这一次,大模型颠覆广告行业!

梦晨 鱼羊 发自 凹非寺

量子位 | 公众号 QbitAI

百度用大模型重构一切,包括现金奶牛业务。

就在刚刚,百度营销官宣接入文心一言,推出新一代营销平台轻舸,也是全球首个AI Native的营销平台。

这么说吧,是有点颠覆互联网广告投放模式内味儿了:

营销方案不用再想到头秃,把需求“说”给大模型听,就能快速得到营销方案。

投放广告的全流程,同样动动嘴就能搞定。

效果嘛,直接来看数据:

搜索广告方案的创作、编辑时长直接从小时级缩短到分钟级;在成本下降10%的情况下,业务转化量提升23%,整体ROI(投资回报率)提升22.7%。

动动“嘴”,搞定营销全流程

不难看出,轻舸带来的,核心是人机交互模式的改变。

以搜索广告为代表的互联网广告投放模式,诞生于PC互联网时代,其以“关键词”为核心的精准营销方式,在今天看来似乎已经十分成熟。但实际上,随着时代的发展,这件事的门槛反而是在不断变高的。

背后原因,是用户接触产品信息的途径、搜索的行为方式变得越来越多元化,数据相比于20年前,可以说是发生了指数级爆炸。

在这种情况下,传统搜索广告依赖的关键词精细拆解、目标用户刻画,成本正在变得越来越高昂。

而人和系统通过图形界面(GUI)来交互的传统互联网营销投放模式,存在从产生创意、制作素材、监控效果到调整关键词的复杂层级结构,使得人的语言和系统认知语言之间的不对等愈发凸显。

轻舸平台核心想要解决的,其实就是利用生成式AI的能力,让交互过程回归自然,使得广告主能回归本质,专注于对自身经营策略和消费者的理解上,而不是被繁复的关键词和爆炸的数据迷了眼。

首先,就是让广告主能够放开说,更自由地表达营销策略。

不需要再纠结于“关键词”,直接把需要推广的产品/服务、广告的目标人群告诉大模型,大模型就能够理解人类意图,自动生成营销方案。

这样一来,就避免了关键词疏漏造成的营销信息丢失。

其次,基于生成式AI,轻舸能够根据用户搜索词(query)、兴趣、意图,秒级生成广告文案、图片素材。让广告主在追踪目标人群时更简单、更灵活。

轻舸还集成了不少最新AI能力,并且由于自然语言对话场景,在工作流中可以不断持续扩展集成,让大模型的创新可以快速运用到广告投放优化场景中。

比如百度营销今年早些时候发布的擎舵AIGC创意工具,在轻舸平台的广告创编过程中可以直接在对话流中使用。

又比如多维度流量洞察,能够自动完成数据可视化和重要数据摘要,提升投放数据分析效率。

在这些看得见的功能背后,轻舸依托的广告投放引擎也做了相应的升级,包括生成式的广告检索和创意生成,在智能拍卖环节也进行了端到端优化,利用大模型结构进行序列化决策,提升拍卖分配效率和成本达成率。

端到端分配,是利用大模型结构进行端到端序列化决策,提升分配效率。

端到端计费,能学习历史不同状态下的最有计费,大幅提升成本达成率。

从具体的内测实例中,能更直观地看到轻舸带来的变化。

某IT职业教育广告主,希望找到IT职业培训课程的潜在客户。

在传统的搜索营销方法中,广告主需要猜测这些人可能的搜索词,并搭建配套的关键词计划,比如针对“IT技术哪家强”,精细编写对应的创意文案、制作图片和视频,分析广告转化再对关键词进行调整等等。

而通过轻舸,只要输入一句“我需要推广云计算开发和运维技术培训,面向的是希望在这些领域寻求职业发展机会的人群”,平台就能自动找到潜在客户,并为每个人生成具有吸引力的广告。

颠覆关键词范式,机器直接理解需求

如果你以为这只是把过去的选单填写方变成了对话式,那就想错了。

前面展示的只是轻舸平台应用层的变化,其实在底层引擎层更是有着彻底的颠覆。

轻舸平台做的不是让AI帮助广告主设置关键词和目标人群等参数,而是彻底把这些不能完整表达营销意图的中间环节拿掉了,替换成AI对广告主意图的直接理解。

举例来说,过去一个旅行社要做宣传推广,需要排列组合的对每个目的地购买大量关键词,比如“x国x日游路线”、“x国x日游攻略”等等,再分别去设置方案。

至于一时没想到的关键词,那就完全覆盖不到了。

在新的轻舸平台,则简化成了用自然语言描述要推广的产品,AI根据理解之后直接去执行广告的投放。

这样一来就可以智能的覆盖到更多长尾情况,比如在国内搜索国外某地天气的网友,AI就可以识别出他很有可能有旅游的需求。

更可以实时根据根据竞争局势的变化,自动在在预算许可范围内争取的最大转化量。

对这种复杂应用场景,文心大模型基座的能力是核心,但也不是光靠大模型就行。

首先,需要结合微调、检索增强生成等技术,让AI理解营销行业知识,同时缓解大模型幻觉问题。

其次,通过提示工程(Prompt Engineering),让AI能够扮演主动引导用户表达需求、完成营销策略生成的角色。

另外,与单纯的聊天机器人应用不同,在轻舸平台还需要给AI加上场景识别和长期记忆的能力,把投放行为和投放表达记住,方便后续方案跟进调整。

最后,还需要让大模型学会使用第三方工具,比如调用投放系统API,又比如生成文案、图片素材的插件。

至此,垂直大模型+记忆+主动规划+工具使用4大组件凑齐,轻舸平台实际上已经成为一个能自主理解、规划、执行复杂任务的智能体Agent。

所有这些技术结合在一起,相当于对营销平台从引擎层和应用层做了一次重构,解决了过去互联网营销的三大困境。

第一,表达的困境

过去需要人先将自己的需求转化成机器能理解的“关键词”、“目标人群“等策略参数,这是第一层损失。

投放系统再根据这些关键词去执行策略,又会造成第二层损失。

而轻舸平台新范式下,AI不仅能做到直接理解,还能在多轮对话中引导用户表达出更丰富的需求。

第二,管理的困境

数据爆炸时代,营销变成了一件复杂且高门槛的事。

以金融行业典型公司为例,其营销平台账户上累积200个营销计划、4000条创意、上百万关键词。

而在轻舸平台,可以借助AI对投中、投后指数式膨胀的数据高效进行分析解读和优化调整。

第三,使用的困境

过去软件行业有个说法是“80%的人只用到20%的功能”。

另外80%的功能有的是不会用,有的更是根本不知道其存在,对于营销平台来说也不例外。

而轻舸平台使用自然语言交互,让用户可以自由表达、随时反馈,另外80%的功能可以由AI在对话中主动引导,人机协同地去使用。

那么解决这些困境后达到什么样的效果呢?

一句话总结就是“人和机器交流更通畅,机器自己迭代速度变快,人类拿到数据反馈也更快”。

对于使用轻舸平台的广告主来说,也能更聚焦于营销目的,而不是创建、管理方案这些中间过程。

大模型重构商业生态

再把目光拉远一些,轻舸平台还不是百度这次在营销方面的唯一动作,

百度AI在营销领域的新动作,还叫包括内容和经营两个方向。

内容方向,刚刚在营销方案生成过程中已经有过出场。

虽然在轻舸中内容生成只是一个插件,但其实背后也是一个完整的AIGC创意平台擎舵。

擎舵平台主打多模态创意生成,可轻松实现文案生成、图片生成和数字人视频制作三大需求。

具体来说,可以2分钟生成100条创意文案,3分钟生成一个数字人建模,5分钟即可制作一支完整的数字人口播视频。

以某酒业客户为例,在应用“擎舵”之前,因无专业团队进行投放视频生产,总投放视频数量不足10条。

使用AI数字人平台后,优化师只用1小时就制作出6条数字人视频。以前平均月更不到1条视频,目前每周定期更新5条视频,转化成本也大幅下降。

经营方向,对应的产品则是品牌BOT。

这是一种基于AI的智能对话服务,可以为企业打造专属的数字化品牌形象,通过语音或文字的方式与消费者进行深入互动,全天候地回答各类问题,传递品牌信息。

品牌BOT使企业可以像聊天一样,用更个性化、自然的方式吸引用户,在提供服务的同时传播品牌理念。这种沉浸式的品牌体验也更容易让用户生成购买意愿。

总体来说,品牌BOT使传统的品牌营销变得更智能、更个性化,有助于企业建立与用户的情感连接,从而实现品牌认知和商业变现的双重效果。

虽然这一波技术浪潮被冠以AIGC之名,但内容生成只是其中最浅的一种应用。

如专注于营销文案生成的Jasper,之前大笔融资如日中天,随着行业深入发展也遇到困难,无奈裁员。

与之相对的则是能打通业务全链路的智能解决方案。

要做到这一步,依靠各项单点技术是不够的。

如果是单独的文本和图像生成应用,在与具体业务流程结合在一起之前,很难说能提升多少实际工作效率。

而要想将这些技术有机地结合在一起,就需要对业务场景的深入理解。

百度营销这次要解决的核心问题,是用AI让越来越复杂、门槛越来越高的营销活动重新变简单,回归其本质。

在这基础上,根据多年来的行业积累,进一步把难题拆解到需求表达、方案管理和平台使用。

如此一来,就发现多轮对话技术不光承担着人与机器用自然语言沟通交流的功能,更需要主动根据情况引导用户去使用平台上的复杂功能。

各类图文视频生成技术也就找到了自己的位置,作为插件无缝嵌入对话流程中,按需出现,避免不必要的跳转和切换,加速整个工作流程。

另外还可以看到,数字人作为图文音视频生成技术的集大成者,在百度营销体系中也起到了面向最终消费者传递品牌信息的重要作用。

最后总结一下,轻舸平台就是百度用AI Native思维重构营销商业生态的一次实践了。

重构后不仅让原有的服务发挥更大作用,也在不断丰富服务场景,拓展着营销的边界。

更重要的是,营销平台作为链接人与技术的载体,提高了生产效率后产生的更多行业数据、知识和方法论洞察又能在平台沉淀下来,加速后续升级迭代。

如果说AI的通用能力,对于普通开发者来说更容易构建出新的应用,那么对大厂各部门来说就更是颠覆旧有模式的利器。

百度从营销广告这个核心业务开始探索只是第一步大模型通用能力和各大业务版图在手,像这样的重构推广到更多领域也只是时间问题。

— 完 —