
IAB提出的AI时代归因蓝图,把成交分为人工完成、AI辅助与AI自主完成三类。这个分类框架的分量不在分类本身,而在它给整个行业的投放账本换了一套记账规则。过去广告主算账,算的是点击、曝光、转化,AI在决策链里的参与度是一个模糊的变量,只能靠问卷或者推断去估。现在IAB把AI参与度写进分类,等于要求广告主把每一笔成交按决策路径拆开,分别记到三个账户里。账本一换,预算的流向就会跟着变。企业要提前建自己的分类账,切换宜早不宜晚。
三类成交的决策路径不同,投放价值也不同。人工完成成交沿用传统漏斗,从曝光到点击到加购到付款,路径是线性的,广告主能追踪每一个节点的转化率。AI辅助成交是用户在AI工具的建议下完成购买,路径变成了用户提问、AI给建议、用户决策、下单,AI在中间承担了筛选和解释的角色。AI自主成交是Agent代替用户比价与下单,路径最短,用户只设定条件,Agent执行搜索、比对、下单,品牌和内容在决策链里的位置被压缩到最前端的条件设定和最后端的确认。
三类成交的预算含义
AI自主成交里,品牌广告的触达作用被削弱,商品数据的完整性成为入选比价池的门槛。Agent比价的逻辑是参数对参数、价格对价格,一个商品如果参数表不完整、库存状态不实时、配送时效不明确,它在Agent的候选池里根本进不去。品牌广告在人工决策的链路里承担的是建立认知和信任,在Agent的链路里,认知和信任被前置到了用户设定条件的那一刻,Agent不读品牌故事,只读结构化数据。广告主在AI自主成交上的预算,应该从品牌曝光往商品数据治理转移。参数表结构化、库存实时同步、价格与促销标准格式标注,这三件事的投入回报,在AI自主成交的占比上升时会越来越明显。
AI辅助成交里,内容与评价仍然影响决策,种草逻辑还在,只是种草的位置从信息流挪到了对话里。用户在AI工具里问一句什么牌子的空气炸锅适合三口之家,AI给出的答案里包含商品推荐和理由,理由的来源是商品页的描述、评价区的使用反馈、以及第三方测评的内容。种草的位置变了,种草的内容要求也变了。信息流里的种草内容靠视觉冲击和情绪唤起,对话里的种草内容靠信息密度和事实支撑。一个商品页如果只写匠心工艺品质之选,AI在组织推荐理由时找不到可引用的事实;一个商品页如果写清容量、功率、适合几人使用、清洗方式,AI能把这些事实组织成一段有说服力的推荐。广告主在AI辅助成交上的预算,应该往可被AI引用的内容资产上倾斜,产品参数的结构化描述、使用场景的细分说明、评价区的高频问题整理,这些内容的产出成本低于信息流素材,但它们在对话场景里的转化效率高于情绪化的广告素材。
预算分配要按三类成交的占比动态调整,历史比例只能当参照。一个广告主如果去年的预算里品牌广告占六成、效果广告占四成,今年AI自主成交的占比从百分之五涨到百分之十五,品牌广告的预算需要往下调,商品数据治理和结构化内容生产的预算需要往上调。调整的幅度不是拍脑袋,是按三类成交的占比变化乘上每一类的边际转化效率来算。AI自主成交的边际转化效率高,因为Agent的决策链短、比价直接,但它的门槛是数据完整性,数据不完整的商品在这条链路上没有转化。AI辅助成交的边际转化效率中等,内容质量决定转化上限。人工成交的边际转化效率在下降,因为用户的决策路径在往AI工具迁移,留在人工链路里的流量在变少。
归因不清,预算就是盲投。AI时代的第一课是把账记对。记对账的前提是打标,打标的颗粒度决定了账本能不能用。
落地动作分三步
第一步,在订单系统里打标,区分三类成交的来源。打标的具体实现可以简单化,订单来源里区分直接访问、AI对话引导与Agent自动下单,用统一的字段记录,报表按三类汇总。直接访问的订单,用户从搜索或者收藏进入商品页,自主完成决策和付款,归到人工完成。AI对话引导的订单,用户在AI工具里提问,AI给出建议后跳转到商品页完成购买,归到AI辅助。Agent自动下单的订单,用户设定条件后Agent执行比价和下单,归到AI自主。打标的粒度不用追求完美,先粗后细,能看出趋势就有决策价值。一个订单如果既有AI对话引导又有用户自主搜索,可以按最后一步的决策来源归类,或者单独设一个混合类,等数据积累多了再细化规则。
第二步,按月复盘三类占比的趋势,AI自主的份额涨到哪里,预算就跟到哪里。复盘的指标不只是占比,还有每一类的转化率、客单价、退货率。AI自主成交的转化率高但客单价可能偏低,因为Agent的比价逻辑偏向性价比;AI辅助成交的客单价可能偏高,因为AI的建议里包含了升级选项;人工成交的退货率可能低于AI自主,因为用户在人工链路里的决策更谨慎。三个指标放在一起看,预算的调整才有依据。一个类目如果AI自主成交的占比在涨、客单价在跌、退货率在升,预算往AI自主倾斜的同时,需要把退货成本算进去,否则增长的成交额可能被退货吃掉。
第三步,与平台的归因报告交叉验证,单一来源的数字不可尽信。广告主自己的打标和平台的归因报告之间会有差异,差异的来源可能是归因窗口不同、可能是事件定义不同、可能是跨设备追踪的丢失。交叉验证的目的是找出差异的原因,而不是追求两个数字完全一致。差异在百分之十以内,可以接受;差异超过百分之二十,需要查是打标规则的问题还是平台归因的问题。查清楚之后,自己的账本和平台的报告各记各的,决策的时候以自己账本的趋势为主,平台的报告做参照。
归因框架的统一需要时间,但方向已定,早建自己分类账本的团队,切换成本最低。IAB的蓝图是行业层面的框架,落到每个广告主头上,账本要自己建。建账本的动作不复杂,一个订单来源字段、一张三类汇总报表、一个月度复盘的习惯,三件事做完,账本就能跑起来。
三类成交对内容的要求不同,产出的素材也要分层。面向人工决策的内容强调情感与场景,一个家居用品的广告素材拍的是家庭生活的温馨瞬间,用户在情感驱动下完成购买。面向AI辅助的内容强调参数与对比,一个空气炸锅的商品页写清容量、功率、预热时间、清洗方式,AI在回答用户提问时能直接引用这些参数做推荐。面向Agent的内容强调数据完整性,参数表结构化、库存实时、价格标准格式,Agent在比价时能准确读取。一套素材打三类渠道,比分层制作后各自转化率提升的损失更大。分层的成本不高,一套素材拆成三个版本,情感版投信息流,参数版投AI辅助场景,数据版做商品页的结构化改造,三份投入加起来低于一份通用素材在三类渠道上的效率损失。
团队的能力模型也要升级,投放运营要读懂AI渠道的数据语言,与平台接口的对接能力成为新的基本功。过去的投放运营看的是点击率、转化率、ROAS,AI渠道的数据语言多了几个维度:AI引用率、对话转化率、Agent比价入选率。AI引用率是一个商品页在AI回答里被引用的频率,它取决于内容的信息密度和结构化程度。对话转化率是用户在AI对话里被引导到商品页后完成购买的比例,它取决于商品页承接对话意图的能力。Agent比价入选率是一个商品进入Agent候选池的比例,它取决于数据完整性和价格竞争力。三个指标进入投放运营的日常看板,团队的能力模型就从传统的漏斗优化扩展到了AI渠道的数据运营。
归因账本建得越早,历史数据的积累越厚,切换期的判断优势越明显。一个团队如果在IAB蓝图发布之前就已经按三类成交打标,它手里有三到六个月的历史数据,能看到AI自主成交的占比从多少涨到多少,能算出每一类成交的边际转化效率,能在预算调整的时候拿出数据支撑。一个团队如果等框架统一之后再开始打标,它手里没有历史数据,预算调整只能靠推断,推断的准确率低于数据。半年的时间差,对应的就是预算效率的差距。
外部对标也做起来,同行报表里的AI渠道占比数字定期收集,行业均值就是自己预算的参照线。同行的数据不一定公开,但行业报告、平台发布的品类基准、第三方监测机构的抽样数据,都可以作为对标的来源。对标的目的是判断自己的AI渠道占比是高于还是低于行业均值。高于均值,说明自己的商品数据治理和内容结构化做得比同行好,预算可以继续往AI渠道倾斜;低于均值,说明自己在这条链路上落后了,需要补数据治理和内容结构的课。对标不是抄同行的预算比例,是拿行业均值做参照,校准自己的调整方向。

