前沿趋势 (Emerging Trends)¶

一句话概述¶

在线广告行业正在经历 AI 驱动、隐私优先、全自动化三大变革，AIGC 创意、大模型应用、零售媒体网络、CTV 广告等新趋势正在重塑行业格局。

趋势全景¶

AI 驱动	隐私优先	新渠道/形式	商业模式
AIGC 创意	Cookie 消亡	CTV/OTT	零售媒体
大模型应用	隐私计算	短视频/直播	注意力经济
全自动投放	端侧 AI	搜索广告复兴	订阅+广告
AI Agent	第一方数据	DOOH

一、AIGC 与广告创意¶

AI 生成广告素材¶

当前能力:
  文案生成: 大模型生成广告标题、描述、脚本 (已成熟)
  图片生成: Stable Diffusion / DALL-E 生成广告图片 (快速成熟)
  视频生成: Sora / Runway / Pika 生成广告视频 (早期阶段)
  数字人: AI 数字人代替真人出镜 (已商用)

影响:
  - 创意生产效率提升 10-100 倍
  - 创意成本大幅降低
  - 支持大规模个性化创意
  - 创意测试周期从天级缩短到小时级

平台实践:
  Google Performance Max: AI 自动生成和优化创意
  Meta Advantage+: AI 生成广告文案和图片变体
  巨量引擎: 巨量创意 AI 工具
  腾讯广告: 混元大模型创意生成

动态个性化创意¶

传统: 1 套素材 → 所有用户
AIGC: N 套素材 → 不同用户群体

示例:
  用户A (25岁女性，美妆兴趣):
    → AI 生成: 年轻女性使用产品的图片 + 种草风文案

  用户B (35岁男性，科技兴趣):
    → AI 生成: 产品技术参数图 + 理性分析文案

  用户C (40岁女性，母婴兴趣):
    → AI 生成: 家庭场景图 + 安全放心文案

规模: 从几十套创意 → 数千套个性化创意

二、大模型在广告中的应用¶

智能投放助手 (AI Agent)¶

传统投放: 广告主手动设置定向、出价、创意、预算
AI 投放助手: 自然语言交互，AI 自动完成投放

示例对话:
  广告主: "我想推广一款新的护肤精华，目标是25-35岁女性，
          预算每天5000元，希望获客成本在50元以内"

  AI 助手: 
    ✓ 已创建推广计划
    ✓ 定向: 25-35岁女性，美妆护肤兴趣
    ✓ 出价: oCPM，目标CPA ¥50
    ✓ 日预算: ¥5,000
    ✓ 已生成 5 套创意素材供选择
    ✓ 建议投放抖音信息流 + 搜索广告

技术:
  - LLM 理解广告主意图
  - 自动映射到投放参数
  - 自动生成创意
  - 自动优化投放策略

搜索广告中的大模型¶

查询理解增强:
  传统: 关键词匹配
  大模型: 深层语义理解

示例:
  用户搜索: "送女朋友什么礼物好"
  传统理解: 关键词 "礼物"
  大模型理解: 
    意图 = 购物
    场景 = 送礼
    对象 = 女性
    → 匹配: 首饰、香水、包包、鲜花等广告

广告文案生成:
  根据用户搜索词实时生成个性化广告文案
  搜索 "北京周末亲子游" → "周末带娃去哪玩？北京10大亲子乐园推荐"

全自动化投放¶

演进路径:
  手动投放 → 半自动 (oCPM) → 全自动 (PMax/ASC) → AI Agent

Google Performance Max:
  - 广告主只需提供: 目标、预算、素材资产
  - AI 自动: 选择渠道、定向人群、生成创意、优化出价
  - 覆盖: Search + YouTube + Display + Discover + Gmail + Maps

Meta Advantage+ Shopping:
  - 电商广告全自动化
  - AI 自动选择受众、创意、版位
  - 广告主只需设置预算和 ROAS 目标

趋势: 广告优化师的角色从"操作执行"转向"策略制定"

三、隐私优先时代¶

时间线:
  2024: Chrome 开始淘汰第三方 Cookie
  2025: 第三方 Cookie 完全淘汰 (预计)

替代方案:
  1. Google Topics API: 浏览器端兴趣推断
  2. UID 2.0: 基于邮箱的加密标识 (The Trade Desk)
  3. 第一方数据: 广告主自有数据成为核心资产
  4. 上下文定向复兴: 基于内容而非用户的定向
  5. 数据清洁室: 安全的多方数据协作

第一方数据战略¶

第一方数据价值飙升:
  - 广告主自有 CRM/CDP 数据
  - 网站/App 行为数据
  - 会员数据、交易数据

建设路径:
  1. 数据采集: 完善第一方数据采集体系
  2. CDP 建设: 构建客户数据平台
  3. 数据激活: 将第一方数据用于广告投放
  4. 数据协作: 通过数据清洁室与媒体协作

四、RTA (Real-Time API)¶

定义与架构¶

RTA 是国内广告生态的重要创新:
  广告主通过实时 API 参与媒体的广告决策

流程:
  1. 用户触发广告请求
  2. 媒体广告系统向广告主 RTA 服务发送请求
  3. 广告主 RTA 服务实时决策:
     - 是否对该用户出价
     - 出价调整系数
     - 人群标签
  4. 媒体广告系统结合 RTA 响应进行最终决策

延迟要求: < 50ms
QPS: 万级~十万级

价值:
  - 广告主可以利用自有数据优化投放
  - 弥补围墙花园下数据不互通的问题
  - 实现更精准的人群筛选

RTA 技术挑战¶

对大数据开发的要求:
  1. 高性能服务: 50ms 内响应，万级 QPS
  2. 实时特征: 用户实时特征的快速查询
  3. 模型推理: 在线模型实时预估
  4. 高可用: 99.99% 可用性
  5. 数据管道: 实时行为数据 → 特征更新 → RTA 服务

五、深度转化优化¶

从浅层到深层¶

优化目标演进:
  展示 → 点击 → 浅层转化 → 深度转化

浅层转化: 下载、注册、表单提交
深度转化: 付费、留存、复购、LTV

sCTR (深度转化率):
  不仅预估点击率，还预估深度转化概率
  eCPM = bid × pCTR × pCVR × pDeepConvert × 1000

付费 ROI 优化¶

游戏行业:
  目标: 7日付费 ROI ≥ 10%
  挑战: 付费行为延迟 (可能 7 天后才付费)
  方案: 
    - 预估用户 LTV
    - 基于 LTV 预估值出价
    - 延迟归因 + 模型校准

电商行业:
  目标: 广告 ROAS ≥ 300%
  方案:
    - 预估用户购买金额
    - 基于预估 GMV 出价
    - 实时 ROI 监控和调整

六、零售媒体网络 (Retail Media Network)¶

定义: 零售商利用自有电商平台的流量和数据，为品牌提供广告服务

全球零售媒体规模:
  2023: ~$1,200 亿
  2025: ~$1,800 亿 (预计)

代表:
  海外: Amazon Ads, Walmart Connect, Target Roundel
  国内: 阿里妈妈, 京东广告, 拼多多广告, 美团广告

优势:
  - 购买意图数据 (用户在电商平台搜索/浏览)
  - 闭环归因 (广告→购买，完整闭环)
  - 高转化率 (用户已在购物场景中)

趋势:
  - 站外扩展: 零售商将广告能力扩展到站外媒体
  - 数据变现: 零售商的消费数据成为广告定向的核心资产
  - 非零售商入局: 出行(滴滴)、外卖(美团)等也在建设广告平台

七、CTV / OTT 广告¶

定义: 联网电视 (Connected TV) 上的数字广告

增长驱动:
  - 流媒体用户增长 (Netflix, Disney+, 爱奇艺, 优酷)
  - 广告支持的订阅套餐 (Netflix 2022 年推出)
  - 大屏体验 + 数字化定向

特点:
  - 大屏沉浸式体验 (品牌广告价值高)
  - 数字化定向 (vs 传统电视的粗放定向)
  - 可衡量 (vs 传统电视的 GRP 估算)
  - CPM 较高 (¥50-200)

国内:
  - OTT 开机广告
  - 智能电视信息流广告
  - 投屏广告

八、注意力经济¶

传统度量: 曝光量、可见性
新度量: 注意力 (Attention)

注意力度量:
  - 眼动追踪: 用户是否真正看了广告
  - 停留时间: 广告在可视区域的时间
  - 交互深度: 用户与广告的互动程度
  - 注意力 CPM: 每千次"注意力"的成本

意义:
  不是所有曝光都有价值
  1 次高注意力曝光 > 10 次低注意力曝光

  推动广告从"量"到"质"的转变

九、搜索广告复兴¶

AI 搜索时代:
  - Google SGE (Search Generative Experience)
  - Bing + Copilot
  - 百度文心一言搜索
  - 抖音搜索广告增长

变化:
  传统搜索: 关键词 → 链接列表 → 广告
  AI 搜索: 自然语言问题 → AI 生成答案 → 嵌入式广告

挑战:
  - AI 答案可能减少用户点击广告的需求
  - 广告形式需要适应 AI 搜索结果
  - 新的广告位和计费模式

机会:
  - 抖音/小红书搜索广告快速增长
  - 搜索意图数据价值不减
  - AI 搜索创造新的广告形式

十、Web3 圈子营销推广范式（以增长系统为中心）¶

Web3 的推广与传统 App 增长不同，通常是“叙事/信任 → 社区承接 → 产品激活 → 链上行为沉淀”的组合拳。其核心难点是：链上/钱包带来的身份割裂与归因断点，以及激励活动带来的反作弊压力。

10.1 常见目标（决定打法）¶

品牌与叙事：让更多人“知道你是谁、为什么值得关注”
拉新承接：把触达转为可触达资产（关注、进群、订阅、注册、钱包连接）
激活留存：让用户完成关键行为（交互/交易/质押/参与治理）
质量与风险：激励活动容易引入羊毛党，需要把“增长”和“反作弊”绑定设计

10.2 常用渠道矩阵（圈内的基本盘）¶

内容扩散：Twitter/X（KOL 转发链、Space）、长文平台（Mirror/Medium/Substack）
社区承接：Telegram/Discord（公告、AMA、活动、角色分层）
背书与分发：研究机构/KOL/播客/YouTube、生态合作（钱包、公链生态、Dapp 联动）
线下：Hackathon/Meetup/Conference（开发者与合作伙伴获取效率更高）

10.3 漏斗与指标（Web3 常见口径）¶

触达：impressions、profile visits、内容 CTR
承接：follow、进群、订阅
激活：connect wallet、首次交互/首次交易/首次充值或桥接
留存：D1/D7 活跃地址、重复交互次数、TVL/余额留存
质量：有效贡献率（反馈/治理/有效交易）、反作弊命中率

10.4 归因与数据的现实约束（趋势影响）¶

链下到链上断点：传统 UTM/像素只能覆盖前半段，后半段需要链上事件与钱包连接后的身份映射
更常用“贡献分析”而非绝对精确 last-click：用渠道维度的“贡献+质量对齐”判断是否可持续

十一、短视频/直播/种草内容广告：商业化加速与反作弊升级¶

短视频、直播与内容种草正在成为主流广告形态之一，其显著特点是：

强内容承载：转化往往发生在“内容信任”之后
强平台围墙：可观测数据更依赖平台口径
强活动与强激励：更容易被“套利型流量/假互动/假转化”盯上

本节给出防守视角的“现象 → 发现过程 → 处置结果”。如需更系统的通用反作弊方法，可联动阅读 11-ad-fraud 章节。

11.1 直播广告（直播间引流/直播带货）的常见黑产与防守¶

脱敏示例（现象）¶

直播间在线/互动暴涨，但 加购/下单/支付 不成比例
某些时间窗内互动行为高度同质（例如互动节奏、停留分布与历史显著不同）
售后指标异常：支付失败、退款、拒收或投诉集中

被发现的过程（信号 → 告警规则 → 排查）¶

信号定义：
曝光/进入直播间/停留/互动/点击商品/加购/下单/支付/退款 的全链路漏斗
“互动可信度”信号：互动覆盖率、互动分布、停留时长分布、重复度（注意合规）
“转化可信度”信号：订单完成率、退款率、拒收率、异常 SKU/价格带集中
告警规则（示意）：
当 互动 上升但 加购/支付 低于基线且持续多个窗口，触发 P2
当退款/拒收在某场次/某达人集中爆发，触发 P1
排查路径：
从场次/达人/货品/SKU 下钻，区分“内容不匹配导致转化差”与“流量异常导致漏斗断裂”
对照站内行为与服务端订单，排除埋点/口径问题

处置与处罚结果（建议写进方案）¶

止血：对异常场次暂停加投或降权；高风险场次只看“已确认订单”口径
隔离：新人/新达人/新玩法先用小流量白名单跑质量，再放量
履约加固：关键权益/发货节点与风控校验绑定，减少假转化污染结算
对外动作：与平台/MCN 按证据包做扣量/拒付/结算调整；严重者终止合作

11.2 种草广告（内容测评/笔记/攻略导购）的常见黑产与防守¶

脱敏示例（现象）¶

笔记/帖子数据漂亮（阅读、收藏、评论），但站外落地页与转化不匹配
评论/互动质量异常：语义高度重复、情绪分布异常极端、互动账号结构异常（合规处理）
品牌搜索量、自然流量与种草投放不匹配（提示可能是“指标堆高”而非真实种草）

被发现的过程（信号 → 告警规则 → 排查）¶

信号定义：
内容指标（阅读/收藏/评论/完读/停留）与站外指标（点击/注册/下单）的对齐
“内容可信度”信号：互动账号分层、互动语义聚类重复度、时间序列节奏
“品牌资产”信号：品牌词搜索、店铺/站点自然流量、站内转化的滞后提升
告警规则（示意）：
当内容侧指标上升但站外 click -> lpv 或 lpv -> register/pay 长期低于基线，触发 P2
当互动语义重复度异常且集中在单账号/单笔记，触发 P1
排查路径：
按“内容/达人/话题/品类”下钻，查看是否某一组内容带来的站外质量持续偏低
对照“自然提升信号”（品牌词/自然访问/复访），判断是否存在真实心智积累

处置与处罚结果¶

投放策略：把 KPI 从“内容侧指标”向“站外激活/留存/复购”迁移，减少被指标套利
结算策略：优先采用分段结算（内容交付+质量达标），对异常内容做扣量
白名单机制：对优质达人/优质内容形态建立白名单与模板，减少试错成本

11.3 达人视频内嵌广告（口播/贴片/软植入）的常见黑产与防守¶

脱敏示例（现象）¶

某批视频 CTR 高但落地页行为很差（停留短、交互少、转化弱）
线索/注册量上升但后续关键行为、付费或留存严重不匹配
受众画像与投放国家/语言不一致（提示“非目标人群触达”或异常分发）

被发现的过程（信号 → 告警规则 → 排查）¶

信号定义：
视频侧：完播率、观看时长分布、互动率
站外侧：click -> lpv -> register -> key_action/pay 漏斗与延迟分布
质量侧：渠道维度的留存/LTV/退款对齐
告警规则（示意）：
当某创意/达人视频带来高点击但站外漏斗断裂且持续，触发 P2
当注册/线索上升但后续关键行为长期为 0 或极低，触发 P1
排查路径：
从达人/视频/素材切片下钻，识别“内容不匹配”与“流量异常”的差异
校验埋点与去重：避免因为重复上报造成“假繁荣”

处置与处罚结果¶

止血：暂停异常素材/达人组合；将该来源从训练与核心口径隔离
链路加固：关键转化用服务端确认、事件去重、必要时对高风险线索做二次验证
合作治理：把合作条款与“质量指标”绑定（例如留存/有效线索率），减少单一指标套利

十二、AI Chat / AI Search 时代：对程序化广告的冲击与新范式¶

AI chat 正在把一部分用户行为从“搜索→点击→跳转”改写为“提问→直接获得答案→在对话中完成决策”。这会直接影响程序化广告的库存形态、竞价目标与归因体系。

12.1 关键变化：可点击库存减少，广告形态向“答案/任务”迁移¶

从链接列表到答案摘要：用户更少需要“点开多个网页”拼答案，传统搜索结果页的可点击库存被挤压。
广告进入 AI Overview/对话体验内部：平台开始把广告位迁移到“答案附近”，以更强语境承接用户下一步。

可参考的公开动态：

Google 已上线/推进在 AI Overviews 中展示广告，并明确标注 Sponsored。该形态的核心是让用户在获得解决方案的同时，直接发现相关商品/服务并采取行动。
https://blog.google/products/ads-commerce/google-lens-ai-overviews-ads-marketers/

12.2 程序化链路的变化：从关键词匹配到“会话意图/任务阶段”¶

意图表达更长、更连续：从 keyword 变成对话上下文（探索→对比→决策→售后）。
投放优化目标更偏“任务完成”：不再只盯 CTR/CVR，而更关注对话内的下一步动作与满意度（例如更少的快速返回）。

可参考的公开动态：

Microsoft Advertising 公开提到对话式体验中的新广告形态与更高的广告参与度，并给出相对传统搜索更高 CTR/转化率、路径更短等观察（属于其一方数据口径）。
https://about.ads.microsoft.com/en/blog/post/august-2025/73-higher-ctrs-why-advertisers-need-to-pay-attention-to-conversational-ai

12.3 归因更难：路径更黑盒，“贡献分析/增量评估”更重要¶

对话吞掉一部分点击：用户可能在对话中完成比较与决策，转化发生在其他触点，last-click 解释力下降。
围墙更强：可观测数据更多依赖平台口径，广告主需要第一方数据与服务端事件做闭环。

建议关注的工程方向：

第一方数据与服务端回传：关键事件服务端化、去重、身份映射（合规前提下）。
增量评估方法：Holdout/Geo split/MMM/MTA 组合，避免只看平台归因。

12.4 从业者应该关注什么（短期能做、长期护城河）¶

把创意升级为“可完成任务的资产”：对比表/测算器/选型向导/FAQ/案例库，比单条卖点更适配对话阶段。
把 KPI 从点击转向“质量与长期价值”：线索质量、有效激活、留存、LTV，而不是单次点击。
把合规与品牌安全前置：AI 回答的可靠性、误导风险、敏感行业的免责声明与审查成本都会上升。

12.5 对创业者的机会：新库存 + 新基础设施 + 新工具链¶

对话广告中台（结构化商品/服务）：把商家资产变成可投放的结构化信息与可执行动作（预约/报价/下单），让广告位更像“任务组件”。
增量归因与实验平台：面向多渠道、多触点的轻量实验与评估工具会变成标配。
内容/创意生产的“会话化”工具链：按会话阶段生成与评测素材（对比、选型、FAQ、脚本），并内置合规/事实校验。

十三、技术趋势总结¶

趋势	时间线	影响程度	大数据开发关联
AIGC 创意	已开始	高	创意数据管道、效果分析
大模型应用	2024-2026	高	模型数据、特征工程
全自动投放	已开始	高	自动化数据管道
Cookie 消亡	2024-2025	极高	第一方数据建设
RTA	已成熟	高	实时特征、高性能服务
深度转化	已开始	高	延迟归因、LTV 计算
零售媒体	快速增长	高	电商数据管道
CTV 广告	增长中	中	跨屏数据整合

与大数据开发的关联¶

AIGC 数据管道: AI 生成素材的效果数据采集和分析
大模型特征: 为大模型应用提供特征数据支撑
第一方数据建设: CDP 建设、数据采集和整合
RTA 数据服务: 实时特征服务和高性能数据查询
LTV 计算: 用户生命周期价值的离线和实时计算
跨渠道数据: 多渠道数据的统一采集和分析

前沿趋势 (Emerging Trends)¶

一句话概述¶

趋势全景¶

一、AIGC 与广告创意¶

AI 生成广告素材¶

动态个性化创意¶

二、大模型在广告中的应用¶

智能投放助手 (AI Agent)¶

搜索广告中的大模型¶

全自动化投放¶

三、隐私优先时代¶

Cookie 消亡与替代方案¶

第一方数据战略¶

四、RTA (Real-Time API)¶

定义与架构¶

RTA 技术挑战¶

五、深度转化优化¶

从浅层到深层¶

付费 ROI 优化¶

六、零售媒体网络 (Retail Media Network)¶

七、CTV / OTT 广告¶

八、注意力经济¶

九、搜索广告复兴¶

十、Web3 圈子营销推广范式（以增长系统为中心）¶

10.1 常见目标（决定打法）¶

10.2 常用渠道矩阵（圈内的基本盘）¶

10.3 漏斗与指标（Web3 常见口径）¶

10.4 归因与数据的现实约束（趋势影响）¶

十一、短视频/直播/种草内容广告：商业化加速与反作弊升级¶

11.1 直播广告（直播间引流/直播带货）的常见黑产与防守¶

脱敏示例（现象）¶

被发现的过程（信号 → 告警规则 → 排查）¶

处置与处罚结果（建议写进方案）¶

11.2 种草广告（内容测评/笔记/攻略导购）的常见黑产与防守¶

脱敏示例（现象）¶

被发现的过程（信号 → 告警规则 → 排查）¶

处置与处罚结果¶

11.3 达人视频内嵌广告（口播/贴片/软植入）的常见黑产与防守¶

脱敏示例（现象）¶

被发现的过程（信号 → 告警规则 → 排查）¶

处置与处罚结果¶

十二、AI Chat / AI Search 时代：对程序化广告的冲击与新范式¶

12.1 关键变化：可点击库存减少，广告形态向“答案/任务”迁移¶

12.2 程序化链路的变化：从关键词匹配到“会话意图/任务阶段”¶

12.3 归因更难：路径更黑盒，“贡献分析/增量评估”更重要¶

12.4 从业者应该关注什么（短期能做、长期护城河）¶

12.5 对创业者的机会：新库存 + 新基础设施 + 新工具链¶

十三、技术趋势总结¶

与大数据开发的关联¶

推荐阅读¶