AI营销的成本基线，不是“生成一篇内容花了多少钱”，而是完成一次有效获客需要投入多少资源。若只比较工具费用，往往会低估人工审核、线索复核、销售跟进和投放费用，最终出现内容产量上升、表面成本下降，但成交效率没有改善的情况。
建立基线前，必须先固定核算口径。至少应记录四类投入：AI工具费用、生成与编辑所耗费的人工工时、内容投放费用，以及线索筛选和销售跟进成本。产出端则不能使用阅读量或点击量，而应以经过分层后真正具备跟进价值的线索为准。核心公式是：
单条有效线索成本 = 总投入 ÷ 有效线索数
这里的“有效线索”应当由动作定义，而不是由主观判断决定。提交试用申请、主动咨询价格、下载产品手册等高意向行为，可进入MQL；只有浏览文章或点击广告的浅层互动，不应直接计入有效线索。
基线还应包含人工效率指标。建议同步记录有效线索率、从MQL到成交的转化率，以及复核工时占团队总工时的比例。前者判断AI带来的流量是否精准，后者判断自动化是否真的降低了组织成本。如果单条有效线索成本下降，却是因为销售团队投入了更多跟进工时，这并不代表营销效率提升。
实际试点不宜同时铺开多个渠道。可以在2到4周内选择一个内容场景，先记录原有流程的投入与产出，再运行“AI生成—机器预筛—人工抽查—线索分层—销售跟进”的完整链路。对外品牌内容保持100%人工审核，私域或邮件内容抽检30%，内部选题测试内容抽检10%，以风险等级决定审核成本。
复盘时，必须保持线索分层标准和成本口径稳定，并给销售周期留下足够观察时间。内容链接应配置UTM参数，CRM中记录来源，避免把流量误判为收益。只有当有效线索率、转化率和复核工时同时改善，单条有效线索成本才具有决策价值；否则，增加生成量只会放大低质量流量和隐性人力成本。