深度学习过 10 万 + Campaign？！DeepSeek 大起底
大家好，我是张无忌。
最近，DeepSeek 爆火，大家都在尝试如何优化关键词，最大化利用它的创意能力。与此同时，我们或多或少都看过一些所谓的广告业 DeepSeek 实用指南。
但仔细看来，这些经验分享，要么是在纯粹制造焦虑，宣称广告业要因 DeepSeek 而发生巨大变革，催促大家赶紧用起来；要么只是流于表面思考，点对点地解决一些操作层面的小问题，都没有系统性地讲清楚广告人如何在实际业务层面用好 DeepSeek。
你有多聪明，DeepSeek 就有多聪明
DeepSeek就像一个操作系统。内容产出质量的高低既取决于系统本身的处理能力，也取决于我们如何使用它。
基于这个观察，我准备结合自己的经验，用 100 篇系列文章的方式梳理总结 DeepSeek 广告人的实操经验，抛砖引玉，和更多小伙伴一起探讨进步。
DeepSeek 很强，但它真的懂广告么？
很多人听闻到DeepSeek 能力强大，便迫不及待上手使用，可实际体验和结果却不尽如人意：
产出“创意” 和产出 “能用的创意” 之间存在着不小的差距。
这或许是因为我们对 DeepSeek 本身的能力边界缺乏基本认知。DeepSeek 到底接受过哪些广告业的基础训练？我觉得，只有弄清楚这个问题，我们才能对 DeepSeek 的能力范围有一个大概的了解，也更便于我们在后续实际业务中应用。
直接上结论：
DeepSeek 至少是个 50 年+经验的广告人
在和DeepSeek 进行策略问答时，我对大模型针对广告行业的训练过程和成果有了不少惊人的发现，主要可以总结为以下四点：
1、DeepSeek学习建立了非线性的 3000维策略矩阵
通过知识蒸馏机制，DeepSeek 学习了 2010 - 2022 年的市场营销学术论文、2015 - 2021 年头部 4A 公司白皮书以及 2008 - 2023Q2 的公开 Campaign 复盘报告，进而形成了非线性的 3000维策略矩阵。
*截图源自与DeepSeek的对话
2、直接解析的完整 Campaign 案例约 1.2 万例（含戛纳获奖作品 / 中国 4A 金印奖等）
通过对这些案例的分析，利用自然语言处理提取的要素单元多达 37 万组：
其中包括 4.2 万种冲突制造模式、8.7 万类 TA 洞察模型以及 12.4 万条媒介组合公式。
*截图源自与DeepSeek的对话
3、DeepSeek学习的中国本土化案例比例超过 58％
中国本土化案例占比 58%，欧美案例占 32%，其他地区案例占 10%。
*截图源自与DeepSeek的对话
4、学习的案例权重不同，过时的案例进行再优化
利用模式迁移能力，2020 年传播案例权重设定为 0.89，2015 年案例权重为 0.47；
同时，对传统时代方法论（如 20 世纪 90 年代央视标王策略）进行数字化改造，使其适配短视频平台生态。
*截图源自与DeepSeek的对话
结合我们在日常工作中的实际体验，这么大的数据处理量：
DeepSeek的案例储备和工作能力，是不是最起码相当于一个 50年+经验的资深广告人？
用 DeepSeek 到底怎么做策略？
通过对 DeepSeek 广告业训练量的剖析，我们对它处理广告业务的能力范围有了大致的认知。
如何充分激发这位50年+经验 “广告前辈” ，让它为我们产出优质内容？
下一篇文章，我将从传播策略方面入手，谈谈我的使用感受和方法。
Ps 最后也要帮 DeepSeek 澄清一下 严肃脸.jpg
作为 AI，DeepSeek 的训练数据来自广泛的公开文本，数据是匿名的、去标识化的，并且不包含机密信息。
临时起意想写写DeepSeek，时间比较紧张，欢迎评论区一起探讨学习~
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。
未经授权严禁转载，授权事宜请联系作者本人，侵权必究。
本文禁止转载，侵权必究。
授权事宜请至数英微信公众号(ID: digitaling) 后台授权，侵权必究。
评论
评论
推荐评论
暂无评论哦，快来评论一下吧！
全部评论（0条）