AI，从数字营销的底层崛起

2026，标签时代的落幕 标签，曾经是数字营销划时代的发明 •过去，我们将复杂的消费者简化为“属性+兴趣”的组合 寻找目标用户就像查阅档案，只要索引到正确的“标签”，就能找到对的人。相比于无法进行个体颗粒度的人群定位的时代，这是巨大的进步 但在中国，标签的作用越来越弱 海外： 中国： •极为动态的市场•商品极为丰富•新品层出不穷•消费者注意理和兴趣快速游移 •商品没有中国种类多•新品相对少•线下购物是主流•标签画像相对稳定 不断压缩旅程，尽量立即转化 今天中国的数字营销≈不断压缩转化路径 特征二：疯狂堆基建 特征一：全网盯着A3人群 浅层的A1、A2人群，无法带来即时转化，品牌纷纷抢夺购物意图明确的A3人群 建海量计划，盲目测爆款 灵魂拷问：如果标签真的精准有效，那就根本不需要堆海量的计划。 消费者变化越快，转化环节越短，传统的标签就越来越没有效果 标签能保证“人是对的”，但无法保证“时机是对的” 标签是历史数据的总结，是静态的切片。但，今天的数字营销，必须抓住稍纵即逝的时机。因此，消费者意图，尤其是当下的意图，就远比标签要更重要。 标签在广告体系的迭代：进入下一个时代了 [After]意图时代 认知公式：过去+现在+未来=行为序列路径构成的意图判断底层逻辑：人的画像=意图的集合 认知公式：静态+动态=属性+兴趣底层逻辑：人的画像=标签的集合 受众的向量化表示 •什么是向量化表示（embedding） 核心技术驱动：从“标签数据”到“特征向量” 用户相关的特征信号慢慢全部成为向量化表示了：行为、上下文、环境 用户特征，不再是“静态文字贴纸”，而是转变为多维坐标系中的“向量” 向量让AI开始具有理解力：Queen≈King–Man + Woman 向量让投放引擎具有了一定的“推理”能力 为什么弥补了标签的短板： 核心进化： 引入DNN与序列模型（如Transformer/RNN） 现代模型拥有极强的向量空间理解力，能让它理解事物之间的关联。此外，它也能处理长时间周期的序列信息，从而预测未来行为。 广告匹配，过去是规则，现在是AI •人工匹配→规则匹配→AI匹配 此外，不仅仅只是对受众做向量化，是全方位的向量化 平台会自动识别视频内容 •每次发布新视频时，系统随机抽取视频内容帧数，来判断视频的内容主题 •通过推荐标签的内容可以提前预判作品的标签是否符合预期，不符合可重新上传让系统重新抽帧识别 同一个视频，每次上传后的推荐话题是不完全相同的（如果没有出现推荐标签内容要慎重投流） 平台对内容的认知，也不再只依靠标签 理解内容：抖音内容的向量化，让系统不再只是依赖手动设置的标签，而是深度理解内容与直播中的各种“元素” 都有哪些元素：视频内容、口播、字幕、直播间背景、BGM、情节、人物、环境（如天气，场景）、服装、道具…… 理解内容：抖音内容的向量化，让系统不再只是依赖手动设置的标签，而是深度理解内容与直播中的各种“元素” 例如：抖音内容和人群匹配用的双塔模型 简单理解：将用户和内容都坐标话，找到距离用户向量最近的内容向量=用户可能感兴趣的内容 会带来什么影响？ 增长重心转移：争夺“游离中坚人群” 优化权，正在从人转移到投放系统 优化师的优化能力，正在被系统逐渐取代 针对什么消费者，做什么创意 针对人群做直播元素设置 人群向量表示的变化，也会不断改变内容/广告的向量表示 •以最近刷爆全网播放量狂揽50亿的《雪山救狐》的AI视频为例，看看它在抖音是如何爆火的 视频内容向量在不断变化，触及的人群也在不断变化 投放逻辑的根本性转变：争夺“向量” 三池合一全域推广也是同样逻辑下的结果——不仅种草，更要“种标签” •我先发布了很多关于我品牌和商品的内容视频（不挂链的）•看过我这些内容的用户，就很有可能被系统打上了相关标签•我再做挂链内容，或者我投广告，系统都可能给这些用户推荐相关内容 早期互动信号非常重要（让系统早点上道） 提供数据，不仅仅只是转化结果数据 实时回传，通过API，并且基本是腾讯广告预设的链路 在尽可能多的触点上，出现自己 越多的用户互动，越多转化的优势 总结：广告主如何应对？——主动为系统提供“向量表示”！ 数据+素材=定向能力 数据：让模型有学习的依据；素材：让模型有定向的依据 素材向量：创意素材不仅是给人看的，也是给模型看的。 投喂数据：不仅仅是转换结果数据，也包括过程数据。 高密度素材测试：不要寄望于一个爆款素材。创意堆基建重要！