Guide · 使用教程
Arcads 教程:从产品卖点到可测试的 UGC 广告素材
从产品卖点、Hook、AI Actor 和产品镜头矩阵开始,用 Arcads Workflow 生成、命名、审核并小预算测试 UGC 广告,同时管理 credits、肖像、许可和隐私风险。
这份教程的目标不是“用 Arcads 生成一条看起来不错的视频”,而是建立一套可重复、可计算成本、可以进入真实投放审核的 UGC 广告素材流程。你将从产品卖点和受众假设开始,建立 Hook、脚本、演员和产品镜头矩阵,再完成生成、命名、质检、小预算测试和复盘。
Arcads 可以加快演员和广告变体生产,但不会自动找到有效卖点,也不能保证转化。真正决定结果的是产品、受众、Offer、脚本、落地页、媒体投放和迭代纪律。
开始前准备
1. 确认产品和素材权利
准备产品实拍图、包装正反面、Logo、品牌字体、颜色、功能说明和已批准的卖点。所有素材都应由团队拥有或获得商业使用许可。不要上传竞争对手广告、未授权音乐、网红视频或客户没有允许交给第三方 AI 处理的资料。
若产品涉及医疗、保健、金融、儿童、政治或受监管行业,先让法务确认可以使用的表述。AI 生成演员不能冒充真实消费者提供不存在的使用证言。
2. 建立单一测试目标
一次批次只验证一个主要问题,例如:
- 哪一种痛点 Hook 能提高前三秒留存
- 专业演员还是生活化演员更可信
- 产品展示放在前五秒还是中段更有效
- 问题—解决方案结构还是清单结构更清楚
- 中文原版与本地化版本的表达是否自然
如果同时更换受众、Hook、演员、脚本、Offer 和 CTA,即使数据变化也无法知道原因。
3. 设置 credits 与时间上限
Arcads 没有公开固定价目表,实际订阅与 credits 应以账号中的 Offer 为准。一个视频可能消耗少于或多于一个 credit,不同模型、入口和促销覆盖也可能不同。
在开始前写下批次上限,例如最多生成 18 条、最多重做 6 次、人工剪辑不超过 4 小时。把失败生成也计入预算。不要因为某个模型出现“无限生成”提示,就默认 Workflow、Agent、API 或 MCP 都不扣 credits。
第一步:把产品卖点改成可测试假设
不要直接让模型“写十个爆款 Hook”。先建立产品事实表:
| 项目 | 示例 |
|---|---|
| 目标受众 | 经常出差、没有时间准备早餐的上班族 |
| 当前问题 | 早晨时间紧,临时购买成本高 |
| 产品机制 | 预先分装,加入液体即可使用 |
| 可验证证据 | 配料表、规格、冲泡时间、真实演示 |
| 不能承诺 | 未经证明的减重、治疗或收入结果 |
| 行动方式 | 查看配料与试用装,不使用虚假倒计时 |
然后为每个 Hook 写清假设。例如“先展示混乱早晨能否比直接展示产品提高停留”,而不是模糊地说“情绪型 Hook”。后续复盘时,假设比文案本身更容易迁移到新产品。
第二步:设计 Hook 矩阵
建议先用三类 Hook:
- 问题型:在前三秒展示受众正在经历的具体麻烦。
- 结果型:展示可被证实的使用结果,不夸大功效。
- 演示型:直接展示产品如何操作、安装或使用。
每类写两个版本,共六个 Hook。保持视频主体、演员和 CTA 不变,先只测试开场。Hook 最好能通过画面理解,不要依赖模型生成复杂屏幕文字。
避免“所有人都在用”“医生一致推荐”“保证提高收益”等无证据表述。AI 可以帮助改写语言,但事实责任仍在广告主。
第三步:选择 AI Actor
从 Arcads 的演员库中选择两到三位方向明显不同的成年人,例如生活化、专业解释型和高能量社媒型。不要一次选择十位演员,否则 credits 和审核量会迅速膨胀。
检查演员卡片或平台中标示的行业与用途限制。Arcads 条款允许 Creator 对特定 Video Model 设置限制,也禁止克隆演员或擅自修改其形象与声音。保存演员名称、选择日期、当时的限制和最终视频 ID,便于后续证明使用范围。
如果创建自定义 Avatar,应取得本人书面同意,写清广告产品、渠道、国家、期限、声音用途、撤回与素材删除方式。员工愿意出镜不等于永久授权数字分身。
第四步:写 20 至 30 秒脚本
一个基础 UGC 广告可以按以下结构:
- 0–3 秒:Hook,明确问题或产品动作
- 3–8 秒:说明受众为什么会遇到这个问题
- 8–18 秒:展示产品机制和一到两个事实卖点
- 18–24 秒:给出合理证据或使用场景
- 24–30 秒:清楚 CTA,不制造虚假稀缺
每句话尽量短,使用自然口语。把品牌名、产品型号、价格和数字写成容易读出的形式。为缩写、外语词和专业名词准备发音说明。
不要要求 AI 演员声称“我亲自用了三个月”,除非该说法真实且演员身份不会误导。更安全的写法是描述产品机制、展示步骤或转述品牌能够证明的事实。
第五步:在 Arcads 中建立 Workflow
把以下输入作为独立节点或清楚命名的素材:
- 产品 Brief 与合规卖点
- 受众与痛点
- Hook 版本
- 主体脚本
- AI Actor
- 产品图片与参考镜头
- 画幅和渠道
- 字幕与语言
- 输出和人工审核状态
先生成一个基准版本,确认演员、语音、产品展示和画幅可用,再复制 Workflow 生成变体。若基准版本有明显产品变形或发音问题,先修正输入,不要盲目批量生成。
为每个变量保持单独节点,后续更换 Hook 时不要同时更换演员和 CTA。这样才能把生成流程与广告实验设计对应起来。
第六步:命名和版本管理
使用可排序的文件名,例如:
产品_受众_Hook类型_Hook编号_演员_语言_比例_日期_v01
示例:serum_busyworker_problem_h02_actor07_zh_9x16_20260829_v01
同时维护一张素材表,至少包含:
- Arcads 项目、Workflow 和视频 ID
- 使用的模型、演员、脚本和产品素材
- credits 消耗与生成时间
- 是否发生失败或重做
- 品牌审核、法务审核和本地化审核
- 投放渠道、广告 ID、日期和预算
- 三秒留存、点击率、转化与复盘结论
不要只把文件命名为 final、final2 和 final-new。一个月后很难知道哪个版本用了什么许可和脚本。
第七步:进行逐帧质检
生成后至少检查两遍:第一遍静音看画面,第二遍只听音频和读字幕。
画面检查:
- 产品包装、Logo、标签、颜色和尺寸是否正确
- 手指、牙齿、眼睛、耳环和头发是否异常
- 产品与手的遮挡关系是否可信
- 画幅安全区是否适合 TikTok、Reels 或其他渠道
- 是否出现未经授权的商标、角色或背景人物
- 演员在多个镜头中的身份和服装是否稳定
音频和文字检查:
- 品牌名、数字、价格和缩写是否读对
- 嘴型、停顿和情绪是否与脚本一致
- 字幕是否准确、断句自然并处于安全区
- 音乐、音效和字体是否有商业许可
- CTA、优惠和法律声明是否与落地页一致
产品文字和价格最好在最终剪辑软件中以真实文字图层添加,不要依赖生成画面写字。
第八步:小预算投放测试
先通过品牌与法律审核,再将变量控制好的素材放入小预算测试。相同批次尽量保持受众、版位、落地页、优化目标和预算接近。
观察:
- 前一秒和前三秒留存
- 平均观看时长与完成率
- 点击率和落地页访问质量
- 加购、注册或其他中间转化
- 获客成本与统计不确定性
- 评论中是否出现“不真实”“产品不一致”等信任问题
不要在少量曝光后宣布某位演员“必胜”。至少让素材达到预先设定的数据门槛,并在第二个周期复测。广告效果来自整条链路,不能完全归因于 Arcads 或 AI Actor。
第九步:把胜出结构变成新批次
复盘时记录“为什么可能有效”,而不是只保存胜出视频。比如:
- 问题型 Hook 在第一秒展示具体动作
- 产品机制在第六秒前出现
- 生活化演员比专业演员更匹配受众
- 简短 CTA 比复杂优惠更清楚
把这些结构写回 Workflow,再只更换一个变量。随着批次增加,团队会得到自己的创意规则,而不是不断追逐模板库中的最新样片。
credits、许可与隐私清单
在扩大生产前确认:
- 当前 Offer 的价格、周期、credits 和超额规则
- 未使用 credits 是否结转或退款
- 促销是否覆盖 Studio、Workflow、Agent、API 和 MCP
- 所选演员是否限制行业、用途、形象或声音处理
- 后期修改是否超出 Arcads 条款列举范围
- 上传素材是否可能用于改进服务或训练模型
- 客户合同、DPA 和保密要求是否允许使用 Arcads
- Google Drive 或 Dropbox 集成的权限与断开流程
- 团队是否保存素材来源、授权、条款版本和审核记录
Arcads 当前条款授予 FRESHR 使用 Integrated Elements 来提供、改进服务和训练 AI 模型的许可。隐私政策对 Google Drive 与 Dropbox 集成数据有更具体限制,但这不能自动代表所有直接上传内容都不会用于训练。敏感项目应先取得书面合同确认。
最终交付模板
一条准备进入投放的素材至少应有:
- 最终视频与字幕文件
- 经过批准的脚本
- 产品和音乐授权记录
- 演员或自定义 Avatar 授权记录
- 生成工具、模型、日期和 credits
- 品牌与法务审核人
- 投放渠道、国家和有效期限
- 撤回或删除处理方式
这套记录会增加少量前期工作,却能避免素材扩量后无法追溯演员、脚本和权利来源。
总结
Arcads 最有价值的用法是把广告创意变成可重复实验:一个产品 Brief,少量清楚的变量,受控生成,严格质检,再用真实投放数据复盘。不要把生成数量当成生产力,也不要把 AI 样片当成广告效果证明。
从 12 到 18 条的小批次开始,记录 credits、通过率和人工修改时间。只有当团队可以持续得到合规、准确、可投放的素材,才扩大 Workflow 和订阅方案。
常见问题
- 第一次使用 Arcads 应生成多少条 UGC 广告?
- 建议从 12 到 18 条受控变体开始,使用少量 Hook、两三位演员和一个固定 CTA。批次太大会迅速消耗 credits,也增加审核负担。
- 怎样避免广告测试变量太多?
- 每次只改变一个主要变量,例如 Hook 或演员,其他脚本、CTA、受众和落地页保持一致,并在素材表中记录所有版本。
- Arcads 的 credits 应怎样做预算?
- 以登录后 Offer 和具体生成入口为准,记录成功与失败生成的 credits。不要假设促销中的无限生成覆盖 Workflow、Agent、API 或 MCP。
- AI Actor 可以说自己真实使用过产品吗?
- 不应制造不存在的真实体验。广告证言必须有依据,并避免让 AI 演员被误认为真实消费者。优先展示产品机制和可证明事实。
- 上传客户产品素材安全吗?
- 先检查客户合同、Arcads 条款、训练用途、数据保留、第三方处理与删除机制。未公开或受 NDA 约束的素材应先获得明确许可。
- 什么指标能判断一条 AI UGC 广告可用?
- 先通过产品准确、品牌、肖像和法律审核,再观察前三秒留存、观看时长、点击率、转化与评论信任度。单一短期指标不能证明长期效果。