明略科技CEO吴明辉：未来10年，生成式营销解决“内容生产力”问题 | 《十年》05期

原创赞收藏评论

举报 2024-10-10

扫描,分享朋友圈

文 | Innocent Roland

回看过去十年，移动营销行业如何指数级增长？行业爆发过什么关键事件？潮涨潮落之间，哪些互联网平台、品牌和营销公司成为了最大赢家？借鉴过去十年，广告营销行业，应当如何走好下一个十年？未来，又会出现哪些不能错过的行业机遇？为此，Morketing发起2024年重磅系列选题：《十年》。

随以ChatGPT为代表的生成式AI的出现，营销人似乎看到了一种全新范式。

如果说2014年，是PC互联网全面转向移动互联网的关键节点，那么十年后的2024年，就是从传统数字营销，逐渐转向生成式营销的新节点。现如今，我们该如何看待人工智能带给营销行业的变化？数字营销的AI化会走向什么方向？企业内部究竟该如何用好AI提升效率？

“传统营销时代，人们通过市场研究的方法获得信息、执行营销活动；到了数字营销时代，大数据可以让企业在每一次营销活动、每一次广告曝光、每一个用户点击获得更多信息，从而进行个性化、精准化的投放；进入到生成式营销时代，营销系统获得的信息量得到极大程度的延展，通用大模型抓取了整个互联网上公开的海量数据，较之于数字营销时代，需求端与供给端交互信息的质量、密度、影响力，都在发生新的变化”，明略科技集团创始人、董事长兼CEO吴明辉分享。

《十年》栏目第5期，Morketing创始人兼CEO曾巧与明略科技集团创始人、董事长兼CEO吴明辉展开对话：

过去十年的3个关键词：数字化、信息密度和人工智能
曾巧：回顾过去 10 年，您会用哪些关键词来形容数字营销？

吴明辉：从我们公司创立到现在，已经过去了18年时间，经历了广告营销行业从传统模式到数字化的完整过程。我们观察到的最核心的变化是：广告主和消费者之间的距离变得更近了。过去，广告主要通过电视台或其他机构让消费者看到广告，而产品则要经过层层的经销商，才能在各种线下零售网点，与消费者见面。但到了今天，无论是广告还是零售渠道，整体链路都在不断缩短。

数字化所带来的数字化人口红利，让品牌主触达消费者的方式和方法更多了，也更容易了。过去难以触达的三四五线城市的消费群体，如今品牌主几乎都可以触达到。另一方面，数字化也带来了行业内卷。正如管理学家彼得·德鲁克的观点，有了测量，才会有管理。广告行业也是如此。广告测量能够让品牌主更清晰地发现并优化潜在问题，最终的结果是媒体和媒体之间、品牌和品牌之间的竞争变得更加激烈了。

从用户侧来看，移动互联网发展之前，人们没有办法随时随地获取信息。如今，信息变得更容易获取，同时品牌和消费者之间交换的信息也越来越多。随之而来的是，在相同的信息量下，信息被极致化的压缩，长度越来越短，密度越来越高。最典型的表现是，从长视频变成短视频，从长剧变成短剧，这也是人类消费信息的发展趋势。大量信息的出现，促使人们需要以更快的速度，获取更高质量的信息，从而节省时间。这也给广告商带来挑战，制作高质量内容本身就很难，同时还要和非商业化的内容争夺流量。

回到我本人的成长经历，我本科是学数学的，硕士和博士阶段学的都是人工智能。人工智能已经有60多年的历史，但过去十年是最有意思的十年。从AlphaGo的深度学习，到今天ChatGPT带来的大模型热，人工智能的快速发展，对于像我们这样在广告营销行业里做技术的公司，是非常激动人心的一件事。

上一代人工智能聚焦于流量的匹配和分发，简单来说，就是将对的内容投放给对的人，这实际上解决的是生产关系的问题。今天，下一代人工智能的能力边界，从who（知道用户是谁）扩展到了what（洞察用户想要什么）。

现在的人工智能已经可以完成内容产出，这就意味着它不仅能够解决生产关系的问题，也进一步解决了营销内容的生产力问题，这将给广告行业带来巨大的变化，营销技术公司将为企业和消费者创造更大的价值。

总的来说，我给出的三个关键词是：数字化、信息密度和人工智能。

曾巧：从18年前创业到现在，您有没有一些印象深刻的关键节点？进一步来说，这些节点是不是也给公司和个人带来了思考呢？

吴明辉：关键点还是挺多的。在创业之初的第一版商业计划书里，我们曾经希望做一个信息推荐系统。但那时还没有移动互联网，大多数网站用户是没有注册习惯的，这就导致没有一个统一的UID去追踪用户，我们很难持续沉淀一个用户的长周期上网行为，进而给用户做信息推荐。最后我们决定做ToB端的业务，在这个过程当中，我们发现广告监测能够采集到数据，而且是客户特别重要的需求，所以才有了帮客户分配互联网广告预算，监测广告效果的产品。

还有一个关键点在2012年左右，当时电视广告特别多，限制电视广告时长的举措出台后，品牌主的广告预算从电视转向互联网，我们2010年推出的产品MixReach，主要帮助客户分配跨平台广告预算，正好赶上了这一波市场变化。这也给我们带来一个启示，对于B2B公司来说，提前投入非常重要，如果等到市场机会来的时候再去做，大概率是来不及的。

移动互联网时代，催生出大量UGC内容，给我们带来巨大的发展机遇。这也得益于手机的照相功能，在很大程度上降低了消费者分享信息的门槛。互联网上开始出现大量UGC内容，这些内容非常有价值，是我们帮助客户理解消费者、市场、品牌变化趋势，开展Social Listening、Social Insight的重要来源，这里已经超出了我们广告监测的范畴，进入到内容领域，从who延伸到what的维度。

2014年，我们成立了明略数据，从广告相关的大数据和AI进一步向外扩展。2019年，成立明略科技集团。今天，整个明略包含两大业务板块，除了营销智能（Marketing Intelligence），还有营运智能（Operational Intelligence），服务了大量拥有线下门店的知名企业，我们可以利用AI和大数据技术帮助企业做线下门店的管理、员工管理、商品推荐，甚至后端的供应链。

曾巧：就是线下的数字化？

吴明辉：是的。线上和线下的数字化应该做到一体化，相比之下，线下的数字化实际上难度更大。正如我前面所说，过去几年，数字化极大地缩短了品牌和消费者之间的距离。对很多品牌而言，门店是他们和消费者接触的重要场域，数字化可以优化消费者体验，帮助品牌实现更加高效、智能化的经营。

曾巧：成立明略科技的时候，想过会拓展到今天的业务方向吗？

吴明辉：也有。我当时的一个判断是，随着移动互联网的出现，广告行业以外的其他行业场景也将数字化。如果你仔细观察广告行业，会发现它和金融有点像，从第一天开始就建立在数字和信息之上。互联网广告本身就是数字化的，所以很容易通过我们秒针系统进行测量和持续优化。但以前的线下门店并不是数字化的，主要依靠人工和机器来运转。现在，移动互联网带来了线下场景数字化的可能性。比如餐饮行业，移动支付几乎占到门店的90%。我们在秒针系统沉淀的海量大数据，以及数据处理和AI能力，可以广泛应用到更多的场景、业态中去。

y=F（x）：生成式AI改变营销的底层逻辑

曾巧：回到现在，您觉得AI会像移动互联网那样，对营销商业进行又一轮重构吗？

吴明辉：我相信AI会重构整个广告和营销行业。上一代人工智能已经重塑了营销行业，但仅仅是流量分发这一点。我们看到，流量越来越精准，精准到品牌可以只向曾经买过商品的用户投放广告，但这不见得是一件好事。

曾巧：目标受众会变得越来越窄。

吴明辉：是的，所以这就不是广告了，就变成了促销。有一句话对我触动很大，“广告是教育人们美好生活方式的一种方法。”比如，我之前不知道有洗衣机这种产品，每天还在用手洗衣服的时候，突然看到洗衣机的广告，被这样一种美好的生活方式吸引，最后购买了这个商品。

而且“美好”这个词也很重要。如何超越产品特性本身，向消费者传递一种更深层次的美好情感，好的创意可以做到这一点。

然而，随着短视频的出现，广告主花费高额预算制作高质量的广告片这件事，变得有些不太“科学”了。因为短视频可以被用户随意划走。用户“划走”视频的动作，本质上就是给媒体平台的一个信息反馈，表示自己对这个内容不感兴趣，而平台不能否决消费者划走广告的权力。

曾巧：传统媒体时代，广告的完播率是很高的。

吴明辉：是的，过去品牌做一个高质量的内容，反复给消费者播放，总是有效果的，品牌主也更愿意在高质量内容上投入。如今，短视频给整个行业生态带来很大的挑战。一方面，品牌主要坚持传递正向的精神价值，不能一味提供多巴胺的刺激；另一方面，在高质量的基础上，还要确保不断产出多样化、不重复的广告内容。但我们也看到，现在生成式AI的进步速度很快，未来广告创意行业的生产力，有可能达到过去的100倍，甚至1000倍。

曾巧：那么，当下生成式AI可以怎样赋能营销生产力的提升？

吴明辉：简单来说，广告创意生产有三个关键环节。第一，消费者洞察；第二，创意内容生产；第三，媒介传播。三者分别对应how、what，以及who。正如我在前面提到的，上一代人工智能已经解决了who（内容分发给谁）的问题，现在生成式人工智能还可以解决what（生成何种内容）和how（采取何种策略）的问题。通过内容测量，更好地达成AIGC内容生成的效果。

曾巧：是不是可以理解为内容也是可以被推算的？

吴明辉：没错。内容测量相比流量测量要难很多。流量测量的核心是viewability（可见度），涉及触达哪些目标受众、触达次数、触达形式。比如，广告时长是15秒还是30秒，是动画还是图片，投放在大屏还是小屏，效果都不一样。

内容测量，在流量测量的逻辑之上，增加了对内容本身客观与主观层面的解析。其中，客观层面，指不同形态的内容中描述了哪些客观事物；主观层面，指目标受众观看后的情感是正面还是负面。我们可以通过大模型的能力实现精细化的分类解析，但前提是大模型一定要掌握行业的专有知识。

基于内容与流量维度的测量，投放给不同目标受众后，我们再去看最终的转化效果，科学指导下一次投放，这样就形成了一个可以持续优化的完整闭环。

曾巧：个体之间的差异其实还挺大的，主观层面的测量如何用科学的方式实现？

吴明辉：的确。数学有标准答案，但营销没有，它的评价指标往往是主观的。尤其在内容方面，不同的人对同一个内容的评价可能完全不同。其实从提供Social Listening服务开始，我们就已经利用专门的传感器采集消费者的脑电波和眼动追踪数据，帮助大广告主进行广告前测。

生成式AI兴起后，我们通过明略多模态大模型对多年来积累的数据进行了训练和优化，让AI能够像人一样观看各种视频，给出相应的主观响应指标（SRI），辅助广告主以更快的速度、更低的成本，预测消费者的正负面情感反馈，制作出更符合消费者需求的广告内容。最近，我们已经在全球顶会发表了这篇论文成果。

实际上，之前这类广告前测只有大广告主才用得起，因为他们在制作上投入了大量成本，有更强的意愿进行测试。但在短视频的冲击下，广告主不得不追求数量，在一定程度上牺牲了内容质量。把主观测量交给AI之后，广告前测的成本可以大幅降低，惠及更多广告主。

曾巧：相比客观测量，主观测量的深层价值是什么？

吴明辉：现在很多拍短剧的公司也在做各种各样的测试，更多的还是围绕投放后的点击率、转化率，但测不到消费者真正的情感，但这对品牌而言却是非常重要的一部分。营销的最终形态一定是将正向的情绪传递给消费者，激发人心的善的一面。叫座当然很重要，但是叫好更重要。所以除了相对客观的点击、转化数据之外，我们也需要尽可能地捕捉消费者的情感部分。

曾巧：AI参与洞察这件事，现在有没有一些实践的案例？

吴明辉：已经有非常多的实践了。OpenAI本身有个工具叫Code Interpreter。其实不光是我们，很多客户的市场研究部门都在大量使用工具分析数据。当然工具的使用不是难点，数据都在那儿，难点是洞察后的下一步该怎么做。很多客户发现了大量数据中的假设，但假设都需要验证，验证成本很高，他们希望找到值得让企业take action的洞察。

我们认为，最值得关注的还是内容的洞察。因为内容本身是一个明确的议题，长期来看，每个品牌都要解决自己的内容生产问题。如何才能持续吸引消费者的注意力，且保证高质量，都要回到洞察上面。

曾巧：制作内容的问题如何解决？

吴明辉：我经常给大家讲一个数学公式：y=F(x)。大模型就是公式里的F。作为一个公开市场提供的工具，F很难真正给企业带来绝对的领先优势，最后大家的F会无限趋同，这个时候起到决定性因素的就是x。

举个例子，在广告创意阶段，Sora是F，只有给它一个正确的x，也就是Prompt，它才能输出一个正确的y。所有人都有的能力不是创造，独特的部分才是创造。大模型普及之后，当每个企业都能够以一个相对低廉的价格获得最好的“制作团队”后，谁能更深刻的洞察消费者需求，将决定能否取得优势。

曾巧：x是用AI模拟消费者主观感受的部分？

吴明辉：是的，但不止于此，还有客观的部分。我们的核心能力是AI Decoding，包括主观（SRI）与客观的解析。消费者帖子中的内容要素有哪些，讨论角度是什么，都是x的一部分。之前这些内容需要人工阅读，现在都可以交给AI来看，启发内容策略与创意生成。

带来优势的不是AI工具，而是企业如何使用AI

曾巧：明略内部有没有被生成式AI改变或提效？

吴明辉：ChatGPT推出后，我们很快就在内部上线了小明助理Copilot。我们整个公司2000多人是一个知识劳动工作者群居的集体，超过80%的岗位，都是产品、研发、数据分析等技术类岗位。我们每一个工种的同事都在早期就使用上AI，没有在这次AI浪潮中掉队。

我们工程师写代码的效率有了很大比例的提升，一些数据分析师也开始用AI写数据分析代码，HR也做了不同的智能体，销售和市场同事也在用AI完善公司的知识库。我自己也有一个小明CEO的智能体，帮我阅读日常工作文件，快速了解业务情况。

曾巧：现在内部使用率如何？您觉得它算是一个成功的产品吗？

吴明辉：目前周活达到了70%，已经有很多企业订阅了我们的服务。到目前为止，我觉得是相对成功的，但还有很大的增长潜力。

其实，人工智能刚刚步入我们的职场，绝大多数的公司都还没有真正把它的生产力激发出来。Copliot最大的好处是可以让AI高频出现在日常工作流里。“百度贴吧之父”俞军老师曾提出一个经典的产品价值公式：产品价值=新体验-旧体验-替换成本。很多好的工具最后用不起来，不是新体验不如旧体验，而是因为替代成本太高，大家很难改变过去的工作习惯。购买一个AI系统花费不多，但要让公司所有员工都学会使用AI，才是真正的大成本。

在内容生成方面，我们需要x。实际上，战略制定同样需要x，而AI在这方面表现出强大的能力。在进行战略讨论和头脑风暴时，我经常会用小明行研获取数据。小明行研是一个能够快速生成行业研究报告的智能体，它可以多次搜索报告信息，并帮你归纳总结、分析趋势。尽管每次生成报告需要消耗不少token，但相比我们人的时间还是便宜很多的。

曾巧：最后总结一下，您认为品牌应该如何抓住 AI 红利？

吴明辉：首先我们要笃定AGI一定会实现。贝索斯讲专注投资长期不变的事。模型工具肯定要用，而且要尽早让组织全员养成使用AI的习惯。大模型最后一定会越来越好，企业要提前想好到时自己手里的牌是什么。每个企业都要准备好自己的“x”，我们希望帮大家做好“x”的工作，发挥出F的价值。

本文系作者授权数英发表，内容为作者独立观点，不代表数英立场。
转载请在文章开头和结尾显眼处标注：作者、出处和链接。不按规范转载侵权必究。