在这个“理科生的时代”，技术的飞速发展，特别是在自动化投放、智能化出价和个性化推荐方面的应用，已经成为了各大平台的核心能力。随着AI大模型的崛起，技术在营销领域的影响力进一步扩展，从替代人力到简化系统，再到全面提高效率，行业仿佛迎来了一位无所不能的“神之手”。 然而，这不仅仅是一个“理科生的时代”。随着技术的进步，营销平台不仅补齐了自身的技术能力，还成功地将技术进步融入到商业产品中。在这种背景下，营销人只需理解技术工具的使用方法，便能减少许多复杂的“堆基建”和“无用功”。营销的钟摆似乎又回到了创意与策略上。 传统的广告营销已经建立了一套成熟且复杂的体系，但技术却不断展现出其创造性和变革力。在这个变与不变之间，技术究竟会为行业带来多大的变化？目前又在改变着什么？未来又将走得多深？围绕这些问题，我们与百度商业策略产品负责人余昌远展开了一次深入的讨论。 底层重构，生成式AI的大突破 谈及技术，诸如AI、大数据、大模型、算法、机器学习等专业名词如潮水般涌来，让人深感科技进步之迅猛，但又始终难以理解基础原理和底层应用逻辑。 事实上，当下广告技术可以按照非AI和AI两个模块来划分。比如对于预算、广告库存的动态规划，就是较为传统的管理优化问题，非AI技术应用即可完成。而在业内，基本上所有和机器学习、模型相关的，都属于是AI技术应用的范畴。 从上述中你会发现： AI并不是这几年才突然降临。 由于生成式AI的火热，可能有很多人是将其直接等同于AI整体。但其实，此前数字广告已经在普遍使用决策式AI，来分析用户行为、兴趣偏好等数据，制定更精准的广告投放策略，做广告效果预测等等。余昌远也提到，过去广告技术的核心主要是围绕广告投放环节的出价策略进行。 如今生成式AI的爆发，其实是在过去技术已推动广告投放持续升级的基础上，实现了进一步的突破。 站在广告平台的视角，余昌远向我们详细解释了从创意优选，定向再到广告拍卖整个过程中，新技术究竟都改变了什么： 生成式创意 创意是广告的灵魂所在。源源不断将新的广告素材放在广告系统里，是广告投放的第一步。 这也是生成式AI最为集中落地的一个部分。现在我们已经能够在市面上看到有诸多创意生成的产品，能够实现文生文、文生图、文生视频、数字人直播等等。 在广告投放领域，传统的创意生成逻辑往往依赖于预设和固定的创意构思，然后通过制作团队完成内容创作和投放。这一过程相对静态，需要反复修改和迭代才能达到理想的效果。而在效果广告系统中，由于用户需求的快速变化和激烈的竞争环境，素材需要根据实时更新的数据指标进行动态优化。优化师常说“好素材往往是测出来的”，这意味着广告主需要每隔两三天就更新一次广告素材，以测试哪些素材能够吸引用户并带来高曝光和点击率。 然而，如果能消除素材产出和用户需求之间的时间差，即实现创意素材的即时在线生成，那么优化师跑量的难度将大大降低，广告主也能获得更好的曝光和转化效果。这正是生成式创意能力所追求的目标：AI技术能够整合所有营销信息，实现创意素材的实时、快速、个性化生成，并根据用户的反馈不断调整优化，从而实现“千人千面”的效果。 在广告投放过程中，定向是至关重要的一步。最早在搜索广告中，广告主通过购买关键词做定向；而随着信息流广告的出现，人群定向成为主流。广告主根据年龄、性别、地域等标签圈定目标受众进行投放。然而，这些传统方法仍存在一些问题，如关键词由广告主提前设定，无法全面概括用户的完整意图；固定标签做人群定向只能相对精准，且拓展新目标人群有局限。 而现在，生成式AI的出现为解决这些问题提供了新的思路。它能够更全面地理解用户的需求和广告主的业务，从而提升广告和用户的匹配度，提高定向的精准度和科学性。这种技术的引入，有望改变传统广告投放模式，让广告投放更加高效、精准。 广告技术如何一步步迭代升级，生成式AI是如何直接突破了传统规则的藩篱。 在人工智能领域，生成式AI的应用正在逐步改变广告行业的传统模式。例如，当用户搜索“情人节送女朋友什么礼物”时，生成式AI能够根据用户的搜索历史和兴趣推荐包括手机、汽车等多种消费档位的各种广告。这些广告内容或落地页中虽然可能完全没有与“情人节”或“礼物”这两个关键词相关信息，但它们仍然会出现在消费者面前。这个过程不仅实现了更精准的定向，还帮助广告主拓宽了匹配的空间，让更多有潜在消费意向的人看到营销信息。 然而，广告拍卖是广告投放中更为复杂且晦涩的部分。它基于博弈学设计，规则多且理论复杂。优质的广告资源位有限，而广告主众多，平台需要设定好拍卖规则，包括竞价、分配、排序、收费等。为了确保广告的高效果和高效率投放，平台还需要维持合理公平的秩序。然而，理论性规则和实际运行之间存在差异，落地时还需考虑现实中的复杂因素，这很难保证拍卖分配效率的最优。 现在，生成式AI的出现打破了传统拍卖的复杂规则约束。它基于过去历史上巨量的样本数据，学习一整套拍卖的竞争和分配规则，并给出结果。这相当于突破了传统拍卖的那一整套复杂规则约束，AI自行理解和学习之后，直接找到了更优解法。 余昌远表示：“它已经没有办法用一个人能够理解的、显性的规则去表达出来了，它就是模型直接学出来的。” 从上述来看，生成式AI不仅仅是在某个环节上做革新，而是系统化整体重塑。这正是百度营销在去年新发布的产品“扬楫”所做的几大革新。这一产品虽不是直接面向广告主提供服务，但它发挥着底层支柱的作用，是广告主能够将新技术真正使用起来的基础。 应用分层，差异化需求满足。广告技术如何一步步迭代升级，生成式AI是如何直接突破了传统规则的藩篱。但站在广告主的角度思考：我们是否一定要深刻全面的理解技术原理？如果没有能力去理解，如何更好选择和驾驭新技术产品？当技术普及开来，不理解的玩家是否就难以拉开差距？ 通常，我们会想当然地认为所有广告主都只是会做生意，对各种营销技术不甚了解，新技术落地也不会运用。但余昌远告诉「深响」，我们常忽视的一个事实是—— 广告主的层级划分是明显的，根据企业的规模和技术能力不同，对营销技术及产品的需求也各不相同。 在广告主的金字塔顶端，是那些业务规模庞大、技术实力强大的公司，比如电商平台或互联网公司。这些公司拥有专业的广告营销团队，完善的数据技术系统，并且由于长期经营，对数据的积累和用户的理解可能不亚于广告平台本身。 接下来是中腰部的广告主，他们的业务有一定的体量，但行业相对传统，如教育、房产等。这部分广告主在技术方面的认知和应用能力相对较弱。而更下层的则是众多中小企业，他们对技术的理解程度较低，更看重的是技术的实用性和易用性。 随着技术的发展，平台也在遵循着分层的逻辑，提供多种技术产品以满足不同类型广告主的需求。面对TOP级的广告主，平台更多的是与之“合作”，通过提供更为高级的技术产品（如RTB和RTA）来满足他们的需求。然而，这些技术产品需要广告主具备较强的计算能力和实时数据处理能力，这也正是平台所缺乏的。因此，所谓的“合作”实际上是平台在利用自身优势补足广告主的能力不足之处。 对于中腰部的广告主，平台的重点在于帮助他们“降本增效”。例如，百度的“轻舸”和“擎舵”等产品，可以让广告主用通俗自然的语言表达投放需求，实现端到端的投放；同时，还有多模态内容生成、智能体等智能化投放产品，可以直接应用，显著提升投放效率，减少人工操作和时间成本，并看到营销效果的提升。 最后，面对更多的中小广告主，平台主打的服务就是“便捷”。近些年各平台都在推出全托管投放产品，让客户只需设置基本的预算，剩下的投放工作都由平台完成。这种一键式的智能化产品，最突出的优势就是无门槛操作，让所有广告主都能够轻松地进行广告投放。 总的来说，技术的整体普惠不仅让广告主获得适合自己的营销解决方案，也让他们在各自的领域内更好地发挥技术和创意，实现商业价值的最大化。 在营销技术日益发展的今天，个性化成为了一个不可忽视的趋势。它不仅体现在创意内容上，更在于能根据用户的具体需求生成定制化的广告。平台通过分析客户的规模、技术实力及技术需求，提供更为精准甚至定制化的产品，这正是个性化的体现。 然而，随着新技术的广泛应用，营销人的角色和价值也面临着重新定义的问题。技术与人的互动始终存在博弈。生成式AI的发展，虽然帮助广告主从复杂的流程中解脱出来，但同时也将数据洞察、整合和分析等功能内化到了产品中。这导致新技术几乎完成了大部分工作，此时，人还能做什么？又应该做些什么？ 首先，在归因阶段，目前智能化广告技术难以预知和洞察不同渠道上的短期消费趋势，这就需要“人”来配合。余昌远表示，在流行趋势捕捉、消费者趋势分析等方面，技术仍有较大的提升空间。例如，淄博烧烤、哈尔滨旅游、天水麻辣烫等短时间内迅速崛起的消费者趋势和市场动态，这些鲜活且充满变化的信息，现在难以通过单纯的智能化广告技术直接捕捉。 在面对这种突如其来的流量热潮时，广告主若想抓住机会，并最大化广告投放效果，人的配合就非常关键。广告主需要保持敏锐的市场洞察能力，再同步应用一些智能化的数据洞察产品，以此来进行更为精准全面的数据分析和投放优化调整。 其次，在效果监测时，广告主需调整思维，从过去习惯于关注“过程”，转变为专注于最初的“目标”和最终的“效果”。以出价为例，过去广告主可能需要在多个关键词上手动设置出价，并习惯于分别分析每个关键词的点击、曝光和转化效果。这种方式虽然好处在于一旦发现问题就能够随时优化后续的出价策略，但整体操作耗时耗力。而现在，借助AI技术，广告主只需设定好转化目标，系统便能自动预估不同流量和关键词的情况，并据此自动调整出价。这种方式极大地简化了广告主的工作流程，使他们能够更专注于看目标最初的设定是否合理，以及最终的达成情况如何。 事实上这也对优化师以及广告主提出了新要求。一方面要建立信任感。技术和系统有人力所无法企及的广告投放能力，但如果因为不信任导致在具体操作过度干预，或者说是预算和策略层面的频繁调整，反而会干扰到最终的实施效果。同时，广告主需要向平台回传更细节、深入的转化数据，只有在数据共享方面建立足够信任，系统才能更准确地进行效果评估和策略优化。 余昌远认为，尽管AI大模型是当前广告营销技术进步的一个关键因素，但技术的演进不仅仅局限于此。随着技术的发展，如生成式AI的突破，新技术已经从细节处着手，深入底层系统，在最具体落地的广告工作中初步释放出了能力；后续，势必还会形成更完整的技术架构和应用生态，助推广告行业步入新发展阶段。 此外，深响还了解到，技术在广告投放领域的应用逐渐扩展。起初，智能化主要集中在出价和创意方面，但随着大模型技术的突破，智能创意生成在素材内容上的应用也日益增多，这种自动化生产正变得更加普遍。其次，智能销售领域也有显著进展。传统智能客服可能只能回答一些简单的问题，但如今随着大模型技术的发展，智能客服能够像人一样进行智能交流，并有效地进行业务介绍和转化。 多模态技术的发展也是一大趋势，如图片和视频的理解与生成，正在迅速跟进。同时，模型参数的增多和规模的扩大也是当前技术发展的一个显著特点，这种变化将影响广告拍卖，使其能够逐渐摆脱传统规则方式。 总的来说，虽然AI大模型是当前广告营销技术进步的一个重要因素，但技术的不断进步和发展还包括其他多个维度，如多模态技术和模型参数的增多等。这些技术的发展将共同推动广告行业迈向新的高度。 余昌远：广告技术主要可以分为两个大模块。第一个模块是AI，它已经渗透在各个环节中，包括广告定向、匹配等环节，涉及到用户的意图理解和广告主的业务理解，AI应用越来越多。还有很多预估模型，如广告的点击率、转化率，其实背后是数据模型在做预测。 非AI的部分，比如动态规划，像广告库存的动态规划管理，还有预算，我们能够在不同时间段内，甚至于不同的地域上去做动态分配规划，这是比较传统去找最优解的问题，它不太涉及到我们所讲的AI技术。 深响：现在广告主对于营销技术是什么样的态度和需求？ 余昌远：整个客户是分层的结构。最TOP的是一些电商平台，还有一些互联网公司，他们自身的数据积累、用户理解、技术能力都是非常强的，所以我们更多的是跟对方合作的模式。像行业里RTB或者RTA这种产品，其实都是给这些大客户去提供的，充分发挥他们在技术上的一些优势，可以补足我们整个广告平台的一些不足。 那中腰部的客户，其实相对来说一些偏传统的，比如教育、房产，这些客户体量还是很大的，但在技术实力上可能会稍弱一些。那对这些客户，我们会提供各种各样的智能化投放产品，比如说像OCPX这样一些自动出价的产品，还有自动定向、自动创意，一方面它确实是能够提效的，可以把客户从大量手工的投放设置操作里解放出来，另外一方面它的营销效果也确实会带来提升。再往下就是中小企业，他们其实营销意识和能力上会更弱一些。那我们的一些智能化产品更多去打的一个点是便捷性，核心是你不用做过多的操作，我就是能够把投放完成。所以我们会推出一些完全托管投放产品，只要在一开始设置预算，剩下的可能都不用去操心。 深响：生成式创意大家都比较熟悉了，可否为我们讲解一下生成式定向？ 余昌远：百度最早是用关键词定向，广告主根据他的业务去购买比较合适的关键词。当网民来搜索这个关键词的时候，我们会通过这个关键词的匹配去帮他去做这个定向。到后来就是信息流广告发展起来以后，更多的是人群定向，最开始也需要广告主去表达，圈选人群标签做投放。那后来发展到有自动定向，也就是说你的落地页如果能够放在系统里，系统可以去自动分析你的业务，然后根据这些内容去找到一些关键词，去自动匹配用户。总的来讲，传统定向基本还是用核心词的匹配。 生成式AI技术的出现，在营销领域带来了显著的变革。首先，它对用户需求的理解比以往任何时候都要全面和深入，能够像人一样去理解和匹配场景，使得潜在目标的挖掘更加丰富，匹配空间也变得更加广阔。这是因为过去对关键词的要求较高，而生成式AI技术可以覆盖过去没有的关键词，从而扩大了广告落地页内容组织的范围。 其次，智能广告拍卖与过去的模式相比有了显著的变化。传统的一价或二价拍卖规则已无法完全覆盖生成式AI技术带来的新规则。现在，拍卖框架已经突破规则约束，机器可以直接学习并找到最优解，这无疑提高了效率。 随着智能化的深入，数据洞察能力已经内化到产品中，这使得客户可以更多地相信平台，采纳智能化产品。然而，目前智能化投放尚未覆盖到品牌营销中所需的消费者趋势洞察，这是未来需要进一步拓展的方向。 使用AI技术优化营销过程后，我们如何评估效果？从广告主的角度出发，考核指标不会有太大的区别，因为智能营销已经实现了很多自动化。系统会帮助广告主确定转化目标并自动出价。客户需要提供回传数据和深度用户行为，以获得更多阶段的用户资产沉淀。这对客户来说打开了一个更大的效果层面空间，同时也要求在整个广告营销过程中进行更细致的监测。