點擊率 | 教育型關鍵字可穩定獲取流量 | 約 60% 搜尋零點擊，AI Overviews 截流 |
| MQL 品質 | 表單閘門有效篩選意圖 | 買家跳過閘門，67% 偏好無業務接觸 |
| 內容差異化 | 深度文章可建立專業形象 | AI 產內容同質化，96% 無法差異化 |
| 通路覆蓋 | 以 Google Search 為主 | 買家在 ChatGPT、Perplexity、LinkedIn 做研究 |
兩個工具的定位：Claude Cowork vs OpenClaw
在討論 TOFU 頻道設計之前，先釐清這兩個工具各自能做什麼。
Claude Cowork 是 Anthropic 在 2026 年 1 月推出的桌面型 AI 協作工具，定位是「把 Claude Code 的執行能力帶給所有知識工作者」。它跑在 Claude Desktop App 裡，使用者指定一個資料夾，Claude 就能讀取、修改、建立檔案，並且透過 MCP（Model Context Protocol）連接 Gmail、Google Drive、HubSpot、Slack 等工具。2026 年 2 月 24 日企業版正式上線後，可以部署自訂 Plugin 和 Connector。它有排程功能，能設定每週自動執行的任務。Anthropic 的 Head of Americas Kate Jensen 對 CNBC 表示，他們預期「每個知識工作者對 Cowork 的感受會像工程師對 Claude Code 一樣——離不開」。
OpenClaw（原名 Clawdbot，後改名 Moltbot，再改為現名）是奧地利開發者 Peter Steinberger 在 2025 年底推出的開源 AI agent 框架。它在 72 小時內拿到 6 萬 GitHub 星標，截至 2026 年 3 月超過 25 萬顆星，成為 GitHub 上最多星標的軟體專案之一。OpenClaw 的核心是本地部署的 gateway，連接 LLM（Claude、GPT 系列、DeepSeek 等）和使用者常用的通訊平台（WhatsApp、Telegram、Discord、Slack）。它用 Skills 系統擴展能力，社群已建立超過 5,700 個 skill。2026 年 2 月 14 日，Steinberger 宣布加入 OpenAI，OpenClaw 交由開源基金會維護。
| 比較維度 | Claude Cowork | OpenClaw |
|---|---|---|
| 開發者 | Anthropic | Peter Steinberger / 開源社群 |
| 部署方式 | Claude Desktop App（Mac/Windows） | 自架伺服器（Node.js） |
| 收費 | 需付費方案（Pro USD 20/月起） | 免費，自帶 API Key |
| 模型支援 | Claude 系列 | 模型無關（Claude、GPT、Ollama 等） |
| 核心優勢 | 企業級連接器（Google、HubSpot、DocuSign）、排程、Plugin 市場 | 完全自控、50+ 通訊管道整合、5,700+ 社群 skill |
| 安全性 | 沙盒 VM 隔離、Anthropic 託管 | 本地執行、使用者自行管理安全（Cisco 曾揭露 skill 安全漏洞） |
| 適合對象 | 行銷團隊、知識工作者、不想碰 CLI 的人 | 開發者、想完全控制 agent 行為的技術團隊 |
TOFU 頻道設計：用 AI Agent 做什麼
傳統 TOFU 的頻道設計是「內容 × 通路」矩陣：寫好內容，然後在 SEO、社群、Email、Paid 各放一份。AI agent 改變的是矩陣裡每個格子的執行效率和個人化程度。以下是四個 TOFU 核心頻道，搭配 Claude Cowork 和 OpenClaw 的具體用法。
1. 內容生產：從一個月 4 篇到一週 20 篇
行銷團隊最直接的痛點是產能。一篇 2,000 字的深度文章，從研究、撰寫、設計到上稿，傳統流程大約需要 10–15 小時。用 Claude Cowork 的實際做法：
把研究素材（競品分析文件、產業報告 PDF、客戶訪談逐字稿）丟進指定資料夾。下一個指令給 Cowork，它會讀完所有檔案、歸納關鍵論點、產出文章初稿、附上引用來源。MKT1 Newsletter 記錄了 Tofu（B2B 行銷平台）共同創辦人 Elaine Zelby 的實際用法：她在 Cowork 裡連接 HubSpot、Clay、Slack、Email，建立了一個每週自動執行的工作流——從 HubSpot 拉成交案件的通話記錄（原始錄音來自 Sybill），Claude 分析後找出相似帳戶和聯絡人，把外送郵件草稿發到 Slack 讓團隊審核。
OpenClaw 的做法偏向開發者。一位開發者在 Medium 分享了用 Claude Code 搭配 OpenClaw 建立「AI 行銷團隊」的案例：他建了一個 CMO agent 負責統籌，下面有內容寫手、社群管理員、績效分析員三個 sub-agent。CMO agent 根據 90 天內容計畫分配任務，各 sub-agent 平行執行——寫手發布部落格文章、社群管理員同步發 LinkedIn 和 Reddit、績效分析員回報哪些內容表現好。每個 agent 的行為規則寫在 SKILL.md 裡，改規則只要對 Claude 說一句話，不用開任何編輯器。
2. SEO/GEO 優化：讓 AI 引用你的內容
在 GEO（Generative Engine Optimization）時代，TOFU 內容的目標不再只是 Google 排名，還包括被 ChatGPT、Perplexity、Gemini 引用。LLM 靠搜尋引擎（主要是 Google）取得即時資訊，所以 SEO 基本功仍然重要。差別在於，LLM 更偏好結構清楚、有明確時間戳、可以直接擷取的內容。
Claude Cowork 可以自動化的 SEO/GEO 工作：
- 把 Google Search Console 的原始 CSV 餵給 Cowork，它分析後回傳完整的 SEO 行動計畫（哪些頁面要更新、哪些關鍵字有機會拿到 AI Overviews 的引用位）
- 用 Plugin 連接 Ahrefs 或 Amplitude，定期產出 GEO/AEO 表現報告
- 批次更新已發布文章的 FAQ Schema、dateModified、Entity 標記
OpenClaw 的做法是透過 Heartbeat（排程功能）設定 cron job：每天早上自動爬指定關鍵字在 AI 搜尋結果中的出現頻率，比對競品，把報告發到 Telegram。
3. 多通路分發：一份內容拆成五個格式
TOFU 內容的價值在於被看到，而不同通路需要不同格式。同一篇深度分析文章，需要變成 LinkedIn 帖文、YouTube 短影片腳本、Instagram Reels 描述、Email Newsletter 摘要、Podcast 大綱。
Claude Cowork 的 Marketing Plugin 已經內建了 /draft-content 指令，可以一次產出部落格文章、社群帖文、Email 電子報、Landing Page 文案。搭配 Claude in Chrome 擴充，它能自動開啟 LinkedIn 頁面發布帖文（目前需要人工確認最後的送出動作）。
OpenClaw 的強項在於通訊管道整合。它原生支援 50+ 管道——WhatsApp、Telegram、Discord、Slack、iMessage。你可以設定一個 skill：「每當 WordPress 新文章發布，自動產出 LinkedIn 帖文草稿、Twitter 摘要、Email 主旨行，分別發到對應的 Slack 頻道讓團隊審核。」
4. 帳戶型行銷（ABM）的 TOFU 層
ABM（Account-Based Marketing）傳統上被視為 MOFU/BOFU 策略，但在 2026 年，頂尖 B2B 團隊正在用 AI agent 把 ABM 的個人化能力推到漏斗頂端。
具體做法：Elaine Zelby 在 Cowork 裡建了一個工作流，每週自動跑一次。它從 HubSpot 拉出近 7 天成交的客戶資料，分析通話記錄裡的痛點和使用情境，然後在 Clay 裡找出相似帳戶的聯絡人，最後產出個人化的外送郵件草稿。這等於把 ABM 的帳戶研究和初始觸及自動化了。她的建議是：「在建任何 agent 之前，先建三個 skill——ICP、Persona、Messaging。」
實際工作流：從零開始設計 TOFU 頻道
以下是一個 5 人 B2B 行銷團隊的 TOFU 頻道設計範例，混合使用 Claude Cowork 和 OpenClaw。
第一步：建立 AI 知識基礎（第 1 週）
在 Claude Cowork 裡建一個專案資料夾，放入：品牌風格指南、ICP 文件、前三年表現最好的 10 篇文章、競品定位分析、產品 spec sheet。然後建三個 Skill：
icp-skill.md：包含目標客戶的產業、公司規模、決策者角色、常見痛點voice-skill.md：品牌語調規範、禁用詞表、寫作範例seo-skill.md：目標關鍵字清單、內部連結策略、FAQ 格式規範
第二步：設計內容引擎（第 2 週）
用 Cowork 排程建立每週工作流：
- 週一：Cowork 爬 Google Search Console 和 Ahrefs 數據，產出本週內容建議（哪些關鍵字有機會、哪些舊文需要更新）
- 週二到週四：團隊根據建議撰寫初稿，Cowork 協助研究、補數據、產出多平台變體
- 週五：Cowork 批次產出下週的社群帖文排程，發到 Slack 審核
第三步：OpenClaw 24/7 監控（第 3 週起）
部署 OpenClaw 跑兩個持續性 agent：
- 競品監控 agent：每天早上抓指定競品的新文章、產品更新、社群討論，彙整成日報，發到 Telegram
- AI 引用追蹤 agent：每天查詢品牌在 ChatGPT、Perplexity 回答中的出現頻率，跟蹤 GEO 表現
| 步驟 | 工具 | 執行頻率 | 產出 |
|---|---|---|---|
| 數據分析 → 內容建議 | Claude Cowork + GSC/Ahrefs | 每週一次 | 關鍵字機會報告 |
| 文章撰寫協助 | Claude Cowork | 每週 3–5 篇 | 初稿 + 多平台變體 |
| 社群分發 | Claude Cowork Marketing Plugin | 每週一次（批次） | LinkedIn、YouTube、Email 內容 |
| ABM 外送郵件 | Claude Cowork + HubSpot + Clay | 每週一次（自動） | 個人化郵件草稿 |
| 競品監控 | OpenClaw | 每日 | Telegram 日報 |
| AI 引用追蹤 | OpenClaw | 每日 | GEO 表現追蹤 |
安全與風險：不能忽略的事
AI agent 帶來效率，同時帶來新風險。
Claude Cowork 的安全模型相對封閉——它在 Apple Virtualization Framework 的 VM 裡執行，使用者明確授權哪些資料夾可以存取，重大操作會要求確認。Anthropic 不用你的檔案訓練模型。
OpenClaw 的風險則高得多。Cisco 的 AI 安全研究團隊測試了第三方 OpenClaw skill，發現有 skill 在使用者不知情的情況下執行資料外洩和 prompt injection。OpenClaw 的維護者 Shadow 在 Discord 上警告：「如果你不懂怎麼跑命令列，這個專案對你來說太危險了。」2026 年 3 月，中國政府限制國企和政府機關在辦公電腦上執行 OpenClaw。
行銷團隊的安全建議：
- Cowork 適合連接生產環境的 CRM 和 Email 系統，因為有企業級安全控制
- OpenClaw 適合跑非敏感性的監控和分析任務，不要授權它存取客戶個資或商業機密
- 任何 AI agent 產出的客戶溝通內容，發送前必須經人工審核
成本比較
| 方案 | 月費 | 適合情境 |
|---|---|---|
| Claude Cowork Pro | USD 20（約 NTD 640） | 個人使用、基本自動化 |
| Claude Cowork Max | USD 100–200（約 NTD 3,200–6,400） | 重度使用、多 agent 工作流 |
| Claude Cowork Enterprise | 需聯繫銷售 | 團隊協作、安全審計、自訂 Plugin |
| OpenClaw（自架） | 免費 + LLM API 費用（視用量） | 開發者、想完全控制的技術團隊 |
| OpenClaw + DigitalOcean | 約 USD 12–24/月（約 NTD 384–768）+ API 費 | 一鍵部署、不想自己管 infra |
B2B TOFU 行銷用 AI agent 的投資報酬率怎麼算？
投資報酬率要看兩個指標。第一是產能提升：多數早期使用者回報內容產出速度提升 4–8 倍，用 Cowork 的行銷團隊從每月 4–6 篇深度文章增加到每週 10–20 篇多格式內容。第二是 pipeline 影響：Tofu（B2B 行銷平台）的客戶 Vividly 把 ABM 目標帳戶從 20 個擴展到 650 個（32 倍增幅），沒有增加人力。RingCentral 的內容產出速度提高 80%，同樣沒增加人手。
Claude Cowork 跟 OpenClaw 可以一起用嗎？
可以，而且很多團隊正在這樣做。典型組合：Cowork 處理需要企業工具連接的工作流（HubSpot、Google Drive、Email），OpenClaw 處理 24/7 監控和通訊管道整合（Telegram 通知、Discord bot、WhatsApp 客服）。兩者用 MCP 協議可以共享部分能力。
小團隊沒有工程師，該從哪個開始？
從 Claude Cowork 開始。它不需要寫程式，介面是對話式的，20 分鐘內就能完成第一個任務。Anthropic 的 Marketing Plugin 有現成指令（/draft-content、/campaign-plan、/seo-audit），直接用。等到需要更深度的自動化和自訂 agent 行為，再考慮 OpenClaw。
AI agent 產出的行銷內容品質夠嗎？
不經人工審核的話，品質不穩定。Claude Cowork 使用者反映初稿品質約 80%，部分細節（尤其是相似產品之間的差異描述）會出現幻覺。正確用法是把 agent 當作初稿產出器和研究助手，最後的判斷、事實查核、品牌語調校準仍然需要人。
2026 年 TOFU 行銷的核心策略轉變是什麼？
從「用內容吸引搜尋流量」轉向「用結構化內容讓 AI 引用你、用個人化內容讓買家信任你」。流量的入口從 Google 分散到 ChatGPT、Perplexity、LinkedIn、Reddit。行銷團隊需要同時為人和 AI 優化內容。AI agent 的價值在於把這套新策略的執行成本降到一個 5 人團隊也能負擔的水準。
引用來源
- Gartner — Strategic Predictions for 2026 and Beyond
- CNBC — Anthropic Updates Claude Cowork Tool
- Gartner — 67% of B2B Buyers Prefer Rep-Free Experience
- MKT1 Newsletter — What 4 Gen Marketers Are Building with Claude Code
- Wikipedia — OpenClaw
- InfoQ — Anthropic Announces Claude Cowork
作者洞察
過去一年協助金融、製造、SaaS 產業的 B2B 客戶導入 AI agent 工作流。我們自己的團隊從 2026 年 1 月起全面使用 Claude Cowork 和 Claude Code 重建內容生產流程，月產出從 20 篇提升到 80 篇以上，同時用 OpenClaw 跑競品監控和 GEO 表現追蹤。我觀察到一個現象：大部分 B2B 行銷團隊花太多時間在工具選型和概念驗證，反而沒花時間建最關鍵的三個東西——ICP skill、品牌語調 skill、SEO/GEO 規範 skill。工具是手段，skill 的品質才決定 agent 產出的天花板。先把這三個基礎做好，再去選工具，效果會好很多。
如果你的 B2B 行銷團隊正在評估 AI agent 導入策略，或是想了解 Claude Cowork 和 OpenClaw 的實際部署經驗，歡迎跟 Tenten 團隊預約諮詢。
