原 Integromat，可视化自动化平台，以强大的数据处理能力和灵活的场景设计著称。适合需要复杂逻辑和数据转换的工作流。
| 方案 | 详情 |
|---|---|
| free | 1000 次操作/月，2 个场景 |
| core | $9/月 - 10,000 次操作 |
| pro | $16/月 - 10,000 次操作 + 高级功能 |
| teams | $29/月 - 10,000 次操作 + 团队协作 |
| enterprise | 定制价格 |
可访问：是 | 速度：中等
国内可直接访问，偶尔加载较慢。本土应用（飞书/钉钉/企微）需通过 HTTP 模块自定义对接。
集成应用数：1500 | 社区：活跃，官方论坛+Discord 社区，中文教程较少
Make 采用独特的画布式可视化编辑器，模块之间通过连线表达数据流向，整体布局清晰直观。拖拽操作流畅，每个模块点击后展开详细配置面板，支持实时预览数据结构。相比传统的列表式编辑器，这种方式在处理分支和并行逻辑时优势明显。新手可能需要 1-2 小时熟悉模块概念，但一旦上手效率极高。整体 UI 设计现代，暗色主题对长时间使用友好。
Make 最强大的能力在于数据转换——内置的 JSON 解析、数组操作、文本处理函数远超同类产品。Router 模块支持条件分支和并行执行，Iterator 和 Aggregator 组合可以优雅处理批量数据。错误处理机制设计精良，支持 Break、Resume、Rollback 等多种策略。Data Store 功能允许在场景间共享数据，相当于内置了一个简易数据库。HTTP 模块的灵活性使得即使没有官方集成的应用也能轻松对接。
Make 的 AI 模块支持 OpenAI、Claude、Hugging Face 等主流模型，配置简单且支持流式输出。实际使用中，AI 模块与数据处理模块的组合非常强大，例如可以先用 Iterator 拆分文档段落，逐段调用 AI 处理后再用 Aggregator 合并结果。AI 辅助场景搭建功能目前还比较基础，生成的工作流往往需要手动调整。但 AI 数据映射建议确实能节省配置时间，准确率约 70-80%。整体而言 AI 集成实用性强，但不是平台最大卖点。
Make 最适合 5-50 人的中小型技术团队或有一定技术背景的运营团队。电商领域表现突出，订单同步、库存管理、多平台数据汇总等场景是其强项。营销自动化方面，邮件序列、社交媒体发布、广告数据回传等工作流搭建效率很高。对于需要处理 API 对接和数据清洗的场景，Make 的性价比远超 Zapier。不太适合完全无技术背景的用户或只需要极简单自动化的个人。
与 Zapier 相比，Make 在数据处理深度和性价比上有明显优势，同样预算下可执行的操作次数多出数倍。与 n8n 相比，Make 无需运维服务器，开箱即用，但灵活性略逊于自部署方案。Make 独有的可视化调试功能（可以看到每个模块的输入输出数据）是排查问题的利器。操作次数计费模式比 Zapier 的任务计费更透明，一个场景中多个模块各算一次操作。总体定位是功能与易用性的平衡点。
建议从 Core 计划开始，随着使用量增长再升级。善用 Data Store 和变量功能可以大幅减少重复模块，降低操作消耗。定期检查场景执行日志，优化不必要的模块调用。对于高频场景建议开启 Instant 触发而非轮询，既能提升响应速度又能节省操作次数。长期来看，Make 的功能迭代速度快，社区模板丰富，值得作为主力自动化平台投入学习。
监听 Shopify/WooCommerce 新订单，自动提取商品信息、客户数据，格式化后推送到金蝶或用友 ERP，同时更新库存表。
监控收件箱新邮件，用 AI 分析邮件意图和情绪，自动分类到对应标签，对常见问题生成回复草稿并通知客服人员审核。
从 Google Sheets 读取内容日历，按计划时间自动发布到微博、Twitter、LinkedIn 等多个平台，并记录发布状态。
定时抓取竞品网站产品价格，与自己的定价对比，价差超过阈值时自动发送 Slack 通知并更新监控看板。
每日自动拉取 Google Ads、Meta Ads、TikTok Ads 的投放数据，统一格式后写入 Google Sheets 并生成可视化图表。
Make 的计费以操作次数（Operations）为核心，每个模块执行一次算一次操作，这意味着一个包含 5 个模块的场景每次运行消耗 5 次操作。隐性成本在于复杂场景中 Iterator 循环会成倍放大操作消耗，处理 100 条数据的循环就是 100 次操作。相比 Zapier 同等功能的价格约低 60-70%，性价比突出。建议初期选择 Core 计划试水，月操作量稳定超过 8000 次再考虑升级 Pro 以获取优先执行和全量历史日志。
Make 是功能深度与价格之间的最佳平衡点，特别适合需要处理复杂数据流和多步骤逻辑的中小团队。如果你的自动化需求超越了简单的触发-动作模式，且不想自己运维服务器，Make 是最值得投入学习的平台。