摘要

當(dāng)前“智能廣告”相關(guān)課程大多存在的教學(xué)內(nèi)容滯后于行業(yè)實踐、知識體系沿襲傳統(tǒng)廣告流程、AIGC僅被作為局部工具點綴等突出問題。為系統(tǒng)回應(yīng)上述挑戰(zhàn)，本研究構(gòu)建了“理論－產(chǎn)業(yè)”雙鏈知識圖譜，形成五大高頻知識點聚類，推動課程結(jié)構(gòu)從割裂走向融合。該圖譜旨在提升教學(xué)與行業(yè)發(fā)展的同步性，加強(qiáng)知識模塊之間的關(guān)聯(lián)性，并幫助學(xué)生構(gòu)建更清晰的認(rèn)知地圖，從而主動契合智能廣告一體化運作的產(chǎn)業(yè)趨勢。目前，該知識圖譜已完成架構(gòu)搭建，其對學(xué)生系統(tǒng)思維與實戰(zhàn)能力的具體影響，有待后續(xù)通過大規(guī)模實證研究與專家加權(quán)評估進(jìn)一步驗證。

關(guān)鍵詞

智能廣告課程系 知識圖譜 智能一體化

Abstract

The current curricula related to “Intelligent Advertising” are largely plagued by several prominent issues: the lag between teaching content and industry practice, the knowledge system’s adherence to traditional advertising procedures, and the fact that AIGC is merely used as a localized tool for embellishment. To systematically address these challenges, this study constructs a “Theory-Industry” dual-chain knowledge graph, which organizes the content into five high-frequency knowledge cluster categories, thus promoting a shift in the course structure from fragmentation to integration. This graph is specifically designed to enhance the synchronicity between teaching and industry development, strengthen the connections between different knowledge modules, and assist students in building a clearer cognitive map, thereby proactively aligning with the industry trend toward the integrated operation of intelligent advertising.

Currently, the preliminary architecture of this knowledge graph has been established. Its specific impact on students' systematic thinking and practical capabilities awaits further verification through large-scale empirical research and expert weighted evaluation in subsequent studies.

Keywords

Intelligent Advertising Curriculum System Knowledge Graph Intelligent Integration

2023年以來，生成式人工智能（Generative Artificial Intelligence）所帶來的顛覆式創(chuàng)新，在廣告領(lǐng)域展現(xiàn)出廣闊的發(fā)展前景，推動國內(nèi)高校廣告專業(yè)陸續(xù)開設(shè)智能廣告相關(guān)課程。

智能廣告（Intelligent Advertising）在傳播學(xué)意義上指的是廣告經(jīng)營者在其產(chǎn)品、服務(wù)與消費者之間，利用人工智能進(jìn)行的高度自動化的信息處理[1]。然而，當(dāng)前相關(guān)課程大多存在內(nèi)容更新滯后于行業(yè)變革、教學(xué)案例脫離真實商業(yè)場景的突出問題。其知識體系大多仍沿襲傳統(tǒng)廣告流程，僅將AIGC工具作為局部點綴，或簡單介紹程序化廣告概念和模式，導(dǎo)致學(xué)生知其然不知其所以然，難以形成應(yīng)對復(fù)雜產(chǎn)業(yè)環(huán)境的系統(tǒng)性思維。

1 智能一體化運作與課程體系重構(gòu)的時代命題

目前，智能化內(nèi)容生產(chǎn)主要集中在廣告創(chuàng)意與表現(xiàn)、廣告投放與反饋兩大環(huán)節(jié)，也就是說智能技術(shù)嵌入廣告內(nèi)容生產(chǎn)流程是局部性而非整體性的[2]。業(yè)界期待在6G乃至7G基礎(chǔ)性技術(shù)的支持下，以程序化廣告的基本技術(shù)框架為依托，形成一個更為完整的廣告一體化運作的“閉環(huán)”[3]。智能一體化運作意味著由數(shù)據(jù)實時驅(qū)動創(chuàng)意、由技術(shù)中臺支撐轉(zhuǎn)化、跨職能自動化協(xié)同，將整個營銷鏈路整合為一個有機(jī)的、智能驅(qū)動的閉環(huán)。

然而，目前高校的傳統(tǒng)廣告學(xué)課程體系往往難以實現(xiàn)傳播學(xué)、計算科學(xué)，以及業(yè)務(wù)應(yīng)用的深度融合，導(dǎo)致人才培養(yǎng)與業(yè)界需求存在顯著錯位。例如，頭部科技企業(yè)對“廣告算法工程師”的招聘要求強(qiáng)調(diào)具備優(yōu)秀的程序開發(fā)能力、具有扎實的機(jī)器學(xué)習(xí)基礎(chǔ)，掌握圖像生成的基本原理并有相關(guān)實踐，利用LLM生成和改寫廣告文案，并能融合數(shù)據(jù)思維、產(chǎn)品思維和良好的理解溝通能力。這種融合型人才的缺乏，已成為制約行業(yè)發(fā)展的瓶頸。學(xué)界已注意到這一問題，在科研上不斷推陳出新，豐富了廣告相關(guān)理論在大數(shù)據(jù)時代的發(fā)展；在教學(xué)上以中國傳媒大學(xué)為代表開設(shè)了計算廣告專業(yè)，并同步重構(gòu)學(xué)科知識體系，期待能適應(yīng)效率和價值的迭代，應(yīng)對行業(yè)對技術(shù)與創(chuàng)意融合人才的迫切需求。

智能一體化運作依賴于統(tǒng)一框架下多維度信息智能化處理與生成，涉及廣泛的知識和技術(shù)體系。我們將廣告產(chǎn)業(yè)運作的機(jī)制、方式、工具、變化等納入教學(xué)框架，使智能一體化既成為課程系設(shè)計的方法，又成為培養(yǎng)體系建設(shè)的目標(biāo)[4]。

因此，智能廣告的知識邊界已從傳統(tǒng)廣告學(xué)的市場營銷、新聞傳播、社會學(xué)交叉，深度融入計算機(jī)科學(xué)、數(shù)據(jù)科學(xué)、認(rèn)知心理學(xué)、機(jī)器倫理學(xué)等。面對如此龐大和復(fù)雜的知識體系，迎接知識迭代速度快的挑戰(zhàn)，本研究提出以知識圖譜（Knowledge Graph, KG）技術(shù)為核心，重構(gòu)智能廣告課程體系。作為一種結(jié)構(gòu)化的語義網(wǎng)絡(luò)知識庫，知識圖譜是由知識框架和實體數(shù)據(jù)共同構(gòu)成，能夠以結(jié)構(gòu)化、關(guān)聯(lián)化、圖形化和可視化的方式呈現(xiàn)多元異構(gòu)的信息。當(dāng)代知識圖譜技術(shù)主要體現(xiàn)在知識表示、知識庫建設(shè)、知識推理和知識應(yīng)用等方面[5]。簡言之，學(xué)科知識圖譜能夠準(zhǔn)確、動態(tài)地可視化學(xué)生的知識狀態(tài)和概念間的結(jié)構(gòu)關(guān)系，從而為教師提供數(shù)據(jù)支持，并及時預(yù)測學(xué)生的學(xué)習(xí)困難。因此，知識圖譜是實現(xiàn)個性化和自適應(yīng)學(xué)習(xí)推薦的技術(shù)基礎(chǔ)。通過構(gòu)建學(xué)科知識圖譜，課程設(shè)計能夠突破傳統(tǒng)線性教學(xué)的限制，實現(xiàn)對學(xué)生學(xué)習(xí)情況的精確診斷，進(jìn)而為教師開展多元化教學(xué)評價、實現(xiàn)因材施教提供有力支持；還可揭示知識領(lǐng)域的動態(tài)發(fā)展規(guī)律，為研究提供切實的、有價值的參考。

本研究在中外學(xué)術(shù)前沿文獻(xiàn)的基礎(chǔ)上，梳理了騰訊研究院、Quest Mobile最新的行業(yè)市場報告，并通過對字節(jié)等頭部企業(yè)招聘需求的分析，鎖定課程系必須涵蓋的關(guān)鍵技能。嘗試通過構(gòu)建五大高頻知識模塊的聚類和“理論－產(chǎn)業(yè)”雙鏈知識圖譜，將人工智能技術(shù)深度融入課程教學(xué)的全過程，以期實現(xiàn)知識傳授、能力培養(yǎng)與產(chǎn)業(yè)需求的無縫對接。

2 “智能廣告”課程系知識圖譜的構(gòu)建流程和聚類分析

2.1 知識圖譜的常規(guī)構(gòu)建流程

（1）知識概念提?。夯谥悄芤惑w化目標(biāo)，主要從權(quán)威教材、行業(yè)報告、學(xué)術(shù)文獻(xiàn)中進(jìn)行信息抽取和術(shù)語提取。

（2）關(guān)系定義與本體構(gòu)建：定義概念間的語義關(guān)系并以圖結(jié)構(gòu)實現(xiàn)，例如定義數(shù)字廣告、計算廣告、智能廣告之間的區(qū)別與聯(lián)系；計算廣告與廣告競價機(jī)制之間的包含關(guān)系；定義深度學(xué)習(xí)與特征工程之間的支撐關(guān)系；以及定義“RAG”與“智能體檢索”之間的應(yīng)用場景關(guān)系。

（3）專家審核與校準(zhǔn)：由廣告?zhèn)鞑?、計算科學(xué)等領(lǐng)域?qū)＜覍μ崛〉闹R概念和關(guān)系進(jìn)行權(quán)威性、時效性和可行性審查，確保圖譜結(jié)構(gòu)的準(zhǔn)確性。

（4）可視化與集成：利用如Echart.js等工具對知識網(wǎng)絡(luò)進(jìn)行可視化展示，并將其集成到學(xué)習(xí)元平臺，以實現(xiàn)與在線課程資源的關(guān)聯(lián)和統(tǒng)一管理。

2.2 智能廣告課程系的知識模塊聚類分析

基于對學(xué)術(shù)前沿、行業(yè)市場和招聘需求的文本進(jìn)行命名實體識別，研究提取出以下五大高頻知識點聚類（圖1），它們構(gòu)成了以智能一體化為目標(biāo)的課程系核心知識模塊，旨在培養(yǎng)學(xué)生的技術(shù)建模、商業(yè)洞察和倫理素養(yǎng)。

圖1 智能廣告五大高頻知識點聚類

聚類#1智能廣告理論與原理，包含計算廣告、智能傳播、廣告效果評估、用戶行為/認(rèn)知量化、數(shù)據(jù)驅(qū)動的廣告理論發(fā)展，是確立智能時代廣告理論的基石。聚類#2智能算法與模型實踐，包含機(jī)器學(xué)習(xí)（ML）/深度學(xué)習(xí)（DL）、統(tǒng)計學(xué)習(xí)、特征工程、信息檢索、多場景多任務(wù)建模、冷啟動推薦；目的是培養(yǎng)扎實的算法建模和編程能力，解決高價值業(yè)務(wù)場景的實際問題。聚類#3生成式AI與前沿應(yīng)用，包含推理大模型、端側(cè)大模型、RAG （檢索增強(qiáng)生成）、多模態(tài)信息檢索、智能體檢索、個性化內(nèi)容生成；目的是掌握前沿技術(shù)在內(nèi)容生成、創(chuàng)意優(yōu)化和AI營銷系統(tǒng)中的應(yīng)用。聚類#4跨媒介運營與整合策略，包含移動端優(yōu)化、OTT/智能硬件營銷、跨平臺聚合、內(nèi)容種草、全場景體驗閉環(huán)、曝光與轉(zhuǎn)化平衡、流量成本管理……目的是實現(xiàn)跨平臺、高效率、ROI導(dǎo)向的營銷策略。聚類#5數(shù)據(jù)倫理與安全治理，包含數(shù)據(jù)安全、AI治理、行業(yè)透明化、用戶隱私保護(hù)、廣告法規(guī)；目的是培養(yǎng)數(shù)據(jù)合規(guī)性意識，應(yīng)對政策監(jiān)管，確保算法應(yīng)用的可信賴性。

這五大聚類并非孤立存在，而是通過知識圖譜中的語義關(guān)系緊密聯(lián)系，共同支撐智能一體化運作。例如，聚類#1提供的理論概念是聚類#2進(jìn)行業(yè)務(wù)建模的理論指引。聚類#4強(qiáng)調(diào)的跨平臺聚合和轉(zhuǎn)化目標(biāo)，必須依賴聚類#2和#3的技術(shù)支撐才能實現(xiàn)。而聚類#1#2#3#4都必須在數(shù)據(jù)倫理與安全的約束與規(guī)范下。

2.3 知識圖譜的更新

智能廣告相關(guān)技術(shù)迭代速度極快，知識圖譜的更新機(jī)制應(yīng)內(nèi)嵌于課程設(shè)計，實現(xiàn)數(shù)據(jù)驅(qū)動的自適應(yīng)調(diào)整。系統(tǒng)應(yīng)持續(xù)收集和分析學(xué)生的學(xué)習(xí)時間、交互次數(shù)、學(xué)習(xí)路徑等行為數(shù)據(jù)，以及最新的行業(yè)報告、招聘需求變動等外部行業(yè)數(shù)據(jù)，定期對知識節(jié)點和關(guān)系進(jìn)行優(yōu)化和調(diào)整。系統(tǒng)利用這些數(shù)據(jù)評估教學(xué)效果，并支持教師修訂課程教學(xué)計劃和優(yōu)化課程學(xué)習(xí)資源。在“智能一體化”目標(biāo)指引下，這一動態(tài)更新機(jī)制是實現(xiàn)課程的關(guān)鍵環(huán)節(jié)，確保課程的時效性和前瞻性。

3 高?！爸悄軓V告”課程系的理論型知識圖譜構(gòu)建

五大高頻知識模塊的聚類是課程體系的宏觀結(jié)構(gòu)和內(nèi)容邊界，而本節(jié)建構(gòu)的理論型知識圖譜是實現(xiàn)知識精確表達(dá)和教學(xué)應(yīng)用的微觀結(jié)構(gòu)和技術(shù)骨架。兩者共同的目標(biāo)是解決傳統(tǒng)廣告教育的結(jié)構(gòu)性缺陷和知識時效性問題。

“理論－產(chǎn)業(yè)”雙鏈知識圖譜的設(shè)計，旨在解決理論教學(xué)與產(chǎn)業(yè)實踐之間的結(jié)構(gòu)性斷裂問題。其中，理論型知識圖譜源于課程與教材，負(fù)責(zé)構(gòu)建學(xué)生關(guān)于智能廣告的系統(tǒng)性、原理性認(rèn)知，回應(yīng)“是什么”和“為什么”的問題。我們以智能一體化為總目標(biāo)，遵循智能技術(shù)從計算智能到感知智能再到認(rèn)知智能的演進(jìn)邏輯，對傳統(tǒng)廣告教學(xué)中廣告調(diào)查與分析、廣告策劃、廣告創(chuàng)意與表現(xiàn)、廣告投放與反饋這四大核心模塊進(jìn)行重構(gòu)。每個模塊的理論型知識圖譜具備樹狀結(jié)構(gòu)，一級、二級、三級、四級知識點分別對應(yīng)樹根、樹干、樹枝、樹葉……逐級分解（如圖2~圖5所示）。通過對每級知識點設(shè)置“前置知識點”和“后置知識點”，為知識點增加學(xué)習(xí)時空邏輯并相互關(guān)聯(lián)，漸進(jìn)式形成知識圖譜。每個模塊又設(shè)置“關(guān)聯(lián)知識點”并添加該知識點所需要的其他學(xué)科背景，如論文、慕課、行業(yè)報告等公開學(xué)習(xí)資料，以豐富知識維度，確保學(xué)生能系統(tǒng)理解智能廣告的運作全貌。

圖2 智能廣告理論型知識圖譜之廣告調(diào)查與分析模塊

圖3 智能廣告理論型知識圖譜之廣告策劃模塊

圖4 智能廣告理論型知識圖譜之廣告創(chuàng)意與表現(xiàn)模塊

圖5 智能廣告理論型知識圖譜之廣告投放與反饋模塊

可見，理論型知識圖譜不僅是對傳統(tǒng)廣告流程的重構(gòu)，更是將五大高頻知識模塊的精髓轉(zhuǎn)化為可教、可學(xué)、可診斷的路徑。各模塊中的知識點可以繼續(xù)向下分解，教師可以給知識點預(yù)設(shè)個性標(biāo)簽，標(biāo)明學(xué)習(xí)難度、重點、關(guān)聯(lián)知識點等；也可迅速發(fā)現(xiàn)某一學(xué)生的學(xué)習(xí)興趣和知識盲區(qū)，有助于課堂教學(xué)模式從封閉轉(zhuǎn)向開放，加快教師教學(xué)的差異化進(jìn)程。學(xué)生根據(jù)自身的興趣和職業(yè)規(guī)劃，選擇不同的分支路徑，根據(jù)自己掌握的情況再次標(biāo)注，并結(jié)合AI工具進(jìn)行圖譜的個性化改建。系統(tǒng)可根據(jù)跟蹤和檢測提供個性化的學(xué)習(xí)資源推薦和不同難度的學(xué)習(xí)內(nèi)容。學(xué)生還可以根據(jù)診斷結(jié)果，自主選擇小組協(xié)作學(xué)習(xí)或主題式小組學(xué)習(xí)，促進(jìn)同學(xué)間的互補(bǔ)和互助。

圖2~圖5中，計算智能－感知智能—認(rèn)知智能的分層邏輯，是將智能技術(shù)從基礎(chǔ)數(shù)據(jù)處理，到理解世界，再到生成決策的升維旅程，融入到調(diào)查、策劃、創(chuàng)意、投放的四大廣告核心業(yè)務(wù)模塊，從而培養(yǎng)出融合技術(shù)、創(chuàng)意和產(chǎn)品思維方式的復(fù)合型人才。

計算智能位于理論型知識圖譜的底層，著力解決如何收集、處理數(shù)據(jù)和執(zhí)行規(guī)則的問題。它關(guān)注的是基礎(chǔ)性的數(shù)據(jù)工程、算法執(zhí)行和規(guī)范性操作，是所有智能活動的基礎(chǔ)。如在廣告調(diào)查與分析模塊，聚焦于數(shù)據(jù)采集方法論、數(shù)據(jù)清洗的邏輯與處理流程。這直接映射到宏觀的聚類#2智能算法與模型實踐中所要求的特征工程和數(shù)據(jù)處理能力。在廣告策劃模塊的“智能目標(biāo)與預(yù)算管理”，側(cè)重于將商業(yè)目標(biāo)轉(zhuǎn)化為可計算的規(guī)則。例如，教授預(yù)算分配模型、邊際效益遞減規(guī)律的計算，以及如何基于營銷漏斗模型與關(guān)鍵指標(biāo)進(jìn)行目標(biāo)拆解。這體現(xiàn)了計算智能在策略制定中將宏觀決策工程化的能力。而在廣告投放與反饋模塊的“程序化交易與投放”，是計算智能在實戰(zhàn)中的集中體現(xiàn)。要求學(xué)生掌握RTB實戰(zhàn)的流程、出價策略以及投放平臺的自動化規(guī)則設(shè)置。這些都是依賴精確的計算邏輯和自動化系統(tǒng)執(zhí)行的知識點。

感知智能位于理論型知識圖譜的中層，著力解決如何理解環(huán)境、洞察受眾和評估效果的問題。它依賴于計算智能處理好的數(shù)據(jù)，利用AI和統(tǒng)計技術(shù)對非結(jié)構(gòu)化信息進(jìn)行解讀，形成洞察，是連接數(shù)據(jù)處理和高級決策的橋梁。在廣告調(diào)查與分析模塊的“從數(shù)據(jù)到圖像”，利用自然語言處理（NLP）來解讀用戶評論和社交媒體文本，并結(jié)合人口屬性與行為體系，將離散的數(shù)據(jù)點轉(zhuǎn)化為可感知的、立體的用戶“圖像”。這支撐了宏觀聚類#2智能算法在用戶通用表征方面的應(yīng)用。廣告策劃模塊的“情感感知與受眾定向”強(qiáng)調(diào)如何基于洞察進(jìn)行精準(zhǔn)受眾鎖定。例如，教授Lookalike模型解析的原理，以及如何通過算法發(fā)現(xiàn)與現(xiàn)有高價值客戶相似的潛在受眾。這體現(xiàn)了對用戶行為模式進(jìn)行量化研究后，將洞察應(yīng)用于精準(zhǔn)定向的能力。而在廣告創(chuàng)意與表現(xiàn)模塊的“創(chuàng)意效能評估”，則側(cè)重于評估創(chuàng)意元素在受眾端的表現(xiàn)。例如，解讀注意力熱圖以分析用戶視覺焦點，進(jìn)行品牌認(rèn)知度、喜愛度等指標(biāo)的測量，并分析創(chuàng)意與受眾情感需求匹配的程度。這屬于宏觀聚類#4跨媒介運營中內(nèi)容種草效果的量化診斷。

認(rèn)知智能位于理論型知識圖譜的頂層，著力解決如何生成新的策略、優(yōu)化系統(tǒng)和進(jìn)行最終決策的問題。它利用計算智能的基礎(chǔ)和感知智能的洞察，實現(xiàn)更高階的推理、規(guī)劃和優(yōu)化，以達(dá)成“智能一體化”的總目標(biāo)。廣告創(chuàng)意與表現(xiàn)模塊的“動態(tài)創(chuàng)意與策略生成”是宏觀聚類#3生成式AI與前沿應(yīng)用的核心落地。它不僅要求掌握動態(tài)創(chuàng)意優(yōu)化系統(tǒng)，更要研究AI智能體作為新服務(wù)模式的演變，以及如何基于大數(shù)據(jù)進(jìn)行創(chuàng)意效能回顧性研究，實現(xiàn)證據(jù)驅(qū)動的策略生成。在廣告策劃模塊的“策略生成與優(yōu)化”中，認(rèn)知智能體現(xiàn)為宏觀策略的制定，例如智能策略與決策模型、歸因與優(yōu)化循環(huán)，強(qiáng)調(diào)學(xué)生能夠綜合計算智能和感知智能的結(jié)果，實現(xiàn)曝光與轉(zhuǎn)化平衡的品效合一策略。而在廣告投放與反饋模塊的“智能歸因與閉環(huán)運營”這一“智能一體化”的終極目標(biāo)，課程會教授歸因模型分析，以及如何基于反饋數(shù)據(jù)的回流構(gòu)建閉環(huán)運營系統(tǒng)，實現(xiàn)投放的自適應(yīng)優(yōu)化。該層將智能廣告一體化運作的倫理與隱私規(guī)范作為核心知識點嵌入，直接映射到宏觀聚類#5數(shù)據(jù)倫理與安全治理，強(qiáng)調(diào)認(rèn)知層面的法律和道德約束。

通過這種樹狀結(jié)構(gòu)和計算智能－感知智能－認(rèn)知智能的分層邏輯，理論型知識圖譜不僅完成了對傳統(tǒng)知識的重構(gòu)，更通過前置/后置知識點和關(guān)聯(lián)知識點的設(shè)置，在微觀層面為學(xué)生搭建了一條清晰、可驗證的學(xué)習(xí)路徑，從而確保他們能系統(tǒng)理解和掌握智能廣告的運作全貌。

4 高?！爸悄軓V告”課程系的產(chǎn)業(yè)型知識圖譜構(gòu)建

如果說理論型知識圖譜負(fù)責(zé)構(gòu)建原理性、系統(tǒng)性的認(rèn)知，那么產(chǎn)業(yè)型知識圖譜是源于實際廣告項目而構(gòu)建的信息結(jié)構(gòu)，負(fù)責(zé)呈現(xiàn)智能廣告知識和技術(shù)在真實場景中的應(yīng)用邏輯、工作流與決策點，主要回答“怎么用”和“如何變”的問題。它將抽象的五大高頻知識模塊轉(zhuǎn)化為可操作的產(chǎn)業(yè)能力。

產(chǎn)業(yè)型知識圖譜遵循品牌生命周期，將廣告的調(diào)查、策劃、創(chuàng)意、投放四大模塊轉(zhuǎn)化為定義、策略、內(nèi)容、執(zhí)行四個核心任務(wù)。首先，由業(yè)界導(dǎo)師或通過案例庫選取典型的智能廣告戰(zhàn)役，如某品牌利用智能體進(jìn)行千人千面的跨媒介營銷，將項目全流程進(jìn)行拆解。其次，從案例中提煉出關(guān)鍵的產(chǎn)業(yè)運作節(jié)點，這些節(jié)點與理論型知識圖譜的一級、二級……知識點形成對應(yīng)，這確保了實戰(zhàn)環(huán)節(jié)的每一步都具備扎實的學(xué)科理論根基。比如，產(chǎn)業(yè)節(jié)點“智能洞察生成”對應(yīng)理論知識點“聚類分析與客群洞察”；產(chǎn)業(yè)節(jié)點“AIGC動態(tài)創(chuàng)意生成與批量測試”對應(yīng)理論知識點“AIGC工具應(yīng)用基礎(chǔ)”；產(chǎn)業(yè)節(jié)點“跨渠道程序化競價與預(yù)算分配”對應(yīng)理論知識點“智能投放與效果優(yōu)化”，并依賴于理論型圖譜中計算智能和感知智能層所教授的技術(shù)基礎(chǔ)。最后，以一個完整項目為根節(jié)點，將其逐漸解構(gòu)為上述產(chǎn)業(yè)節(jié)點，再通過項目－知識的映射關(guān)系，實現(xiàn)了知識體系的知識融合和能力閉環(huán)。

產(chǎn)業(yè)型知識圖譜更好地服務(wù)場景化教學(xué)，學(xué)生能直觀看到用戶畫像如何用于精準(zhǔn)投放，AIGC創(chuàng)意如何與效果優(yōu)化形成數(shù)據(jù)閉環(huán)……。在具體課堂教學(xué)中，教師可結(jié)合代表性的行業(yè)案例，更好地揭示智能一體化邏輯。圖6是以某新能源汽車品牌上市活動為產(chǎn)業(yè)實例，展示核心工作流程、決策點及理論根基。

問題定義階段是智能一體化運作的起點，旨在將商業(yè)目標(biāo)轉(zhuǎn)化為可計算和可定向的元素。通過多源數(shù)據(jù)采集，分析商業(yè)目標(biāo)和拆解目標(biāo)人群，確保策略的精準(zhǔn)啟航，對應(yīng)的理論型圖譜里的定位理論和消費者行為學(xué)；呼應(yīng)聚類#1廣告效果評估方法，也運用了聚類#2中的多場景多任務(wù)建模和用戶通用表征技術(shù)。

在策略生成階段，塑造擬人化AI助手是品牌敘事理論和形象傳播在AI時代的演繹；在內(nèi)容生成階段，利用AIGC工具生成視覺、音視頻與文案，是符號學(xué)在創(chuàng)作環(huán)節(jié)的規(guī)模化實踐。這兩個階段是智能廣告中最具創(chuàng)新性和前沿性的環(huán)節(jié)，核心是將品牌內(nèi)核轉(zhuǎn)化為高效率、個性化的創(chuàng)意資產(chǎn)。既是對聚類#3生成式AI與前沿應(yīng)用的集中實踐，又是對聚類#4媒介策略與KOL組合的呼應(yīng)，對內(nèi)容種草策略的應(yīng)用，將內(nèi)容轉(zhuǎn)化為實際的營銷觸點。教學(xué)刻意強(qiáng)調(diào)：USP理論和品牌形象與故事理論是理論鏈對實戰(zhàn)的關(guān)鍵指導(dǎo)。這是確保AIGC生成的內(nèi)容不是空洞的技術(shù)堆砌，而是具有符號學(xué)意義和情感共鳴的品牌資產(chǎn)。

投放與優(yōu)化階段強(qiáng)調(diào)算法驅(qū)動下的效率優(yōu)化和長期穩(wěn)健性。程序化創(chuàng)意投放和AI營銷智能體交互是聚類#2的典型應(yīng)用場景，尤其是動態(tài)出價與預(yù)算分配以及實時競價策略。在評估與迭代階段，數(shù)據(jù)驅(qū)動的歸因與模型優(yōu)化，則對應(yīng)歸因模型與機(jī)器學(xué)習(xí)。這也是聚類#4的最終目標(biāo)，強(qiáng)調(diào)品牌資產(chǎn)與轉(zhuǎn)化歸因，要求學(xué)生能夠追蹤用戶從線上內(nèi)容到線下試駕的全場景體驗，并優(yōu)化轉(zhuǎn)化路徑。體現(xiàn)了整合營銷傳播追求的“一種形象，一個聲音”，以及鏈路營銷對用戶路徑的全程關(guān)懷。該階段受數(shù)據(jù)安全和隱私規(guī)范的直接約束，在處理用戶的試駕、購車等高敏感數(shù)據(jù)進(jìn)行歸因分析時，教學(xué)中需強(qiáng)調(diào)聚類#5所要求的合規(guī)意識，以應(yīng)對日益嚴(yán)格的AI治理和數(shù)據(jù)安全政策。

產(chǎn)業(yè)型知識圖譜通過具象化的工作流與決策點，回答了“如何操作”與“因何而變”的產(chǎn)業(yè)之問。借助新能源車品牌上市活動的實戰(zhàn)圖譜，通過將復(fù)雜的行業(yè)流程解構(gòu)為清晰的五個階段和多個知識節(jié)點，成功驗證了五大高頻知識聚類的宏觀結(jié)構(gòu)合理性。它與理論型知識圖譜節(jié)點的明確對應(yīng)關(guān)系，構(gòu)成了“理論－產(chǎn)業(yè)”雙鏈融合，清晰地展示數(shù)據(jù)、算法、創(chuàng)意、投放如何在統(tǒng)一框架下流動與協(xié)同，實現(xiàn)從局部智能到整體智能的認(rèn)知飛躍。

圖6 產(chǎn)業(yè)型知識圖譜的建構(gòu)——以新能源汽車上市活動為例

每一次智能廣告的產(chǎn)業(yè)實踐都不是無源之水，其背后均有一套成熟或前沿的傳播學(xué)、營銷學(xué)與計算機(jī)科學(xué)理論體系作為支撐。這正是我們在課程系中力圖向?qū)W生揭示的根本邏輯。理論結(jié)合實踐能讓學(xué)生形成完整的知識和能力體系，為解決實際問題奠定堅實基礎(chǔ)，努力成為行業(yè)和社會需要的T型人才。

5 基于“理論－產(chǎn)業(yè)”雙鏈知識圖譜的課程設(shè)計

本課程系設(shè)計采用模塊化結(jié)構(gòu)，以知識圖譜為核心導(dǎo)航。支持技能樹模式，即學(xué)生可以通過知識圖譜清晰地看到從理論基礎(chǔ)（聚類#1）到算法核心（聚類#2），再到前沿應(yīng)用（聚類#3）的晉升路徑?！袄碚摚a(chǎn)業(yè)”雙鏈知識圖譜能清晰揭示知識點、項目案例與教學(xué)評價之間的內(nèi)在聯(lián)系。將原理、技術(shù)和商業(yè)思維結(jié)合，避免學(xué)生將策略理解為脫離技術(shù)基礎(chǔ)的空泛概念。在此基礎(chǔ)上，構(gòu)建一套可執(zhí)行、可評估的課程體系，成為推進(jìn)規(guī)?；瘋€性教學(xué)、培養(yǎng)適應(yīng)智能廣告一體化運作需求的復(fù)合型人才的關(guān)鍵路徑。

5.1 “理論－產(chǎn)業(yè)”雙鏈知識圖譜在自適應(yīng)推薦中的應(yīng)用

知識圖譜的價值不僅體現(xiàn)在對知識關(guān)聯(lián)的靜態(tài)呈現(xiàn)，更在于其作為智能教學(xué)中樞所具備的動態(tài)支持能力。可以搭建基于知識圖譜的“學(xué)習(xí)元”平臺，實現(xiàn)對學(xué)生的個性化指導(dǎo)和自適應(yīng)推薦。

雙鏈知識圖譜通過語義解析技術(shù)，將經(jīng)典廣告與傳播理論的“理論鏈”節(jié)點，與程序化購買、動態(tài)創(chuàng)意優(yōu)化等“產(chǎn)業(yè)鏈”節(jié)點進(jìn)行深度關(guān)聯(lián)。基于學(xué)生的學(xué)習(xí)進(jìn)度與興趣標(biāo)簽，AI系統(tǒng)能夠在廣闊的知識網(wǎng)絡(luò)中為其規(guī)劃個性化學(xué)習(xí)路徑。如為對計算廣告感興趣的學(xué)生，自動關(guān)聯(lián)并推薦相應(yīng)的核心知識點、相關(guān)技術(shù)倫理討論及行業(yè)代表性企業(yè)的實踐案例。

當(dāng)文科背景學(xué)生在面對數(shù)據(jù)采集、情感計算等技術(shù)性節(jié)點遭遇困難時，系統(tǒng)能迅速進(jìn)行學(xué)情診斷與定位。AI助教會將該問題映射至知識圖譜中，識別學(xué)生在前置知識的薄弱環(huán)節(jié)，如是否統(tǒng)計學(xué)基礎(chǔ)不足，進(jìn)而動態(tài)生成定制化的微課程學(xué)習(xí)包，其中可能包含精要的教學(xué)視頻、一篇深入淺出的解析文獻(xiàn)、一個相關(guān)的技術(shù)演示案例，從而實現(xiàn)精準(zhǔn)的知識鞏固與能力彌補(bǔ)。

此外，系統(tǒng)通過知識圖譜實時動態(tài)呈現(xiàn)學(xué)生的課程學(xué)習(xí)成績、學(xué)習(xí)認(rèn)知地圖以及學(xué)習(xí)參與水平。學(xué)習(xí)認(rèn)知地圖能夠可視化學(xué)生對知識節(jié)點的掌握程度和知識結(jié)構(gòu)缺陷，從而提供精確的診斷給師生。還可對學(xué)生群體中普遍存在的學(xué)習(xí)難點進(jìn)行實時聚類分析，并以可視化形式反饋給教師。據(jù)此，教師可及時調(diào)整教學(xué)節(jié)奏與重點，甚至補(bǔ)充生成新的教學(xué)案例，進(jìn)一步豐富知識圖譜的內(nèi)容，最終構(gòu)建教學(xué)相長、持續(xù)優(yōu)化的集體智能演化。

5.2 以能力階梯為核心的模塊化課程系設(shè)計

圍繞“理論－產(chǎn)業(yè)”雙鏈知識圖譜，本文構(gòu)建了一個以能力階梯為核心的智能廣告模塊化課程體系，旨在引導(dǎo)學(xué)生從基礎(chǔ)認(rèn)知走向綜合理解，最終實現(xiàn)創(chuàng)新應(yīng)用，逐級攀登。（圖6、7）

圖7以能力階梯為核心的智能廣告課程系

5.3 AI賦能的個性化學(xué)習(xí)路徑與評估體系

在雙鏈知識圖譜的支撐上，課程體系致力于形成以AI驅(qū)動的個性化學(xué)習(xí)路徑，并構(gòu)建過程性與終結(jié)性相結(jié)合的評估體系。

入學(xué)初期，通過問卷與簡單的知識測試為學(xué)生繪制初始能力畫像。隨后，在每一個教學(xué)模塊中，系統(tǒng)會根據(jù)其作業(yè)、測驗、案例研討的表現(xiàn)，動態(tài)調(diào)整其后續(xù)的學(xué)習(xí)資源的配置與項目任務(wù)難度。例如，對策略能力突出但技術(shù)理解薄弱的學(xué)生，系統(tǒng)會在關(guān)鍵技術(shù)模塊中為其推薦更多技術(shù)原理的解讀案例與工具實操指導(dǎo)。

課程體系構(gòu)建了多維評價體系，系統(tǒng)追蹤學(xué)生在雙鏈知識圖譜引導(dǎo)下的能力發(fā)展軌跡。過程性評價占總評成績的50%，具體通過以下方式展開：借助線上隨堂測驗與認(rèn)知地圖完善率，評估學(xué)生對知識點的掌握水平及其知識結(jié)構(gòu)化的能力；通過課程實踐環(huán)節(jié)，考查學(xué)生在知識圖譜中準(zhǔn)確識別并運用核心知識節(jié)點間復(fù)雜關(guān)系的能力；同時，結(jié)合團(tuán)隊協(xié)作中的角色貢獻(xiàn)度，以及其運用知識圖譜解決實際問題的表現(xiàn)，開展同伴互評與教師評價，全面衡量學(xué)生在項目過程中的參與度與貢獻(xiàn)價值。終結(jié)性評價同樣占總評的50%，內(nèi)容包括基于知識圖譜完成的文獻(xiàn)與案例綜述的綜合課程報告，以及學(xué)生在整個課程系列中所完成的個人項目成果作品集。

通過上述設(shè)計，靜態(tài)的“理論－產(chǎn)業(yè)”雙鏈知識圖譜，得以轉(zhuǎn)化為一個動態(tài)的、AI賦能的“教－學(xué)－評”一體化循環(huán)系統(tǒng)。不僅清晰地規(guī)劃了學(xué)生的學(xué)習(xí)路徑，更通過實時反饋與個性化支持，有效提升了有限課時內(nèi)的教學(xué)效能，為高校培養(yǎng)具備技術(shù)建模、商業(yè)洞察和倫理素養(yǎng)的復(fù)合型人才提供了堅實的理論基礎(chǔ)和實施框架。

6 結(jié)語

智能廣告作為融合新聞傳播學(xué)、商學(xué)、計算機(jī)科學(xué)與心理學(xué)的新興交叉業(yè)態(tài)，其發(fā)展自然地要求構(gòu)建跨學(xué)科知識圖譜，并催生多學(xué)科深度對話與有機(jī)融合的機(jī)制。未來的核心任務(wù)，在于將知識圖譜置于真實的智能廣告教學(xué)場景中，開展大規(guī)模實證研究與專家加權(quán)評估，重點評估其在優(yōu)化學(xué)生認(rèn)知地圖與實現(xiàn)精準(zhǔn)資源推薦兩方面的效能，并科學(xué)量化其對教學(xué)效率的實際提升。該知識圖譜并非靜態(tài)的知識庫，而是一個與人工智能技術(shù)演進(jìn)及產(chǎn)業(yè)模式創(chuàng)新同頻共振的“活”系統(tǒng)，其內(nèi)容與結(jié)構(gòu)亟須建立動態(tài)迭代的更新機(jī)制，以保持其前沿性與生命力。

基金項目：本研究系國家級一流本科專業(yè)建設(shè)點（2021）廣告學(xué)階段成果，系上海師范大學(xué)智能傳播教育教學(xué)創(chuàng)新實踐研究團(tuán)隊（2025）階段成果。

作者簡介

劉彥宏 上海師范大學(xué)影視傳媒學(xué)院廣告系副教授、碩士生導(dǎo)師

注釋

參考文獻(xiàn)