采访手记

AI时代的好广告，要有3个要素

胡南西：您一直在做广告的测评，请您从营销人，偏技术营销专家的角度来说说，AI时代，我们应该从哪些角度来看一个广告的好坏？

谭北平：今天的传播环境下，我们认为一个好的广告要有三个要素。第一个：不仅要人看得懂，还要AI看得懂。所谓AI看得懂，就是更容易的被AI Decoding，被AI解码。这件事情非常重要。因为你要传播的点，要跟AI解析出来的你的表达是一致的。比如说，我们有些广告里面会用到一些文字的花体字，AI在读这类文字的时候，就容易读错，它就会给出错误的标签或者Keyword。那么在投放、推荐或者搜索上，任何需要用到算法的地方，都有可能会错。所以只有AI读得懂你，才有可能完成广告的传播任务。

胡南西：哇，这个观点很颠覆！我们一会儿细聊，第二个要素是什么呢？

谭北平：第二个是要去激发受众的反馈。因为任何广告都是让人去产生情绪、产生认知、产生行动的。一定要让受众产生反应。这个反应分很多种，一种是比较立即的，下单或者是点击，一种是比较深刻的，感动、情绪、认知……无论是什么，都叫做激发受众的反馈。

胡南西：那么，第三个要素呢？

谭北平：第三个，我们把它叫做：与品牌的价值对齐。同样满足前面两个要素的广告，可能对A品牌是个好广告，对B品牌就不见得是好广告。所以它要表达的内容，要和品牌本身的价值观去对齐。你的品牌想表达的东西是什么，取决于你整体上呈现的调性，和你整体的表达方式是不是一致。既有宏观要素，也有微观要素，甚至到你的logo、颜色、情绪。比如说可口可乐可能就是要去表达一种欢乐的情绪、一种家庭观这种很底层的价值观。

所以说我认为，一个好的广告，今天来说就这三件事：让AI看得懂，让受众能有反应，与品牌的价值对齐，这个与过去是不太一样的。

广告投放

越来越受到AI推荐引擎的影响

胡南西：确实，我们一般会认为，广告首先是给目标消费者看的，是要去激发消费者对我这个品牌的认可，或者直接下单。您说的“AI看得懂，而不仅是人看得懂！”这个观点和我们大多数人的朴素认知是不一样的，是因为现在的算法机制的影响吗？

谭北平：在大众传播时代，你买的是排期，这个广告一定会播出，就一定会被看到。在早期的数字时代，你也是买的流量，也是有确定性的。

但今天，越来越多的平台是推荐机制。如果AI对你的内容的解读是错的，那你想想，这就会产生很多误导和问题。比如说把品牌认错了，或者广告里引用了某一个大IP，这个IP没被AI理解出来，这就会有很大的问题。有误读，有误解，那更麻烦。

胡南西：AI推荐已经渗透到各种广告的推荐了吗？

谭北平：今天各大平台的广告投放工作中，已经越来越多地会有各种推荐引擎参与其中。今天的数字广告，已经和DSP、DMP时代不一样。当时对广告内容的解析最多就是在合规、合法部分，但今天广告平台在投放过程中，交叉推荐、算法推荐会变成很重要的控制因素。

比如某广告引用了一个很大的IP，假如是哪吒，如果AI只是发现有“一个调皮的动画小男孩”，和AI认出来这是“哪吒”，那就是完全不同的推荐效果了。如果准确的认出来是哪吒，就可能会去匹配到一些对哪吒感兴趣的人，如果只是“一个调皮的动画小男孩“，匹配的结果和品牌想表达的东西就错位了。

胡南西：所以现在的广告投放越来越会受到这种AI推荐机制影响？

谭北平：像腾讯这些标准的广告平台，它的广告流量的投放、采买以及匹配，越来越多的基于内容做自动化识别、匹配。这部分比例会越来越高。内容标签和人的标签加起来做自动推送。

内容标签如果错了，那就是一个灾难性的事件。AI对于内容的理解，它不仅仅会涉及到文字、语音，刚才所说的关键人物，还会逐渐的涉及到里面的人物的情绪、情感，这些都需要让AI读得懂。

用AI测评来破AI推荐

胡南西：要“让AI读得懂”，在我们创作广告的时候，需要注意什么呢？

谭北平：比如刚才说的有些字体的花体字，好像很艺术，人能看懂。但AI有时候看不懂。

胡南西：那是不是说，创意太牛了，艺术感太强了，反倒可能不好？

谭北平：也不能完全这么说。其实AI已经很厉害了，它可以读懂很多东西。我们最近测了一些广告，有些广告它有很深的文化隐喻，AI真能读懂。我们发现它对于引用的一些特定的冲突，角色的隐喻，甚至古典文献里面的角色，它真的能很好的解读，非常棒。

但是你要确保它别读错了，或者万一你表达的中间有些歧义，它就有可能读错。最重要的是你要尝试用AI来测试一下，用AI的眼睛看一下它所理解的广告是不是你想表达的这个意思。

要转好几个弯的广告，在今天不一定是个好广告

胡南西：有的广告创意特别厉害，一个真人，可能看了也要在脑子里转几个弯儿，才能够理解这个创意。那是不是这样的广告未来也会被淘汰？

谭北平：这就属于第二个部分了，就是激发用户反馈。

确实，过分绕的广告是一个问题。你绕的弯太多，确实情绪情感上可能会失焦，注意力可能会看不到。这也是为什么我们要去预测：“人对于这些画面、声音、情绪的反应是什么”的一个很重要的原因。

所有的信息都是一个Feeds流，一个信息流，我们要去预测和预判人在这些信息洪流里的各种反应。通过预判还要知道在表达上是否有问题。比如说我们最近看一些海外广告，故事感很强，但是整个15秒、30秒只讲一个故事，中国受众可能会觉得不耐烦。因为中国的广告往往3秒钟、5秒钟一定有个反转，一定有个高潮。过去在电视广告的场景下，那样的表达是OK的。但随着文化的发展、媒介消费习惯的变化，那种广告可能就不行了。

胡南西：为什么呢？是我们中国人习惯了快节奏？

谭北平：因为注意力很容易流失。你讲一个故事，后几秒都能预判到了，那不用看了。如果在手机上，用户就会直接划走了。后面要干嘛猜都猜得到，这是不可以的。在今天的中国市场上，我们会看到一些新的表达、新的逻辑，其实就是要不停地在人特别容易流失注意力的时候把它拽回来。

AI 能很好地解构

我们过去认为很虚的东西

胡南西：您还说到了与品牌的价值对齐。广告理论上就是个商业产品，按道理必须要与品牌的价值对齐！但价值这东西好像又很虚，只可言传不可理喻，如何把握呢？

谭北平：与品牌价值对齐有两层含义。

第一层含义是与品牌的相关SOP对齐。很多品牌过去经验的积累，会形成一个SOP，包括一些很细节的执行规范，比如说一个奢侈品品牌，永远要表达某种情绪，或者说我的logo在什么场景应该用什么样的形状来表达等等，这一类叫SOP。

第二层含义涉及到品牌的价值内核，体验、情绪、价值观的内核。很多品牌都有自己的品牌价值观，我们以前只能靠人的脑袋来判断广告是否符合品牌价值观，并且你很难把它解构。但现在用AI就可以了。今天AI对于内容的理解和内容标签的理解，是完全可解构并量化的。

胡南西：这貌似就是很主观的评判标准，怎么用AI做到的呢？

谭北平：我们有一个什么是“好内容”的标准，叫做“四有三友好”，有关系、有好处、有意思、有期待……我们把每个标准落到一些具体的点上，AI是可以去学习、去理解这些标准的，并且用这些标准去分析你的内容，给它打分。这就是生成式AI现在的能力，它能理解过去我们认为很虚的东西。生成是什么？生成就是一种语言的能力。到今天，大模型已经有了多模态能力、推理能力，所以，AI已经能够很好的理解并解构各种内容。

胡南西：您能举个例子吗？

谭北平：比如说“什么是一种有关系的内容”呢？ 针对“有关系”，AI可以去分析这些内容针对的人群是谁，谁更适合。跟受众有关系，跟看的人有关系。就有一些非常具体的点，在标题、在内容侧，会有针对具体的人的描述，比如什么样的人需要，具体的痛点和具体的连接点是什么，这就落到“有关系”了。甚至可以让AI来判断，这个广告看起来并不是适用所有的人，而是适用一部分人的，比如针对某类特殊人群，AI是完全可以分析得出来的。

AI时代企业应该把握的是内容筛选，不是内容生产

胡南西：过去做营销都是“大品牌，大创意”，Big idea，您觉得在社媒时代、碎片化时代或者说AI时代，现在的创意和过去的创意有什么不一样？

谭北平：我觉得最重要的一个不同点是创意生产。市场上本身有大创意，有小创意，一个叫Big idea，一个叫敏捷优化，就是精益经营，这是两个完全不同的生产思路。

Big idea是说，我要通过洞察，突然找出“bling的一下”、灵感一现的这种moment的东西，甚至改变世界。

精益优化或者敏捷优化的逻辑是说，没关系，我不知道那个“bling的一下”是什么，但我总会提出无数小的选择和假设，用反馈的办法不停的去逼近那个最优的结果。这是我们在大众传播时代、数字营销时代，要去面对的问题。

胡南西：所以敏捷优化是AI时代的创意生产解决方案？

谭北平：我觉得，今天精益优化已经有点搞不定了。因为精益的问题，通过大量的AB测试，就能搞定。但今天的问题是：生成式人工智能来了之后，我们的内容生产变得越来越快、越来越廉价。AI生成文案已经毫无问题，今年海报上面有文字已经可以了，今天中国的即梦、海外的Meta，也都已经15分钟就能生成一只标准类型的广告了。

在内容生产力爆发的情况下，企业能掌握的是什么？企业是去掌握供给，还是掌握筛选？我觉得，企业方、品牌方不太必要、也不太可能去掌握生产，反而是要去掌握筛选和决策这件事情。

胡南西：为什么企业不去掌握生产，而去掌握筛选呢？

谭北平：秒针营销科学院和复旦管理学院市场营销学系最近在研究一个概念，叫做AIGD。AIGC是AI Generated Content，但是因为Content太多了，从Content这个角度来说，我们需要做Decision，并且是AI Generated Decision，就是AI来生成决策，来辅助决策。

虽然好多企业都在努力建知识库，做洞察驱动的内容生产。但是一个企业要训练出一个完全不同的内容生产引擎，是很困难的。内容生产最优的选择，反而是让所有市场上最优秀的生产引擎都一起到你这儿来“赛马”。就像过去找广告公司招标一样，你不是只找一家，而是多家。企业把握住筛选的标准，性价比才是最高的。

当内容生产越来越多、越来越快的时候，企业能把握的反而是它的“筛选”能力，这是企业最需要把握的。有点像什么呢？企业要招人，它不会自己去培养人才，而是会依赖各个大学。大学培养的人才越来越多，企业怎么决定要什么样的人才呢？靠招聘，靠筛选。

我们说这是一个测量的时代，在内容的海量生产背后，筛选会越来越重要。怎么筛选出来效果又好、又符合品牌价值的内容，会变得越来越重要。所以我们要做创意测量这件事情。

AI测评的价值：提高广告的成功率

胡南西：广告测评一直都有的。

谭北平：这个需求是一直都有。从全球的角度来说，标准的广告测试市场是永远在的。尽管我们中国短视频在崛起，但是对企业主来说，广告制作和投放都有相当大的投入，所以需要做广告测评。

胡南西：过去主要评什么？调性或者价值观这些东西吗？

谭北平：都有。除此之外，消费者的喜欢程度、跟品牌的linkage、反映的情绪状态等等有评分，并且有一个全球标准的红绿灯机制。绿灯，表示测评过了，可以出街了，可能有瑕疵，你也可以不用太费劲修改；红灯，表示不建议出街，你就得回去想想为什么不过；黄灯，中间状态，如果特殊情况着急可以用，如果不着急，再看看有没有要优化的点。这是一种管理手段。

胡南西：过去的广告测评是怎么做的呢？

谭北平：以前的广告测试，往往是企业总部管理，总部会要求各个国家市场都使用某个广告测试产品和测评标准。因为总部一般不太会去指挥各个国家具体应该怎么拍片子，但会要求片子里面必须符合某些标准。通过对这些标准的测评，来管控各个市场、BU交付的广告片的一致性。

企业一般每年会挑几只广告片来测量，连续测上一、两年后，大概就知道什么样的方向、什么点是可用的了，企业就有知识了。下次有新广告的时候，可以省钱先不测了，根据之前测评得出的知识，人工再判断判断就可以了。但这类测评过去是通过消费者调研来做的，很贵、很慢。今天新的模式下内容越来越多，最好是每个都用AI过一遍，整体的工作效率就提高了。

胡南西：和过去人工做测量相比，你们的AI测评有什么不同或者更先进的地方吗？

谭北平：过去我们人在看数据的时候，一般看几个关键指标有没有达标就够了。但是AI真的可以实现一秒钟一秒钟的看数据，看变化。在给具体建议的时候， AI真的反复阅读了你所有的内容、所有的数据，包括过去我们人都不太会看的那些数据，它都会全看一遍，非常细节，并且能做总结，做归纳。

所以，今天AdEff的优势就是，第一它能给出综合性的评判，第二它能很细节的给出具体每秒的表达有没有问题，有没有优化的建议。

胡南西：AdEff测评的高分广告，就一定能火吗？

谭北平：测评的目的并不在于“火不火”，我们的定位是帮助企业把握住筛选的标准，提高广告的成功率。

我们认为，未来的广告测评或者内容测评可能是这样的：AI快速的全量测一遍，如果中间还有一些待定的、不确定的问题，可以再用真实的消费者去做细节的校验或者验证。

在营销上，将某个指标提升到高于平均水平上一点，是很不容易的事。用AI来快速、高频地做广告出街前的测评、筛选，就是一个不停的提高广告成功率的过程。

广告能否起效有3大指数：注意、情绪、认知

胡南西：AdEff具体测评哪些指标呢？您刚才讲到了AI时代一个好广告的三个要素，你们做的广告的测评，也是以这三个要素为原则或者标准来做吗？

谭北平：是的。AdEff现在首先解决前两个原则。

第一个是AI decoding，AI会对每个内容和每一秒的内容进行理解、解码。看AI的理解，是不是跟你整个片子所希望表达的一致，这是一个很重要的点。

第二个是激发受众的反馈。我们目前引用的是基于神经营销学的数据，人的注意力、人的情绪反馈和人的认知加工过程，这是一些很重要的指标。比如说前三秒往往是要去完成一个什么样的任务；来到中间你的品牌出现的时候，应该完成什么任务；在结尾的时候，应该完成什么任务。这些都属于在不同的时刻里面，激发受众的反馈。

第三个是与品牌价值对齐，这部分是我们要为企业定制的。它会成为企业独有的一个筛选标准。而且这是个在线系统，不会随着某个员工离职而丢失这些标准。

胡南西：注意指数、情绪指数和认知指数，为什么是这三大指数？

谭北平：在神经营销学里，广告起效用有三个方式。

第一是注意，就是人会不会看到，或者看什么地方。这是广告首先要解决的问题。比如说有时候在短视频里，会故意说错词儿，或者故意前后不一致，弄些梗，反倒在这个地方你的注意力被调动起来了。

第二，信息进入到人脑之后，有两个反应：一个反应叫情绪反应，情绪是正向还是负向的；另一个反应叫做认知加工过程，有没有入脑留下记忆。有一些信息听完了就过去了，一带而过没记住。还有一些很复杂的信息，或者一些关键信息、独特的表达，人记住了。比如广告里有没有一些梗、转折、有趣的引发思考的图像或者声音，会让人有警觉、有思考、有想象的过程。这个就叫认知的过程。

这三个指数，是基于人脑对于多模态信息加工的特点来做的，贯穿了整个广告的所有沟通界面，涉及到你的品牌的露出、故事的节奏……在神经营销学里，这也是三个最稳定的指标，有足够的数据积累。

胡南西：企业的定制，在AdEff上，如何实现呢？

谭北平：一般来说，企业需要有自己的一个标准规则，大部分大企业都是有的。然后把这些规则放进去，进行模型训练和调试，训练企业的定制模型。这个过程不是简单的放进去就能用，还涉及到企业的表达和规则，在模型上面是不是能很好的体现。

超图多模态大模型+MoE混合专家模型组合

胡南西：AdEff用AI做广告测评的技术原理是什么呢？您能概要的说一下吗？

谭北平：具体的过程还是比较复杂的。形象的说，一个广告片放上去，AI会抽取出音频、画面、文字等等。一部分是音频分析，包括说的话，语音，各种拆解、量化、分析；另一部分是画面分析，把画面按秒抽取出来。最后是梳理出前后逻辑，挖掘出主客观的因素。所有的信息就会变成一整套的token，模型会基于解析的主客观数据，预测消费者看到广告时，上面提到的3种指数的变化。这些拆解、量化和分析，主要使用了我们的超图多模态大模型和我们过去积累的广告测评数据。

然后是MoE混合专家模型部分。基于前面的这些token，系统会模拟出不同的角色。有洞察专家、视觉专家、广告法专家、文化专家……这些各种各样的角色会拆解分析刚才这些token内容。像开会一样，每个专家从他的角度会有意见，再有一个综合的Agent，把这些意见综合分析。

明略的超图多模态大模型，

在主观预测方面远好于ChatGPT

胡南西：明略的超图多模态大模型，它是个什么样的原理，您能否简单的跟我们说说。

谭北平：说“超图”，要先理解什么是“图”。“图”是一类特殊的数据结构，不是一个图片的意思。它是节点（实体）和边（关系）的数学抽象，用来描述“谁和谁以什么样的关系连接”，比如我们熟悉的知识图谱就是一种图结构。而“超图”，hypergraph，指的是一种扩展了传统图结构的数据表示方式，可以建模多个对象之间的高阶关系。

超图多模态大模型就是基于图数据这个概念衍生出来的。明略的大模型团队用这种新的算法机制进行了深入的研究，研究成果被国际顶级期刊收录认可。明略的研究也比较了超图多模态大模型和标准通用大模型在广告识别方面的效果。在主观预测及客观描述方面，超图多模态大模型加上独有训练数据，效果要远好于ChatGPT这些标准通用大模型。AdEff的基座就是这个模型。

胡南西：您刚才提到独有的数据，是些什么样的数据？

谭北平：我们过去帮企业测评一个广告，一般会用眼动、脑电数据，真实的反映人的反应。也会辅助问卷，了解他们的主观感受或态度。两个方向不一样。人的访谈回答往往是笼统的，觉得这广告挺好的、很喜欢……很难问出非常具体的每一秒的反应。但眼动、脑电能够看到人在观看广告时每一秒的反应。

我们研发了一整套的软硬件，对广告做很多测量。每次都需要几十人以上，戴上设备去测量：看这个广告片的时候，眼睛看了什么地方，脑电有什么波动。十年的时间，有大概几千次广告，我们积累了有10万次以上的测量数据。用这些数据来训练超图多模态大模型，就可以模拟预测出，看到广告之后人的情绪反应。互联网上的一般性数据，已经被各个大模型抓得差不多了。但是因为我们有相对独特的数据，才有机会去研发这样的垂类大模型。

测评的目的在于提升广告整体的成功率

胡南西：你们将广告分为黄金3秒、兴趣时刻、品牌时刻、信息时刻、结尾3秒，这个结构性的分法是业界通用的吗？

谭北平：对，这是一个比较通用的分法。在不同的时刻里面，广告要承载的任务会不一样，所以AI在看指数做分析的时候，方向也会不一样。

胡南西：信息时刻是指什么？

谭北平：就是你在传递某一个有用的message。广告有时候是一种说服性的结构。一种很经典的结构是：提出问题，指出这个问题的解法，最后的品牌高光……提出问题就是一个信息时刻。

胡南西：现在你们只测60秒之内的广告，为什么不测更长的？

谭北平：太长了，我们认为不太适合当前这个框架了。我们正在去拓展新的像短视频等其它内容的测评框架。

广告的目的是去做大规模的覆盖。而短视频大多是两三分钟，往往只在自己的官微、官号发布，看的受众有限，可能播放几十万就已经不错了，这和广泛的触达还是有点不同。短视频重在造势，更关心的是完播、话题感、自传播力等等。所以我们目前是以广告为主，先做的是一个相对标准的，以广告为核心的测评产品。

胡南西：还会做其它形式的广告测评吗？

谭北平：我们也在积累竖版广告的测评数据。竖屏和横屏差距还挺大的。横屏往往表达的是一种第三人的视角，你是一个观众。但是竖屏往往是怼脸拍，一般会是对话式的，人物形象更近，镜头感会更强，表达的是：这个形象跟你在对话，你是一个参与者。所以横竖版广告在情绪、镜头、语言各方面表达上的差异非常明显。除此之外，我们也在尝试对静态的产品包装和平面广告做测评。

胡南西：AdEff评的是品牌向的广告，效果向的能评吗？

谭北平：效果向广告，它是赛马机制。直接投放“赛马”，直接看效果。很多效果向的广告，是会伤害品牌的，过去缺少管控。比如广告里会说市场最低价、史上最低价。虽然效果也许好，但是很多品牌是很注意管控的。比如说奢侈品品牌，绝不会说“打一折”，它会说走尾货，因为说打折会严重损害它的形象。

效果类广告过去很少做测评，因为过去的测评效率很低。但有了AI测试后，同样可以用AdEff做一下效果类广告的测评。我觉得企业未来在内容管控上的需求会越来越多。

广告测评适合3大场景

胡南西：在企业端，您这个产品应该是哪些部门使用呢？

谭北平：甲方的洞察部门、数字化部门以及内容管理部门。一类是做前测，一类是对体系内所有内容进行评价，形成知识库，这也是必要的。

胡南西：更详细地说，咱们这个产品现在适用的客户场景有哪些呢？

谭北平：有三类场景。

第一类场景，品牌方可以用AdEff做第一轮的初筛和初步评价。选出好的广告，同时通过测评可以发现并避免一些出错的可能性。

第二类场景，帮助品牌方建立对广告内容的量化评估标准。品牌过去最多能有投放数据，像内容数据往往没法量化评估。AdEff可以帮助客户内部的内容数据逐步形成一个可量化的评估标准。

第三类场景，帮助创意公司建立广告的交付标准。对于很多创意公司来说，他们也需要寻求一种交付标准。因为创意这件事情，谁都可以说点意见，什么叫好，什么能过关？过去是见仁见智。量化标准能够帮助创意公司，让广告内容的交付有标准，从而提高交付的效率。

胡南西：有什么技巧，能够更好的用好这个工具？

谭北平：AdEff非常用户友好，操作过程也很简单，还支持包年不限量使用。我们希望客户有内容出街，或者准备出街的时候，就传上来看一看。你的内容生产越多，我们愿意帮你评得越多。

用户可以把你自己的、你关心的竞品的、你觉得好的广告都放进来，通过我们测评提供的各种数据和指标，形成你自己独特的benchmark测评标准。你就知道哪些是可以借鉴的，哪些别人做得怎么样。

未来的商业，就像一个大型对抗网络

胡南西：您认为，AI在内容这块儿还能做些什么事儿？

谭北平：AI几乎能参与内容产业的所有环节。包括洞察驱动的内容生产、内容生产后的测评和筛选、内容后效的追踪，企业自己内容知识库的构建。

从测评的角度，我们会把它延伸到内容驱动决策，就是我们前面提到的AIGD。AIGD决策会分好多种，包括战略决策、定位决策到运营决策。内容决策只是运营决策的一部分。

前段时间，我去参加亚马逊的一个活动，其中就有一个很有意思的应用——AI选品，这是一个很重要的运营决策。选品本身的失败率很高，成功率估计也就30左右，如果能把30往上提一提，就是一个很重要的决策。选品跟选内容很类似，还有很多这种筛选、评估、预测性的决策，未来都是AI可以去做的。

胡南西：您觉得像广告公司的这些所谓的创意人，未来他们的角色在哪儿呢？

谭北平：我觉得有了AI后，创意人明显可以再疯狂一点。创意人过去的角色，是要去找灵感、找一种最优的选择，或者有更多发展性的选择。未来创意人和AI一起组合，他来用AI，可以实现更多、更有发散性的构想。并且有了AI后，创意供给侧可以大幅提高内部效率。

创意公司和企业方，用人工智能的说法，也许也是一种对抗网络。企业提需求，创意公司来实现，企业来筛选、评判，创意公司去修改，所有这些，都沉淀到一个垂类模型，或者一套测评系统里。

未来的整个商业就像一个大型对抗。这种对抗就是一种更强化的学习，通过强化学习不停的摸索，找到最优解。

本文转载于公众号CMO训练营