说明：本篇文章由锦秋基金供稿，经锦秋基金授权发布。
编辑：绛烨
新一年的生成式AI进入了新的发展时期：AI应用时期，由锦秋基金发起一次硅谷Ideation之行，在此期间组织了30场AI相关的高质量交流，包括但不限于如下方面：
硅谷VC：A16Z、Pear VC 、Soma Capital、Leonis Capital 、Embedding VC、Cervin Ventures、Bee Capital、Pioneer Fund、Old Friendship Capital、知名大厂战投 ……
硅谷AI技术公司：OpenAI、xAI 、Anthropic、Google、Meta、Microsoft、Apple、Tesla、Nvidia、ScaleAI……
硅谷AI 创新top级应用：Perplexity、Character.ai 、Midjourney、Augment、Replit、Codiuem、Figure AI、Physical Intelligence、Limitless、Luma、Runway……
本篇文章，锦秋基金于美西时间1 月 13 日 15：00，在硅谷的Menlo Park，当面访谈了头部一线专家，来自Meta、Applovin、Amazon Ads、Tiktok Ads、Agency等公司的专家，就AI如何改变广告跨平台投放问题，进行了深入探讨。
大家可能对这些厂商有点陌生，这里简单介绍一下其中的几家。
Meta
广告平台特点：Meta（原Facebook）广告是全球领先的信息流广告平台之一，提供多种广告格式，包括图片广告、视频广告、轮播广告等。其广告系统基于强大的用户数据和机器学习算法，能够实现精准的目标受众定位。
应用场景：适用于多种品牌推广和销售目标，如品牌知名度提升、产品推广、潜在客户获取等。
优势：拥有庞大的用户基础和丰富的用户数据，广告投放效果可衡量，且提供多种优化工具。
Applovin
广告平台特点：Applovin是全球领先的三方程序化移动广告平台，专注于移动应用内广告。其核心产品AppDiscovery是基于效果的广告工具，通过AI广告引擎AXON优化广告投放。
应用场景：主要服务于移动应用开发者和广告主，尤其在游戏领域表现突出。
优势：在移动端广告市场中占据重要地位，其广告技术能够有效提升广告效果和用户参与度。
Amazon Ads
广告平台特点：亚马逊广告包括多种类型，如赞助产品广告、赞助品牌广告、赞助展示广告等。这些广告形式可以帮助品牌在亚马逊站内及站外提高曝光度和销售转化率。
应用场景：主要面向亚马逊平台上的卖家和品牌，帮助其提升产品销量和品牌知名度。
优势：与亚马逊的电商生态系统紧密结合，能够利用用户的购物行为数据进行精准定位。
TikTok Ads
广告平台特点：TikTok Ads是字节跳动旗下的广告平台，提供多种广告形式，包括信息流广告、开屏广告、超级首位广告等。其广告以短视频形式为主，强调互动性和原生性。
应用场景：适合年轻、时尚的品牌和产品推广，尤其在社交媒体营销和品牌故事传播方面效果显著。
优势：平台用户活跃度高，广告形式新颖，能够快速吸引用户注意力并激发互动。
广告代理Agency
定义：广告代理（Agency）是指为广告主提供广告策划、创意设计、媒体购买、广告投放等一系列服务的专业机构。
作用：帮助广告主制定广告策略，优化广告投放效果，节省成本并提高广告效率。
类型：包括传统的4A广告公司（如阳狮集团、电通等）和新兴的数字营销代理公司。
以下是正文。
一、AI带来素材生成的变化
AI技术的引入正在改变素材生成的格局，特别是在广告领域。首先，游戏广告不再局限于单一的广告机会，而是变得更加模块化。这意味着广告内容可以根据不同的平台和受众进行定制。例如，CTV技术的应用使得广告能够在像素级别上与内容实现精准匹配，从而提高广告的相关性和吸引力。然而，这种高度定制化的广告有时超出了单一广告主的供应能力，这就需要更灵活的广告投放策略来满足市场需求。
其次，对于行业领导者而言，他们不能简单地复制竞争对手的策略，而是需要紧跟市场热点，利用用户生成内容（UGC）来吸引消费者的注意力。由于许多爆款广告是不可预测的，企业必须密切关注市场动态，并迅速做出反应。对于大型品牌来说，跨媒体内容的整合变得尤为重要，这要求他们不断创造和调整内容以适应不同的平台和受众。
在跨境电商领域，AI插件的应用已经成为一种趋势，这些插件能够总结商品评论，帮助企业更好地理解产品的关键卖点。这种技术的应用不仅提高了工作效率，也为消费者提供了更有价值的信息。
广告代理公司如Adsgency在面对多模态内容时，需要提供独特的价值主张。他们不能简单地将素材直接分发给客户，而是需要让客户参与到决策过程中来，以确保广告内容符合品牌的需求和目标受众的期望。这要求广告代理公司在投放决策中更加注重人工判断，以提高广告的投资回报率（ROAS）。
最后，AI技术在广告素材制作中的应用也带来了法律风险的考量。例如，在好莱坞，无意中拍摄到路人可能会引发法律问题。为了规避这些风险，一些公司已经开始探索使用生成式AI来创建广告素材，这样可以有效避免侵犯隐私权的问题。
二、AI如何改变广告素材测试？
在2025年，AI营销的展望呈现出多样化的趋势，特别是在素材生成和测试方面。首先，AI内容的质量对不同受众的影响是显著不同的，例如，对于儿童和老年人来说，AI生成的内容可能更容易被接受。这种差异性意味着营销人员需要利用AI来生成和测试针对不同受众的定制化内容，以提高广告效果和受众参与度。
其次，AI代理（Agent）相比于基于规则的系统，能够更有效地定位受众。通过AI代理操作（Agent Ops），营销人员可以实现更精准的受众定位和广告投放。此外，利用反向生成创意的方法也是一种强化学习（RL）的应用，这需要一个能够提供反馈的测试系统。广告系统恰好提供了这样一个完美的测试环境，它具有出色的反馈机制，类似于自动驾驶技术，使得归因分析变得更加容易。
进一步地，AI技术能够将视频广告背后的元素拆解并重新组合，形成新的素材，并在线上进行无差别测试。通过这种方式，营销人员可以对素材进行剪枝，优化广告效果，并获取收益。生成式AI（GenAI）的应用可以进一步深化这一过程，尽管无法完全实现用户ID级别的定向，但可以达到用户画像的颗粒度，从而反向调节素材和内容。这种方法将素材生成与定向相结合，提高了广告的针对性和效果。
最后，值得注意的是，好莱坞在拍摄过程中为了避免法律风险，已经有人在探索使用生成式AI来避免因拍摄路人而引发的法律问题。这表明在广告素材的生成过程中，AI技术不仅能够提高效率，还能够降低法律风险。同时，好的照片不一定是好的广告素材，创意的生成也不一定完全依赖于AI技术，这强调了在AI营销中，创意和技术创新的结合仍然至关重要。
三、AI如何改变广告跨平台投放
AI驱动的跨平台变革
AI正在带来跨平台的深刻变化。首先，多平台混合建模（Multi mix modeling）成为常态，广告投放不仅涵盖搜索引擎（Search）、社交媒体（Social），还包括线下渠道（Offline）。这种跨平台的预算分配和资源调配变得更加复杂，但也更具灵活性。同时，AI助力下的实时竞价（Realtime Bidding）能够更快速地响应市场变化，及时调整策略，从而提升投放效果。
AI在用户行为分析和策略调整方面也展现出强大的能力。机器学习（Machine Learning）的预测能力不断增强，尤其是大型语言模型（LLM）在这方面表现更为出色。它们能够实时分析用户行为，并据此调整整个策略，实现更精准的投放。
广告主需求与数据隐私保护
Meta在广告投放中引入了广告主反馈机制，发现广告主并不完全接受100%的自动化投放，他们希望在其中保留一定的自定义控制权（customization）。为了保护用户隐私，Meta采取了最小化数据采集的策略，通过匿名化和去标识化处理，确保数据使用的透明度和用户的选择权。Meta Pixel作为数据收集工具，不断教育市场，其做法也被其他公司借鉴。
广告代理与自动化工具
广告代理公司（Adsgency）开发了模拟器（simulator），能够预测在特定平台上投放广告的效果，包括流量（traffic）和大致的投资回报率（ROI）。基于实时数据，代理公司可以总结出结论。目前的产品形态包括配备成功经理（success manager），整合多个数据源，包括交易数据（Transaction）和数据供应商（data vendor）。通过将数据整合，实现自动化投放和预算归因（budget attribution）。然而，其中的重点和难点在于代理与工具之间的沟通（agent communication），最终目标是实现高效果和高ROI的自动化（90% automation）。
预算调整与预测的挑战
在预算调整后，预测其后续表现是一个难题。在整体用户案例（User Case）中，很难做到精准预测。预测通常基于历史数据，在相似模式（pattern）下进行预算调整。面对广告主时，提供预测相当于给出预期，但需要在一系列前提条件下明确声明（disclaimer），因为这是一个模拟工具。例如，对于10万广告预算，需要不断测试，直到找到合适的范围。
行业实践与未来趋势
在广告行业中，Applovin等公司通过比较投资回报率（ROAS），接入第三方出价（bidding）和广告网络（Ads Network），在多个维度上寻找突破。然而，这种模式也存在争议，因为它们既是裁判又是运动员。对于广告主而言，如果首次投放效果不佳，公司规模较大的话，会更加关注不同阶段的表现。随着数据质量的提升和模型效率的增强，广告效果也会相应改善。与其依赖专家系统进行各种复杂的调整，不如关注效果本身。建立预算模型和经济学模型，最终发现只要能够更快地调整，快速找到最优解，就能在市场中胜出。
好了，今天的介绍就到这里了，感谢你的阅读。