作者： Innocent Roland 來源| Morketing

全文約5300字，閱讀約需8分鐘，好文值得慢慢品讀

廣告技術（AD-Tech）的歷史，本質上是一部關于"如何更高效地連接品牌與消費者"的進化史。

從20世紀90年代第一個橫幅廣告誕生開始，廣告行業就一直未曾停止對效率的追求。進入21世紀，程序化廣告的興起徹底改變了游戲規則：實時競價（RTB）、需求方平臺（DSP）、供應方平臺（SSP）的出現，讓廣告購買變得像股票交易一樣自動化；數據管理平臺（DMP）讓廣告主第一次能夠基于用戶行為進行精準定向。這一刻，"數據驅動"成為了廣告行業的核心信仰。

隨后，移動互聯網的爆發帶來了新的挑戰和機遇。用戶的注意力從桌面轉移到了手機，從瀏覽器轉移到了App。

直到現如今，大語言模型和多模態AI開始以驚人的速度滲透到廣告技術的每一個角落。只不過與上次側重分發模式的改變不同，這次的AI正在從前端創意生產、AI客服、廣告運營乃至就業結構上，全面改造廣告行業。為此，Morketing結合一些針對業內人士的調研和廣告技術的發展脈絡，盤點AI正在如何改變這個行業的游戲規則。

創意生產的工業化：

當“110個版本”成為標配

“每一個case都需要110個不同的創意。”

這句話聽上去有點夸張，但不可否認的是，在傳統廣告時代，創意是一個高度依賴人工的過程。一個廣告戰役可能只有3-5個核心創意，每一個都需要文案、設計師、制作團隊投入大量時間和精力。測試不同版本意味著巨大的成本，因此營銷團隊往往只能依靠經驗和直覺來設計廣告。

雖然這一切在程序化廣告時代迎來了一些改變，A/B測試成為了標準做法，營銷團隊可以同時投放幾個不同的創意版本，看哪個表現更好。

但這種測試依舊有相當多的限制，其中最明顯的就是受限于制作成本和投放預算，你不可能測試太多版本。

但隨著多模態AI的發展，營銷人員可以快速創建廣告的不同變體版本，只需要對文案進行微小的改動，比如換一個標題、調整一下配色、修改一個按鈕的文案，就能生成數十甚至上百個版本。更重要的是，這些工具能夠實時監測每個版本的表現，快速識別出哪些元素在起作用，哪些需要調整。

這一能力的意義不止于速度，更在于讓“測試-學習-優化”的閉環變得前所未有的緊湊。營銷團隊不再需要依賴直覺猜測創意效果，而是用數據說話。表現不佳的創意能在浪費過多預算前被及時淘汰，表現優異的則能被迅速放量。

當然，這并不意味著現階段的AIGC完美無瑕。相反，這種生產方式也帶來了諸多新麻煩，例如創意內容的同質化、AI幻覺帶來的不可控性，以及隨著制作成本下降反而攀升的審核與監管成本。

對此，一位4A公司的資深營銷人士九月向Morketing表示：“我也實際體驗過各式各樣的AI，現階段給我的感覺很奇妙。用下來總感覺像是雇傭了一個印度團隊：總結匯報天花亂墜，情緒價值拉滿，錢也花了，但事兒呢，你也不能說他沒干。”

思考片刻后，他補充道：“當然，這些都是技術層面的問題，大概率會隨著時間推移得到解決。真正的問題在于，當創意生產變得如此‘工業化’，創意質量是否會受到影響？當一切都變成數據驅動的優化，那些真正具有突破性、能改變品牌命運的‘Big Idea’是否還有生存空間？”

此外，當創意唾手可得，營銷人員有可能陷入“為了測試而測試”的陷阱。隨著AI生成創意越來越便捷，許多廣告流程已演變為：先用AI生成200個創意，再用AI優化這些創意，最后創建一些“虛擬觀眾”AI來測試反饋。這是否反而成了一種效率幻覺？

關于這些問題，我們和九月都暫無確切答案。但可以肯定的是，AI正在重新定義創意生產的內涵——它不再是少數天才文案和藝術家的專屬領地，而是一個可被系統化、規模化和數據化的流程。

AI“統治”下的品牌：

從聊天機器人到品牌代言人

如果說創意生產的工業化是AI對廣告行業的第一波沖擊，那么智能體（Agent）則是第二輪，也是影響更為深遠的一輪。

智能體最典型的應用之一是聊天機器人，或曰智能客服。這并非新鮮事物，早在十多年前，企業就開始嘗試用聊天機器人處理客服業務。但早期的聊天機器人多基于規則，只能回答預設問題，一旦用戶提問超出范圍，便會陷入尷尬的沉默。

然而，隨著大語言模型（LLM）的突破，當AI能夠真正“理解”自然語言、進行上下文推理并生成連貫邏輯回應時，聊天機器人便從簡單的“插件/工具”升級為真正的“客服”。

亞馬遜有Rufus，沃爾瑪有Sparky，這些大型零售商早已布局AI客服。如今，越來越多中小品牌也開始建立自己的AI客服。值得注意的是，這些客服不僅是簡單的問答機器，更被訓練成品牌的“數字代言人”，能夠理解品牌風格、掌握產品信息，并與客戶進行深度互動。經過相應訓練后，AI有時甚至能表現得比人類更“智能”。

當然，AI客服絕不僅限于2C領域，B2B領域同樣開始廣泛應用，例如Cargo（一家車載零售公司，通過在Uber車內放置透明盒子，讓司機向乘客推銷產品。每成一單，Cargo支付司機1美元基礎傭金及銷售額25%的提成，即便顧客下單免費試用裝，司機也有收益。盡管其定位為零售公司，但本質上更接近營銷服務公司）。

買家可通過對話完成整個采購流程，輸入品牌計劃、預算、目標渠道等信息，AI代理便會協助優化投放策略、推薦合適廣告形式，甚至提供創意建議。盡管現階段其AI客服尚在測試中，但不可否認，一旦這種“對話式商務”模式被驗證可行，將極大改變傳統B2B銷售流程——那種涉及大量郵件往來、電話會議和人工協調，從初次接觸到最終成交往往需要數周甚至數月的低效模式。

更重要的是，AI代理可7×24小時工作，永不疲倦，也不會遺漏任何產品細節。對于銷售團隊而言，這意味著他們能將更多精力投入到真正需要人工介入的高價值客戶身上，而將日常咨詢與篩選工作交給AI代理。

除了已知改變，關于未來的思考也在涌現。一位游戲俱樂部負責人在與Morketing溝通時提到：“我們其實最適合用AI客服，業務流程相對固定。相比人工客服可能存在的隱患——比如更傾向于給關系好的‘打手’派單——AI沒有這種風險。但我們擔心的是，如果用了AI，會不會削弱我們和‘老板’（客戶）之間的聯系？很多時候，客戶下單找陪玩或護航，本質上是帶有很高情緒需求的。”

事實上，這正是現階段AI客服面臨的核心問題：情緒。這也引發了一個更深層的思考：或許現階段消費者尚未習慣，但終有一天，當大家習慣了與AI對話，品牌與消費者之間的關系將發生何種質變？

這是否意味著，品牌的“人格化”將變得前所未有地重要。你的AI客服不僅要有準確的產品知識，還要具備符合品牌調性的“性格與情緒”——是設定為專業嚴謹，還是輕松幽默？是高效直接，還是溫暖貼心？這些選擇都將深刻影響消費者對品牌的感知。

廣告運營自動化

前文探討的多是直接觸達消費者的廣告業“前端”服務。除此之外，支撐一切的“后端”——廣告運營（Ad Ops）——同樣重要。相比前端，AI對這一后端的影響可能更直接、更立竿見影。

過去，廣告運營是一項復雜繁瑣的工作。一個典型的投放流程可能涉及數十個步驟：在DSP中創建活動、設置定向參數、上傳創意素材、配置出價策略、監控投放數據、優化表現不佳的廣告組、向客戶生成報告……

這些步驟大多需人工完成。一名廣告運營專員可能需在多個平臺間頻繁切換，手動輸入數據、調整設置、下載報表。這一過程不僅耗時，且極易出錯，而錯誤的代價往往巨大——近年來因輸入錯誤導致數千甚至數萬元預算浪費的新聞屢見不鮮。

如今，AI工具可記錄包含30個步驟的操作流程，并自動執行。但這并不意味著廣告運營不再重要。目前絕大多數公司的選擇是將人置于回路中（Human in the Loop），即由人類操控AI執行具體任務和流程，將人作為決策調度中樞，讓AI處理重復性、規則性工作，而人類則專注于更需要判斷力和創造力的事務。

對于廣告分發而言，AI也極大地簡化了工作流，改進了廣告定位，讓內容更易被發現。特別是在發布商面臨外鏈流量下降的挑戰時（這是Google算法更新和社交媒體平臺政策變化帶來的普遍問題），AI能幫助他們更好地理解受眾，創建更具針對性的內容，從而提升用戶留存和廣告收入。例如工具Glean，它可從Salesforce、Google Drive等不同平臺提取知識，協助團隊準備客戶會議、制作演示文稿、提取廣告支持表。

但是，無論是客服，還是分發，在討論廣告運營自動化時，有一個重要的區別需要明確：自動化（Automation）不等于自主化（Autonomy）。

簡而言之，自動化是指AI按預設規則和流程執行任務，但最終決策權仍掌握在人類手中；自主化則是指AI能獨立做出決策，甚至在無人工干預的情況下調整策略。目前，廣告運營領域的AI應用大多停留在自動化階段。AI能助你更快完成任務，但戰略層面的決策——如預算分配、渠道選擇、創意方向——仍需人類判斷。

這也意味著，當下廣告從業者必須思考的問題不是“AI是否會取代我”，而是“AI將對廣告行業的既定路徑帶來什么影響”。尤其是當AI能處理越來越多任務時，是否會迫使絕大多數從業者從“執行者”轉變為監督AI工作的“監管者”？更進一步說，這種角色轉變是否會徹底改變整個廣告行業的技能結構與職業發展路徑？

端到端，

一站式平臺替代分散經營

正如上文所述，隨著AI開始徹底改變廣告行業從前端到后端的所有流程，一個新的問題應運而生：能否用一個平臺覆蓋營銷活動的全生命周期？

聽上去很復雜，但簡單來說，就是廣告主只需向系統提交一個Brief，AI便能據此研判并提煉核心信息，提出媒體建議與計劃，依據渠道表現進行優化，生成目標受眾，針對特定渠道和受眾開展活動，并最終向廣告主提交完整的結案報告。

對于大公司而言，若能通過這種一站式平臺完成整合，就意味著不再需要協調不同部門，而是由AI統一調用和處理數據流。從策略到執行再到報告，所有環節均基于同一數據基礎，既保證了輸出內容的統一性，也避免了數據孤島帶來的信息誤差。

從某種程度來說，這是一個必然的發展方向。或者說，我們已在見證此類案例。回顧2023至2025年，短短三年間，幾乎所有廣告公司都在竭力完成整合。無論是AppLovin對數字廣告全鏈路的瘋狂收購，還是各大公司不斷推出各類工具以完善自身廣告生態，甚至連零售商也在嘗試將數字廣告整合進自身業務中。

對于AI而言，未來大概率也是如此。畢竟，整合對于品牌意味著更低的門檻和更高的效率；對于營銷技術公司，則意味著更大的客戶粘性和更完整的價值主張。雙方大概率都會積極推動這一整合進程。

效率的代價：

當1/3的人就能完成同樣的工作

當然，AI帶來的改變遠不止于此，比如近期火熱的GEO（生成式引擎優化）。GEO的興起標志著一個更大趨勢：營銷的戰場正從傳統搜索引擎和社交媒體，擴展到AI驅動的對話界面。對品牌而言，這意味著需要重新審視其內容策略與可見性策略。

但與上述流程和工作的改變不同，GEO更多是關乎廣告應出現在何處，而非如何做好廣告。它更像用戶從圖文媒體遷移至短視頻媒體，本身并不具備改造行業內核的能力。因此，我們并未將其視為AI對廣告行業的顛覆性力量。

與GEO相反，在討論AI對廣告技術的改變時，有一個無法回避的話題：就業。

綜合前述四點AI對廣告行業的改變，我們會發現所有應用都在不斷提升效率，甚至被眾多企業視為AI最重要的成就。總結下來無非四個字：降本增效。在商業邏輯中，效率即利潤，而人力成本往往是最大的成本之一。如果AI能讓1/3的人完成同樣的工作，從財務角度看，這確實是一種“成功”。

但從人和行業的角度來看，可能并非如此。通過對廣告公司的調研可以發現，廣告行業正面臨一個嚴峻的現實：入門級廣告運營崗位正在消失。這并非預測，而是正在發生的現實。頗為殘酷的是，“人在回路中”（Human in the Loop）這個概念某種程度上正在麻痹所有人。它聽起來像是人類仍在掌控一切，但現實往往是：AI完成了99%的工作，人類只是那個最后點擊“批準”按鈕的人。

這帶來的問題非常直接，尤其對于剛入行的年輕人而言。過去，入門級崗位是學習與成長的階梯。新人從處理簡單任務開始，逐步積累經驗，最終能獨立負責復雜項目。但如果這些入門級任務都被AI接管了，年輕人將從何處獲得學習與成長的機會？

更關鍵的是，隨著時間的推移，一個能用AI生成110個創意版本的人，可能真的會誤以為自己是“創意專家”。但真相可能是，他只是一個會用AI的專家。由于缺乏初期基礎工作的磨礪，他可能對品牌策略、消費者心理、文化趨勢缺乏深入理解，對這些歷經百年沉淀的品牌資產毫無敬畏之心。對他而言，只有數據，而沒有歷史、品牌故事和溫度。那么在未來，我們還能建立起有溫度的品牌嗎？

結語

總的來說，AI正在重塑廣告技術，這一點已毋庸置疑。從創意生產到廣告運營，從客戶互動到搜索優化，AI正滲透到營銷鏈條的每一個環節。這場變革帶來的好處顯而易見：更高的效率、更快的速度、更低的成本、更好的效果。品牌能以更少資源做更多事，營銷團隊能從重復勞動中解放出來，專注于更有價值的戰略性工作。

但這場變革也帶來了深刻的挑戰。就業結構的改變、技能需求的轉變、數據隱私的風險、AI幻覺的問題——這些都是行業需要認真面對的。

當然，從歷史的角度看，效率的提升往往會催生新的消費與新的工作。農業效率的提高將人們從土地上解放出來，進入了工廠和服務業；工廠自動化的提高將人們從流水線上解放出來，進入了知識經濟。每一次技術革命，都會淘汰一些舊工作，但也會創造一些新工作。

或許，AI的意義不僅僅在于“用更少的人做同樣的事”，更在于“用同樣的人做更多的事”。也許，這就是AI時代的營銷真諦：讓AI負責其擅長之事——處理數據、執行規則、優化細節；讓人類負責其擅長之事——理解情感、創造意義、制定策略。將AI的效率與人類洞察力相結合，去創造新時代的品牌故事，讓商業變得更有溫度，而非更加冷漠。

THE END.