大模型时代，广告投放从「玄学」变「科学」
来源：36氪
打破“堆基建”怪圈，让广告进一步向经营靠拢。
广告行业的一个经典问题是，你知道你的广告费有一半是浪费的，但你无从得知是哪一半。这是百货业之父，也是世界上第一个投放现代广告的商人，约翰·沃纳梅克在19世纪末提出的疑问。
然而，一个多世纪过去了，即使已经进入互联网广告时代的下半场，这一迷思依然困扰着众多企业管理者和广告投放优化师。
计算广告体系下，广告平台能够即时匹配广告主诉求与用户特点，靠三点：大量高质量的底层数据，强大的模型能力，以及高效的工程能力。
后两者已几乎不成问题。比如，腾讯广告在其2.0阶段，就已经将原来10GB的大模型升级为了400GB的大模型体系，模型能力迈入新的高度。
问题在于第一点。随着广告投放竞争白热化，众多广告主都陷入了重复建设尽量多的广告计划去搏概率的“堆基建”怪圈，进而产生了海量的无意义广告ID。无意义ID越堆越多，不仅仅提高了广告投放成本，更影响了大模型本身的准确性。广告主无法准确投放，只能堆更多的基建，怪圈就形成了。
如何打破怪圈，让广告主知道哪一半广告费是浪费的？腾讯广告给出的解题思路是，将原先无意义的序列ID变革为以营销目标、营销对象为主体的有意义ID，从底层逻辑上对广告系统进行全面升级，推出新广告投放（3.0），让模型更加理解生意、理解商品，让广告进一步向经营靠拢。
广告投放，不是“玄学”
为什么非得揪着广告ID做文章？先说这背后指向的终极目标：让广告投放成为科学，而非“玄学”。
腾讯广告商业平台部总经理汪牧远告诉36氪，2.0阶段的广告投放痛点可以概括为两个关键词，一是堆基建，二是起量玄学，二者互为因果。
所谓堆基建，是指广告主针对同一商品重复创建广告计划和广告条数，体现到模型上就是为了同一个营销目标生成了大量不同的广告ID。这个ID就像快递取件码，能够对应某一个具体广告，但不代表任何意义，因此可扩展性很差。
按这种方法提交的大量广告在素材方面可能只存在某些微小的差别。可能其中某一条被系统判定为匹配到用户需求的广告，那么该商品的广告投放就起量了。问题在于，广告主无从判断是什么因素带来的起量，甚至系统黑箱都不清楚为什么这一条可以起量。因此，广告主无从复盘，只能以所谓“玄学”来模糊带过，下一次继续靠大量堆基建的方法来试图刮出中奖的彩票。
这就成了恶性循环。后果是，腾讯广告大模型内广告ID数量在一年之内从200万增至近1000万。汪牧远透露：“2.0阶段我们对模型本身进行了一次更新，等于把引擎换成了大模型架构，从原来的十亿级、百亿级升级到了千亿级甚至未来到万亿级的参数的大模型。”然而，算力再强劲的大模型，面对不断呈指数级增长的广告ID，也难免感受到压力。“系统队列被大量重复的广告阻塞了，给包括审核等各个环节带来了沉重的负担。这对于模型正确地在广告上积累数据，以利于它更准确的预估，带来了非常大的挑战。”
想要同时解决堆基建和起量玄学这两大难题，可能只需要一个答案：从广告ID着手。这正是腾讯广告新广告投放（3.0）的升级思路。
区别于原来无意义的序列ID，腾讯广告通过新广告ID赋予了广告唯一的专属身份，将广告和商品、目标群体、投放周期关联起来，实现精准表达，从而过滤掉无效数据，让模型真正理解营销意图。此外，新广告ID的唯一性大幅减少了同质化广告数，据悉目前腾讯广告系统内的广告数量已经从770万条降为约70万条。这不仅大大解放了平台投放过程中很多环节上的人力，更重要的是，在相对少而精的广告ID下，过去分散的数据被集中到一条广告上，让模型可以通过充分的数据积累获得更为正向的建模成果，后续给到广告主的曝光和转化效果也就更好了。
这就要说到模型时代的本质，即把人做决策的一部分权利向AI转移，将人从繁琐而重复的低创造力工作中解脱出来，投入到更具创造性的工作中去。基于更理解商品的底层大模型，新广告投放（3.0）可以通过程序化的自动出价、智能定向等功能，来提升投放的效率和体验。
新升级的效果，已经有部分先吃螃蟹的广告主体会到了。微众银行企业营销部副总经理郑文琛告诉36氪：“我们是新广告投放（3.0）的第一批用户，从2月下半旬就开始切换，直到4月完成整个过程。从实际情况来看，新广告投放（3.0）系统下，我们的授信成本和波动性都比原来2.0系统要低。因此，从广告主的视角，ROI性价比，还有确定性上来说，3.0是更优的。”
整体来看，新广告投放（3.0）自应用以来，已助力行业大盘投放稳定性提升了26%，达成率提升了8.7%。
AI重构互联网广告业态
切换新的系统，也就意味着重新梳理工作流。对任何广告主来说，都需要一定的适应过程。
“以前我们会花非常多的时间跟代理商一起盯广告投放中的运营过程，包括基建搭得够不够，冷启动是不是有很多没有启动成功等等。在3.0系统下，我们可以把这部分精力省下来，去思考更多，我希望给媒体传递的生意本质是什么，如何让我的客户看到更好的内容？”这些都是微众银行企业市场推广部资深室经理曾琳在最近的工作中重点考虑的问题。
从“人海战术”转向“精兵战术”后，每一个广告的重要性都大幅增加，就像游戏行业经历过的版号收紧倒逼游戏精品化一样，广告主开始“卷”广告质量也是必然的趋势。当然，这种卷是一种良性竞争。广告主有更多契机去思考生意本质，用户能看到更优质的广告内容，从而提高用户点击率和转化率。
理论上，这条道路可以通向多方共赢的结果。
但这其中的挑战，可比堆基建的难度系数更高。“以前一个爆款的广告打出来后可能能跑一个星期，但现在很可能第二天就不行了。”曾琳说道。这也是卷基建时期的“后遗症”，大家对于起量的广告互相借鉴的速度越来越快，而3.0系统的唯一广告ID，试图尽力引导大家往差异化的方向发展。“3.0系统对于我们广告主，以及供应商和代理商来说，提了一个更高的要求，就是在创意的能力上。从这个难度来说，我肯定需要有一些技术的工具来提升我们的效率。”
提到生产效率，就不可能不提AIGC。不管是文生图还是图生图，还是今年上半年大热的文生视频，AIGC能够帮助用户快速生成素材，在一些已有的案例里，它不仅能帮助缩短创作周期，还能降低制作成本。但一个致命问题是：通用型的AIGC有着强大的功能，却对很多广告主的实际投放起不到太大帮助。
这两者其实并不矛盾，毕竟做广告不同于画图，一张图片美不美由用户主观感受来评判，而一个广告创意好不好，却是由其带来的商业回报客观数据来决定的。
腾讯广告商业AI副总经理郭伟举了一个例子：“早期很多独立的生成工具可以生成特别美的女生，但用到广告里发现客户并不买账，邻家女孩类的素材反而效果比较好。我们针对商业场景，要提升AIGC生成能力的适配性。另外，创意工作不止生成这一个阶段，还包括了审核和投放等阶段，想让客户真的把AIGC用起来，就必须整体地、一站式地解决这一问题。”
简单说，就是要把理解广告业务的AIGC嵌入到实际广告工作流中，这背后，涉及到的是平台对不同行业的深度理解，以及AI工具是否可以有持续的数据反馈和自动调校。腾讯广告拿出来的工具是一站式AI创意生成平台——腾讯广告妙思。
以汽车行业为例，传统的汽车广告素材以实拍为主，成本很高。如果用通用型AIGC生成汽车图片，则面临车型和Logo生成不稳定的问题，而这恰恰是广告主最为在意的一点。“后来我们找到了一条路径，就是仅对背景做更换，而且不同用户看到的背景不一样，比如有人喜欢背景是都市，有人喜欢山川河流。可以观察到不同背景的点击率确实是不一样的。”郭伟说。
微盟营销客户运营中心副总经理吕雯晴根据实际经验总结，在合成阶段，腾讯广告妙思的产出效率相比人工能够提升至少150%以上，进一步到优化师上素材的阶段，测新频次也会更高。“测试的多，跑出来的几率也会更高。”
这种爆款的产生和堆基建不是一个概念，而是通过训练模型，让它理解什么是更好的创意。吕雯晴表示：“我们对于起量素材的人工理解，其实不如模型训练来得更为直观。模型训练可以把很多维度拆得更细，然后让更多的维度在训练过程中得到升华。这样再从模型中产出的新素材，自然也拥有起量元素。”
再到审核阶段，因为创意生产和审核被内嵌至同一套系统中，因此生成的素材也能够免肖像授权，并快速过审。对优化师来说，广告过审和人像授权是他们的工作流中难以回避的痛点。以电商行业刚刚过去的618为例，大促期间，如果卡在素材审核上，往往意味着错过一个爆品的快速反应和追单。而对需要大量人像素材来吸引用户跳转的阅读行业来说，又存在极高人像侵权风险。腾讯广告妙思的AIGC生成功能，同时解决了这两个行业广告主最为迫切的问题。
优秀素材生成的效率提升，成本减少，广告主就有了更多空间来尝试更多不同的营销策略，从而找到效果最好的那一个。
值得一提的是，正如《计算广告》作者刘鹏所总结的：“广告行业离全流程自动化就差两个点，一个是创意，另一个是客服。这两处仍需要大量的人工。如果能将其变为自动化甚至半自动化，那么广告投放的飞轮效率能够提高非常非常多。”在创意环节推出了腾讯广告妙思，在客服环节则推出了腾讯广告妙问，一款针对广告主和代理商的AI客服，帮助客户快速上手的AI工具，降低客户使用门槛。比起腾讯广告妙思迅速被广告主接受并广泛使用，腾讯广告妙问这个产品还在平台试用期，我们还需要更多的时间才能观察到它的效果。但随着广告跟用户之间的媒介触点越来越多，更加智能、能够真正促成转化的AI客服工具，毫无疑问会是广告行业的下一步重点。
贴近经营本质，实现增长确定性
大模型AI之所以能颠覆当前互联网广告业态，不仅仅在于生产效率上的大幅提高，更在于它能实现超个性化，或者说，深度行业化。对于广告行业来说，这意味着能让广告更好地回归经营本质，因为不同行业的广告营销目标差异极大，只有在垂直领域深耕细作，才能让模型更好地分析归因。
要实现深度行业化，光靠平台必然是不够的，广告主自身也有许多工作要做。
第一，学会充分表达营销诉求，做有品质的广告。AIGC能够帮助生成创意，但这不意味着广告主只需要坐享其成。生成式AI本质上还是一个“输入-输出”的工作模式，即使广告主不再需要写出一个具体的创意，也需要对商品和营销目的做出更准确的描述，这首先需要广告主对自己的用户有深刻的理解。
以金融行业为例，微众银行企业金融主做ToB生意，业务特点是服务对象差异性大。“江苏做电机制造的，跟深圳做进出口贸易的企业，完全是不同的生意结构，他们对于金融产品的需求自然也不同。我们需要结合我们的能力为中小微企业主提供到很定制化的产品。问题在于，我们如何把这个产品差异化呈现给客户？如何将产品关键和广告很好地结合起来？”郑文琛表示，这都是广告主在3.0时代要着重思考的问题。
第二，数字化。广告主负责理解商品和用户，系统则负责理解数据。不管是商品的营销诉求，还是对客户的认知，最终都需要转化为数据喂给系统，才能通过系统实现高效的人货匹配，让广告投放更科学。以汽车行业为例，用户点击线上广告之后，试驾、购买等行为大都是在线下完成。如何将后链路的行为数字化，给到前端广告更多的反馈和参考，这需要垂直细分行业有充分投入的决心。相应的，金融行业也是如此。
“我要更了解我的客户，知道他的偏好是什么，知道什么时候是触达他的更好时机。要做这一点一方面是基于我们自己的数据能力，另外一方面离不开跟媒体的共建。”曾琳所提出的和媒体平台共建，也是3.0升级的核心之一。针对不同行业客户的不同需求，新广告投放（3.0）搭建了数十个资产库，助力广告主更快覆盖到更大规模的兴趣用户，加速起量。据悉，腾讯广告通过建立资产库，将行业整体起量率提升了207%。
第三，长效经营。在这一点上，游戏行业最为典型。过去游戏行业最常用的营销方式就是一波流，通过新游大推大量获客。然而随着游戏精品化叠加游戏用户增长趋缓，游戏行业必须从全生命周期中挖掘增长潜力。而新广告投放（3.0）通过细致地区分游戏不同生命周期的经营目标，实现不同阶段的精细化运营，完成了全链路全周期的游戏营销内容表达。
“随着我们和广告主全链路合作的加深，我们不是让广告主在这里投放一次就完了，要让广告主把我们当成他持久、稳定获客的来源，变成他的一个经营平台。”汪牧远描述了对腾讯平台未来角色的展望。这背后很重要的一个优势在于，腾讯生态内的私域流量可以和智能广告一起，成为广告主的获客蓄水池。
对广告效果要求越来越高的广告主，自然希望看到平台在更高维度上的价值。曾琳对此深以为然：“我们的用户绝大部分都在腾讯生态下。因此我们在衡量整体广告价值时，并不只看广告当天的效果。随着企业微信等等这些私域生态，提供更丰富的一些形式，把整个微信生态的流量经营逻辑打通，我们期待未来更多的（增长）空间。”
随着大模型技术的不断进步，广告行业正迈向一个更加智能化、高效化的未来。
这不仅仅是技术上的变革，更是对广告投放模式和营销策略的深层次重塑，它意味着广告行业对人的经验和直觉的依赖进一步降低，走向了数据驱动的科学决策时代。媒体平台、广告主、代理商，乃至于广告生产投放链条上的所有个体，都会被卷入到变革中。谁先完成底层逻辑和理念上的变化，谁就是最早的受益者。