• 克雷西 發(fā)自 凹非寺
  量子位 | 公眾號 QbitAI

AI進(jìn)入營銷行業(yè)，已經(jīng)是定局。

艾瑞咨詢報(bào)告顯示，去年中國AI營銷市場規(guī)模達(dá)669億元，年復(fù)合增長率26.2%

這個(gè)增速背后，是整個(gè)行業(yè)鏈條——從內(nèi)容生產(chǎn)到投放決策——的集中押注。

但市場大，不等于落地深。

當(dāng)前絕大多數(shù)AI營銷工具仍以單點(diǎn)形態(tài)存在，各自解決一個(gè)局部問題，而不同環(huán)節(jié)之間，還是要靠廣告主自己串聯(lián)。

AI做了一些事，但一次投放從頭到尾的壓力，依然落在人身上。

行業(yè)已經(jīng)意識到這個(gè)問題，因此，多環(huán)節(jié)協(xié)同正在成為AI營銷引擎的新一代基礎(chǔ)設(shè)，營銷全鏈路AI化的趨勢愈發(fā)清晰。

快手商業(yè)AI，走的正是這條路。

在快手的商業(yè)AI體系中，從投前的素材生產(chǎn)、策略制定，到投中的廣告投放、實(shí)時(shí)調(diào)控，再到投后的診斷復(fù)盤，每個(gè)決策節(jié)點(diǎn)都有AI在場。

AI營銷落地，難在哪？

營銷這個(gè)場景，對AI來說落地難度極高。

表面上看，它的需求很明確，不外乎是生產(chǎn)內(nèi)容、找到用戶、完成轉(zhuǎn)化。

但拆開來看，每個(gè)環(huán)節(jié)的技術(shù)要求都不一樣，而且環(huán)節(jié)之間高度依賴，牽一發(fā)而動全身。

它的變量密度高、環(huán)節(jié)之間強(qiáng)依賴、實(shí)時(shí)性要求嚴(yán)苛，加上不同營銷場景的業(yè)務(wù)邏輯各異，導(dǎo)致同樣是投放，卻對AI能力的側(cè)重點(diǎn)完全不同。

例如，品牌營銷在意曝光和心智滲透，電商營銷盯著的是GMV和轉(zhuǎn)化率，線索營銷的核心指標(biāo)是留資成本，本地營銷需要把線上流量導(dǎo)進(jìn)線下門店……

這意味著通用大模型直接套用是行不通的，必須針對每個(gè)場景的具體業(yè)務(wù)邏輯，在工程層面做針對性設(shè)計(jì)

這種設(shè)計(jì)的核心技術(shù)問題，就是怎么“拆”，以及怎么“串”

先說拆。一次投放鏈路上，不同環(huán)節(jié)的任務(wù)性質(zhì)差異很大：

• 策略制定是一個(gè)多步驟的信息整合任務(wù)，適合用多Agent協(xié)作來分解和串聯(lián)；
• 素材生產(chǎn)需要把模糊的“好內(nèi)容”判斷轉(zhuǎn)化為可計(jì)算的結(jié)構(gòu)，適合用大模型做特征提取；
• 投放執(zhí)行對延遲極度敏感，需要實(shí)時(shí)信號接入和毫秒級響應(yīng)。

哪個(gè)環(huán)節(jié)用什么技術(shù)，取決于任務(wù)性質(zhì)、延遲容忍度和數(shù)據(jù)可獲取程度，需要逐環(huán)節(jié)設(shè)計(jì)。

再說串?？绛h(huán)節(jié)的數(shù)據(jù)流轉(zhuǎn)，是整條鏈路能否自洽運(yùn)轉(zhuǎn)的關(guān)鍵。

• 投前生產(chǎn)的素材，需要被投放系統(tǒng)讀懂；
• 投中積累的用戶行為數(shù)據(jù)，需要能反哺下一輪的素材方向和人群策略；
• 投后的復(fù)盤結(jié)論，需要能直接轉(zhuǎn)化為下一次投放的輸入?yún)?shù)。

每個(gè)節(jié)點(diǎn)的AI判斷，都依賴上下游數(shù)據(jù)的持續(xù)喂養(yǎng)，一旦數(shù)據(jù)在環(huán)節(jié)之間斷流，AI的能力就只能在孤島上運(yùn)轉(zhuǎn)。

快手商業(yè)AI的技術(shù)路徑，正是從這些問題出發(fā)——

針對各營銷場景在素材生產(chǎn)、策略制定、廣告投放、診斷復(fù)盤等環(huán)節(jié)的具體矛盾，設(shè)計(jì)對應(yīng)的工程解法；同時(shí)，讓各節(jié)點(diǎn)的能力在同一套數(shù)據(jù)體系里協(xié)同運(yùn)轉(zhuǎn)，保證鏈路不斷。

營銷全鏈路，都有AI在線

雖然各個(gè)營銷場景，有著迥異的需求，但萬變不離其宗的是，投放這件事本身都要過相同的幾道關(guān)：素材生產(chǎn)、策略制定、廣告投放、診斷復(fù)盤……

快手商業(yè)AI的能力布局，正是沿著這幾個(gè)共性問題展開的

素材生產(chǎn)環(huán)節(jié)，快手的解法是用大模型把“好素材”變成可計(jì)算的結(jié)構(gòu)。

“好素材”是營銷行業(yè)里一個(gè)長期說不清楚的問題，很難被標(biāo)準(zhǔn)化，更難被規(guī)?；瘡?fù)制， 不同場景對“好”的定義也不一樣。

模糊判斷的背后，是沒有被提取出來的結(jié)構(gòu)。

因此，快手選擇對歷史投放數(shù)據(jù)和行業(yè)熱門內(nèi)容進(jìn)行結(jié)構(gòu)化拆解，識別出共性特征，將這些特征轉(zhuǎn)化為可量化的生產(chǎn)參數(shù)。

這樣，原本只存在于少數(shù)人腦海中的經(jīng)驗(yàn)判斷，變成了可以被系統(tǒng)調(diào)用的輸入條件。 素材生產(chǎn)變得有章可循，從單條優(yōu)化變成規(guī)?；瘡?fù)制。

策略制定環(huán)節(jié)則是一個(gè)典型的多步驟串行任務(wù)，快手選擇用多Agent協(xié)作替代多人協(xié)作。

市場趨勢分析、人群洞察、選品判斷、投放方案生成……每一步都依賴上一步的輸出，且每一步都需要大量信息整合。

如果靠人工完成，這個(gè)流程天然是線性的，周期長、信息容易在傳遞中損耗，結(jié)果質(zhì)量高度依賴參與者的經(jīng)驗(yàn)水平。

快手用多Agent架構(gòu)重構(gòu)了這個(gè)流程，不同的Agent負(fù)責(zé)不同的子任務(wù)。

原本需要多人協(xié)作的策略制定工作，現(xiàn)在可以讓各Agent并行運(yùn)轉(zhuǎn)，原本需要忙上一周或更久，現(xiàn)在幾個(gè)小時(shí)就能搞定。

更重要的是，這套流程的質(zhì)量不再依賴某幾個(gè)有經(jīng)驗(yàn)的人來保證。

接下來是廣告投放環(huán)節(jié)，這個(gè)環(huán)節(jié)在整條鏈路里對技術(shù)要求最為苛刻。

追投的時(shí)機(jī)、調(diào)價(jià)的節(jié)點(diǎn)……這些決策需要在極短的時(shí)間窗口內(nèi)完成，稍有延遲，機(jī)會窗口就關(guān)閉了。

為此，快手在投放系統(tǒng)里嵌入了實(shí)時(shí)信號感知能力。

AI持續(xù)讀取互動率、轉(zhuǎn)化率等多維度數(shù)據(jù)流，在信號出現(xiàn)變化的瞬間自動觸發(fā)對應(yīng)的投放動作，追投、調(diào)價(jià)、素材切換，不需要人工介入。

廣告投放完并不意味著工作結(jié)束，接下來還有診斷復(fù)盤環(huán)節(jié)，也是鏈路里最容易被敷衍的一環(huán)，但根本原因，其實(shí)是它太難做。

一次投放的最終結(jié)果，是多個(gè)變量共同作用的產(chǎn)物。單獨(dú)分析任何一個(gè)環(huán)節(jié)，都看不到完整的因果鏈條。

數(shù)據(jù)有了，但歸因做不出來，結(jié)論就只能是“這次跑得不錯(cuò)”或者“下次換個(gè)素材試試”，無法帶來可執(zhí)行的指導(dǎo)意義。

快手用AI打通了各節(jié)點(diǎn)的數(shù)據(jù)，實(shí)現(xiàn)跨環(huán)節(jié)歸因，所有數(shù)據(jù)都被整合進(jìn)了同一套分析框架。

AI在其中直接產(chǎn)出完整的復(fù)盤文檔，針對“這次為什么跑得好”或者“哪個(gè)環(huán)節(jié)拖了后腿”等問題，給出可解釋的答案。

而且，分析結(jié)論還能自動轉(zhuǎn)化為可讀文檔，并直接銜接至下一輪的策略建議，讓投后分析從鏈路的終點(diǎn)，變成下一次投前的輸入。

當(dāng)然，這些環(huán)節(jié)只是快手商業(yè)AI能力布局的典型切面，但背后都折射出了快手在商業(yè)AI上的一套底層邏輯——

針對各營銷場景在完整投放鏈路上的每一個(gè)技術(shù)難點(diǎn)，逐一設(shè)計(jì)對應(yīng)的解法，讓AI能力嵌進(jìn)每個(gè)決策節(jié)點(diǎn)

從行業(yè)中來，到行業(yè)中去

快手之所以選擇全鏈路投入，直接原因就是單點(diǎn)式的AI工具已經(jīng)觸達(dá)了天花板。

但是，這一行業(yè)瓶頸的產(chǎn)生并不是因?yàn)閱吸c(diǎn)工具本身能力不行，只是局部效率的疊加，無法帶來整體效率的提升

• 素材生產(chǎn)提效了，但投放系統(tǒng)讀不懂這條素材在說什么；
• 投放優(yōu)化了，但復(fù)盤看不到跨環(huán)節(jié)的歸因；
• 每個(gè)環(huán)節(jié)各自跑得更快，但環(huán)節(jié)之間的損耗依然存在。

廣告主真正在意的，從來不是某個(gè)工具的體驗(yàn)有多好。

他們在意的是最終的生意結(jié)果——ROI夠不夠、GMV漲沒漲、留資成本降了多少。

而這個(gè)結(jié)果，是整條鏈路共同決定的。 素材、策略、投放、復(fù)盤，每個(gè)節(jié)點(diǎn)都會影響最終數(shù)字，任何一段掉鏈子，前面積累的提效都會被部分抵消。

而快手商業(yè)化的核心命題，就是讓廣告主在平臺上持續(xù)獲得生意增長。

廣告主跑得好，才會持續(xù)投入；持續(xù)投入，平臺的商業(yè)生態(tài)才能健康運(yùn)轉(zhuǎn)。

這個(gè)利益結(jié)構(gòu)，決定了快手必須把每個(gè)決策節(jié)點(diǎn)都做進(jìn)去。

投前有AI判斷素材質(zhì)量和策略方向，投中有AI實(shí)時(shí)感知信號并自動調(diào)控，投后有AI做跨環(huán)節(jié)歸因和結(jié)論沉淀……

鏈路不斷、數(shù)據(jù)不孤立，每個(gè)節(jié)點(diǎn)的AI判斷都能拿到上下游的輸入，也都能把輸出傳遞給下一個(gè)節(jié)點(diǎn)。

這套能力的形成，有它自己的路徑——

長期觀察各行業(yè)真實(shí)的投放場景，理解每個(gè)環(huán)節(jié)卡在哪、為什么卡，再針對具體問題設(shè)計(jì)對應(yīng)的技術(shù)解法，最終回到行業(yè)里去驗(yàn)證和迭代。

總之，快手商業(yè)AI是基于行業(yè)的觀察，選擇了發(fā)展這樣的AI能力，并最終又融于行業(yè)。

這套“從行業(yè)中來，到行業(yè)中去”的邏輯，決定了它落地的方式。