从算法到艺术：大模型如何重塑广告业？

 

     大模型对广告行业的影响，似乎被低估了。

它的价值并不仅限 营销 素材的 AI 生成，更大的影响或许在于，大模型算法正在重塑广告技术，提升广告主投流的准确性，合适的、更 " 懂 " 自己、能打动你的广告将越来越常见。

广告与大模型的 " 机缘 "

大约三年前，2021 年 11 月 2 日的下午，钛 媒体 独家约见了腾讯 TEG（腾讯技术工程事业群）数据平台部的总经理蒋杰。沟通的主题是关于腾讯广告产品、技术层面的战略经营思路，其中包括腾讯广告下一代广告系统的建设以及该系统对 " 大模型 " 的运用。在当时大模型概念还未爆发的情况下，蒋杰在谈话中透露，腾讯广告具备了训练大模型的条件，模型量级从百亿维升至千亿维。

由于个中缘由，访谈内容在之后并未公开发布。直到两年后的 2023 年 9 月 7 日，在深圳举行的腾讯全球数字生态大会上，腾讯混元大模型正式发布，蒋杰以混元大模型负责人的身份详解了模型参数、规模以及在腾讯内部业务上的运用情况，并表示 " 腾讯将全面拥抱大模型 "。此后，钛媒体 App 也从腾讯内部人士处证实，彼时蒋杰所提到的 " 腾讯广告的下一代广告系统 " 为腾讯混元大模型打下了不小的基础。

到现在，大模型在腾讯广告场景上的应用依然是腾讯混元产业落地不可或缺的版图。2024 年 7 月蒋杰发表署名文章《大模型时代：广告系统的量变与质变》，他这样描述那段经历：

从 2021 年开始的 " 下一代广告系统 " 项目（广告系统 2.0）就是按照这个思路（Scaling Law）去做的：用更大的模型、更多的数据、更强的算力来去做广告效果的预估 ( CTR, CVR 等 ) 。以及，生成式 AI 出来之后我首先做的就是把腾讯的算力集中起来；通过搭建基础设施（机器学习平台）来让各团队可以集中、高效地使用这些算力。于是，在这之上才有了 " 腾讯混元 " 模型，现在也是我在负责。

广告技术的迭代，在这里成就了如今风头无两的大模型。而反过来，外界对于大模型在广告行业的价值，似乎被低估了。

但这并不妨碍广告平台对它的押注。

在大洋彼岸，一家来自美国名叫 Liftoff 的效果营销和广告变现平台在经过一段时间的测试之后，也于近日推出了新一代机器学习引擎 Cortex 。据 Liftoff 营收平台副总裁 Casie Jordan 介绍，Cortex 基于神经网络驱动，大幅提升了计算能力与模式识别能力，数据处理能力是逻辑回归模型的 10 倍以上，未来还将扩展到 100 倍的数据量。更深入的技术细节，Liftoff 没有披露太多，但其中值得一提的是，Cortex 新引擎在运行过程中，其模型刷新速度提速 6 倍，并始终基于最新数据进行更新。

Liftoff 客户 Bigo Live 的使用效果反馈显示，在深入分析 Bigo Live 的现有受众，并对互动广告和静态广告进行测试后，Bigo Live 运用 Liftoff 的 UGC 广告：CPI 降低 20%，IPM 提升 12%。

更大数据、更大计算

在蒋杰看来，结合大模型的新一代广告系统，是真正能够 " 看懂 " 广告素材的。" 我们之前的广告系统它根本不懂。广告系统 3.0 的核心，就是想办法让广告系统‘多懂一些’。只有广告系统真的‘认识了’、‘懂得了’商品、广告素材和用户，才能做到提升投放确定性，减少投放‘玄学’。" 蒋杰表示。

上一代的广告系统因为 " 不懂 "，让广告优化师做了很多 " 堆基建 " 的无用功。比如各家优化师都在大量新建广告素材，基本操作就是对素材做一丁点微调再来 " 赌一次 "，这实际上就是在钻 " 大模型不理解广告，不理解商品 " 的空子。

但是在能 " 看懂 " 广告素材之后，广告系统能够将同类商品、同类素材实现 " 归堆 "，基于归堆后的更大数据量，模型预测也将更加精准。

但现阶段，大模型对广告系统的接入更多在于 " 看懂 "，看懂之后基于更大数据、更大计算的 " 暴力美学 " 则由机器学习完成，机器学习将结合平台数据训练出垂直自有小模型而非通用大模型，以此指导后续的链路。

Casie Jordan 表示， 独立第三方广告系统对数据的收集和利用将帮助广告系统从激烈的竞争中脱颖而出 。Casie Jordan 透露，Liftoff 的 Vungle SDK 已经连接超过 90% 全球应用程序，这个庞大的 SDK 覆盖范围为机器学习提供支持。具体而言，通过基于直接集成或从第三方 MMP 归因平台获取的第一手归因数据来进行训练，Cortex 机器学习系统能够深入了解客户的目标受众，并识别其观看或消费行为的模式；而通过使用来自 Liftoff Creative Studio 的测试数据训练 Cortex 模型，Cortex 更容易洞察出哪些内容类型和广告格式更能吸引高意向用户，从而将合适的广告展示给合适的用户，提供个性化的广告体验。同时，通过将第一手数据与来自 Vungle SDK 和 Liftoff 游戏 分析平台 GameRefinery 的独家数据结合，竞价和定价的精准度又得以进一步提高。

由此也进一步说明高质量数据对于新一代广告系统的重要性，而新的技术让这些广告系统能够更 " 懂你 "。

不久前，AppsFlyer 正式发布第 17 版《广告平台综合表现报告》，报告显示，在 IOS SSOT 全品类指数中，Liftoff 在所有广告平台中排名第 6。

除了腾讯广告和 Liftoff，Meta 在推出通用大模型 LLaMA 的同时，也在尝试将新一代 AI 引入广告系统。Meta 在 2023 年发布的一篇博客中指出，" 如果 AI 能够准确预测和理解任何给定的内容，那么人们有朝一日可以选择让任何图像或视频可供购物。人们将更容易找到他们想要的东西，卖家也可以让他们的产品更容易被发现。"

Meta 当前已经建立了一个为购物而设计的通用计算机视觉系统 GrokNet，即一个一体化的模型（all-in-one model ） 它可以识别数十亿张照片中的细粒度产品属性——包括时尚、 汽车 和家居装饰等不同类别。而该系统结合 AI 大模型对文本的理解能力，卖家发布图片时，AI 购物系统会帮助识别未标记的商品并根据其产品目录推荐标签。未来 Meta 想要实现的场景是，" 教会这些人工智能系统了解一个人的品味和风格，以及这个人搜索产品时重要的背景。在实现这一目标的过程中，我们需要取得更多突破。我们需要继续改进内容理解，并构建能够推理、在商品之间建立联系并学习个性化购物偏好的系统。"

不得不说，大模型技术的引入正在深刻重塑广告行业。从优化广告系统平台、帮助广告主降本增效、到广告创意生成，其影响力无处不在。正如蒋杰所说，新一代广告平台的核心转变在于能够 " 理解 " 广告素材与用户行为，从而提供高度个性化的推荐，显著提升用户体验。通过大规模数据分析，广告平台能够更精准地洞察用户需求，制定有效的营销策略，实现更高的转化率。

不过，尽管通用大模型在语义理解、复杂任务处理方面表现出色，但目前出于用户隐私、数据安全等原因，通用大语言模型还无法对广告系统核心数据处理产生影响，这方面企业自有的垂直小模型就表现出巨大潜力，并且在更广泛的数据收集、和更大量的数据处理方面展现出的独特性已然成为像 Liftoff 这类第三方广告平台的护城河。

未来，随着人工智能特别是大模型技术的持续进步，广告行业将迎来更多令人振奋的变化。智能高效的广告系统将助力企业以更低的成本获得更高的回报，而消费者也将享受到更加个性化且不打扰的良好体验。对于提升用户体验及推动 商业 增长而言，这一转变具有极其重要的意义。

来源：钛媒体