中國廣告市場全景報告:生成式AI帶來五大變革四大影響,實現個人化廣告客製化
在網路流量紅利消退的當下,廣告行銷產業面臨存量競爭的挑戰。為了在競爭激烈的市場中脫穎而出,廣告主需要不斷創新和優化行銷策略。只有透過精準定位、創意突破和數據驅動的決策,才能夠有效吸引目標
TikTok最新動態顯示,他們正在利用生成式AI來提供廣告腳本,以提升廣告的創意和個人化。另外,Snapchat也開始使用聊天機器人來推播個人化廣告,以便更能滿足用戶需求。此外,百度也進行了行銷重構,推出了全新的AI Native產品,為企業行銷提供全流程的加值服務。這些舉措都體現了人工智慧在廣告領域的應用和發展。
大型和生成式AI技術的興起為品牌行銷帶來了破局的機遇,廣告行銷產業與這兩者的結合正呈現前所未有的火熱態勢,不僅在國內,國外也同樣如此。
廣告行銷產業鏈上的參與者正面臨著重要的歷史性轉折點。
生成式AI為不同廣告行銷主體提供了何種新解法?
廣告行銷產業的工作流程、內容生產場景、投放效果如何改變?產業將產生怎樣的周期影響?
生成式AI浪潮下廣告行銷產業的核心生產要素發生了哪些變化?傳統行銷企業該如何因應?新創公司又有哪些機會?
帶著這些問題,量子位智庫《中國AIGC廣告行銷產業全景報告》由此而來,並嘗試解答。
報告中,量子位智庫將從我國廣告行銷產業現況、生成式AI帶來的五大變革、四大影響力、市場規模及競爭現況等多角度、多方向地全面立體描繪中國AIGC廣告行銷產業全景。
核心觀點包括:
- 廣告行銷或成為生成式AI最快落地領域,開始回歸「人與人」的交流,實作「全域最優」##分配方式
- #生成式AI從供給端到需求端依序衝擊產業鏈玩家,行銷服務商價值凸顯
- PGC到UGC到AIGC,生成式AI打造內容生產##增量##市場,創意工具平民化趨勢顯著 從無差別影響到個人化定制,生成式AI讓只為
- 「一個人」打造廣告成為可能 作為新成長引擎,生成式AI在廣告行銷產業中業務營收預計2030年觸及
- 千億級市場規模 產業與人才資源
- 、#模型效果、#服務場景與#數據回饋#成為廣告行銷產業新的核心生產要素 #未來每個品牌都將有自己專屬的行銷大模型,
-
大模型客製化與微調技術不可或缺…
#大模型時代下的廣告行銷
廣告行銷產業需要新的典範來推動成長。
生成式AI成為破局關鍵
廣告行銷之前的偏重都在投放、媒介和營運上,現在媒介由於以媒體廣告為主(近70%),生命週期變短,對內容生產要求變高,內容品質將直接決定廣告行銷的價值創造。
生成式AI技術可用於解決行銷各環節痛點,其或將成為最快與生成式AI結合併產生實際落地效果的領域。
在生成式AI衝擊下,廣告行銷產業將回歸行銷本質,從「人與機器」單向交互,回歸到「人與人」的交流;流程扁平化,一步到位進行內容生產與投放,減少資訊損失;從傳統的廣告推薦模型,變成以資料驅動的大模型為核心,實現全域最優的廣告分配。
生成式AI廣告行銷領域應用
國內外廣告行銷產業與大模型和生成式AI技術的結合呈現前所未有的火熱態勢。
廣告主/品牌商、廣告行銷服務商、投放平台、第三方公司紛紛入局。
AIGC廣告行銷五大變革
大模型與生成式AI技術對廣告行銷產業帶來的變革,我們從產業鏈、工作流程、典型生產場景、投放效果、業態與格局這五個面向摘要如下:
變革一:產業鏈變革
廣告行銷產業產業鏈依參與主體可分為廣告主、廣告媒介和消費者,其中廣告主是網路廣告產業發展的來源動力,廣告媒介是市場的核心驅動,消費者是廣告行銷的受眾。
其中產業鏈上游玩家將最先受到衝擊,因為有內容生產降本增效的需求,需要利用生成式AI的能力進行轉變。
部分品牌慢慢在去中介化,內化自己能力,需要有新工具運用到新場景。
行銷服務商從純工具和中介化的連結工作,慢慢轉變為在中間環節給廣告主提供更強的增值性。
緊接著中游的投放平台會受到衝擊,如果上游會採用生成式AI能力,平台自身能力可以外化成和上游一起合作打破自閉環的能力。
未來在大模型加持的虛擬數位人等新的互動方式、場景或管道成熟後,消費者再會受到較大影響。
變革二:工作流程變革
廣告行銷領域的工作流程與環節涉及策略制定與使用者畫像洞察、廣告內容的製作、投放管道的管理與效果分析等工作,需要消耗大量的時間,其中有較多的工作都可以透過AI 代替人工的方式實現效率的提升。
其中策略洞察與內容生產將最早被覆蓋,是0-2年內生成式AI能提供較高輔助程度的場景。
但由於目前在流量比對演算法中加入大模型的提升效果並不明顯,因此投放管理環節在短期內生成式AI還無法提供較高輔助。
變革三:生產場景變革
內容生產是廣告行銷全流程中生成式AI表現最突出的場景。量子位智庫預測未來5年會有70%的行銷內容可由AI自動產生並迭代。
這是由於生成式AI降低了內容創作的門檻,使內容批量化生成成為可能。未來創意生產工具將越來越平民化,內容生產也不再是存量市場,而是一個增量市場。
而廣告行銷產業中的內容生產部分行銷素材生產主要包括三種形式:文案產生、圖片產生、影片產生。
其中文案生成受制於行銷產業的創新性和即時性,技術雖較成熟,國內目前真正投入使用較少,商業化程度較低。
圖片生成國內目前技術相對成熟,由於生成的圖片仍不夠精細化商業化程度一般。
視頻生成國內目前技術和商業化均不夠成熟,複雜度較高,公司更多的是用AI做特效或圖片拼接以及生成虛擬數字人視頻,預計可能在年中達到圖片生成的效果,實現商業化。
變革四:投放效果變革
廣告行銷經歷了從2006年以前的無差別影響「所有人」,到2006-2012年間的影響「一類人」,再到2012年後的精準影響「一個人」。
2012年行動網路的廣告演算法讓精準推薦變成可能,2022年大模型技術出現,生成式AI讓只為「一個人」打造廣告內容成為可能。
變革五:業態與格局變革
生成式AI能有效實現廣告行銷產業生產力的提升,主要體現在—
- 創新廣告形式,帶來全新互動體驗,形成強流量、高互動,提升廣告投放ROI。
- 提升行銷內容生產效率,推動自動化個人化行銷,實現精準連結與高效觸達。
- 推動行銷服務商商業模式革新,優化企業工作流程。
AIGC廣告行銷四大影響力
量子位元智庫從市場規模、產業核心生產要素、企業工作流程、產業發展階段與週期四個方面,來看大模型與生成式AI對廣告行銷產業未來帶來的影響:
影響一:技術變數改寫市場規模
經量子位智庫估計,我國廣告行銷市場整體仍將維持良好成長態勢,預計2025年市場規模將達到13465.9億元,未來三年產業年複合成長率達9%。
中國目前生成式AI在廣告行銷產業中業務營收佔比不到1%,未來每年增速或將達到60%以上,預計2030年將達到1500億左右規模。
影響二:產業核心生產要素發生變化
基於對產業發展的分析及預測,量⼦位智庫認為在生成式AI技術浪潮下廣告行銷產業的核心生產要素將產生變化,企業能力將取決於以下四個關鍵要素-
產業理解與人才門檻、底層科技大模型效果、服務場景選擇與建構資料閉環。
影響三:廣告行銷工作流程重塑
當前生成式AI對廣告行銷企業工作流程的角色還是賦能,透過改造內容生產流程來全面提升行銷連結效率
未來生成式AI將從每個環節重塑廣告行銷企業工作流程,全流程可以用AI實現資料回流,消費者的回饋可以投入到資料分析與內容再生產中不斷進行迭代,實現行銷全鏈路智慧化、自動化,行銷內容精準化、個人化,真正實現從量變到質變。
影響四:生成式AI下廣告行銷產業的發展階段與週期
量子位元智庫對AIGC廣告行銷未來發展進行預測,可分為三個階段-
引爆期、應用爆發期和普及期。
並對每個階段在技術端、供給端及需求端的影響均做出了預測。
廣告行銷產業競爭格局
根據量子位元智庫整理,廣告行銷產業的產業全景圖如下:
產品與服務現況
廣告行銷產業玩家依公司性質可大致分為網路大廠、巨擘類行銷服務商、新創公司三大類。經量子位智庫研究分析,這三類涉足廣告行銷賽道的公司的大模型技術和其產品與服務結合的現狀如下:
互聯網大廠都已經或即將研發出自己的通用大模型或行銷垂類大模型,並提供MaaS服務,已有自研大模型的廠商均將其大模型和生成式AI能力應用於廣告營銷領域所有的產品及服務中。
巨頭類行銷服務商大部分都在積極嘗試將大模型與生成式AI技術融入自己的產品和服務,只是重點有所不同。
新創公司絕大部分都不會自研大模型,皆是微調或內嵌其他大模型作為底座結合產業Know-how做新的產品或服務。
競爭格局分析
廣告行銷產業傳統依靠策劃推廣、管道資源等形成的競爭優勢將被重塑,廣告主越發關注內容品質和投放效率。
基於上述原因,量子位元智庫將從大模型技術能力、行銷資料與人才累積兩個面向來分析目前的業內玩家分佈及現狀。
第一象限:有科技有資源累積的明星公司
此象限有兩種狀況:
第一類是網路大廠,本身作為有專門AI研發團隊的投放平台,能快速入局大模型並融入自身產品與服務;
第二類是巨頭類營銷服務商,均在積極嘗試自研垂類大模型,將生成式AI技術融入自己的產品與服務。
第二象限:強技術能力的創新生力軍
第二類是創立初始就以AI為核心能力的新興創業公司,這類公司備受資本市場青睞。以歸一智能為例,公司成立不到兩個月即獲數千萬元融資。
###第四象限:深耕行銷產業的傳統企業#########此象限主要有多年行銷產業經驗,有大量行銷內容資料沉澱與行銷人才,多為做線下投放或品牌規劃與公關的傳統廣告行銷企業,這類企業缺乏AI基因與團隊,想要不落後需積極擁抱變化。 ###############由於###品牌方需求各異、重視資料安全、頭部行銷公司原有能力不足以立即做新場景###等,創業公司有了新進入機會。 ###以上是中國廣告市場全景報告:生成式AI帶來五大變革四大影響,實現個人化廣告客製化的詳細內容。更多資訊請關注PHP中文網其他相關文章!

熱AI工具

Undresser.AI Undress
人工智慧驅動的應用程序,用於創建逼真的裸體照片

AI Clothes Remover
用於從照片中去除衣服的線上人工智慧工具。

Undress AI Tool
免費脫衣圖片

Clothoff.io
AI脫衣器

Video Face Swap
使用我們完全免費的人工智慧換臉工具,輕鬆在任何影片中換臉!

熱門文章

熱工具

記事本++7.3.1
好用且免費的程式碼編輯器

SublimeText3漢化版
中文版,非常好用

禪工作室 13.0.1
強大的PHP整合開發環境

Dreamweaver CS6
視覺化網頁開發工具

SublimeText3 Mac版
神級程式碼編輯軟體(SublimeText3)

DDREASE是一種用於從檔案或區塊裝置(如硬碟、SSD、RAM磁碟、CD、DVD和USB儲存裝置)復原資料的工具。它將資料從一個區塊設備複製到另一個區塊設備,留下損壞的資料區塊,只移動好的資料區塊。 ddreasue是一種強大的恢復工具,完全自動化,因為它在恢復操作期間不需要任何干擾。此外,由於有了ddasue地圖文件,它可以隨時停止和恢復。 DDREASE的其他主要功能如下:它不會覆寫恢復的數據,但會在迭代恢復的情況下填補空白。但是,如果指示工具明確執行此操作,則可以將其截斷。將資料從多個檔案或區塊還原到單

0.這篇文章乾了啥?提出了DepthFM:一個多功能且快速的最先進的生成式單目深度估計模型。除了傳統的深度估計任務外,DepthFM還展示了在深度修復等下游任務中的最先進能力。 DepthFM效率高,可以在少數推理步驟內合成深度圖。以下一起來閱讀這項工作~1.論文資訊標題:DepthFM:FastMonocularDepthEstimationwithFlowMatching作者:MingGui,JohannesS.Fischer,UlrichPrestel,PingchuanMa,Dmytr

谷歌力推的JAX在最近的基準測試中表現已經超過Pytorch和TensorFlow,7項指標排名第一。而且測試並不是JAX性能表現最好的TPU上完成的。雖然現在在開發者中,Pytorch依然比Tensorflow更受歡迎。但未來,也許有更多的大型模型會基於JAX平台進行訓練和運行。模型最近,Keras團隊為三個後端(TensorFlow、JAX、PyTorch)與原生PyTorch實作以及搭配TensorFlow的Keras2進行了基準測試。首先,他們為生成式和非生成式人工智慧任務選擇了一組主流

波士頓動力Atlas,正式進入電動機器人時代!昨天,液壓Atlas剛「含淚」退出歷史舞台,今天波士頓動力就宣布:電動Atlas上崗。看來,在商用人形機器人領域,波士頓動力是下定決心要跟特斯拉硬剛一把了。新影片放出後,短短十幾小時內,就已經有一百多萬觀看。舊人離去,新角色登場,這是歷史的必然。毫無疑問,今年是人形機器人的爆發年。網友銳評:機器人的進步,讓今年看起來像人類的開幕式動作、自由度遠超人類,但這真不是恐怖片?影片一開始,Atlas平靜地躺在地上,看起來應該是仰面朝天。接下來,讓人驚掉下巴

在iPhone上面臨滯後,緩慢的行動數據連線?通常,手機上蜂窩互聯網的強度取決於幾個因素,例如區域、蜂窩網絡類型、漫遊類型等。您可以採取一些措施來獲得更快、更可靠的蜂窩網路連線。修復1–強制重啟iPhone有時,強制重啟設備只會重置許多內容,包括蜂窩網路連線。步驟1–只需按一次音量調高鍵並放開即可。接下來,按降低音量鍵並再次釋放它。步驟2–過程的下一部分是按住右側的按鈕。讓iPhone完成重啟。啟用蜂窩數據並檢查網路速度。再次檢查修復2–更改資料模式雖然5G提供了更好的網路速度,但在訊號較弱

特斯拉機器人Optimus最新影片出爐,已經可以在工廠裡打工了。正常速度下,它分揀電池(特斯拉的4680電池)是這樣的:官方還放出了20倍速下的樣子——在小小的「工位」上,揀啊揀啊揀:這次放出的影片亮點之一在於Optimus在廠子裡完成這項工作,是完全自主的,全程沒有人為的干預。而且在Optimus的視角之下,它還可以把放歪了的電池重新撿起來放置,主打一個自動糾錯:對於Optimus的手,英偉達科學家JimFan給出了高度的評價:Optimus的手是全球五指機器人裡最靈巧的之一。它的手不僅有觸覺

多模態文件理解能力新SOTA!阿里mPLUG團隊發布最新開源工作mPLUG-DocOwl1.5,針對高解析度圖片文字辨識、通用文件結構理解、指令遵循、外部知識引入四大挑戰,提出了一系列解決方案。話不多說,先來看效果。複雜結構的圖表一鍵識別轉換為Markdown格式:不同樣式的圖表都可以:更細節的文字識別和定位也能輕鬆搞定:還能對文檔理解給出詳細解釋:要知道,“文檔理解”目前是大語言模型實現落地的一個重要場景,市面上有許多輔助文檔閱讀的產品,有的主要透過OCR系統進行文字識別,配合LLM進行文字理

哭死啊,全球狂煉大模型,一網路的資料不夠用,根本不夠用。訓練模型搞得跟《飢餓遊戲》似的,全球AI研究者,都在苦惱怎麼才能餵飽這群資料大胃王。尤其在多模態任務中,這問題尤其突出。一籌莫展之際,來自人大系的初創團隊,用自家的新模型,率先在國內把「模型生成數據自己餵自己」變成了現實。而且還是理解側和生成側雙管齊下,兩側都能產生高品質、多模態的新數據,對模型本身進行數據反哺。模型是啥?中關村論壇上剛露面的多模態大模型Awaker1.0。團隊是誰?智子引擎。由人大高瓴人工智慧學院博士生高一鑷創立,高
