Dagne Dover 用 Claude + Klaviyo MCP 做营销分析，每周一省下 6 小时

50 人规模的包袋品牌 Dagne Dover 把 Klaviyo、Shopify 和 Google Sheets 里的数据集中到一处，用 Claude 通过 Klaviyo 的 MCP server 以自然语言查询业绩，并让分析按计划每天自动跑完、结果直接发到 Slack。原本要占掉整个周一的周报工作被压缩，团队把省下的时间用来定策略。

先集中数据，再谈 AI 分析

• 营销总监 Caitlin Dubay 把 Klaviyo 数据、Shopify 数据和放在 Google Sheets 里的营收计划与营销日历，统一接入 Claude 与 Klaviyo 的 MCP server，相当于自建了一个小型数据仓库。
• MCP 是让 AI 模型安全连接数据源和工具的开放协议，接入之后可以用日常语言直接问业绩问题，不必先做报表。
• 关键前提是数据在源头就集中且干净：模型只能回答它看得见的数据，源头没打通，问出来的结果就没有意义。
• Klaviyo 2025 年 B2C 营销报告的数据显示，60% 的营销团队技术栈里有 6 到 15 个工具，分散是普遍状态。

把周报变成每天早上的自动推送

• 分析流程由定时触发，每天早上自动跑一遍，然后把结果发到 Slack，像团队里多了一个数据分析师汇报前一天发生了什么。
• 改造前，Dubay 要花掉大半个周一，开 10 个标签页手动拉数，赶在下午 4 点的周会前做出周报。
• 自动化之后每周一省出约 6 小时，周会从下午 4 点提前到上午 10 点，团队不再各自算自己渠道的数字，而是一起讨论整体营销。

人工复核不能省

• Dubay 的判断是 AI 的输出质量取决于输入质量，第一步是保证数据源本身干净。
• 即便如此，报告仍会出现对不上的数字，她估计准确度大约到 95%，所以每份报告都先经她本人做数据校验，再分发给公司其他人。
• 她的角色从拉数变成审数：检查结果是否合理，再翻译成团队能直接用的结论。

用数据反推创意与 AI 搜索曝光

• 团队坚持品牌和创意优先，但每个想法都要用数据验证。
• 为了解顾客如何描述自己的需求，品牌在官网上了 AI 客服 agent，假设是顾客面对机器时会更直接地说出真实需求；Klaviyo 2026 年 AI 消费者趋势报告称 78% 的消费者在使用 AI 时至少有时会带上情绪或个人背景信息。
• 在 AI 搜索结果里的曝光，Dubay 看重三件事：媒体稿件（比如进入开学季包袋榜单）、Reddit 等社区讨论和顾客评价、以及和顾客说法一致的商品页 metadata。

非创意岗也能写清 brief

• Dubay 自认不擅长用文字向设计师描述想要什么，于是先把 prompt 放进 Klaviyo 的 AI 营销 agent Composer 里生成邮件草稿。
• 看到可视化结果后再调整措辞，确认方向没问题才交给数字设计师，减少来回返工。

精简团队怎么起步

• 先把现有技术栈尽量打通整合，再开始做 AI 报表。
• 对照 MCP 的 connector 清单，盘点自己技术栈里哪些数据源能接、哪些接不了。
• 不会的就去学，Dubay 自己会搜 TikTok 上的教程来解决 Claude 里的具体配置问题。