生成式AI的爆发给许多行业带来了新的可能性，广告行业也不例外，在AI这一角色的加持下，广告行业的生产创作、付费模式、从业人员、商业格局等方面，可能都会迎来重构。具体如何理解？一起来看看作者的分析。
AI不是风口，AI是革命。
单就广告赛道来看，这股浪潮已然蜂拥而至。在海外，FaceBook母公司Meta，正在加速生成式AI制作广告的进程，包括Hour One AI、Synthesia、Synthesys、Pictory等多家平台，都在进军该产业。
无需任何代码、仅对话式交互，就能迅速生成营销效果，一种全新的广告制作模式，正在潜移默化的颠覆整个行业。
根据Accenture的预测，到2029年30%的社交媒体广告，将由AI自动生成。它将带来哪些颠覆性变革？如何驱动商业创新？刷新哪些交易逻辑？
老规矩，甲方财经综合部分网络观点，加上超强脑暴畅想，希望为从业者带来启发，也欢迎分享讨论。
1）如何定义AI广告
从洞察产出到激活优化的广告投放，过程中用到的所有AI手段，包括人工智能相关的技术和算法，如机器学习、神经网络、计算机视觉、自然语言处理（NLP）和智能过程自动化等。
2）AIGC的三个层次：基础层、中间层和应用层
基础层主要由预训练模型技术投入组成，代表企业包括Open AI和Stability.ai等；中间层则是提供垂直化、场景化和个性化模型以及应用工具；而应用层则提供面向B/C端用户的文字、图片、音视频等内容生成服务。
3）广告业的四个主体：技术、创意、媒介、运营
AD Network优化了技术与媒介，DSP/ADX进一步优化了媒介，oCPX优化了运营人员，而AI有可能重构所有环节，且是革命性的影响。
4）AI广告不是新东西
其实早在2020年Jasper公司便开始为创作者在FACEBOOK上的广告创作赋能，全面提升运营能力以寻找新的创意营销突破点。
问题来了：究竟是什么级别的能量，在驱动AI对广告业的变革；这股变革，会直接和间接改变哪些环节；新一波的技术红利会出现在哪些场景；有哪些未知的风险和灾难？
以下是正文，五年内广告行业16条重构预测。
现代数字商业的规模和精细化程度，必然要求由人类经验决策转向机器智能决策。
生成式AI的爆发，在文案素材方面，已经初步实现，广告人只需要提供相关的关键词和主题，AI就可以自动生成相应的文案。AI写作技术，可以分析受众的口味和需求，优化文案语言，使其更加贴近受众，批量实现一对一个性化，从而提高广告效果。
目前重点还是在于文生文领域，图像和视频的AI生成在广告领域仍还处于早期阶段。
未来AI可以根据客户的价值观，定制植入与其理念匹配的产品特质。
从过去的千人千面，到未来的亿人亿面，5-10年内指日可待。
AI 生产的广告，基于不出现常识性错误的硬框架，看起来中规中矩，其实缺乏关键的人文元素，如幽默、同理心和文化背景。
目前，还处在早期的蛮荒阶段，重量不重质，因此我们大概率会看到大量的AI生成内容冲刺互联网，它们并不完美，甚至会有AI恐怖谷的逆反周期。
直接引用AI生成广告，大规模投放到广告营销中，风险还很大，依然需要人工甄别和经验判断。
过去所谓的智能客服，其实一点都不智能，还是基于模版逻辑，无法真实理解消费者需求，且缺乏真实消费场景中的人情味。
AI全面落地后，这三点将融合到一起，形成完整的解决方案：其一，类ChatGPT技术，能原生理解消费者的真实需求，并有瞬间对话能力；其二，以投放主体销冠为模板的数字人，除了拥有真人级外观，还模拟其交易场景的主观意识和销售经验，与客户真实沟通逼单；其三，以交易为导向，极大提高该环节的成交率和转化率。
在授权允许的前提下，出现售前AI机器人，在客户的社交网络中，前置收集消费偏好数据，形成预测模型，在更短的时间内完成筛选过程，并基于目标群体的喜好差异，提供贴近用户喜爱的风格创作内容，以提升内容营销本身的转化效率。
前置理解客户，持续理解客户，多元理解客户，品牌和消费者有可能成为一种超越交易的朋友关系。
手机和电脑只是广告介质之一，随着低价屏幕的进一步普及，以及VR、AR、MR、XR的进化，在线场景、办公场景、电梯场景、户外场景等等，形成一个虚实融合的超级网络。广告也随着这个超级网络，无处不在无缝连接，全平台联动。
有矛必有盾，有攻亦有防。
线上线下充斥海量的AI生成广告，AI客服机器人，AI交易互动，当达到一个阈值，消费者全面对AI广告出现免疫甚至不信任，这需要一次彻底的信任重构。
我们判断，将有N多种可能性来解决问题：比如AI+区块链的信任强化、比如全链条的信息公开等等，实现整个营销传播过程的透明化。
当然，也有一种可能，某一类人群只会接受真人式广告。
真正的“广告即交易”。
过去CPC、CPM、CPL、CPA等模式都将退居辅助，CPS成为主要付费模型，按最终销量计费，实现真正的效果广告。
这里的CPS的结算周期会延长，更加精准地计算每一条广告对消费决策的综合加权指数，尤其是延迟购买及低频大宗消费。
这意味着，需要一套基于AI的全新广告价值衡量体系，叫CPV（Value）模式可能更合适。
所以，基于终身客户价值的动态ROI，也是有机会涌现的。
传统方式中，广告投放主要通过标签化来圈选人群包。但在未来AI技术的帮助下，可以更加精准地定位受众，针对单个个体实现真正的个性化展示，从而提升消费者的广告体验和广告效果，实现更加细密度的广告呈现。
且AI可以帮助企业定制生成营销闭环，包括创意生产、精细定向、智能优化、深度转化、线索管理等多个环节，并支持多业务模式的专业服务体系。
AIGC还可以在广告效果的监测和优化方面发挥重要作用，通过对广告效果数据的分析和反馈，对广告投放进行实时调整，从而提高广告投放的效果和ROI。
从看日报周报数据做策略调整，到AI自动的分钟级动态调整，会逐步走向现实。
广告圈的“沃纳梅克之惑”——“我知道我的广告费有一半被浪费掉了,但我不知道是哪一半。”
这句话要改成了——“我知道我的广告费被浪费掉了,但它最多只会浪费一块钱。”
AI对广告行业的变革，比预想的还要快，还要汹涌，广告从业者成为最容易被取代的工作岗位之一。
AIGC解决的主要是两块，第一是人做不到的，如更大范围数据的收集、聚合、归纳；第二类是人不愿意做的，如一些机械化的行为。
未来5年，非常基础的设计和文案，都会被更高水平的AI模型所取代，文案、设计、插画师甚至策略人员，将无一幸免。
4月13日，蓝色光标就发布内部邮件，通告说明了AIGC已具备取代更多的工种的可能性，这意味着将有很大一部分的从业人员将面临失业的风险。
AI不会淘汰所有人，只会淘汰不会使用AI工具的人。
目前可预见的AI，还无法像人类一样拥有情感和共鸣的内核。
在整个广告生产链中，有三类策略依然依赖人的智慧：更加垂直细分场景和人群的广告策略（依赖于高门槛的知识经验储备）、法律法规公序良俗的审核策略、以及出现问题争议后的规则策略。
一个广告策略师，有可能会管理统筹影响上亿的广告投放，某些岗位人的价值杠杆会无限放大。
AI时代，会有一套全新的AI隐私保护机制，模糊用户在单个触点的痕迹，进行脱敏处理，加强个人信息的防护。
广告行业是主要规范化行业之一，《互联网信息服务算法管理规定》中也对用户数据、算法做了规定，要求保障用户的算法知情权和算法选择权，对广告厂商获取用户数据做了一些限制。
AI广告标识和人工审核上线，这两条大概率是需要的。
未来AI的合规，还是要依托于AI技术本身，形成AI监管AI的对抗模式，比如AI实时检测平台、AI实时审核、AI惩罚机制等等，届时相互制约力度会更大。
能打败魔法的只有魔法，以汝之矛当汝之盾。
还是巨头们的主战场，腾讯广告、巨量引擎、阿里妈妈、百度营销等平台，随着母公司的综合大模型完善，广告垂类大模型将自然涌现，且成为一道新的竞争屏障。
以广告大模型为核心的技术演进，正在以超乎我们想象的速度发生；大模型的建设，又促进了机器学习平台的快速进步，两者形成了螺旋上升的良性循环。
事实上，DTAB们已经在耕耘了，且有诸多可公开素材，毕竟广告是各家的商业化的重要模式。
数据多多益善、模型不厌其大。
广告大模型的特征规模就有千亿之多，为超大规模参数的AI模型提供训练，就需要海量的广告原始数据，提高了计算准确性，冷启动才能更快，空耗情况才能减少，也才能向深层转化目标的优化。
所以说，高质量的内容数字资产，就是生成式AI的决胜点，传统AI公司很难拥有这方面的数据，也是广告平台得天独厚的优势。
同时，客户的精细化增长需求，对广告大模型的演进发展也至关重要。
即使AI当道，作为线下物理空间的最强渠道，梯媒的重要性不降反升，离现实世界越近越稀缺。
在AI、5G等技术赋能下，梯媒和网媒除了本身实现技术的升级和融合以外，也成为未来AI广告联动的重要一环。
一切技术进步，利好NVIDIA；
一切商业模式，利好茅台；
一切广告变革，利好分众。
AIGC的出现，代表着用AI算法和大模型重新排列和索引信息，也代表着出现了更好的广告交互方式，两者叠加绝对又是一次万亿广告行业基因级的突变。
群邑全球发布《下一个十年：人工智能》报告，首次预测了人工智能在广告行业的规模。
“2022年全球AI广告将超过3700亿美元；2032年将覆盖绝大多数媒体，规模达到1.3万亿美元，占总体广告总收入的90%以上。”
拥抱AI，为AI赋予爱，成为人类唯一的选择。
数百万广告人，不要为广告强行融入AI，去做AI时代更好的广告。
参考资料：
主笔：村口有牛；文章架构师：丹丹
来源公众号：甲方财经（ID：jiafangcaijing2019），愿天下没有花冤枉钱的甲方爸爸。
本文由人人都是产品经理合作媒体 @甲方财经 授权发布，未经许可，禁止转载。
题图来自 Unsplash，基于 CC0 协议
该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。