广告里的 AI：到底该怎么用才不翻车

前段时间看到一个数字，让我愣了一下。

StackAdapt 和 Ascend2 做了个研究，发现真正把 AI 用进日常流程的广告代理商，只有 39%。还有 18%，基本没碰过。

我当时的第一反应是：不对吧？满世界都在说 AI 颠覆广告业，怎么实际落地率这么低？

后来想了想，大概明白了。

问题不在工具。工具多得吓人。问题在于，大多数团队不知道 AI 到底该往哪儿放，放了之后人该站哪个位置。

今天就来聊聊这个。

AI 在广告里，到底能干什么？

先把基本问题搞清楚。

AI 在广告里的活儿，大致分几块：

帮你看清受众。以前靠年龄、地域、收入框人，现在隐私法规越来越严，cookie 在退场，这条路走窄了。AI 能实时分析页面内容、语义、情绪，让你在用户正在看的东西旁边出现。StackAdapt 的 Ned Dimitrov 说了句话我觉得特别到位：「广告出现，不是因为你了解这个用户，而是因为这个网页的内容对。」

帮你算账。预测模型能从海量信号里推算：这条广告大概会跑成什么样、出价多少合适、转化概率多大。你不用等跑完了再复盘，还没投就大概知道了。

帮你干活。创意版本管理、出价调整、预算分配、报表分析——这些又碎又耗时的活，AI 接走了，人腾出来干正事。

帮你盯着安全。程序化广告里假流量、品牌unsafe 的内容是老大难。AI 能在页面级别做语义分析，在广告投出去之前就拦住风险。

帮你做创意。这块是 2026 年最热闹的战场。

创意生产：AI 最立竿见影的地方

给你讲个事。

StackAdapt 创意项目经理 James Targett 说过一个数字：以前写一条广告标题的时间，现在能产出 50 条。

50 条。

更狠的是，他们追踪了点击率数据，AI 写的文案经常比客户自己提供的、比内部手写的跑得都好。

但这不是最让我意外的。

最意外的是一项联合研究。哥伦比亚大学、哈佛、慕尼黑工业大学、卡内基梅隆四家一起做的，发现 AI 生成的广告 CTR 是 0.76%，人工写的是 0.65%。

AI 赢了。

但请注意，这里有个关键转折：那些看起来像 AI 生成的广告，不管是不是真的 AI 做的，表现都更差。

换句话说，砸你的不是 AI 本身，是"AI 感"。

消费者能闻出来。

Targett 给了个我很认同的说法：AI 的正确用法是快速出量，然后用人的手去挑、去磨、去定调。协作，不是替代。

AI 出 volume，人出 taste。

动态创意优化：一条素材变一千条

再说一个我觉得特别巧的玩法。

动态创意优化，行业里叫 DCO。

什么叫 DCO？

你有一条广告素材。标题、图、行动号召、产品推荐——这些都是可以拆开的零件。DCO 做的事，是把这些零件根据每个看到广告的人的实时意图和场景，自动重新拼装。

一条素材，瞬间变成几百上千条变体。

StackAdapt 的平台数据很能说明问题：用 DCO 的广告，CTR 高了 32%，每次点击成本低了 56%。

有一个案例更有意思。Vallo Media 用 DCO 根据用户浏览行为动态调整产品广告，专门去捞放弃购物车的人。结果呢？CTR 涨了 60%，而这部分广告只花了总预算的 12%，却带来了 30% 的广告归因收入。

12% 的钱，30% 的收入。

这笔账，谁都算得过来。

消费者变脸了

但事情没那么简单。

2023 年，近 60% 的消费者说他们对品牌用 AI 做广告感到舒适。到了 2024 年，这个数字掉到 46%。同年晚些时候，近三分之二的消费者对 AI 在广告里的使用感到不安。

更值得留意的是，这种警惕正在向年轻群体蔓延。一家研究机构 2025 年的报告发现，39% 的 Z 世代不喜欢 AI 生成的广告创意，几乎是千禧一代的两倍。

年轻人本来是最拥抱新技术的群体。连他们都开始反感了，这事得认真对待。

为什么？

因为 AI 做的东西有时候会掉进"恐怖谷"——看起来像人做的，但差了那么一口气。这种感觉比明显是机器做的东西更让人不舒服。

全球决策者层面的调研显示，54% 的营销高管担心过度依赖 AI 会侵蚀广告里真正打动人的那部分创造力。

StackAdapt 创意工作室的 Te'Shawn Dwyer 说得挺好：AI 在 ideation 阶段特别好用，快速出概念、画分镜。但品牌跳过人工筛选这一步，结果就会显得冰冷、没有温度。

AI 负责"多"，人负责"好"。

那么，怎么落地？

好了，道理讲了一堆。你可能会问：我明天上班该干什么？

Matt Travers 是澳大利亚 AI 咨询公司 BRAIVE 的董事总经理，他给了个特别好的起点：

「先问自己一个问题：对我来说，到底什么地方最疼？」

从痛点出发。别从工具出发。

然后把那个痛点拆开——流程在哪儿断的、在哪儿堵的——再用 AI 去疏通最关键的那一环。

对大多数团队来说，这个起点是创意生产、定向、出价、或效果衡量。就是你手动做最慢、最容易出错的地方。

具体怎么走？

第一步，定目标。AI 解决具体问题效果最好。是定向不够准，还是创意产出太慢？想清楚你要什么，才能判断 AI 有没有用。

第二步，选工具。别问哪个平台功能最多。问哪个平台能接进你现有的工作流。再多的功能，用不起来等于零。

第三步，先测再放。拿一个变量、一个目标、一个明确的评估窗口，做受控测试。别上来就全面铺开。产品 demo 和真实跑出来的数据，经常是两回事。

第四步，培训团队。LinkedIn 的 B2B 营销基准报告发现，43% 的营销人把"缺内部 AI 技能"列为采用生成式 AI 的最大障碍。不是工具不够好，是人不知道怎么用。prompt 怎么写、输出怎么判、什么时候该让人介入——这些都需要练。

第五步，别贪。最常见的错误就是一次性想干太多。广撒网式的"用 AI 做所有事"，只会导致策略碎片化、结果说不清。小步跑、记录、迭代。

那些绕不过的坑

AI 用得越多，翻车的概率就越高。

StackAdapt 和 Ascend2 的研究里，代理商最担心的几件事：数据隐私和合规（32%）、品牌安全和广告欺诈（27%）、自动化和个性化的平衡（27%）、伦理问题（18%）。

IAPP 做了一个更大范围的调研，从美国广告商协会到 Salesforce 到 IAB，反复浮上来的风险包括：算法偏见、幻觉、数据隐私、AI 生成内容的不确定性、知识产权。

这些都是真问题。

解法是什么？

把人留在回路里。

StackAdapt 联合创始人兼 CTO Yang Han 说了一句我觉得特别精准的话：「核心不是 AI 和人类谁替代谁，而是两者怎么配合。AI 擅长数据驱动、自动化、预测分析，但它缺人的直觉、创造力和伦理判断。」

Salesforce、PwC、IAB 都在强调同一件事：给 AI 的生成范围划边界、部署后定期审计输出、训练团队去验证结果和上报风险。

但这里有个让人不安的数据。IAB 的报告发现，超过 70% 的营销人遇到过 AI 相关的问题——幻觉、偏见、跑偏的内容——但 2026 年计划增加 AI 治理或品牌完整性投入的，不到 35%.

出事了，但不打算加防线。

这大概是目前行业里最危险的心态。

真金白银的回报

说了这么多风险，AI 的账到底怎么算？

StackAdapt 的《程序化广告现状 2026》报告里有一组内部平台数据：

用第一方数据或 AI 上下文定向的广告，ROAS 比第三方定向高出最多 2 倍。用 DCO 的广告，CTR 高 32%，CPC 低 56%。

McKinsey 的研究发现，24% 的营销和销售团队在过去一年因 AI 获得了 6% 以上的收入增长。StackAdapt 的个性化研究显示，93% 的品牌和 94% 的代理商认为 AI 正在提升程序化营销的速度和效率。

还有一个数据值得想想。

StackAdapt 的研究发现，全面跨渠道集成 AI 的品牌中，79% 能更准确地衡量个性化的收入影响。而完全不用 AI 的品牌，这个数字只有 14%。

79% 对 14%。

差的不只是一个数量级。

往后看，几条值得盯的线

最后聊聊趋势。已经发生的事，不是画饼。

第一条，LLM 广告从边缘走向主流。人们越来越习惯在 ChatGPT 这类工具里搜索、比价、做决定。McKinsey 说一半的消费者已经用 AI 驱动的搜索来研究和发现产品。EMARKETER 预测 2026 年 AI 聊天机器人将帮助 6330 万美国消费者。全球 LLM 广告支出预计到 2030 年超过 1010 亿美元。这正在发生。

第二条，Agentic AI 接管更多执行环节。媒体购买从"手动操作"转向"策略编排"。IAB 的数据显示，三分之二的美国广告买家今年计划更关注 agentic 广告采买。以前花几周的活——数据分析、媒介计划、报表——agentic AI 几分钟能搞定。

第三条，品牌安全从"规避风险"变成"打开新库存"。程序化播客广告就是典型的例子。以前没有转录文本，没法大规模评估节目内容适不适合投放。现在 AI 能同时分析成百上千期节目的主题、语境、风险。以前不敢碰的库存，评估完就敢投了。

第四条，编排变得更预测性。AI 生成的出价策略、预算重分配建议、效果模拟越来越常见。人定目标和约束，AI 做沙盘推演、找机会、引导决策。从"事后反应"到"事前预判"。

第五条，零售媒体衡量开始成熟。全球零售媒体广告支出预计未来五年增长 52.6%，但衡量标准一直碎片化、不透明。AI 正在让"这条广告为什么跑成这样"变得可以回答，而不只是回答"这条广告跑成了"。86% 的商业媒体决策者说，改善衡量和归因是明年的高优先级。

最后说两句

StackAdapt 联合创始人兼 CEO Vitaly Pecherskiy 讲过一个观点，我觉得是理解所有这些变化的关键。

过去十几年，营销技术领域冒出了一堆"领导者"——营销自动化、CDP、程序化广告。但它们之间互不相通，全是孤岛。

2011 年 Scott Brinker 的营销技术全景图只有 150 个产品。2025 年版，15384 个。

AI 在这些孤岛里，每个都能做点事。但真正的价值，是当这些系统开始打通，AI 能跨过规划、创意、投放、衡量的边界做决策。

AI 串起来能干什么，比单个 AI 能干什么重要得多。

这是我觉得未来最值得盯的方向。

不过话说回来，无论 AI 走多远，有一件事大概不会变。

LinkedIn 的报告说，AI 技能和人的技能是一起长的。学 AI 的人，同时也在练变革适应力、信任建设、逻辑推理。

广告业大概也一样。会用 AI 的人，大概率会替代不会用的。

愿你成为前者。