从创意到运营，AI正从5方面“吃掉”广告业

作者： Innocent Roland 来源| Morketing

全文约5300字，阅读约需8分钟，好文值得慢慢品读

广告技术（AD-Tech）的历史，本质上是一部关于"如何更高效地连接品牌与消费者"的进化史。

从20世纪90年代第一个横幅广告诞生开始，广告行业就一直未曾停止对效率的追求。进入21世纪，程序化广告的兴起彻底改变了游戏规则：实时竞价（RTB）、需求方平台（DSP）、供应方平台（SSP）的出现，让广告购买变得像股票交易一样自动化；数据管理平台（DMP）让广告主第一次能够基于用户行为进行精准定向。这一刻，"数据驱动"成为了广告行业的核心信仰。

随后，移动互联网的爆发带来了新的挑战和机遇。用户的注意力从桌面转移到了手机，从浏览器转移到了App。

直到现如今，大语言模型和多模态AI开始以惊人的速度渗透到广告技术的每一个角落。只不过与上次侧重分发模式的改变不同，这次的AI正在从前端创意生产、AI客服、广告运营乃至就业结构上，全面改造广告行业。为此，Morketing结合一些针对业内人士的调研和广告技术的发展脉络，盘点AI正在如何改变这个行业的游戏规则。

创意生产的工业化：

当“110个版本”成为标配

“每一个case都需要110个不同的创意。”

这句话听上去有点夸张，但不可否认的是，在传统广告时代，创意是一个高度依赖人工的过程。一个广告战役可能只有3-5个核心创意，每一个都需要文案、设计师、制作团队投入大量时间和精力。测试不同版本意味着巨大的成本，因此营销团队往往只能依靠经验和直觉来设计广告。

虽然这一切在程序化广告时代迎来了一些改变，A/B测试成为了标准做法，营销团队可以同时投放几个不同的创意版本，看哪个表现更好。

但这种测试依旧有相当多的限制，其中最明显的就是受限于制作成本和投放预算，你不可能测试太多版本。

但随着多模态AI的发展，营销人员可以快速创建广告的不同变体版本，只需要对文案进行微小的改动，比如换一个标题、调整一下配色、修改一个按钮的文案，就能生成数十甚至上百个版本。更重要的是，这些工具能够实时监测每个版本的表现，快速识别出哪些元素在起作用，哪些需要调整。

这一能力的意义不止于速度，更在于让“测试-学习-优化”的闭环变得前所未有的紧凑。营销团队不再需要依赖直觉猜测创意效果，而是用数据说话。表现不佳的创意能在浪费过多预算前被及时淘汰，表现优异的则能被迅速放量。

当然，这并不意味着现阶段的AIGC完美无瑕。相反，这种生产方式也带来了诸多新麻烦，例如创意内容的同质化、AI幻觉带来的不可控性，以及随着制作成本下降反而攀升的审核与监管成本。

对此，一位4A公司的资深营销人士九月向Morketing表示：“我也实际体验过各式各样的AI，现阶段给我的感觉很奇妙。用下来总感觉像是雇佣了一个印度团队：总结汇报天花乱坠，情绪价值拉满，钱也花了，但事儿呢，你也不能说他没干。”

思考片刻后，他补充道：“当然，这些都是技术层面的问题，大概率会随着时间推移得到解决。真正的问题在于，当创意生产变得如此‘工业化’，创意质量是否会受到影响？当一切都变成数据驱动的优化，那些真正具有突破性、能改变品牌命运的‘Big Idea’是否还有生存空间？”

此外，当创意唾手可得，营销人员有可能陷入“为了测试而测试”的陷阱。随着AI生成创意越来越便捷，许多广告流程已演变为：先用AI生成200个创意，再用AI优化这些创意，最后创建一些“虚拟观众”AI来测试反馈。这是否反而成了一种效率幻觉？

关于这些问题，我们和九月都暂无确切答案。但可以肯定的是，AI正在重新定义创意生产的内涵——它不再是少数天才文案和艺术家的专属领地，而是一个可被系统化、规模化和数据化的流程。

AI“统治”下的品牌：

从聊天机器人到品牌代言人

如果说创意生产的工业化是AI对广告行业的第一波冲击，那么智能体（Agent）则是第二轮，也是影响更为深远的一轮。

智能体最典型的应用之一是聊天机器人，或曰智能客服。这并非新鲜事物，早在十多年前，企业就开始尝试用聊天机器人处理客服业务。但早期的聊天机器人多基于规则，只能回答预设问题，一旦用户提问超出范围，便会陷入尴尬的沉默。

然而，随着大语言模型（LLM）的突破，当AI能够真正“理解”自然语言、进行上下文推理并生成连贯逻辑回应时，聊天机器人便从简单的“插件/工具”升级为真正的“客服”。

亚马逊有Rufus，沃尔玛有Sparky，这些大型零售商早已布局AI客服。如今，越来越多中小品牌也开始建立自己的AI客服。值得注意的是，这些客服不仅是简单的问答机器，更被训练成品牌的“数字代言人”，能够理解品牌风格、掌握产品信息，并与客户进行深度互动。经过相应训练后，AI有时甚至能表现得比人类更“智能”。

当然，AI客服绝不仅限于2C领域，B2B领域同样开始广泛应用，例如Cargo（一家车载零售公司，通过在Uber车内放置透明盒子，让司机向乘客推销产品。每成一单，Cargo支付司机1美元基础佣金及销售额25%的提成，即便顾客下单免费试用装，司机也有收益。尽管其定位为零售公司，但本质上更接近营销服务公司）。

买家可通过对话完成整个采购流程，输入品牌计划、预算、目标渠道等信息，AI代理便会协助优化投放策略、推荐合适广告形式，甚至提供创意建议。尽管现阶段其AI客服尚在测试中，但不可否认，一旦这种“对话式商务”模式被验证可行，将极大改变传统B2B销售流程——那种涉及大量邮件往来、电话会议和人工协调，从初次接触到最终成交往往需要数周甚至数月的低效模式。

更重要的是，AI代理可7×24小时工作，永不疲倦，也不会遗漏任何产品细节。对于销售团队而言，这意味着他们能将更多精力投入到真正需要人工介入的高价值客户身上，而将日常咨询与筛选工作交给AI代理。

除了已知改变，关于未来的思考也在涌现。一位游戏俱乐部负责人在与Morketing沟通时提到：“我们其实最适合用AI客服，业务流程相对固定。相比人工客服可能存在的隐患——比如更倾向于给关系好的‘打手’派单——AI没有这种风险。但我们担心的是，如果用了AI，会不会削弱我们和‘老板’（客户）之间的联系？很多时候，客户下单找陪玩或护航，本质上是带有很高情绪需求的。”

事实上，这正是现阶段AI客服面临的核心问题：情绪。这也引发了一个更深层的思考：或许现阶段消费者尚未习惯，但终有一天，当大家习惯了与AI对话，品牌与消费者之间的关系将发生何种质变？

这是否意味着，品牌的“人格化”将变得前所未有地重要。你的AI客服不仅要有准确的产品知识，还要具备符合品牌调性的“性格与情绪”——是设定为专业严谨，还是轻松幽默？是高效直接，还是温暖贴心？这些选择都将深刻影响消费者对品牌的感知。

广告运营自动化

前文探讨的多是直接触达消费者的广告业“前端”服务。除此之外，支撑一切的“后端”——广告运营（Ad Ops）——同样重要。相比前端，AI对这一后端的影响可能更直接、更立竿见影。

过去，广告运营是一项复杂繁琐的工作。一个典型的投放流程可能涉及数十个步骤：在DSP中创建活动、设置定向参数、上传创意素材、配置出价策略、监控投放数据、优化表现不佳的广告组、向客户生成报告……

这些步骤大多需人工完成。一名广告运营专员可能需在多个平台间频繁切换，手动输入数据、调整设置、下载报表。这一过程不仅耗时，且极易出错，而错误的代价往往巨大——近年来因输入错误导致数千甚至数万元预算浪费的新闻屡见不鲜。

如今，AI工具可记录包含30个步骤的操作流程，并自动执行。但这并不意味着广告运营不再重要。目前绝大多数公司的选择是将人置于回路中（Human in the Loop），即由人类操控AI执行具体任务和流程，将人作为决策调度中枢，让AI处理重复性、规则性工作，而人类则专注于更需要判断力和创造力的事务。

对于广告分发而言，AI也极大地简化了工作流，改进了广告定位，让内容更易被发现。特别是在发布商面临外链流量下降的挑战时（这是Google算法更新和社交媒体平台政策变化带来的普遍问题），AI能帮助他们更好地理解受众，创建更具针对性的内容，从而提升用户留存和广告收入。例如工具Glean，它可从Salesforce、Google Drive等不同平台提取知识，协助团队准备客户会议、制作演示文稿、提取广告支持表。

但是，无论是客服，还是分发，在讨论广告运营自动化时，有一个重要的区别需要明确：自动化（Automation）不等于自主化（Autonomy）。

简而言之，自动化是指AI按预设规则和流程执行任务，但最终决策权仍掌握在人类手中；自主化则是指AI能独立做出决策，甚至在无人工干预的情况下调整策略。目前，广告运营领域的AI应用大多停留在自动化阶段。AI能助你更快完成任务，但战略层面的决策——如预算分配、渠道选择、创意方向——仍需人类判断。

这也意味着，当下广告从业者必须思考的问题不是“AI是否会取代我”，而是“AI将对广告行业的既定路径带来什么影响”。尤其是当AI能处理越来越多任务时，是否会迫使绝大多数从业者从“执行者”转变为监督AI工作的“监管者”？更进一步说，这种角色转变是否会彻底改变整个广告行业的技能结构与职业发展路径？

端到端，

一站式平台替代分散经营

正如上文所述，随着AI开始彻底改变广告行业从前端到后端的所有流程，一个新的问题应运而生：能否用一个平台覆盖营销活动的全生命周期？

听上去很复杂，但简单来说，就是广告主只需向系统提交一个Brief，AI便能据此研判并提炼核心信息，提出媒体建议与计划，依据渠道表现进行优化，生成目标受众，针对特定渠道和受众开展活动，并最终向广告主提交完整的结案报告。

对于大公司而言，若能通过这种一站式平台完成整合，就意味着不再需要协调不同部门，而是由AI统一调用和处理数据流。从策略到执行再到报告，所有环节均基于同一数据基础，既保证了输出内容的统一性，也避免了数据孤岛带来的信息误差。

从某种程度来说，这是一个必然的发展方向。或者说，我们已在见证此类案例。回顾2023至2025年，短短三年间，几乎所有广告公司都在竭力完成整合。无论是AppLovin对数字广告全链路的疯狂收购，还是各大公司不断推出各类工具以完善自身广告生态，甚至连零售商也在尝试将数字广告整合进自身业务中。

对于AI而言，未来大概率也是如此。毕竟，整合对于品牌意味着更低的门槛和更高的效率；对于营销技术公司，则意味着更大的客户粘性和更完整的价值主张。双方大概率都会积极推动这一整合进程。

效率的代价：

当1/3的人就能完成同样的工作

当然，AI带来的改变远不止于此，比如近期火热的GEO（生成式引擎优化）。GEO的兴起标志着一个更大趋势：营销的战场正从传统搜索引擎和社交媒体，扩展到AI驱动的对话界面。对品牌而言，这意味着需要重新审视其内容策略与可见性策略。

但与上述流程和工作的改变不同，GEO更多是关乎广告应出现在何处，而非如何做好广告。它更像用户从图文媒体迁移至短视频媒体，本身并不具备改造行业内核的能力。因此，我们并未将其视为AI对广告行业的颠覆性力量。

与GEO相反，在讨论AI对广告技术的改变时，有一个无法回避的话题：就业。

综合前述四点AI对广告行业的改变，我们会发现所有应用都在不断提升效率，甚至被众多企业视为AI最重要的成就。总结下来无非四个字：降本增效。在商业逻辑中，效率即利润，而人力成本往往是最大的成本之一。如果AI能让1/3的人完成同样的工作，从财务角度看，这确实是一种“成功”。

但从人和行业的角度来看，可能并非如此。通过对广告公司的调研可以发现，广告行业正面临一个严峻的现实：入门级广告运营岗位正在消失。这并非预测，而是正在发生的现实。颇为残酷的是，“人在回路中”（Human in the Loop）这个概念某种程度上正在麻痹所有人。它听起来像是人类仍在掌控一切，但现实往往是：AI完成了99%的工作，人类只是那个最后点击“批准”按钮的人。

这带来的问题非常直接，尤其对于刚入行的年轻人而言。过去，入门级岗位是学习与成长的阶梯。新人从处理简单任务开始，逐步积累经验，最终能独立负责复杂项目。但如果这些入门级任务都被AI接管了，年轻人将从何处获得学习与成长的机会？

更关键的是，随着时间的推移，一个能用AI生成110个创意版本的人，可能真的会误以为自己是“创意专家”。但真相可能是，他只是一个会用AI的专家。由于缺乏初期基础工作的磨砺，他可能对品牌策略、消费者心理、文化趋势缺乏深入理解，对这些历经百年沉淀的品牌资产毫无敬畏之心。对他而言，只有数据，而没有历史、品牌故事和温度。那么在未来，我们还能建立起有温度的品牌吗？

结语

总的来说，AI正在重塑广告技术，这一点已毋庸置疑。从创意生产到广告运营，从客户互动到搜索优化，AI正渗透到营销链条的每一个环节。这场变革带来的好处显而易见：更高的效率、更快的速度、更低的成本、更好的效果。品牌能以更少资源做更多事，营销团队能从重复劳动中解放出来，专注于更有价值的战略性工作。

但这场变革也带来了深刻的挑战。就业结构的改变、技能需求的转变、数据隐私的风险、AI幻觉的问题——这些都是行业需要认真面对的。

当然，从历史的角度看，效率的提升往往会催生新的消费与新的工作。农业效率的提高将人们从土地上解放出来，进入了工厂和服务业；工厂自动化的提高将人们从流水线上解放出来，进入了知识经济。每一次技术革命，都会淘汰一些旧工作，但也会创造一些新工作。

或许，AI的意义不仅仅在于“用更少的人做同样的事”，更在于“用同样的人做更多的事”。也许，这就是AI时代的营销真谛：让AI负责其擅长之事——处理数据、执行规则、优化细节；让人类负责其擅长之事——理解情感、创造意义、制定策略。将AI的效率与人类洞察力相结合，去创造新时代的品牌故事，让商业变得更有温度，而非更加冷漠。

THE END.