过去半年，ChatGPT掀起全球科技创投圈热潮，关于AIGC（生成式AI）未来发展和落地场景的讨论愈演愈烈。尽管整个产业界的探索仍处于初期，但一个共识是：AIGC的发展已被视为一场不可逆的革命，为千行百业开启新的想象空间。

营销可能是最快与AIGC结合并产生实际落地效果的领域之一。因为营销内容具备天然的公开性，这让大量营销工作的结果能够被AI学习和分析。新一轮AI革命不会改变营销的本质，但却极大有可能颠覆整个营销生产的逻辑链路和工作流程，为当下困于流量、效果和成本的平台与品牌提供新的解法。

一个全新的AI营销时代正在加速向我们奔来。在这场变革发生的前夜，36氪品牌主理人联合秒针营销科学院发起「AI重塑未来营销」专题，深入营销行业一线，围绕AI+营销的六大领域应用（广告、电商、内容、社媒、用户增长、创新管理），与企业一线决策人与产业专家展开对话，梳理AI新时代的关键节点和潜在机遇，与先行者一同寻找未来十年能够颠覆营销产业的新范式。

本篇为「AI重塑未来营销」系列访谈的第一期，聚焦广告行业的未来发展。

访谈、整理｜阿至

嘉宾｜谭北平 方骏 宋星

编辑｜王小坤

「生成式AI可能会让广告进入极致个性化时代，这将带来效率和体验的极大提升」，最近一段时间，数位广告行业资深从业者都向我们表达过类似的观点。

单就广告领域来看，新一轮技术变革已经开始。在海外，包括Meta、Google、Amazon都在加速生成式AI制作广告的进程，在国内，以蓝标为代表的众多广告营销公司和品牌方也开始将AIGC与实际的业务需求相结合。

在增长越来越稀缺的时候，找到一个确定性更高的方向无疑令人兴奋，而生成式AI的爆发则为广告行业描绘了一个全新的未来模型。

聚焦「AI+广告」的应用与发展，我们邀请到明略科技副总裁、秒针营销科学院院长谭北平，纷析咨询创始人宋星，群邑智库总经理方骏三位广告行业资深专家进行了深度探讨。‍

以下为三位嘉宾的观点分享（经编辑）：

36氪品牌主理人：这一轮生成式AI爆发我们观察到广告人普遍是兴奋和焦虑两种情绪并存，先从眼下实际应用开始聊，大家目前有没有把AI工具引入团队日常的工作流？

谭北平：我要求团队必须用AI，在不断尝试中认识AI的能力。典型的例子是最近我们刚发布《2023 AI+：人工智能与营销新纪元》白皮书，白皮书依旧由资深研究员撰写，但过去由专业设计做的配图，这次由研究员和AI共同完成。我们发现，内容写得好的人，只要对画面构思描述的准确，图也会做的很好。所以说，如果有人觉得AI不好用，真实情况可能是他还没开始用或单纯只是用的不好。

方骏：我们从去年底ChatGPT一出来就开始关注，先从点状开始，我们有两个试验官会先结合实际工作需求去用，总结这个事情值得团队大规模学习再进行推广，包括现在他们也会把业务场景上的问题丢给AI，不断比较各家大模型产品对我们工作的适配性。

比如分析师这个职业过往需要很多复合技能，理解力、数据分析、甚至编程能力，我们一部分同事完全是文科背景出身没有学过coding，他们也在尝试用AIGC去生成相应的coding就会省很大力气。知道怎么用AI，找到它弥补你工作技能素的点，这是我们现阶段非常真切的感受。我跟团队也会强调AIGC首先并不是我们的敌人，但你如果写不过AIGC肯定是有问题的，第二是必须习惯未来我们很多工作就是构建在AIGC之上。

当然从洞察这个领域来看，AI还是有些局限，比如大语言模型本身是构建于它可抓取到的语料分析之上，但在整个人类社会里可被语言化的资料占所有信息的比重没有那么高，比如现在我们聊天时候的动作、表情、眼神所代表的含义就没有通过语言来实现。当然我相信未来通过学习能拿到这些非语言信息，比如传感器要够多、信息的形式要足够，到一定程度上就会有更多能力的涌现。

宋星：我们目前没有用在工作流程上，但我会要求大家多尝试。坦率讲现在很多工具还是比较初级，比如像刚刚方老师讲SQL（Structured Query Language，结构化查询语言）的这些语言，我们尝试了一下觉得AI还是有很多提高空间，当然这不代表它未来不强大。

回到广告上我们也在试，比如Text-To-Video（以文本作为输入生成视频）我自己写一段脚本然后让它帮我自动生成一个video，这个video肯定是（水平）不行的。但是我自己拍好以后，让AI去给我做剪辑，就确实能剪出创意的感觉出来，虽然也有瞎拼乱凑的情况，但是它量大，可能性就多。AIGC目前就是这样一种状态，我鼓励同事多尝试然后找到这种可能性。

因为我们的工作更多还是在很专业的领域探索，所以AIGC我觉得短时间内替代不了人的大脑，但是它确实增加了我们效率。

36氪品牌主理人：刚刚各位都有提到团队生产力和效率，具体到公司战略层面，目前有没有与AI相关的动作可以分享？

方骏：分两个层面来说。从媒介这个层面，群邑很早就开始通过决策式AI帮企业去分配预算，这部分已经非常成熟。第二个层面也是最近比较大的一个新闻，我们的母集团WPP和英伟达展开合作，将聚焦在创意产业供应链的底层共同开发一个内容引擎，包括Adobe这些合伙做伴都会参与到供应链生态中，帮助创作团队能够更加快速、高效、大规模地制作出高质量的商业内容。

这算是我们在营销创意行业里的一个非常深度垂直的应用，目前已经在推进过程中，预计很快就会有一批成熟的案例会和大家见面。

谭北平：我们必须认识到，未来人+AI工具可能变身超级个体。大模型本身需要大量的研发投入，只有少数公司玩的起，但它的开源属性为AI生态的繁荣奠定了重要基础。比如我所在的明略科技自创立就全面拥抱AI，公司经过17年的发展积累了营销领域的独有数据库和知识，和大模型结合以后就会产生新的应用。

我们正在分析营销各个行业、场景的工作流并进行有趣的尝试。比如目前已经推出的新概念探索平台，就试图通过数据和工具找到趋势及关键词，并借助AI快速生成完整的广告创意和设计，甚至产品包装。过去这个过程至少需要几个人的团队反复开会碰撞，未来借助AI，创新探索和产品研发可能缩短为几天，甚至几个小时，效率极大提升。

36氪品牌主理人：AI对广告产业链的影响是持续发生的，过去主要体现在哪些层面？未来如何演变？聚焦在生成式AI这次变革，当下有没有比较成功的落地实践？

宋星：AI应用在广告行业已经很多年了，决策式AI通过监督学习的方式在各个媒体端做投放优化，由此推动了广告投放格局的变化重塑，这是第一次颠覆。举个例子，像一方数据这类公司就是因为有AI、有自动化的方式，被大量应用在广告主自动优化广告投放的业务上。

创意在过去是人脑的「专利」，我们很难想象会被替代，AIGC出现以后又要去第二次颠覆。所以投放的部分被决策式AI颠覆，创意的部分被生成式AI颠覆，广告产业就会彻底变化。

生成式AI让我们有了万马奔腾的可能性，过去5个创意老师3天出10条，现在AI加两个创意一天能出100条，用这100条去跑（测试）它一定能跑出爆款出来，至少是POP（Point Of Purchase，卖点广告)创意的爆款，只要预算够的话。有部分广告公司已经开始用了，这是我们肉眼就可以看到的一些案例。

方骏：我们在去年4月发布的一份报告显示，2022年以AI驱动的广告金额花费已经占到全世界所有广告花费的45%，3700亿美金。在中国这个比重会更大，因为国内的媒介花费基本由平台决定，平台分发的底层逻辑和算法就是基于AI。

个体消费者端过去对这些没有太多关注，但决策式AI在广告行业的应用早已遍地都是，我们需要和AI长期相伴下去，未来更多会向感官或更直接的层面体现，核心是用AI把媒介和广告变得更好。

谭北平：广告的产业链条很长，目前投放智能、创意生产、文案撰写是明确可以人智协同的场景，AI生成的户外广告效果已经非常惊艳。随着AIGC在大众层面普及，未来消费者与AI的沟通过程中，还可能出现对话式广告，这也是新的应用场景。

我们用「营销生产力大爆发」来形容即将到来的时代，并认为接下来营销策略、洞察及内容生产的效率都将大幅提速、提效，当然如何用好AI实现效率提升是更重要的问题。

36氪品牌主理人：各位反复提到一个关键词创意，这是过去广告行业最引以为傲的部分。这一轮生成式AI否真正具备创意能力？这背后代表的其实是创意能否能被工业化的问题。

谭北平：为了探究AI到底有没有创造力，3个月前秒针营销科学院联合中国人民大学、宁波大学的学者做了一项严谨的对比实验，实验过程简单来讲，就是把广告节的创意任务分别交给大学生和AI，然后让消费者（创意内容的最终受众）和行业专家（了解创意生产过程的群体）分别对内容做评价。

AI很好地完成了创作任务，且普通消费者看完后无法区分这些内容为AI创作还是人创作，甚至在通顺度、易理解等指标上，AI的评分还比人类高。不过在创新性方面，目前AI生成作品的评价还略低于人类。国外也有类似的对比实验，结论跟我们的基本一致。

所以说AI目前已经具备一般（水平）的创造力，但还不具备广告行业所说的「破坏式的创造」或「颠覆式的创造力」。

方骏：接着谭老师分享的实验结果来聊，当下在一般的创意层面消费者无法区分，这更多是一个产业的实践。我认为AIGC必然会有创意力，但什么时候会涌现？可能还需要更多参数。因为过去创意能力需要基于人全方位的感官、体验和想象来激发，包括我前面提到很多人类信息无法通过语言和文字来表达，这就需要未来有更多的参数、更多的维度让AI来读懂。

宋星：AI 已经有一定的创意能力，AIGC 出来以后大家基本的判断是——这是乌鸦的智能，而不是鹦鹉的智能（鹦鹉是模仿重复，而乌鸦则会观察和推理）。我认为这是一种创造力，达到爆发式、破坏式的水平只是时间问题，现在只是起点。

但如果要问 AI 有没有自我知觉？自我认知？我觉得可能没有。

36氪品牌主理人：把视角放大到广告这个长链条产业当中，比如洞察、媒介投放、效果归因等等环节，这一轮 AI 会如何影响单个环节以及整个链路生态？

方骏：我们一直在研究整个媒介的链路，尤其是近三年数字化程度不断加深的大背景下，媒介链路变化很大。过去的数字化是通过决策式AI驱动广告投放，现在加入生成式AI就非常有趣，内容效率极大提升之后，就会面临优中择优，而这就又是决策式AI（的能力），最后可能全产业链都会由这样一个媒介AI驱动。

去年我们的一份报告预计，2032年全球媒介花费的90%、大概1.3万亿美金左右基本都是由AI驱动，从花费角度来看是这样一个覆盖面。但具体落实到各个触点，它的颗粒度还是要分不同形式来看。

比如AI在媒介内容生成层面，随着想象力和技术的演进，会有AR、VR、MR等扩展现实的成熟落地。

另一个层面是AI和实体经济相结合，就要考虑制造能力、生产能力和个性化能力，我们讲品牌原子化、微粒化，在虚拟世界里为这些原子化品牌提供服务更容易，在现实世界则要看制造力和具体的品类。总体来讲我们的制造能力是供大于求，生成式AI极大推动个性化并与实体经济和制造相结合，会是一个非常好的方向。

AI赋能整体媒介链路这个层面有太多的可能性，我们需要打算盘算账，怎么做到成本和体验的平衡。

谭北平：洞察是策略的起点，过去的洞察大多停留于宏观和群体层面，有了生成式AI，洞察就能深入到个体和具体场景，我们甚至能通过一句话就把用户需求挖掘清楚。

有人觉得AI理解不了情绪，对此我们也做了一个测试，让AI判断「一个人很久没有见到妈妈，见到后激动得哭了」和「一个人很久没见到妈妈，看到妈妈照片后痛哭流涕」背后分别蕴含什么情绪，AI判断的结果是前者开心，后者悔恨，可见基于AI的洞察完全可以下探到具体的场景及个体，这预示着广告策略也能实现真正的个性化。理解每个用户，贴合他的需求和情绪推送的广告，也会更精准和有效。

宋星：第一，AIGC一定会塑造极致个性化的广告，对人的标签描述越准、越个性化，这些标签就会变成prompt。未来不一定需要人去写提示词，AI可以直接用CDP（Customer Data Platform，客户数据平台）或者DMP（Data Management Platform，数据管理平台）的标签生成提示词，再生成基于这些提示词的广告，然后再通过监督学习优中择优，不断反馈优化。

广告行业过去发生过三次颠覆性变革，第一次是上世纪90年代线上广告出现，第二次是移动广告出现，第三次是程序化广告出现，未来第四次我认为一定会出现基于AI的超级个性化广告，彻底改变现有广告格局。

第二，AIGC创造了另一种可能性：数字孪生。刚主持人有提到归因，我认为归因一定是行业中间永远的难点，因为归因背后有信息安全、有数据保护的天花板压着你。有没有可能未来把消费者通过AIGC去做数字孪生，在保护隐私的情况下去判断这个产品定位或者设计能否对它产生效果，既推给现实世界也推给数字孪生的世界，通过数字孪生来反映广告的最终效果，这一块我觉得是有可能的。

36氪品牌主理人：原子化、超级个性化、效率和创意大爆发，这一系列变化相叠加，未来整个产业格局会出现哪些变化？

宋星：我认为未来可能会变得极端。一是刚刚我们讲到的会出现超级个体、超级单兵，另一方面掌握资源的、拥有大模型和算力的这类公司会更容易形成垄断。所以个人会变得更强大，产业链资源供给端会更强大，处在中间的这些公司会面临挑战。当然我不希望这个事情发生，国家一定也会从政策层面做规范，去引导产业的良性发展。

谭北平：是充分竞争还是形成垄断值得探讨，平台方目前就模型的竞争已经开始激烈，「百模大战」初显，竞争的结局目前还无法预料，但我认为，广告行业中，未来能在独有领域或场景内能娴熟应用AI的公司将更具优势，接下来的竞争不仅限于模型的竞争，还将是独有领域知识、流程把握和用户体验的竞争。

目前的大模型放在任何一个专业领域，表现都不够出色，未来AI在行业应用场景侧有非常大的商业机会。

方骏：先不用那么焦虑，短期内整个行业还是在探索怎么用好AIGC去解放生产力这个切实的层面。通用大模型确可以产出很惊艳的案例，但一旦落到垂直行业应用也面临几个问题。

第一是在垂直领域和专业问题上的语料不够，实际场景也在不断变化。虽然现在有些AI从业人员提出要用大模型+行业小模型进行迭代或者私有化部署，这代表了一种美好的愿望，在这个点上，对于媒介这个典型的2B行业来说，会非常强调效率，且每个案子中可以说相差很大，个案和个案之间不具可复制性。

第二是在很多非标的行业和领域，AI还没有办法抓住核心，不论 DeepMind 战胜柯洁还是ChatGPT通过司法考试这些标志性事件，都是信息完全对称的博弈，在专业领域有很多问题依旧需要人才能解决。在很多2B的业务环境中，信息不对称是个常态，是行业固有属性。

36氪品牌主理人：AIGC也带来了新的问题，比如各位都在讲营销生产力的大爆发、成百千倍的内容，但是消费者真的需要这么多广告吗？在这样一种供大于求的过程中，会不会先是大量平庸的广告被推向市场？

方骏：分享一个早上看到的段子，有人在必应里提问某某电影的男主角是谁，然后必应回答是大帅。很明显这是互联网短视频创作的一个内容被引出来了，小帅小美还有大聪明，这是一个循环，我们不能期待AI 脱离这个循环永远给你正确的答案。

所以要用魔法打败魔法，用决策式AI对生成式AI的结果再做筛选，把「污染」给剔掉。这个很容易实现，通过用户和素材的互动、观看时长、点击率等等让AI去决策选优，给出相对优质的答案，这是一个动态（优化）的过程。

谭北平：市场是最好的过滤器，平庸的广告会被市场直接淘汰。

我比较担心的是方老师提到的「小帅小妹大聪明」，这些内容虽然无害，但大量出现就会产生「污染」。虽然大模型做创意会带来一些惊喜，但它容易在客观事实上出错。持续用低质冗余信息喂养AI，内容「污染」可能成为未来一大严峻挑战。

宋星：其实就算没有AIGC，平庸的广告和内容也到处都是，包括刚刚两位两位老师讲到的内容的「污染」，这个问题我不觉得是AIGC带来的，但AIGC的确可能会让事情变得更严重。

36氪品牌主理人：内容和内容之间会博弈，目的是让用户和广告主买单。但消费者是否会信任AI生成的内容？当内容和创意被模版化、工业化产出的时候，用户还愿意为此付费吗？

宋星：复旦大学的一个研究结论很有意思，人们并不一定排斥AI，但是人们排斥完全自动生成的东西，觉得这是垃圾。但如果你说这是AI 生成并且经过人去润色的内容，用户不仅不反感，甚至会觉得这个内容更好。

我自己对AI生成的内容始终抱有积极的心态，消费者是否信任 AI 取决于两个要素，第一是产出内容本身的质量，二是识别判断能力，也就是说只要内容质量高到一定水平，其实用户不一定会在意它的创作主体究竟是人还是AI。

谭北平：我对宋老师刚提到的复旦大学关于「消费者AIGC认知与反应」研究的结论做下补充，它的一个核心发现是消费者一方面欢迎「人+机器」共同创造内容，另一方面又排斥纯机器生成内容，这就是我们通常所说的「算法厌恶」，即人们会厌恶纯算法生成的内容，就像很多人讨厌吃工业流水线生产的预制菜一样。

方骏：先说结论，只要价值和价格匹配好，人和机器以及算法就可以共生。比如现在很多饭店承诺不使用料理包，厨师现场烹饪做出来的比预制菜更好，这背后反映的其实是消费者对于产品价值的感知更高。 AI也是同理，即内容给到消费者的价值和价格信号要匹配。

36氪品牌主理人：除了内容冗余和信任问题，AI还可能会带来哪些挑战？

宋星：首先版权是显著的问题，比如我的文章被AI当成语料训练，再被其他人拿去用我可能会不开心，包括很多大师的风格可以被像素级模仿，实际上是完全没有尊重版权的。

第二是在应用领域层面，AIGC 本地化还面临挑战，现阶段很多企业急需的就是本地化模型的部署，从硬件到软件实际上还有一个技术实现的问题。

第三个挑战是实时性，程序化广告有一个100毫秒法则，很明显现阶段AI工具的内容生成速度是不够的，如果应用在广告投放环节，从了解标签到个性化内容生成，再到投放去赛马反馈要在100毫秒内完成，当下生成式AI还不具备这样的实时性。

谭北平：挑战之外，我补充一个AI带来的机会。人如果变身超级个体，组织结构就会更加扁平，供应链也会缩短，进而影响营销的国际分工，海外营销团队的文化多样性与成本优势将被替代。中国具备制造业优势，AI将有机会帮助企业更快了解海外市场与文化，帮助产品更精准地匹配全球消费者，同时让本地化的运营效率更高，这可能是中国企业全球化扩张的又一次机会。

方骏：AIGC的应用目前还离不开专业人员，尤其是在垂直领域，但随着我们不断适应新工具，这个情况很快就会发生变化。

从初级到中级到资深专家，专业人员可能是一个金字塔结构，当AIGC把初级专业人员的工作都完成，上一层可能就会成为这个行业的余晖，余晖之后就会出现断代，这时候行业可能会变得没那么标准化，就会又有新的东西出来，我认为这可能会是比较好玩的一个点。

36氪品牌主理人：回到人本身，在行业可能会发生第四次变革的前夜，广告人该如何提升自己的竞争力？

谭北平：这轮AI革命会让很多脑力劳动者的工作面临替代危机，当基础性工作可被AI一键完成时，如何升级自身职业技能就变得更为重要。首先我们得熟练使用AI工具让工作提效，其次则要培养更高阶的软性技能，如协同力、组织力、社会交往能力及目标自驱力等等。总而言之，一定不能满足于基本技能，否则就面临替代危机。

方骏：可能不止影响职场人，对学科教育和人才培养也会产生影响，这就迫切需要每个人在点自己技能树的时候，要学会与AI 协同。其次是最初我提到很多非文本信息还无法被机器学习，很多行业Know-How也还只在小圈子中共识，广告人还是可以通过不断加深自己在垂直领域的认知，然后与AI共舞。

宋星：我们其实就两个选择，一是驾驭AI，二是找到那些AI不可能取代的领域，比如非常个性化、垂直的、样本量极少的专业领域和服务，短期内确实取代不了。

人的优势在于有经验、有经历，我们服务某一个企业某一群人的时候，他信任的是你过往的经历和案例，但AI只能模仿和学习，所以我们还是可以在现阶段努力积累更多经验。

36氪品牌主理人：会有哪些新的岗位出现？

谭北平：提示词工程师、合规监督等等，学会新技能就会有新位置。

宋星：超级个体。

36氪品牌主理人：各位都是广告行业从业十几年的老兵，最后做一个脑洞畅想，你们理想中的AI 广告时代是怎样的？

谭北平：过去我们形容广告人一般会说「广告狗」，可见广告是很累很苦得频繁加班的行业，未来营销生产力大爆发，每个人的产出效率和创造力都会被解放，希望我们的工作时长能更短但收入更高。第二次工业革命之后，汽车生产力大爆发，美国汽车工人的工作时长就显著降低，但收入明显提高。所以当下我们每个人都要先学会如何驾驭AI 。

方骏：我特别希望有这样一个机会，在AI赋能之下把广告的体验和消费者之间连接得更紧密，推动产业再向前走一步。我相信在大规模的个性化定制广告时代，信息和广告的界限无限模糊，这种体验和连接一定会实现。

宋星：过去我们要依赖于广告本身以及落地页的种种限制，AI 会让这个边界更广、体验更多。除此之外AI 可以让广告（效果）拥有更大的确定性，这种确定性会解放我们的想法，让我们更有信心去做广告，至少从广告人的角度来看我们会变得更自由。