2025年11月4日15:00-16:00，中国商务广告协会数字营销专业委员会、CAAC AI营销应用工作委员会联合优优互联共同主办“数委会十周年系列主题活动”第68场——AI大模型赋能数字营销。特别邀请了优优互联广告研发部总监 程浩，就数字营销一线落地AI过程中聚焦的三个高频痛点--新广告起量难、创意生成与算力选择、AI助手如何真正赋能团队进行分享，由CAAC AI营销应用工作委员会副秘书长、央视网《AI国潮》主创 李茂山进行主持。
新广告起量慢是行业通病，大家可能都好奇今年热门的生成式推荐能不能解决这个问题。先给结论：思路可行，但并非万能，关键看适用场景。
生成式推荐的核心优势很明确，它不局限于历史广告数据，对缺乏过往表现的新广告更友好。但问题在于，纯广告场景的数据天然不连贯，用户行为关联性弱，我们针对HLLM、Tiger、OneRec、HSTU等主流生成式模型做的实验，也证实了直接套用效果不佳。
那纯广告场景该怎么用好大模型？我们摸索出两个有效路径：
1、召回阶段用Emb进行ANN向量检索，在不同场景下实现了5%-30%的CTCVR提升，核心是大模型世界知识以Emb形式进行向量检索，打破数据割裂的问题；
2、精排阶段生成语义ID，把它作为离散特征融入建模。充分利用大模型的世界知识，并把Emb进行ID化处理，不依赖新广告的历史数据。这一步让新广告起量时间从3天以上缩短到1天内，还带来了1%-10%的CTCVR增长。
现在阿里云、火山的AIGC大模型API功能全、价格也亲民，很多人会纠结要不要自己部署调教模型。答案还是那句：看场景和需求，尤其是大模型的幻觉率对业务的影响程度。
以我们的DPA商品推荐为例，要给几百万商品的白底图批量生成背景，还得嵌入标题和促销信息。这里有两个痛点：简单prompt会让模型自由发挥，导致背景与商品不匹配；详细描述prompt又要耗费大量人工。
这种场景下，自建模型的优势就凸显了。我们通过ComfyUI+自建模型，搭配多模态模型链式组合，实现了批量生成的目标。更关键的是，能精细化调节幻觉率。整体降低了5%的幻觉率——这个数字对几百万级图库来说，能大幅减少无效创意成本。不过要说明的是，文字嵌入中的复杂字体的幻觉问题，我们还在持续优化中。
再聊聊国产GPU的可用性。我们是阿里PPU最早的一批互联网客户，4月份就开始使用，比阿里8月底财报公布这款国产GPU早了四个月。期间和阿里一起解决了很多兼容性问题，虽然过程需要磨合，但很值得：一方面避开了6月份海外GPU安全风险，另一方面也为国家技术自主出了份力。毕竟GPU国产化的核心，是厂家向上兼容生态软件，这是必须走的路。
我们公司的长期目标是AI-Native，但落地遵循“宏大蓝图，小步快跑”的原则——先解决最高频的场景，再逐步拓展。
第一个落地的就是AI问数功能。数字营销中，产品运营和数据分析师经常要对接数据查询。我们基于dify平台搭建了AI问数系统，通过Agent+MCP实现智能问数，让大家用大白话就能了解数据情况。比如查询近三天媒体成本波动、分析成本上涨来源，系统都会自动生成SQL查询语句，直接快速响应结果。
这个系统的核心优势是融入了大量行业黑话和专业知识，能精准理解营销人的真实需求。从工作流来看，包含知识检索、代码执行等关键环节。
目前我们正在研发“员工数字伙伴计划”，目标是未来两年内，数字伙伴在员工中的占比达到50%以上，真正让AI融入日常工作，解放人力去做更有价值的创意和策略工作。
AI在数字营销中的应用，不用追求“大而全”，而是要“准而实”——针对具体痛点选对技术路径，结合业务场景做适配，才能真正发挥价值。
