重新理解「营半岛销技术」：如何演进？如何变革？

发布时间：2024-04-23 丨 浏览次数：

　　半岛综合体育自动化、模型预测、机器学习、算法、深度学习、生成式定向、AI……这些专属于科技领域的陌生名词，早已充斥在营销行业中。习惯于以艺术家思维想创意、写文案的营销人们，根本还没理解“是什么”，就得跟着热潮把新技术“用起来”，营销复杂度似乎在直线飙升。

　　不仅如此，当OpenAI的CEO Sam Altman讲出“AI将能完成营销人员、策略规划人员和创意专业人员95%的工作”时，营销人的生存也变得岌岌可危。你反复修改才能做出一张海报，现在只要输入一句话AI就能生成一大批素材，这种“恐怖”速度面前，任谁都难逃危机感。

　　营销已成为不折不扣的“技术活儿”。 空前狂热的技术浪潮，和认知行动都还没完全跟上的人们，形成了鲜明对比。兴奋、未知、犹豫、挑战，我们想要跳出这多重情绪，聚焦于最为核心的议题——

　　营销行业爱“卷”技术，其实是与生俱来的特点——自从广告从纸媒来到互联网，从早期人工投放广告位，到搜索竞价、信息流广告出现，大家用一套程序化的流程去投放，再到现在尝试融入新的AI技术，每次广告行业的创新升级其实都是技术在推动。

　　而这一次的特殊之处在于，AI带来的技术进步不是对某个环节、某个角色的改变，而是融入到了营销的各个环节、方方面面：

　　一方面，谁都清楚做创意很难，它依赖个体灵感闪现，很难高频次产出；同时营销创意也和市场洞察、消费趋势理解相关，需要灵感和专业结合，这就更难批量化生产。

　　而另一方面，现实环境也很残酷。广告系统要求我们必须批量并且快速更新素材，这是一个得根据实时数据反馈而持续行动的过程，远比你我想象的“确定好创意-做内容-再投出广告”这种线性工作流程，要复杂得多。

　　既要有难得一见的创意，又要能在线实时批量生成，这正是技术在发挥作用的两个核心点。

　　其实在很长一段时间里，用技术生成创意内容是很难实现的，因为你运用的技术，只是在帮你去做搜罗资料、案例的工作，给你参考，但无法直接输出内容。

　　幸运的是，AIGC正好提供了直接有效的解决方案。以ChatGPT为代表的生成式AI，其核心就是用已有数据学习后，再生成新的原创内容或产品。所以你能看到在广告营销领域，最早落地的产品都是在辅助创意生成、量产内容素材。

　　特赞联合创始人王喆告诉「深响」，AIGC可以灵活分层运用于不同等级的创意，或者说是不同的「成本段」上——广告主需要大量短平快素材时，就可以批量生成；需要相对轻量的视频，技术就能够去做脚本优化、后期剪辑等等；而在制作投资在百万级别的TVC时，AIGC也能辅助去做更好的艺术效果呈现。

　　也就是说，AIGC不仅能帮助人去想创意，还能根据你的需求去灵活调整它具体要做些什么。

　　在灵活辅助及生成创意内容的基础上，“在线实时”这一要求，基于AIGC也有了实现的可能。

　　百度商业策略产品负责人余昌远告诉「深响」：生成式AI将广告主落地页中的信息作为基础，就可以在线实时做个性化生成；并且在后续广告定向过程中，随时调整和优化，让素材源源不断生成而且越来越符合目标人群所需。

　　相比离线做创意内容再调试、投放，在线实时生成的实现尽可能减少了内容供需之间的时间差，自然也就更能提升广告效果。

　　通常广告主会通过很多定向产品去找目标人群，比如做搜索广告时选择购买关键词，做信息流广告要做人群定向，根据年龄、性别、地域等标签圈定目标受众做投放。

　　但是你会发现，这些方式存在一定局限性：关键词无法完全对应用户的兴趣和需求，只盯着有限的词条，营销反而越做越窄；人群标签固定且静态，但人的兴趣、态度难以标准量化且随时变化。

　　虽然“精准”这个词大家都在讲，但始终是个很难拉平标准去衡量的相对概念。而新技术的应用，也正是在突破这一局限。

　　Mobvista汇量科技CAIO（首席人工智能官）朱小强告诉「深响」，现在程序化广告平台已经可以通过机器学习、算法应用，将侧重点放在用户“即时兴趣”的建模和预估上。

　　具体来讲，平台可基于DMP系统，将长周期、短周期的用户行为数据，统统转化为用户特征，如此一来，就能更全面看清不同时效性的用户偏好，而不是只看宽泛固定的标签。

　　同时，平台还可以应用上下文信息，也就是考虑与目标受众、营销环境、产品或服务相关的各种具体背景因素和情境细节，以此去更精准刻画用户在不同场景、时间的行为。

　　生成式AI特别“智能”的地方，就是可以像人类一样，去深度理解广告主的业务，以及用户的需求，并将其做匹配。

　　百度商业策略产品负责人余昌远给我们举了一个简单案例。比如当用户搜索“情人节送女朋友什么礼物”时，传统的广告系统就是基于提前设定好的、有限的关键词来召回与之匹配的广告。但有了生成式AI，它能够去更完整地理解需求，召回各种适合作为礼物的商品广告，从汽车到护肤品，广告主有了更多投放空间，定向也更加智能。

　　到了要投放广告的时候，少不了要平台和广告主双方打配合——广告平台内部，自有一整套运行流程去做投放；而广告主自己也要设定好预算，确定一个合适的出价策略。

　　一是“优化”流程，既让平台内系统自身能整体提效，也让广告主的操作难度降低。二是在让系统变得更“智能”，广告主只要设好预算，出价就交由系统去智能化调控，尽可能把钱花在刀刃上，实现广告效果的最大化。

　　这是一个既要考虑到怎么去更新固有投放规则，又要考虑怎样让广告主更满意的“平衡术”。

　　Mobvista汇量科技CAIO（首席人工智能官）朱小强告诉「深响」，在广告平台内部，现有模型已经可以通过综合考虑多个因素去自动调控来实现平衡。

　　首先，模型会考虑到两个因素：一是广告流量给广告主带来的潜在收益，二是当前广告市场上的竞争情况。通常流量价值越高，出价就会越高；但如果市场上竞争不激烈，模型就会建议降低出价，帮助广告主节省成本。这个过程是实时的，只要广告主的预算还没用完，就可以不断调整。

　　其次，预期回报和目标回报率（ROAS）也是会同时考虑的因素。一般预期回报越高，出价也会越高；但模型并不会让出价无限高，而是会找到平衡点，以确保广告主的ROAS目标能够实现。

　　比如即便你完全不懂创编计划、设置预算、优化目标和出价的那套传统系统，通过百度的AI native营销平台“轻舸”，直接用自然语言与产品对话，表达我的产品是什么、想要找到哪些人，就能够做好投放。

　　而这一应用的底层技术支持来源于产品“扬楫”。基于巨量的样本数据，扬楫学习了过去成熟的规则，就能自行理解并找到更优解，实现“既要也要还要”：既拿到有价值的广告流量，又能尽可能控制好成本，还要实现最佳的回报效果。

　　投放之后的效果评估考核，也是一个相当细致和复杂的环节。特别是现在广告主更追求降本增效，对于数据的要求也就更高，比如过去可能只关注点击、安装激活几个数据，但现在就会更看重用户留存、活跃和消费行为等深层次指标。

　　但现在，营销渠道如此之多，用户可能在A平台看到了广告、在B平台种草，最终在C平台才购买，整体转化链路纵横交错。如此一来，简单的归因都变得很难做，更不用说是深层、系统化地监测评估和度量。而且即便是各个平台都有多维度数据指标输出，但各方数据在格式、结构和标准上也会存在差异，这就导致“数据孤岛”的问题仍然突出半岛。

　　在这一背景下，对广告主来说，基于一套标准对数据进行整体清理、加工、汇总，就成为了必不可少的一步。并且广告主还要有一个能实时整合数据的观察面板半岛，才能对内方便各业务部门去应用数据。

　　显而易见，只有少数大品牌、大企业才有这样的实力，去自行去建立一套标准、投入资源去搭建数据中台的能力。对于绝大多数中小广告主来说，技术只能是“向外寻”，借助广告技术公司或者是互联网广告平台才能获取。

　　基于数据分析、模型搭建以及算力，第三方平台能够帮助广告主去梳理各渠道的广告投放情况和最终效果如何。过去广告主还得自行导出一堆数据表格、靠人工来汇总分析，但现在基本上已经无需自己动手。

　　同时，第三方平台也会有更科学的可视化分析工具，让广告主不仅能看清数据，更能看懂和应用数据。将数据作为食材，更前沿的新兴技术的应用，就像是大厨一样，将食材直接加工成一道菜给广告主。

　　无论是内容还是归因半岛，每个环节所用技术的融入程度和实用性，总体来看，其实已经比想象中要深远得多。比起大众化的认知建立，行业其实走的更早也更远。

　　在长期依靠技术驱动的行业里，每家互联网广告平台早就都握住了“技术”这一利器。怎么融入、如何应用，既是互联网广告平台的主动选择，也直接影响着大家的产品演进方向。

　　AI将“整个行业重做一遍”并非虚言。现阶段，几大平台基本上都形成了“双线并行”的思路——其中一条线，是在传统的广告系统里，将AI技术都融合进入，在具体环节上去发挥作用。另一条线，则是基于AI大模型开发全新的广告产品矩阵，由此彻底跳出传统广告投放流程和模式。

　　去年百度发布的“AI Native商业全景应用”，就是一个全新的广告产品矩阵。底层，“扬楫”相当于是核心发动机，它主要在基础的广告系统，从定向、创意、广告拍卖等环节上均进行了革新。

　　在此基础上，广告主能看到、自行选用诸多产品，比如内容方面有“擎舵”来做图文、视频以及数字人等内容半岛，“轻舸”帮助广告主简单做投放，还有商家智能体去做7*24小时的金牌业务员。这样一整套全新的AI广告产品体系，已经完全区别于百度此前的传统产品矩阵。

　　生成式AI新产品和用AI优化的传统系统，都是在面对广告主提供服务。这种双线并行的策略，难免会引发迷惑——站在平台角度，这么做难道不是左右手互搏？

　　事实上，如果一定要站在技术演进的角度去看当下这种并行模式，现在更像是处在一种从优化走向重构的“过渡期”。

　　AI技术早已在广告营销行业中广泛使用，过去决策式AI已经在做精准定向和出价策略优化的工作，这也是为什么目前AI技术看起来运用得特别分散的一个大背景。而现在，AI大模型“重构”一整套新产品，又无法一蹴而就，很多平台需要更多时间来一步步尝试，陆续推出新产品来找侧重和方向。

　　腾讯广告对外提出希望能够借助大模型的能力，把广告整个生态体系全部打通。不过目前，腾讯广告是用新推出的AI广告创意平台“妙思”迈出了第一步，主要还是在做广告素材生成的工作。同时在腾讯2023年财报中也能看到，腾讯广告对于以AI驱动的广告技术平台进行了升级，这也能够体现在广告投放方面的探索。

　　特赞联合创始人王喆提到，同样是面对生成AI，奢侈品牌的态度会很谨慎，反而是中小企业没有太多品牌形象和社会影响的“包袱”，更愿意大胆尝试。

　　所以目前，越多智能化广告产品的出现，就越能够去对应满足不同广告主的差异化需求，广告主的选择空间很大，选择的灵活度也高。百度商业策略产品负责人余昌远也表示，广告主是分层的，不同体量、规模的企业对营销新技术及产品的态度和需求也完全不同，平台提供多种智能化产品，其实是可以更全面满足所有人的需求。

　　在当下这个过渡期，将AI相关技术运用在传统广告系统中做升级优化，自然是会更力所能及，而且效果显著。

　　一是通过技术应用，去打破过去产品之间的壁垒，做“大整合”。更为“极致”的整合，可以切实地降本增效，在存量环境中找增长可能。

　　二是在整合基础上，做“精细化”。比如从营销具体的环节切入，通过技术的融入和应用来针对性解决痛点；以及对广告主划分不同的行业，整合各种新技术给出针对性方案。

　　直至去年第三季度，阿里妈妈的重点还是在传统广告产品整合上。“万相台无界版”将过去专门投放搜索广告、推荐广告等产品全面整合。它强调平台要站在广告主角度，以投放目的为唯一核心，集中资源做投放。

　　整合产品的同时，阿里妈妈突出强调着“让每一份经营都算数”，通过MTA归因工具让广告主从全局视角做数据的大整合，整体去评估各流量场、投放场景和广告产品的最终实际效果。

　　精细化方面，阿里妈妈主要在基于大模型去做更精准的人货匹配，包括全面识别用户需求、理解货品信息、精准匹配和高效响应用户反馈等等。同时，阿里妈妈也将生成式AI应用于素材创作和广告投放，批量生成更符合广告主特点的内容素材，以及在投前中后各个环节上来精准提效。

　　再看巨量引擎，其覆盖了今日头条、抖音、西瓜视频等多个平台，每个平台中又有相当多种广告资源。于是巨量引擎划分了品牌建设、搜索营销、电商经营、本地生活、线索留资等多个不同模块，方便广告主自行精准找寻广告资源。

　　同时，巨量引擎也有一整套营销科学方案，新推出的产品也是整合了多种技术能力。比如今年推出自动化广告投放产品UBMax，除针对投放做智能化升级，也将AIGC生成素材的能力融入了进去。相当于是将内容、定向以及投放三个环节整合进了一个产品中。

　　新兴技术正努力在各环节上降本增效，但不应忽视的是，技术也让营销活动中的一些准则规范也发生了新变化。

　　前几年，从各国出台数据保护政策，到苹果宣布隐私新规、谷歌推出隐私沙盒，几乎每次都带来行业巨震。而迅猛进步的AI大模型需要将海量数据作为“养料”转化后输出，这就又让隐私保护和数据安全等问题成为行业关注焦点。去年，意大利和波兰等国的监管机构就对与ChatGPT进行了多项公开调查，直至OpenAI修改向用户提供的信息和控制措施，才应对了监管风险。

　　不只是欧洲国家对这一方面的要求严格，全球范围内的多项立法工作都在试图解决与个人隐私、数据保护和安全性相关的问题。2021年底，中国广告协会（CAA）与中国通信标准化协会（CCSA）也联合发布了国内首个互联网广告数据安全标准。

　　而作为拥有庞大用户数据的关键角色，海内外各大互联网公司，也都在积极投入隐私计算技术。简单来讲，这种技术是将AI、密码学、数据科学等众多学科交融，通过多种具体的技术手段，来确保数据在获取、存储、应用、计算过程中“可用但不可见”。

　　广告营销正是其中的一个技术应用领域。互联网公司会考虑到业内多方需要数据共享的问题，设置一个Data Clean Room（中文译称“数据清理室”）产品，在保护数据隐私的前提下，去做第一方数据与第三方数据的融合分析。

　　比如阿里妈妈有一个营销隐私计算平台SDH（Secure Data Hub）就是如此，它面向广告引擎、广告主、三方DSP/DMP等合作方，通过多方安全计算、联邦学习、差分隐私等隐私计算技术，在保证隐私安全环境下，为品牌提供数据决策服务。

　　Mobvista汇量科技CAIO（首席人工智能官）朱小强告诉「深响」，平台在获取数据时，已经有一整套明确的数据体系规范，从一开始就保证了数据的规范性。并且在做定向的时候，汇量科技也会基于脱敏数据去做受众定向，对受众特征匿名化，平台无法通过反向推导定位具体某个用户；并且系统内也有严格的数据访问控制，保证数据的安全性。

　　另外一个容易忽略的关键性问题：很多隐私保护和数据安全风险，其实是来源于各国标准不一。广告技术进步带来的效应是全球性的，而不同国家和地区的监管标准可能存在差异，因此跨境应用的技术可能会面临不同法规的适应性挑战。例如针对cookie的数据隐私政策，全不同国家就各有其不同政策，而且去年谷歌还已开始禁用cookie。

　　为此，海内外也有专业去帮助广告主去做数据隐私管理的公司和产品。比如曾在去年获得B轮融资的「Osano」就是一个数字隐私管理平台，主要利用SaaS平台，为企业提供隐私政策洞察和隐私合规状况监管服务。

　　与技术相搭配的是，他们也会整合一个全球隐私专家团队，来持续监测隐私领域的动态半岛，随时跟进新的法律法规和数据保护机构的裁决，以确保企业的数据应对能够避免风险。

　　除了数据层面的合规问题，广告反欺诈也是广告营销业内的另一大关键，并且从互联网广告诞生之初即存在。据世界广告主联合会(WFA)估计，到2025年，每年因广告欺诈造成的损失将超过 500 亿美元。

　　他们往往会根据平台的流量识别和拦截策略，去针对性地找漏洞和突破口，“对抗”相当激烈。对于平台而言，唯一解法只能是不断去迭代和更新策略模型，保持永远比黑产技高一筹的状态。

　　在用户侧，欺诈行为主要表现为点击作弊，人为去增加虚假、无效流量。这种行为不仅会导致广告主的投入资金被浪费，其实也会对广告平台的声誉和广告效果评估造成负面影响。

　　为此，互联网平台会有专业团队通过一系列智能化技术手段去应对。比如2022年，腾讯安全技术团队从对前端和业务数据无效流量的识别，拓展到了网络底层无效流量的识别，丰富了反欺诈的数据和特征。2023年，腾讯安全技术团队还升级了“天幕系统安全策略”，用更多、更新的技术去对无效点击进行过滤，针对非法、恶意的“垃圾流量”加以监控，减少用户端作弊的问题。

　　同时第三方营销数据分析公司也可以发挥作用。比如Adjust有一个防作弊套件来帮助广告主预防点击欺诈，去年还推出了一项新功能，可及时发现并拦截经常出现作弊问题的推广活动。

　　而在广告主侧，由于oCPX等诸多新技术应用的广告投放模式，都会要求广告主回传自己的一方数据，以便广告平台能更准确地评估广告效果，进行智能调价和优化。但此时，有些广告主会为了节省费用，“耍小聪明”少回传或者不回传转化数据，这也就导致了数据欺诈问题。

　　这种行为看似是薅到了平台的羊毛，但实际上长期以来会影响自身广告策略的准确性和效果，而且往大了看，也是在扰乱整个广告市场的正常秩序。

　　互联网平台同样也在通过一系列技术手段进行监测和识别。比如对比广告主的历史提交的数据，以及同行业的整体数据情况，就能够对异常情况进行及时捕捉和分析，发现潜在的欺诈行为。这种对比法其实并不难理解，但却足够直接和有效。

　　从20世纪初广告大师们提出要做“科学广告”，开始对广告效果进行评估；到21世纪互联网的发展，让广告有了数字化可能，技术贯穿始终，掀起一波波浪潮，推动广告从“感性混沌”进入到“理性科学”领域。

　　AI相关技术的快速发展，让广告营销行业又站在了一个变革临界点上。新技术带来了更简单、更精准、更高效的进步，像是让广告安装了瞄准镜，直击目标人群，提升曝光度、提高转化率。同时，整个营销生态也迎来了更为健康的进化，我们正在用更创新、多样的技术，去提升应对行业风险的能力。

　　当然硬币总有两面，我们不应忽视过度依赖技术带来的风险。技术本质上就是工具，使用工具的始终是人。我们会如何使用它，决定了广告营销行业的未来走向，这也是广告平台、广告主、技术提供方仍需长期思考的事。