A 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
A 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 A 营销趋势的变革
引言 A 营销趋势的变革
Sora 2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A 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
• 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%
深 • Kantar：创意质量对广告回报的影响力是
刻
媒体投放的2倍
• Gartner：至2025年，30% 的营销信息
的 将由AI生成，同质化风险加剧
• 品牌安全和版权风险
行 • 缺乏真正打动人的情感洞察和品牌独特性
业
悖
论
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。
1. 1A 重构创意 应拥抱的协作范式
1. 2赋能路径 A 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
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。
文生视频
Runway, Pika
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。
视频剪辑
OpusClip
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”。
挑战
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”。
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
• 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%。
工具举例与实际能力
• 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。
1. 3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
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
合规前置
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。
2. 1A 正推动媒介投放从经验驱动向数据驱动的精准模式
转型
2. 2媒介投放视角下A 对投放过程的重塑
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
投放前（准备） 投放中（执行与实时优化） 投放后
市场拓展与推广部
• 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）
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）
2. 3媒介投放视角下A 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�和代理改变搜索格局，SEO和SEM专家有机会调整他们的�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�和代理搜索引�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。
• SEO正在升级：从查询到对话
营销�员知道如何优化传统搜索的�站和内容。但是通过对话式AI，搜索结果会呈 现
为全�的、�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��体验。即使引�了基于AI的聊天机器�和
代理，SEO仍然对于增强品牌的发现性和推动业务成果�关重要。
01掌握基础知识
02专注于搜索意图
03技术SEO：索引和抓取
2. 4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。
与用户进行自然交互
感知用户行为特征
方向一：品牌代言
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。
方向二：直播带货
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。
方向三：沉浸式互动
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
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
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。
手势交互
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。
融合策略 动作生成
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。
表情识别与
生成
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。
自然语言
处理
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。
2. 5A 媒介投放工具和数字人应用
全
链
路
放
智
平
能
台
投
Google Performance
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。
Meta Advantage+
• 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。
TikTok GMV Max
• 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 级
字 应
人 用
企 平
业 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。
2. 6百度A 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
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
AI MAX
自动化流量策略
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% -35% +19%
转化量提升 盯盘用时减少 消费提升
灵活应答 智能互动 专业场控
邀评等评与多轮互动 智能营销与智能调度
自动化暖场与动态讲解 互动问答深度接管
智能主播
多模联动 真实自然
智能脚本
内容文风 全面定制
智能展现
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
GMV+62%
直播成本-80% CTCVR+14%
线索成本-8%
3. 1A 重构策略与数据分析
消费者洞察
行业分析
产品分析
过去方式
调研+访谈
静态报告
SWOT+竞品表
AI 驱动方式
行为数据+情感分析
动态趋势感知
实时语义+预测模拟
带来的商业价值
精准定位目标人群
提前捕捉赛道机会
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）
3. 2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
消费者定义 人群属性
数据来源 平台数据
洞察方式 静态分析
现在
行为语义 + 场景意图
多模态信号
（文本、图像、语音、视频）
实时生成与动态预测
结果产出 目标人群
（创意脚本、话术、投放
场景化内容建议
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”
3. 3消费者洞察的变迁及应用
01 从“调研洞察”到“行为语义洞察”
02 从“消费者洞察”到“意图与情景预测”
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。
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
应
用
实
例
“情绪关键词”（joy、play、nostalgia）后，推出“Y3000 AI
flavor”饮料。
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）。
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% 。
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%。
03 从“描述性画像”到“心理与价值观建模”
04 从“静态洞察报告”到“自适应营销反馈”
应
用
实
例
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）。
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。
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。
应
用
实
例
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。
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。
3. 4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。
3. 5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。
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）
3. 6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”。
3. 7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”，并把这些信息成“竞品对标卡”，帮助业
务做功能取舍与文案差异化。
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)
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”
。
0 0
0 0
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？
4. 组织与人才的变迁及影响
4. 2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：
职能跃迁
将业务目标转译为AI任务与模型指标
负责优化AI生成内容质量与一致性
可能出现的新角色
AI营销策略师
（AI Marketing
Strategist）
生成式AI提示工程师
（Prompt Engineer）
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
职业伦理与治理意识提升
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
IBM、Adobe 等公司已在2024年内部推行AI内容标识制度（AI Content Labeling Policy）。
⚫ 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
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：
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
4. 3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
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
传统逻辑 AI时代逻辑
A 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 ”
A 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。
0
02
AI
Apps
Mobil
e
Internet
Networks
Systems
Semiconductor
s
2020s
2010s
2000s
1990s
1980s
1970s
1960s
Why
now?
A 业态的变化趋势
A 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�。但从宏观来看，
机遇之�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�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。
A 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 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
在线
互联网代际演进预测
人与A 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
短时间 多数量 高质量
内容生产力进化
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
