廣告行業的一個經典問題是，你知道你的廣告費有一半是浪費的，但你無從得知是哪一半。這是百貨業之父，也是世界上第一個投放現代廣告的商人，約翰·沃納梅克在19世紀末提出的疑問。
然而，一個多世紀過去了，即使已經進入網際網路廣告時代的下半場，這一迷思依然困擾著眾多企業管理者和廣告投放最佳化師。
計算廣告體系下，廣告平臺能夠即時匹配廣告主訴求與使用者特點，靠三點：大量高質量的底層資料，強大的模型能力，以及高效的工程能力。
後兩者已幾乎不成問題。比如，騰訊廣告在其2.0階段，就已經將原來10GB的大模型升級為了400GB的大模型體系，模型能力邁入新的高度。
問題在於第一點。隨著廣告投放競爭白熱化，眾多廣告主都陷入了重複建設儘量多的廣告計劃去搏機率的“堆基建”怪圈，進而產生了海量的無意義廣告ID。無意義ID越堆越多，不僅僅提高了廣告投放成本，更影響了大模型本身的準確性。廣告主無法準確投放，只能堆更多的基建，怪圈就形成了。
如何打破怪圈，讓廣告主知道哪一半廣告費是浪費的？騰訊廣告給出的解題思路是，將原先無意義的序列ID變革為以營銷目標、營銷物件為主體的有意義ID，從底層邏輯上對廣告系統進行全面升級，推出新廣告投放（3.0），讓模型更加理解生意、理解商品，讓廣告進一步向經營靠攏。
廣告投放，不是“玄學”
為什麼非得揪著廣告ID做文章？先說這背後指向的終極目標：讓廣告投放成為科學，而非“玄學”。
騰訊廣告商業平臺部總經理汪牧遠告訴36氪，2.0階段的廣告投放痛點可以概括為兩個關鍵詞，一是堆基建，二是起量玄學，二者互為因果。
所謂堆基建，是指廣告主針對同一商品重複建立廣告計劃和廣告條數，體現到模型上就是為了同一個營銷目標生成了大量不同的廣告ID。這個ID就像快遞取件碼，能夠對應某一個具體廣告，但不代表任何意義，因此可擴充套件性很差。
按這種方法提交的大量廣告在素材方面可能只存在某些微小的差別。可能其中某一條被系統判定為匹配到使用者需求的廣告，那麼該商品的廣告投放就起量了。問題在於，廣告主無從判斷是什麼因素帶來的起量，甚至系統黑箱都不清楚為什麼這一條可以起量。因此，廣告主無從覆盤，只能以所謂“玄學”來模糊帶過，下一次繼續靠大量堆基建的方法來試圖刮出中獎的彩票。
這就成了惡性迴圈。後果是，騰訊廣告大模型內廣告ID數量在一年之內從200萬增至近1000萬。汪牧遠透露：“2.0階段我們對模型本身進行了一次更新，等於把引擎換成了大模型架構，從原來的十億級、百億級升級到了千億級甚至未來到萬億級的引數的大模型。”
然而，算力再強勁的大模型，面對不斷呈指數級增長的廣告ID，也難免感受到壓力。“系統佇列被大量重複的廣告阻塞了，給包括稽核等各個環節帶來了沉重的負擔。這對於模型正確地在廣告上積累資料，以利於它更準確的預估，帶來了非常大的挑戰。”
然而，算力再強勁的大模型，面對不斷呈指數級增長的廣告ID，也難免感受到壓力。“系統佇列被大量重複的廣告阻塞了，給包括稽核等各個環節帶來了沉重的負擔。這對於模型正確地在廣告上積累資料，以利於它更準確的預估，帶來了非常大的挑戰。”
想要同時解決堆基建和起量玄學這兩大難題，可能只需要一個答案：從廣告ID著手。這正是騰訊廣告新廣告投放（3.0）的升級思路。
區別於原來無意義的序列ID，騰訊廣告透過新廣告ID賦予了廣告唯一的專屬身份，將廣告和商品、目標群體、投放週期關聯起來，實現精準表達，從而過濾掉無效資料，讓模型真正理解營銷意圖。此外，新廣告ID的唯一性大幅減少了同質化廣告數，據悉目前騰訊廣告系統內的廣告數量已經從770萬條降為約70萬條。這不僅大大解放了平臺投放過程中很多環節上的人力，更重要的是，在相對少而精的廣告ID下，過去分散的資料被集中到一條廣告上，讓模型可以透過充分的資料積累獲得更為正向的建模成果，後續給到廣告主的曝光和轉化效果也就更好了。
這就要說到模型時代的本質，即把人做決策的一部分權利向AI轉移，將人從繁瑣而重複的低創造力工作中解脫出來，投入到更具創造性的工作中去。基於更理解商品的底層大模型，新廣告投放（3.0）可以透過程式化的自動出價、智慧定向等功能，來提升投放的效率和體驗。
新升級的效果，已經有部分先吃螃蟹的廣告主體會到了。微眾銀行企業營銷部副總經理鄭文琛告訴36氪：“我們是新廣告投放（3.0）的第一批使用者，從2月下半旬就開始切換，直到4月完成整個過程。從實際情況來看，新廣告投放（3.0）系統下，我們的授信成本和波動性都比原來 2.0 系統要低。因此，從廣告主的視角，ROI 價效比，還有確定性上來說，3.0是更優的。”
整體來看，新廣告投放（3.0）自應用以來，已助力行業大盤投放穩定性提升了26%，達成率提升了8.7%。
AI重構網際網路廣告業態
切換新的系統，也就意味著重新梳理工作流。對任何廣告主來說，都需要一定的適應過程。
“以前我們會花非常多的時間跟代理商一起盯廣告投放中的運營過程，包括基建搭得夠不夠，冷啟動是不是有很多沒有啟動成功等等。在3.0系統下，我們可以把這部分精力省下來，去思考更多，我希望給媒體傳遞的生意本質是什麼，如何讓我的客戶看到更好的內容？”這些都是微眾銀行企業市場推广部資深室經理曾琳在最近的工作中重點考慮的問題。
從“人海戰術”轉向“精兵戰術”後，每一個廣告的重要性都大幅增加，就像遊戲行業經歷過的版號收緊倒逼遊戲精品化一樣，廣告主開始“卷”廣告質量也是必然的趨勢。當然，這種卷是一種良性競爭。廣告主有更多契機去思考生意本質，使用者能看到更優質的廣告內容，從而提高使用者點選率和轉化率。
理論上，這條道路可以通向多方共贏的結果。
但這其中的挑戰，可比堆基建的難度係數更高。“以前一個爆款的廣告打出來後可能能跑一個星期，但現在很可能第二天就不行了。”曾琳說道。這也是卷基建時期的“後遺症”，大家對於起量的廣告互相借鑑的速度越來越快，而3.0系統的唯一廣告ID，試圖盡力引導大家往差異化的方向發展。“3.0系統對於我們廣告主，以及供應商和代理商來說，提了一個更高的要求，就是在創意的能力上。從這個難度來說，我肯定需要有一些技術的工具來提升我們的效率。”
提到生產效率，就不可能不提AIGC。不管是文生圖還是圖生圖，還是今年上半年大熱的文生影片，AIGC能夠幫助使用者快速生成素材，在一些已有的案例裡，它不僅能幫助縮短創作週期，還能降低製作成本。但一個致命問題是：通用型的AIGC有著強大的功能，卻對很多廣告主的實際投放起不到太大幫助。
這兩者其實並不矛盾，畢竟做廣告不同於畫圖，一張圖片美不美由使用者主觀感受來評判，而一個廣告創意好不好，卻是由其帶來的商業回報客觀資料來決定的。
騰訊廣告商業AI副總經理郭偉舉了一個例子：“早期很多獨立的生成工具可以生成特別美的女生，但用到廣告裡發現客戶並不買賬，鄰家女孩類的素材反而效果比較好。我們針對商業場景，要提升AIGC生成能力的適配性。另外，創意工作不止生成這一個階段，還包括了稽核和投放等階段，想讓客戶真的把AIGC用起來，就必須整體地、一站式地解決這一問題。”
簡單說，就是要把理解廣告業務的AIGC嵌入到實際廣告工作流中，這背後，涉及到的是平臺對不同行業的深度理解，以及AI工具是否可以有持續的資料反饋和自動調校。騰訊廣告拿出來的工具是一站式AI創意生成平臺——騰訊廣告妙思。
以汽車行業為例，傳統的汽車廣告素材以實拍為主，成本很高。如果用通用型AIGC生成汽車圖片，則面臨車型和Logo生成不穩定的問題，而這恰恰是廣告主最為在意的一點。“後來我們找到了一條路徑，就是僅對背景做更換，而且不同使用者看到的背景不一樣，比如有人喜歡背景是都市，有人喜歡山川河流。可以觀察到不同背景的點選率確實是不一樣的。”
郭偉說。
郭偉說。
微盟營銷客戶運營中心副總經理呂雯晴根據實際經驗總結，在合成階段，騰訊廣告妙思的產出效率相比人工能夠提升至少150%以上，進一步到最佳化師上素材的階段，測新頻次也會更高。“測試的多，跑出來的機率也會更高。”
這種爆款的產生和堆基建不是一個概念，而是透過訓練模型，讓它理解什麼是更好的創意。呂雯晴表示：“我們對於起量素材的人工理解，其實不如模型訓練來得更為直觀。模型訓練可以把很多維度拆得更細，然後讓更多的維度在訓練過程中得到昇華。這樣再從模型中產出的新素材，自然也擁有起量元素。”
再到稽核階段，因為創意生產和稽核被內嵌至同一套系統中，因此生成的素材也能夠免肖像授權，並快速過審。對最佳化師來說，廣告過審和人像授權是他們的工作流中難以迴避的痛點。以電商行業剛剛過去的618為例，大促期間，如果卡在素材稽核上，往往意味著錯過一個爆品的快速反應和追單。而對需要大量人畫素材來吸引使用者跳轉的閱讀行業來說，又存在極高人像侵權風險。騰訊廣告妙思的AIGC生成功能，同時解決了這兩個行業廣告主最為迫切的問題。
優秀素材生成的效率提升，成本減少，廣告主就有了更多空間來嘗試更多不同的營銷策略，從而找到效果最好的那一個。
值得一提的是，正如《計算廣告》作者劉鵬所總結的：“廣告行業離全流程自動化就差兩個點，一個是創意，另一個是客服。這兩處仍需要大量的人工。如果能將其變為自動化甚至半自動化，那麼廣告投放的飛輪效率能夠提高非常非常多。”在創意環節推出了騰訊廣告妙思，在客服環節則推出了騰訊廣告妙問，一款針對廣告主和代理商的AI客服，幫助客戶快速上手的AI工具，降低客戶使用門檻。比起騰訊廣告妙思迅速被廣告主接受並廣泛使用，騰訊廣告妙問這個產品還在平臺試用期，我們還需要更多的時間才能觀察到它的效果。但隨著廣告跟使用者之間的媒介觸點越來越多，更加智慧、能夠真正促成轉化的AI客服工具，毫無疑問會是廣告行業的下一步重點。
貼近經營本質，實現增長確定性
大模型AI之所以能顛覆當前網際網路廣告業態，不僅僅在於生產效率上的大幅提高，更在於它能實現超個性化，或者說，深度行業化。對於廣告行業來說，這意味著能讓廣告更好地迴歸經營本質，因為不同行業的廣告營銷目標差異極大，只有在垂直領域深耕細作，才能讓模型更好地分析歸因。
要實現深度行業化，光靠平臺必然是不夠的，廣告主自身也有許多工作要做。
第一，學會充分表達營銷訴求，做有品質的廣告。AIGC能夠幫助生成創意，但這不意味著廣告主只需要坐享其成。生成式AI本質上還是一個“輸入-輸出”的工作模式，即使廣告主不再需要寫出一個具體的創意，也需要對商品和營銷目的做出更準確的描述，這首先需要廣告主對自己的使用者有深刻的理解。
以金融行業為例，微眾銀行企業金融主做ToB生意，業務特點是服務物件差異性大。“江蘇做電機制造的，跟深圳做進出口貿易的企業，完全是不同的生意結構，他們對於金融產品的需求自然也不同。我們需要結合我們的能力為中小微企業主提供到很定製化的產品。問題在於，我們如何把這個產品差異化呈現給客戶？如何將產品關鍵和廣告很好地結合起來？”鄭文琛表示，這都是廣告主在3.0時代要著重思考的問題。
第二，數字化。廣告主負責理解商品和使用者，系統則負責理解資料。不管是商品的營銷訴求，還是對客戶的認知，最終都需要轉化為資料餵給系統，才能透過系統實現高效的人貨匹配，讓廣告投放更科學。以汽車行業為例，使用者點選線上廣告之後，試駕、購買等行為大都是線上下完成。如何將後鏈路的行為數字化，給到前端廣告更多的反饋和參考，這需要垂直細分行業有充分投入的決心。相應的，金融行業也是如此。
“我要更瞭解我的客戶，知道他的偏好是什麼，知道什麼時候是觸達他的更好時機。要做這一點一方面是基於我們自己的資料能力，另外一方面離不開跟媒體的共建。”曾琳所提出的和媒體平臺共建，也是3.0升級的核心之一。針對不同行業客戶的不同需求，新廣告投放（3.0）搭建了數十個資產庫，助力廣告主更快覆蓋到更大規模的興趣使用者，加速起量。據悉，騰訊廣告透過建立資產庫，將行業整體起量率提升了207%。
第三，長效經營。在這一點上，遊戲行業最為典型。過去遊戲行業最常用的營銷方式就是一波流，透過新遊大推大量獲客。然而隨著遊戲精品化疊加遊戲使用者增長趨緩，遊戲行業必須從全生命週期中挖掘增長潛力。而新廣告投放（3.0）透過細緻地區分遊戲不同生命週期的經營目標，實現不同階段的精細化運營，完成了全鏈路全週期的遊戲營銷內容表達。
“隨著我們和廣告主全鏈路合作的加深，我們不是讓廣告主在這裡投放一次就完了，要讓廣告主把我們當成他持久、穩定獲客的來源，變成他的一個經營平臺。”汪牧遠描述了對騰訊平臺未來角色的展望。這背後很重要的一個優勢在於，騰訊生態內的私域流量可以和智慧廣告一起，成為廣告主的獲客蓄水池。
對廣告效果要求越來越高的廣告主，自然希望看到平臺在更高維度上的價值。曾琳對此深以為然：“我們的使用者絕大部分都在騰訊生態下。因此我們在衡量整體廣告價值時，並不只看廣告當天的效果。隨著企業微信等等這些私域生態，提供更豐富的一些形式，把整個微信生態的流量經營邏輯打通，我們期待未來更多的（增長）空間。”
隨著大模型技術的不斷進步，廣告行業正邁向一個更加智慧化、高效化的未來。
這不僅僅是技術上的變革，更是對廣告投放模式和營銷策略的深層次重塑，它意味著廣告行業對人的經驗和直覺的依賴進一步降低，走向了資料驅動的科學決策時代。媒體平臺、廣告主、代理商，乃至於廣告生產投放鏈條上的所有個體，都會被捲入到變革中。誰先完成底層邏輯和理念上的變化，誰就是最早的受益者。
掃描下方二維碼觀看直播回放
👇🏻👇🏻👇🏻