AI营销革命： 从效率工具到价值引擎 华扬联众集团副总裁 黄皓 目 录 AI的明日之路：从工具理性到价值共生的未来图景 AIGC浪潮：赋能与重塑 引言：AI营销趋势的变革 引言： AI营销趋势的变革 Sora2的问世及所带来的思考 1. AI创意确实带来广告的“降本增效”根据CTR（央视市场研究）此前发布的《2025中国广告主营销趋势调查报告》， %的广告主会在创意内容生成中使用AIGC技术，高于数据分析、客户服务等环节，其中有接近20%的广告主，在视频创作中超50%的环节需要借助AI。 2. AI带来的“降本增效”是否等于“降本增益”？ • AI改变的不仅是制作方式，而且是从“效率工具”到“价值引擎”的认知转变。广告营销传统的线性流程是策略、创意、拍摄制作、后期、媒介投放。而AI 时代的广告价值链正逐渐演变为策略、数据/算法喂养、Prompt工程、生成与迭代、媒介投放。 • AI卖的不是工具，而是创造收益的能力。 数据来源：CTR（央视市场研究）此前发布的《2025中国广告主营销趋势调查报告》 广告的未来是由人工智能驱动的 短视频、社交媒体、AR、互动游戏 品牌/产品级视频 动态创意、对话服务 AIGC浪潮：赋能与重塑 营销核心职能正在被AI原生重构 AI重构 营销 策略 创意 媒介 投放 策略 组织与人才变迁 1 2 3 4 内容生成、广告合规性和法务分析 广告投放和ROI监测、用户互动与个性化体验 消费者洞察、行业分析、产品优劣势分析 媒介投放 创意 AI重塑广告创意 从效率工具到价值 引擎 证 实 的 效 率 革 命 深 刻 的 行 业 悖 论 • 麦肯锡：AI将营销内容制作成本降低 5%-15% • HubSpot：AI将内容构思与初稿创作时 间缩短约50% • Kantar：创意质量对广告回报的影响力是 媒体投放的2倍 • Gartner：至2025年，30% 的营销信息 将由AI生成，同质化风险加剧 • 品牌安全和版权风险 • 缺乏真正打动人的情感洞察和品牌独特性 数字人你记住了谁？ • 关键在人： AI负责“广度”（生成海量选项），人类负责“深度”（策略、情感、品牌调性）。 • 流程再造： 广告从业者必须重构内容生产流程，将AI深度嵌入从营销需求到成品的各个环节，以最大化其价值。 重构创意——应拥抱的协作范式 赋能路径：AI在创意工作中的渗透与增强 阶跃一：单点任务替代—— “AI作为高效执行者” •根据Adobe的一项调查，营销人员表示，他们高达28%的 工作时间花费在重复性的任务上，如图片裁剪、背景移除、 格式转换和多尺寸版本生成。 阶跃二：工作流增强—— “AI作为创意协作者” AI开始渗透到创意核心环节，如图文生成和视频剪辑。它不再是执行单一指令，而是基于风格学习和上下文理解进行创作，与人形成“对话式”的创意循环。 •文案工具（如Jasper、Writesonic）：根据产品描述和关 键词，批量生成数十条社交媒体帖子、产品描述或邮件主题 行，解决了“从0到1”的空白页焦虑。 •早期工具（如Canva的AI背景移除）：一键精准分离主体与 背景，将原本需要设计师在Photoshop中花费数分钟的工作 缩短至秒级。 人工负责提出创意 方向（Prompt） AI负责快速生 成选项 人工再基于选项进行 筛选、编辑和精修 •HubSpot的研究发现，使用AI工具生成初版草稿或构 思，可以将内容创作的前期准备时间缩短约50%。 文生图 Midjourney, Stable Diffusion 文生视频 Runway, Pika 视频剪辑 OpusClip 广告公司为一个新饮料品牌构思包装 设计。设计师不再需要手动绘制大量 草图，而是输入提示词：“充满活力 的热带水果气泡水包装，极简主义设 计，赛博朋克霓虹色调，摄影级质 感”，AI在几分钟内生成上百种风格 统一的视觉方案供筛选和深化。 在制作一个汽车广告时，创意人员 可以使用AI将实拍的汽车素材置入 AI生成的雪地、沙漠或未来都市等 多种背景中，无需昂贵的实地取景 或复杂的CG合成，快速测试不同场 景的情绪感染力。 将一条长视频访谈交给AI，它能自动 识别高光时刻、金句，并生成多条适 合 TikTok、YouTube Shorts 等不 同平台的横版、竖版短视频，实现了 内容的“一次生产，多元分发”。 阻碍一：品牌安全与版权风险 • 数据论证：一项由路透社研究所发布的调查显示，超过 60% 的媒体行 业高管对生成式AI的版权和法律风险表示“非常担忧”。 挑战 阻碍二：内容质量的“平庸化”陷阱 • 数据论证：Gartner 预测，到2026年，由于生成式AI的泛滥，超过60% 的B2B 营销内容将无法有效差异化，从而无法实现其业务目标。 阻碍三：技术与人才的结构性缺失 • 数据论证：根据领英的行业技能报告，营销领域对“AI技能”的需求增速 远超其他技能，但具备该技能的人才比例仍低于 15%，存在巨大缺口。 阻碍四：数据隐私与伦理困境 • 核心问题： 使用用户数据训练AI模型或进行超个性化营销时，面临日益严格 的数据法规（如GDPR、个人信息保护法）和消费者信任挑战。 介入内容与程度 这是当前的前沿和未来方向。AI不再仅仅是 内容生成端的一个工具，而是贯穿整个创意 流程的智能中枢。它集成了生成、合规审查、 效果预测和多维度优化能力。创意简报输入 后，AI能自动生成若干组合规且经过“数据 验证”的创意方案。 研究数据佐证 工具举例与实际能力 • Forrester 预测，到2025年，领先的企业将使用AI来动态组 装和个性化其所有的客户触点内容。 • Kantar 的Link AI数据库证明，通过AI预测广告创意的潜在 效果，可以将广告成功率（如品牌提升指标）提高高达20%。 • 动态创意优化（DCO、启蕴）平台：在程序化广告投放中， AI实时根据用户的画像（如地理位置、近期浏览行为），从 预先生成的众多创意元素（如背景图、文案、促销信息）中， 动态组合并渲染出最具吸引力的那一版广告进行展示。 未来展望：构建人机协同的下一代创意工作流 阶跃三（未来方向）：流程智能重构—— “AI作为策略落地与优化引擎” 策略先行 合规前置循环协作 核心 原则 技能提升 人工定义品牌核心与创意策 略，AI负责探索执行路径 建立“人工简报 -> AI生成 -> 人 工精修 -> AI优化”的敏捷工作流 投资于团队的“提示词工程”、“AI 策略落地”和“数据洞察”能力培训 将版权核查与品牌安全审核嵌 入AI工具使用的第一步。 赢在未来：重构以“人类中心”的AI创意流程 • 一体化智能平台（如Whale帷幄）： 生成：根据营销目标生成文案和图片。 合规：自动调用内置的广告法数据库，标记出“最顶级”、“第一”等违禁 词，并给出修改建议。 预测：基于历史投放数据，对生成的不同创意方案进行点击率（CTR）或转 化率（CVR）预测排序。 管理：确保所有生成内容自动套用最新的品牌标识和资产，维护品牌一致性。 Before （传统广告模式） Now（AI介入广告模式） • 依赖人工经验+基础统计分析（如Excel线性回归） • 历史数据维度单一（仅关注自身广告点击/转化） • 市场趋势预测采用滞后性分析（季度报告+行业白皮书） • 粗放式人群划分（如按性别/年龄/地域三要素） • 人工设定标签规则（CRM系统预设200-300个标签） • 创意匹配依赖主观判断（市场人员经验决策） • 人工设计少量变体（通常3-5版） • 测试周期长达2-4周（需等待统计显著性） • 创意迭代依赖外包团队（修改需3-5个工作日） 数据驱动的ROI预测模型：AI通过整合历史广告数据（点击率、转化率、用户行为轨迹） 与实时市场数据（竞品动态、季节性趋势），构建多维度的预测模型。 动态受众细分与定向优化：基于聚类算法和用户画像技术，AI将受众细 分为数百个特征子群（如“25-35岁女性健身爱好者”），并自动匹配 高转化潜力的广告创意。 实时竞价与预算分配：AI系统通过强化学习动态调整出价策略：在流量 高峰时段自动提高竞价，低效时段暂停投放。VS • 固定时段出价（人工设置全天统一CPC） • 预算分配采用静态比例（如信息流占60%预算） • 手动暂停/开启广告活动（需人工监控报表） • 末次点击归因主导（忽略辅助渠道贡献） • 人工分配预算（按渠道历史表现线性调整） • 跨渠道协同效果难以量化 A/B测试与内容迭代：利用生成式AI（如GPT-5、DALL·E）批量生成 广告素材变体，通过多臂老虎机算法快速筛选最优版本。 归因分析与策略校准：AI采用Shapley值等归因模型，量化不同渠道（搜索广告、 信息流、KOL合作）对最终转化的贡献度，指导预算重新分配。 正推动媒介投放从经验驱动向数据驱动的精准模式 转型 媒介投放视角下AI对投放过程的重塑 投放前（准备） AI是广告投放的实时优化中枢，旨在最 大化效果AI数据驱动广告策略，赋能精准投放 AI通过投放后分析，量化广告价值，指 导策略优化 投放中（执行与实时优化） 投放后 • 明确商业目标（品牌/转化/留存等）和分层 KPI； • 准确识别高价值受众与优先场景； • 形成可执行的创意与媒体投放计划（包括预算分配） 市场拓展与推广部 受众画像与潜在用户识别（Lookalike / Propensity） 创意方向生成 • 实时把握投放表现，动态优化预算、出价与创意 组合，最大化 ROI/目标完成率； • 维护品牌安全性与投放合规性 • 准确评估广告投放的因果效果（增量/边际贡献）， 指导下一轮预算分配与产品迭代； • 提取复盘洞察并把优质策略固化成可复制 playbook • 行业门槛下降：小型品牌能更快构建受众画像与创意原 型，加快进入试水期。 • 竞品反应速度提升：市场竞争节奏加快，竞品促销/创意 迭代实时响应成为常态。 • 行业格局分化：数据丰富的大品牌能用更高质量的 first-party 数据获胜；数据薄弱者受限。 语义/情绪洞察 预测试验（Pre-test）模拟 竞争情报（Competitor Monitoring） • 效率显著提升：平台自动化工具使投放团队能以更少人 力覆盖更复杂的实验矩阵。 • 算法依赖性增强：广告主越来越依赖平台或自建算法， 市场上“谁的算法更靠近目标受众”成为竞争焦点。 • 中小广告主风险：若未建立良好数据反馈链，可能被大 数据玩家压缩获客空间。 • 决策科学化：越来越多公司将投放决策建立在因果证据上， 减少对“相关性”指标的盲信。 • 跨期预算优化：企业开始考虑长期价值而非短期ROI，使 得品牌类投放与转化类投放的协调更合理。 • 数据壁垒的战略化价值：能做长周期因果估计、拥有高质 量 CLV（Customer Lifetime Value）模型的公司，将在 投放决策中占明显优势。 因果归因与增量测量（Causal Machine Learning / Experimentation） 多触点归因融合Hybrid MMM + MTA（Hybrid Media Mix Modeling + Multi-Touch Attribution） LTV / CLV（Lifetime Value / Customer Lifetime Value）建模与投放回收期估计 数据提取分析（ Knowledge Extraction ） 阶段 目标 AI 能 力 与 应 用 点 对行 业现 状& 态势 的影 响 智能出价（Smart Bidding / Reinforcement Learning Agents） 多变体并行创意测试（Dynamic Creative Optimization） 实时受众分层 异常检测与防护 跨渠道协调（Omnichannel Orchestration） 媒介投放视角下AI重塑媒介投放的搜索格局 • 更聪明地搜索：在对话式AI营销时 代的SEO——GEO 随着聊天机器⼈和代理改变搜索格局，SEO和SEM专家有机会调整他们的⽅法以适应这个新时代。传统的搜索原则和数字营销策略仍 然是基础，但基于生成式AI的聊天机器⼈和代理搜索引⼊了新的途径和挑战，需要战略性和战术性的更新，对话式AI正在重塑搜索格 局， SEO对于增强品牌的发现性和推动业务成果至关重要。 03技术SEO：索引和抓取 • SEO正在升级：从查询到对话 营销⼈员知道如何优化传统搜索的⽹站和内容。但是通过对话式AI，搜索结果会呈 现为全⾯的、⼝语化的回答，综合了多个信息源。对话式AI体验不仅直接回答查询， 还可以预测后续问题，提供更好的⽤⼾体验。即使引⼊了基于AI的聊天机器⼈和 代理，SEO仍然对于增强品牌的发现性和推动业务成果⾄关重要。 01掌握基础知识 02专注于搜索意图 媒介投放视角下的数字人 通过大模型的多模态交互技术统一了文本、 语音和表情，实现跨模态的语义一致性，让 数字人的情感表达更加真实连贯。 通过语音情感、韵律及语义分析，使数字人 的躯干和四肢动作与语音内容匹配，增强交 互的拟人化程度和在动态场景中的表现力。 利用计算机视觉技术识别用户表情，并生 成相应的表情反馈。 用于理解用户意图、生成自然语言回复， 并协调多种模态的交互。 包括语音识别（ASR）和语音合成 （TTS），用于处理语音输入和输出。 视觉交互能力的实现基于端到端建模和多维 度解耦表征，通过视频编解码器和适配器整 合图文、物体、空间等多模态信息。 通过摄像头或传感器识别用户手势，并 生成相应的手势反馈。 与用户进行自然交互 感知用户行为特征 方向一：品牌代言 方向二：直播带货 方向三：沉浸式互动 数字人代言在品牌文化塑造上取得一定 成效，但未能突破“符号化工具”的局 限，未形成可持续的商业价值闭环。 数字人直播带货在效率、成本及规模化方面 优势显著，尤其在标准化商品领域表现突出， 但情感互动与长尾品类渗透仍是挑战。 沉浸式数字人已从技术验证迈向规模化应 用，在效率、体验与创新上表现突出，但 需持续优化情感表达与场景适配能力。 从品牌代言到交互式营销，数字人通过情感化交互重塑广告体验 语音交互 视觉交互 手势交互 融合策略 动作生成 表情识别与 生成 自然语言 处理 媒介投放工具和数字人应用 全 链 路 智 能 投 放 平 台 Google Performance Max Meta Advantage+ TikTok GMV Max • 横跨搜索、展示、YouTube等全渠道的AI驱 动投放系统，通过Gemini 模型实现预算自 动分配与创意优化，零售行业转化率提升27%。 • 支持“一键式”投放，广告主仅需提供基础素 材和目标，系统完成跨渠道决策。 • 整合Facebook/Instagram广告资源， 利用AI生成千人千面创意内容，DTC品 牌获客成本降低显著。 • 端到端自动化流程冲击传统代理商模式， 目标实现全流程无人干预。 • 是TikTok Shop推出的自动化广告工具，通 过AI系统自动优化广告投放策略，帮助商家 最大化成交总额。 • GMV Max通过智能算法分配流量，系统自 动完成广告计划创建、内容优化和流量分配。 数 字 人 企 业 级 应 用 平 台 深度换脸技术实现真人表情实 时映射，4K分辨率直播技术被 用于娱乐场景，单场直播收益 可达百万美元 虚拟主播具备情绪表达与学习 进化能力，奢侈品品牌通过其 技术将高端客户咨询转化率从 18%提升至45% MetaHuman（美国） 依托虚幻引擎实时渲染技术， 支持8K分辨率直播，被用于游 戏新品发布会，观众规模从10 万提升至500万 SenseAvatar商汤如影数字人： 行业首创多模态智能运营，依 托商汤多模态大模型，具备智 能选品、素材提炼等能力能够 大幅提高直播间运营效率。 百度AI媒介投放产品 极简投放 适配中小和新客 投放平台让企业轻松获取生意增长 慧播星数字人直播 AI MAX 自动化流量策略 STEP 1 STEP 2 STEP 3 选择我要推广的产品和服务 选择套餐，自动生成创意和关键词 （套餐包括：优化目标、预算出价、长周期预算） 确认投放 智能工具高度智能化和自动化 赋能投放全流程 智能竞价放量 预算择优调度 精细后效优化 智能定向扩客 AI创意提效 智能基建调控 24年初见成效 25年场景深耕，覆盖更多优化场景 放量场景 超成本场景 无效场景 +33% 转化量提升 -35% 盯盘用时减少 +19% 消费提升 灵活应答 智能互动 专业场控 智能主播 智能脚本 智能展现 邀评等评与多轮互动 自动化暖场与动态讲解 智能营销与智能调度 互动问答深度接管 多模联动 真实自然 内容文风 全面定制 丰富场景 全面满足 闭环电商 挂载小黄车 线索直播 挂载任意门 对比真人直播间 对比传统信息流 直播成本-80% GMV+62% CTCVR+14% 线索成本-8% 重构策略与数据分析 过去方式 AI 驱动方式 带来的商业价值 消费者洞察 调研+访谈 行为数据+情感分析 精准定位目标人群 行业分析 静态报告 动态趋势感知 提前捕捉赛道机会 产品分析 SWOT+竞品表 实时语义+预测模拟 优化定位与差异化策略 AI 的变迁让营销决策不再是“投广告”或“看报表”，而是通过消费者、行业与产品三维洞察构成一个实时学习系统。 AI让市场营销不再只是传播层面的优化，而成为品牌与产品竞争策略的实时决策引擎。它让企业能以近乎“市场神经 网络”的速度洞察外部变化，但也迫使品牌重新思考如何在人机共创中保持独特性。 消费者洞察 （需求侧） 行业与产品生态 （供给侧） 技术应用 （工具侧） 消费者洞察层面的重构 人群属性定位 （Who） 语义与 意图识别 （Why） 洞察逻辑的变化 过去一年，广告平台和品牌主从 传统模式： 依赖人口统计学数据、 兴趣标签、历史浏览。 过去 现在 消费者定义 人群属性 行为语义 + 场景意图 数据来源 平台数据 多模态信号（文本、图像、语音、视频） 洞察方式 静态分析 实时生成与动态预测 结果产出 目标人群 场景化内容建议（创意脚本、话术、投放时段） AI 模式： 通过大模型理解语境、情 绪与购买动机，实现从 “数据画像”到“语义画 像”的跨越。 以行为数据、语义数据和生成模型为核心，实时理解 “消费者在想什么、为什么这么想” 消费者洞察的变迁及应用 从“调研洞察”到“行为语义洞察”01 02 从“消费者洞察”到“意图与情景预测” 可口可乐 (Coca-Cola Creations, 2024) ⚫ 利用AI分析全球社交平台与评论区超过20万条消费者讨论，识别 “情绪关键词”（joy、play、nostalgia）后，推出“Y3000 AI flavor”饮料。 核心逻辑：AI 能在社交媒体、电商评论、论坛、短视频等非结构化文本中提取 用户的情感与价值观，比传统调研更真实。 应 用 实 例 L’Oréal – Brandwatch & Talkwalker 集成系统 (2024) ⚫ 利用AI语义聚类识别消费者在护肤品领域最关心的“功效语义簇” （抗老、修复、成分安全）。 星巴克 Deep Brew 平台 (2024) ⚫ 通过AI预测不同用户在不同时间点对饮品的偏好（天气+历史购买+ 情绪），定制推荐，用户留存率提升20%。 核心逻辑：AI 让受众细分从静态标签（年龄、性别、收入）变为动态预测（意 图、场景、心理状态）。 应 用 实 例 Amazon “AI Personalization Engine” (2025) ⚫ AI 模型根据消费者实时浏览和语义输入生成动态画像（“理性购物 者”“冲动购买者”）, CTR 提升 24% 。 从“描述性画像”到“心理与价值观建模”03 04 从“静态洞察报告”到“自适应营销反馈” Nike Run Club “AI Motivation Engine” (2025) ⚫ 通过语音与文本互动识别跑步者的心理状态（追求突破 / 减压 / 健 康），AI动态调整激励话语。 核心逻辑：AI不仅能看到用户行为，还能推测消费者的心理动机、态度与价值观 （Value-based Persona）。 应 用 实 例 Netflix AI Narrative Intelligence (2024) ⚫ 通过AI分析用户评论、观看序列、停留时长，将受众按“心理叙事偏 好”分群（冒险型、情感型、思考型）。 ⚫ 用于内容推荐与营销活动定制。 核心逻辑：AI使消费者洞察形成“实时反馈系统”——每次交互都反哺模型，更 新洞察。 应 用 实 例 Unilever – U-Insight (2025) ⚫ 用生成式AI把销售、社媒、搜索和客服数据整合成自动洞察报告，每 48小时更新一次。 ⚫ AI还会生成营销建议（如：应在泰国推出新包装） Coca-Cola ChatGPT Integration (2024) ⚫ 建立“消费者共创空间”，用户通过与AI对话参与创意生成，AI实时 分析语言趋势并反馈营销团队。 行业分析层面的重构及变迁 传统营销： ⚫ 行研报告、市场监测机构（如尼尔森、艾瑞、Statista） ⚫ 年度或季度的行业趋势总结 ⚫ 调查样本与专家判断 痛点是： 信息滞后 颗粒度粗 预测性弱 从“定期研究”变为“实时洞察” ⚫ 爬取并语义分析新闻、社交媒体、招聘信息、财报、投资动向等公开数据 ⚫ 自动识别行业热词上升趋势、竞争者动态、供应链变化、政策信号 传统行业分析告诉你“过去发生了什么”，AI 行业分 析告诉你“现在正在发生什么、接下来可能会发生什 么”。 从“宏观趋势”到“微观赛道” ⚫ 在数以百万计的内容中识别出潜在细分市场 ⚫ 自动发现被忽略的成长赛道或新兴需求人群 AI 的优势在于“弱信号识别”——它能在趋势还未形 成主流前发现微妙变化。 从“报告输出”到“决策驱动” ⚫ 自动汇总重点变化（例如市场份额、渠道结构、价格分布） ⚫ 给出预测模型与策略建议 根据广告主设定的预算和品牌定位，推荐最具ROI的赛 道。 AI 让行业分析从“被动研究”变成“主动感知”，让企业的市场判断从 经验决策 → 数据驱动 → 智能预测 跃迁。 行业分析的应用 Similarweb （实时数字情报） Similarweb 能做实时流量、搜索与趋势监测，并提供 AI Trend Analyzer 等功能，帮助企业在流量/ 搜索变化出现时提前发现需求倾向与竞品露出。 Similarweb 的产品页面与新闻展示它把“网页流量/搜索”当作早期需求信号来源，用于发现行业趋势变化并预警。 说明“公开数字痕迹（搜索/流量）可被AI工具实时捕捉并量化为趋势信号”，这正是行业分析从滞后变实时的具体 实现路径。 Crayon 报告与案例显示，竞争情报团队已经在把AI用于监控竞品定价、广告活动与市场公告，并用 AI 生成“battlecards /竞品要点”。 Crayon 的客户案例（如 Mastercard、Alteryx）展示把CI（Competitive Intelligence）输出嵌入销售/市场流程 的效果。 说明企业能把“竞品动态”实时结构化，直接喂入策略会议或投放决策。 Similarweb （实时数字情报） 阿里生态内的万相台、阿里妈妈能把搜索/成交/投放数据与 AI 决策模型结合，实时给出品类趋势、热 销细分、流量通道建议。对电商品牌来说能把“行业大盘 + 竞品促销”转为可执行的投放策略。 品牌在某类目下看到万相台报告提示“某细分人群GMV激增”，即时调整搜索/推荐预算并制作针对创意。 Crayon / Klue 阿里妈妈 / 万相台 （电商行业实时态 势与机会识别） 产品分析层面的重构及变迁 在传统的产品分析： ⚫ SWOT模型 ⚫ 消费者调研和竞品Benchmark ⚫ 市场反馈与销售数据 局限: 主观性强 样本有限 更新慢。 AI 的发展使得产品分析从 “自我总结” → “市场镜像” 从内部视角 → 外部视角：市场语义映射 ⚫ 分析用户对产品在社交媒体、电商评论、论坛的描述 ⚫ 识别哪些特征是“被高频提及的优势”，哪些是“负向情绪的集中点” ⚫ 建立产品形象与情感认知模型 过去：产品优劣分析来自品牌自评 现在：AI 让品牌看到“用户眼中的自己” 从单点比较 → 动态竞品图谱 ⚫ 定价、功能、广告投放节奏、创意素材、用户反馈 ⚫ 建立实时竞品监控面板 ⚫ 对比你的产品在不同维度的表现与改进潜力 过去：竞品分析是静态表格 现在：AI 竞品分析是实时热力图 + 策略建议系统 从描述性分析 → 预测性洞察 ⚫ 某产品在不同价格点的销售弹性 ⚫ 不同创意主题的广告转化率 ⚫ 产品升级或包装变化后市场反应的可能性 AI 把产品分析从“回顾过去”变成“预演未来”。 产品分析的应用 Brandwatch / Talkwalker /Hootsuite （社交聆听 + 语义分析） 这些工具支持大规模抓取与情绪/主题分析，并能生成品牌热 力图与属性雷达图，方便产品经理看到“用户怎么说”与“哪 里最不满意”。Brandwatch 的 Forrester 报告与案例页展 示了企业如何用其做产品情报与市场定位。 Crayon / Kompyte（竞品行为与信息抓取） Crayon 的 AI Toolkit 可以自动解析竞品的“成功案例/定价 /功能亮点”，并把这些信息整理成“竞品对标卡”，帮助业 务做功能取舍与文案差异化。 通过对评论、短视频弹幕、笔记（小红书）等进行 aspect- level 情感分析，自动汇总哪些产品特性是“优势”或“痛 点”。 Topic modelling（主题建模） 研究表明，将主题建模、情感分析和决策树分类相结合，可以 从非结构化文本数据，如网络评论与电子口碑 eWOM（e- Word Of Mouth）中提取更深层次的洞察。 新榜 / 清博(社媒情绪→产品属性映射) 01 02 03 04 AI 不仅改变营销工具，更改变了“组 织如何思考”与“人才如何成长”。 组织架构的变迁与影响 传统营销组织按照职能分工（市场研究、品牌、公关、媒介投放等）形成垂 直结构 AI时代的组织正在变为数据与算法为中心的“智能矩阵”： ⚫ 数据科学团队、AI策略组、生成内容小组嵌入营销职能内部 ⚫ 决策链路缩短，实时数据分析与动态优化成为组织核心能力 ⚫ 组织边界变得模糊：广告、公关、产品、客服之间的协作更频繁 从外包到内生能力的转型 AI的普及使许多企业减少对外部代理的依赖： ⚫ 企业更倾向于构建内部数据资产与AI营销模型 ⚫ 外部机构角色从“执行”转为“策略顾问”或“模型训练伙伴” ⚫ 广告优化师还有存在的价值吗？ 组织与人才的变迁及影响 人才体系的重塑 AI的普及并不会取代，而是带来了广告优化师的重新定义： 可能出现的新角色 职能跃迁 AI营销策略师 （AI Marketing Strategist） 将业务目标转译为AI任务与模型指标 生成式AI提示工程师 （Prompt Engineer） 负责优化AI生成内容质量与一致性 AI协作内容设计师 （AI-assisted Creator） 使用AI工具构思、生成、迭代品牌内容 智能投放优化师 （AI Media Optimizer） 实时监测与自动调整广告投放策略 AI的发展带来人才责任的新议题： ⚫ 如何避免算法偏见和虚假内容 ⚫ 如何在AI生成内容中保护品牌真实性与创意一致性 ⚫ 如何应对“AI取代人工”的心理与文化冲突 职业伦理与治理意识提升 IBM、Adobe 等公司已在2024年内部推行AI内容标识制度（AI Content Labeling Policy）。 真正优秀的广告优化师的价值不应该是被自动化驱动的 人，而是驱动自动化的人： ⚫ 战略思考和业务理解 ⚫ 创意方向与测试能力 ⚫ 数据解读与策略调整 ⚫ 异常处理与优化灵活性 ⚫ 优化“系统”的构建者 广告优化师的核心价值 麦肯锡2025年报告指出：AI工具普及后，营销团队中 “数据解读和策略设计”岗位占比将上升40%。 这要求组织建立： ⚫ AI使用守则（AI Use Charter） ⚫ 伦理培训机制 ⚫ 透明披露机制 组织与人才 Your job will not be taken by AI, it will be taken by a person who knows how to use AI. ---- Christina Inge 传统逻辑 AI时代逻辑 决策方式 人经验驱动 AI辅助洞察、数据预测 组织结构 职能分工 智能矩阵化 人才模式 专业线性成长 复合跨界成长 文化取向 稳定执行 快速试错与持续学习 竞争优势 渠道资源 数据智能与算法能力 AI的明日之路：从工具理性 到价值共生的未来图景 ⚫ Saas逻辑正在失灵，客户要买的不再是工具，而是直接利润 ⚫ 定价单位变成KPI，开发提速、GPU成本、落地GMV ⚫ 创业窗口缩短，谁将先把收益商品化 万亿美元机会 ” ” AI市场潜力分析 这些技术浪潮往往呈现叠加效应。 因此，AI所带来的机遇远超以往任何 一次技术浪潮，其发展速度也更为迅 猛。 AI已迫在眉睫，而非仅仅是不可避免。 实现AI发展的各项先决条件均已成熟 强大的计算能力、高速网络、海量数 据、高效的分发渠道以及充足的人才 储备。我们已拥有所有必要的成功要 素，一切准备就绪。 01 02 AI Apps Mobil e Internet Networks Systems Semiconductor s 2020s 2010s 2000s 1990s 1980s 1970s 1960s Why now? AI业态的变化趋势 AI市场的结构布局 其一，广阔的空白市场。再次强调，这是去年的图景。如今， 空白市场有所减少，新兴力量开始崭露头⻆。但从宏观来看， 机遇之⻔依然敞开。 其二，这些企业标识代表了在先前技术转型浪潮中，收入成 功突破10亿美元大关的公司。 我们关注的并非“独⻆兽”的 估值，而是切实的收入和自由现金流。这些公司在历次转型 中均取得了不错的业绩。它们中的大多数都位于图表的顶端， 即应用层。 我们过去坚信并且现在依然坚信，AI领域也将遵循同样的规律：价值最终 将在应用层得以实现。两个预测： 1. AI的第一批杀手级应用已经浮现，但在垂直市场中，一大批新兴公司 正在崛起; 2. 这些公司中，相当多是以智能体为出发点，尤其是垂直智能体。 AI发展预测 从时间、空间、以及内容产生和应用的维度，观察互联 网演进: • PC 互联网的特征是Time-On-Demand +文件 / 图片，少数人生产，多数人消费。 • 移动互联网的特征是 Time-on-Line + 富媒体（2- D/3-D 视频），人人都是生产者和消费者。 • 智能体互联网的特征是 Time-In-Real + 超维空间 （H-D 多维信息），智能体和人是生产者，同时也 是消费者。 1. 智能体互联网包含移动和 PC 互联网的所有场景，网 络上交换的信息更丰富、交互更实时、体验更真实。 2. 除了支持传统多媒体内容，还包括机器人、无人机等 需要的空间、位置、环境感知的信息，实现万物超维 互联(Hyper-Dimension Interconnection）； 3. 除了支持永远在线之外，还需要支持自动驾驶、AI Agent、XR 等所需要的虚实实时交互(Always In- real-time Interaction）的新能力。 H -D 3 -D 2 -D 按需 在线 真实实时 PC互联网 移动互联网 智能体互联网 空间 时间 云 边 端 万物超维互联 3D+位置+环境 虚实实时交互 真实+实时 互联网代际演进预测 人与AI共创 过去一年，AI的价值完成了根本性的跃迁： 去年AI 现在AI 你必 须学 会使 用的 强大 工具 你必 须与 之协 同的 业务 伙伴 图：基于A1“创造、推理、互动”能力构建的营销业务闭环智能体 营销洞察 营销内容 内容生产力进化 短时间 多数量 高质量 GenAI-创造能力 GenAI-推理能力 洞察生产力进化 更敏捷 更全面 更大量 营销媒介 GenAI-互动能力 媒介生产力进化 即时性 个性化 主动式 THANKS