人工智能背景下计算广告的变革逻辑与范式重构——读《计算广告的发展、流变与认知转向》｜读书笔记

人工智能技术的深度嵌入，正在从根本上重塑广告产业的运行逻辑与价值链条。从程序化购买的自动化投放，到算法推荐的精准化匹配，再到生成式AI驱动的智能化创意生产，计算广告的每一次演进都与人工智能的发展阶段紧密相连。在这一变革背景下，我们要如何理解广告品牌传播的新维度？又如何把握生成式AI对广告业态的冲击？这些问题不仅是广告产业实践的焦点，也是学术研究的前沿议题。

段淳林教授的著作《计算广告的发展、流变与认知转向》以认知计算广告为核心论域，系统探讨了人工智能背景下广告传播的理论创新与实践路径。通过整合技术、组织与环境的多元视角，构建了从大数据驱动向AI演进的理论框架。本文将从品牌传播维度的重构、创意生成机制的变革、研究范式的转型三个层面，梳理本书的核心观点，并结合具体案例分析人工智能广告的现实应用。

图片来源于本公众号往期推文

人工智能时代的广告品牌传播，正在经历从广而告之向精准契合的转变。我们可以从三个维度来理解这一转变：颗粒度、信息质量和临场感。这三个维度既相互独立，又彼此支撑。

颗粒度是量化品牌用户关系的分析单元。在人工智能技术的支撑下，数据挖掘和机器学习使得用户画像可以细化到个体的实时行为轨迹、兴趣偏好和场景状态。本书指出，颗粒度的细化让品牌传播更加精准，开始从购买广告位流量转变为购买特定人群的注意力。以花西子为例，该品牌在抖音平台投放广告时，通过细粒度的用户行为分析，将目标人群细分为多个子群体，针对不同群体推送差异化的广告内容。这种基于细粒度洞察的传播策略，使得该品牌在竞争激烈的美妆市场中实现了远超行业平均水平的转化率。

信息质量是品牌用户互动关系的重要载体。本书将信息质量分解为四个层面：信息内容的丰富性、信息内容对用户需求的有效匹配、信息内容的自动化生成能力、信息内容的互动与反馈机制。在人工智能时代，信息质量不再仅仅是内容本身的好坏，更体现为内容与用户场景的适配程度。完美日记的私域流量运营是这一维度的典型案例：该品牌通过微信小程序、社群、公众号等多渠道，基于用户的历史购买数据和浏览行为，自动推送高度个性化的美妆教程、产品测评和限时优惠。这些信息不仅内容丰富多元，而且与用户当下的美妆需求高度匹配，形成了高频、高质的互动闭环。

而临场感是提升品牌契合度的关键动因，强调通过多触点交互实现“面对面”的沉浸式体验。高程度的临场感能够有效提升品牌在传播内容、传播场景和传播受众之间的契合度，从而更直接地洞悉用户心理与用户行为。Gucci与AR技术平台合作推出的“虚拟试鞋”功能，允许用户通过手机摄像头将鞋子“穿”在脚上，实时查看搭配效果。这种高临场感的交互体验，不仅延长了用户在品牌触点的停留时间，更显著提升了用户的购买意愿和品牌忠诚度。

这三个维度在技术、组织、环境三个层面相互关联：技术层面，数字技术实现了细粒度洞察与高临场感体验；组织层面，精细化的颗粒度驱动品牌数字化转型；环境层面，三维度的规范化发展促进行业生态良性演进。它们共同构成了人工智能时代品牌传播的理论基础。

图片来源于pexels

如果说品牌传播维度的重构回答了广告如何更精准地触达用户的问题，那么生成式AI对广告创意的影响，则进一步回答了“广告内容如何更智能地产生”这一问题。智能体意动理论框架将人类心理过程的“认知—情感—意动”三阶段映射到智能体的广告创意生产中。在认知层面，智能体通过大语言模型理解用户意图与场景；在情感层面，通过情感计算与用户反馈实现内容适配；在意动层面，最终驱动用户的价值共创与购买行为。

可口可乐2023年推出的乐创无界营销活动，正是这一理论框架的典型案例。本次campaign围绕品牌标志性的斯宾塞字体展开创意实验。在认知层面，AI系统首先通过大语言模型理解可口可乐的品牌理念——传递快乐、连接人群、面向未来。基于这一认知，将斯宾塞字体解构为不断变化的液体形态与颜色组合，勾勒出“人与人未来的联系”这一主题。

在情感层面，活动进一步深化了人机协同的互动机制。可口可乐邀请100位艺术家与AI共同创作海报，并在微博上连续更新一百天。这种“AI+人工”的协作模式，既发挥了AI在规模化创意生成上的效率优势，又保留了人类在情感表达和文化理解上的独特价值。连续一百天的更新节奏，则通过持续的情感输出维持了用户的话题参与度和品牌忠诚度。

在意动层面，活动最终驱动了用户的价值共创行为。艺术家与AI共创的海报不仅成为品牌传播的内容载体，更激发了普通用户的参与热情。许多用户开始在社交媒体上分享自己的AI生成作品，形成二次传播和内容裂变。从“品牌发布内容”到“用户生成内容”的转变，标志着广告创意从单向传播向价值共创的根本转变——用户不再是创意的被动接收者，而是主动参与者。

图片来源于pexels

传统广告产业遵循“策略—创意—投放—监测”的线性链条，各环节相对独立，信息反馈周期长，而人工智能正在打破这种线性结构，构建起“洞察—生成—投放—优化”的智能闭环。

以阿里巴巴的“AI智能营销引擎”为例，该系统整合了淘宝、天猫、优酷等多平台用户数据，构建了统一的用户画像体系。当品牌主设定营销目标后，系统能够自动完成从目标人群圈选、创意内容生成、渠道组合推荐到投放效果预测的全流程。更关键的是，系统具备自主优化能力——当某一创意素材的转化率低于预期时，系统会自动调整该素材的投放权重，并基于效果反馈生成新的创意变体。这种智能闭环的运作效率远超传统人工策略的模式。

TKLI模型（文本层—知识库层—大模型层—智能层）系统阐述了从“大数据驱动”向“AI知识库生成”的范式转型。传统计算广告以海量用户行为数据为核心资源，但数据量大而知识密度低、算力消耗大而推理能力弱。认知计算广告则通过构建垂直领域的专业知识库，使系统从数据匹配转向更加智能化的知识推理。

以小红书的内置AI为例，该平台构建了涵盖美妆、穿搭、旅行等垂直领域的AI知识库。当用户搜索“夏日防晒”时，系统不再仅依赖用户历史行为数据进行协同过滤，而是通过知识库中的成分知识、肤质分类、场景适配规则，结合大模型的理解能力，生成高度个性化的内容。这一过程体现了从“用户喜欢什么”到“什么内容真正适合用户”的跃迁。

展望未来，人工智能对广告行业的赋能将向“人机协同”的高级阶段演进。当前的人机协同仍处于AI辅助人工的初级阶段，未来将向AI与人类分工协作、互相增强的方向发展。人类创意人员将更专注于策略思考、文化洞察和情感表达，而AI则承担起数据洞察、内容生成、效果优化的规模化任务。

对于广告学科而言，这一变革意味着研究范式的根本转型。认知计算广告研究正在从算法优化导向向知识创新导向演进，从技术应用研究向人机协同机制研究深化。TKLI模型所揭示的知识生产逻辑，不仅为计算广告研究提供了新的方法论框架，也为新文科背景下的跨学科融合提供了重要启示——广告学科需要与计算机科学、认知科学、心理学、管理学深度融合，才能在智能时代实现理论创新与实践突破。

图片来源于pexels

对于中国广告产业而言，这一理论体系的构建具有特殊意义。庞大而活跃的互联网用户群体、全球领先的人工智能技术、丰富多样的本土营销实践，为认知计算广告的研究与实践提供了独特的土壤。在这一变革进程中，中国学者与从业者既有责任也有机遇，为全球计算广告学科的发展贡献中国智慧。

赵梓余｜文字

图源自网络｜图片

王怡｜编辑

王晶晶｜责任编辑

刘晓英｜初审

张庆园｜复审

谭志伟｜终审