采訪手記

AI時代的好廣告，要有3個要素

胡南西：您一直在做廣告的測評，請您從營銷人，偏技術營銷專家的角度來說說，AI時代，我們應該從哪些角度來看一個廣告的好壞？

譚北平：今天的傳播環境下，我們認為一個好的廣告要有三個要素。第一個：不僅要人看得懂，還要AI看得懂。所謂AI看得懂，就是更容易的被AI Decoding，被AI解碼。這件事情非常重要。因為你要傳播的點，要跟AI解析出來的你的表達是一致的。比如說，我們有些廣告里面會用到一些文字的花體字，AI在讀這類文字的時候，就容易讀錯，它就會給出錯誤的標簽或者Keyword。那么在投放、推薦或者搜索上，任何需要用到算法的地方，都有可能會錯。所以只有AI讀得懂你，才有可能完成廣告的傳播任務。

胡南西：哇，這個觀點很顛覆！我們一會兒細聊，第二個要素是什么呢？

譚北平：第二個是要去激發受眾的反饋。因為任何廣告都是讓人去產生情緒、產生認知、產生行動的。一定要讓受眾產生反應。這個反應分很多種，一種是比較立即的，下單或者是點擊，一種是比較深刻的，感動、情緒、認知……無論是什么，都叫做激發受眾的反饋。

胡南西：那么，第三個要素呢？

譚北平：第三個，我們把它叫做：與品牌的價值對齊。同樣滿足前面兩個要素的廣告，可能對A品牌是個好廣告，對B品牌就不見得是好廣告。所以它要表達的內容，要和品牌本身的價值觀去對齊。你的品牌想表達的東西是什么，取決于你整體上呈現的調性，和你整體的表達方式是不是一致。既有宏觀要素，也有微觀要素，甚至到你的logo、顏色、情緒。比如說可口可樂可能就是要去表達一種歡樂的情緒、一種家庭觀這種很底層的價值觀。

所以說我認為，一個好的廣告，今天來說就這三件事：讓AI看得懂，讓受眾能有反應，與品牌的價值對齊，這個與過去是不太一樣的。

廣告投放

越來越受到AI推薦引擎的影響

胡南西：確實，我們一般會認為，廣告首先是給目標消費者看的，是要去激發消費者對我這個品牌的認可，或者直接下單。您說的“AI看得懂，而不僅是人看得懂！”這個觀點和我們大多數人的樸素認知是不一樣的，是因為現在的算法機制的影響嗎？

譚北平：在大眾傳播時代，你買的是排期，這個廣告一定會播出，就一定會被看到。在早期的數字時代，你也是買的流量，也是有確定性的。

但今天，越來越多的平臺是推薦機制。如果AI對你的內容的解讀是錯的，那你想想，這就會產生很多誤導和問題。比如說把品牌認錯了，或者廣告里引用了某一個大IP，這個IP沒被AI理解出來，這就會有很大的問題。有誤讀，有誤解，那更麻煩。

胡南西：AI推薦已經滲透到各種廣告的推薦了嗎？

譚北平：今天各大平臺的廣告投放工作中，已經越來越多地會有各種推薦引擎參與其中。今天的數字廣告，已經和DSP、DMP時代不一樣。當時對廣告內容的解析最多就是在合規、合法部分，但今天廣告平臺在投放過程中，交叉推薦、算法推薦會變成很重要的控制因素。

比如某廣告引用了一個很大的IP，假如是哪吒，如果AI只是發現有“一個調皮的動畫小男孩”，和AI認出來這是“哪吒”，那就是完全不同的推薦效果了。如果準確的認出來是哪吒，就可能會去匹配到一些對哪吒感興趣的人，如果只是“一個調皮的動畫小男孩“，匹配的結果和品牌想表達的東西就錯位了。

胡南西：所以現在的廣告投放越來越會受到這種AI推薦機制影響？

譚北平：像騰訊這些標準的廣告平臺，它的廣告流量的投放、采買以及匹配，越來越多的基于內容做自動化識別、匹配。這部分比例會越來越高。內容標簽和人的標簽加起來做自動推送。

內容標簽如果錯了，那就是一個災難性的事件。AI對于內容的理解，它不僅僅會涉及到文字、語音，剛才所說的關鍵人物，還會逐漸的涉及到里面的人物的情緒、情感，這些都需要讓AI讀得懂。

用AI測評來破AI推薦

胡南西：要“讓AI讀得懂”，在我們創作廣告的時候，需要注意什么呢？

譚北平：比如剛才說的有些字體的花體字，好像很藝術，人能看懂。但AI有時候看不懂。

胡南西：那是不是說，創意太牛了，藝術感太強了，反倒可能不好？

譚北平：也不能完全這么說。其實AI已經很厲害了，它可以讀懂很多東西。我們最近測了一些廣告，有些廣告它有很深的文化隱喻，AI真能讀懂。我們發現它對于引用的一些特定的沖突，角色的隱喻，甚至古典文獻里面的角色，它真的能很好的解讀，非常棒。

但是你要確保它別讀錯了，或者萬一你表達的中間有些歧義，它就有可能讀錯。最重要的是你要嘗試用AI來測試一下，用AI的眼睛看一下它所理解的廣告是不是你想表達的這個意思。

要轉好幾個彎的廣告，在今天不一定是個好廣告

胡南西：有的廣告創意特別厲害，一個真人，可能看了也要在腦子里轉幾個彎兒，才能夠理解這個創意。那是不是這樣的廣告未來也會被淘汰？

譚北平：這就屬于第二個部分了，就是激發用戶反饋。

確實，過分繞的廣告是一個問題。你繞的彎太多，確實情緒情感上可能會失焦，注意力可能會看不到。這也是為什么我們要去預測：“人對于這些畫面、聲音、情緒的反應是什么”的一個很重要的原因。

所有的信息都是一個Feeds流，一個信息流，我們要去預測和預判人在這些信息洪流里的各種反應。通過預判還要知道在表達上是否有問題。比如說我們最近看一些海外廣告，故事感很強，但是整個15秒、30秒只講一個故事，中國受眾可能會覺得不耐煩。因為中國的廣告往往3秒鐘、5秒鐘一定有個反轉，一定有個高潮。過去在電視廣告的場景下，那樣的表達是OK的。但隨著文化的發展、媒介消費習慣的變化，那種廣告可能就不行了。

胡南西：為什么呢？是我們中國人習慣了快節奏？

譚北平：因為注意力很容易流失。你講一個故事，后幾秒都能預判到了，那不用看了。如果在手機上，用戶就會直接劃走了。后面要干嘛猜都猜得到，這是不可以的。在今天的中國市場上，我們會看到一些新的表達、新的邏輯，其實就是要不停地在人特別容易流失注意力的時候把它拽回來。

AI 能很好地解構

我們過去認為很虛的東西

胡南西：您還說到了與品牌的價值對齊。廣告理論上就是個商業產品，按道理必須要與品牌的價值對齊！但價值這東西好像又很虛，只可言傳不可理喻，如何把握呢？

譚北平：與品牌價值對齊有兩層含義。

第一層含義是與品牌的相關SOP對齊。很多品牌過去經驗的積累，會形成一個SOP，包括一些很細節的執行規范，比如說一個奢侈品品牌，永遠要表達某種情緒，或者說我的logo在什么場景應該用什么樣的形狀來表達等等，這一類叫SOP。

第二層含義涉及到品牌的價值內核，體驗、情緒、價值觀的內核。很多品牌都有自己的品牌價值觀，我們以前只能靠人的腦袋來判斷廣告是否符合品牌價值觀，并且你很難把它解構。但現在用AI就可以了。今天AI對于內容的理解和內容標簽的理解，是完全可解構并量化的。

胡南西：這貌似就是很主觀的評判標準，怎么用AI做到的呢？

譚北平：我們有一個什么是“好內容”的標準，叫做“四有三友好”，有關系、有好處、有意思、有期待……我們把每個標準落到一些具體的點上，AI是可以去學習、去理解這些標準的，并且用這些標準去分析你的內容，給它打分。這就是生成式AI現在的能力，它能理解過去我們認為很虛的東西。生成是什么？生成就是一種語言的能力。到今天，大模型已經有了多模態能力、推理能力，所以，AI已經能夠很好的理解并解構各種內容。

胡南西：您能舉個例子嗎？

譚北平：比如說“什么是一種有關系的內容”呢？?針對“有關系”，AI可以去分析這些內容針對的人群是誰，誰更適合。跟受眾有關系，跟看的人有關系。就有一些非常具體的點，在標題、在內容側，會有針對具體的人的描述，比如什么樣的人需要，具體的痛點和具體的連接點是什么，這就落到“有關系”了。甚至可以讓AI來判斷，這個廣告看起來并不是適用所有的人，而是適用一部分人的，比如針對某類特殊人群，AI是完全可以分析得出來的。

AI時代企業應該把握的是內容篩選，不是內容生產

胡南西：過去做營銷都是“大品牌，大創意”，Big idea，您覺得在社媒時代、碎片化時代或者說AI時代，現在的創意和過去的創意有什么不一樣？

譚北平：我覺得最重要的一個不同點是創意生產。市場上本身有大創意，有小創意，一個叫Big idea，一個叫敏捷優化，就是精益經營，這是兩個完全不同的生產思路。

Big idea是說，我要通過洞察，突然找出“bling的一下”、靈感一現的這種moment的東西，甚至改變世界。

精益優化或者敏捷優化的邏輯是說，沒關系，我不知道那個“bling的一下”是什么，但我總會提出無數小的選擇和假設，用反饋的辦法不停的去逼近那個最優的結果。這是我們在大眾傳播時代、數字營銷時代，要去面對的問題。

胡南西：所以敏捷優化是AI時代的創意生產解決方案？

譚北平：我覺得，今天精益優化已經有點搞不定了。因為精益的問題，通過大量的AB測試，就能搞定。但今天的問題是：生成式人工智能來了之后，我們的內容生產變得越來越快、越來越廉價。AI生成文案已經毫無問題，今年海報上面有文字已經可以了，今天中國的即夢、海外的Meta，也都已經15分鐘就能生成一只標準類型的廣告了。

在內容生產力爆發的情況下，企業能掌握的是什么？企業是去掌握供給，還是掌握篩選？我覺得，企業方、品牌方不太必要、也不太可能去掌握生產，反而是要去掌握篩選和決策這件事情。

胡南西：為什么企業不去掌握生產，而去掌握篩選呢？

譚北平：秒針營銷科學院和復旦管理學院市場營銷學系最近在研究一個概念，叫做AIGD。AIGC是AI Generated Content，但是因為Content太多了，從Content這個角度來說，我們需要做Decision，并且是AI Generated Decision，就是AI來生成決策，來輔助決策。

雖然好多企業都在努力建知識庫，做洞察驅動的內容生產。但是一個企業要訓練出一個完全不同的內容生產引擎，是很困難的。內容生產最優的選擇，反而是讓所有市場上最優秀的生產引擎都一起到你這兒來“賽馬”。就像過去找廣告公司招標一樣，你不是只找一家，而是多家。企業把握住篩選的標準，性價比才是最高的。

當內容生產越來越多、越來越快的時候，企業能把握的反而是它的“篩選”能力，這是企業最需要把握的。有點像什么呢？企業要招人，它不會自己去培養人才，而是會依賴各個大學。大學培養的人才越來越多，企業怎么決定要什么樣的人才呢？靠招聘，靠篩選。

我們說這是一個測量的時代，在內容的海量生產背后，篩選會越來越重要。怎么篩選出來效果又好、又符合品牌價值的內容，會變得越來越重要。所以我們要做創意測量這件事情。

AI測評的價值：提高廣告的成功率

胡南西：廣告測評一直都有的。

譚北平：這個需求是一直都有。從全球的角度來說，標準的廣告測試市場是永遠在的。盡管我們中國短視頻在崛起，但是對企業主來說，廣告制作和投放都有相當大的投入，所以需要做廣告測評。

胡南西：過去主要評什么？調性或者價值觀這些東西嗎？

譚北平：都有。除此之外，消費者的喜歡程度、跟品牌的linkage、反映的情緒狀態等等有評分，并且有一個全球標準的紅綠燈機制。綠燈，表示測評過了，可以出街了，可能有瑕疵，你也可以不用太費勁修改；紅燈，表示不建議出街，你就得回去想想為什么不過；黃燈，中間狀態，如果特殊情況著急可以用，如果不著急，再看看有沒有要優化的點。這是一種管理手段。

胡南西：過去的廣告測評是怎么做的呢？

譚北平：以前的廣告測試，往往是企業總部管理，總部會要求各個國家市場都使用某個廣告測試產品和測評標準。因為總部一般不太會去指揮各個國家具體應該怎么拍片子，但會要求片子里面必須符合某些標準。通過對這些標準的測評，來管控各個市場、BU交付的廣告片的一致性。

企業一般每年會挑幾只廣告片來測量，連續測上一、兩年后，大概就知道什么樣的方向、什么點是可用的了，企業就有知識了。下次有新廣告的時候，可以省錢先不測了，根據之前測評得出的知識，人工再判斷判斷就可以了。但這類測評過去是通過消費者調研來做的，很貴、很慢。今天新的模式下內容越來越多，最好是每個都用AI過一遍，整體的工作效率就提高了。

胡南西：和過去人工做測量相比，你們的AI測評有什么不同或者更先進的地方嗎？

譚北平：過去我們人在看數據的時候，一般看幾個關鍵指標有沒有達標就夠了。但是AI真的可以實現一秒鐘一秒鐘的看數據，看變化。在給具體建議的時候， AI真的反復閱讀了你所有的內容、所有的數據，包括過去我們人都不太會看的那些數據，它都會全看一遍，非常細節，并且能做總結，做歸納。

所以，今天AdEff的優勢就是，第一它能給出綜合性的評判，第二它能很細節的給出具體每秒的表達有沒有問題，有沒有優化的建議。

胡南西：AdEff測評的高分廣告，就一定能火嗎？

譚北平：測評的目的并不在于“火不火”，我們的定位是幫助企業把握住篩選的標準，提高廣告的成功率。

我們認為，未來的廣告測評或者內容測評可能是這樣的：AI快速的全量測一遍，如果中間還有一些待定的、不確定的問題，可以再用真實的消費者去做細節的校驗或者驗證。

在營銷上，將某個指標提升到高于平均水平上一點，是很不容易的事。用AI來快速、高頻地做廣告出街前的測評、篩選，就是一個不停的提高廣告成功率的過程。

廣告能否起效有3大指數：注意、情緒、認知

胡南西：AdEff具體測評哪些指標呢？您剛才講到了AI時代一個好廣告的三個要素，你們做的廣告的測評，也是以這三個要素為原則或者標準來做嗎？

譚北平：是的。AdEff現在首先解決前兩個原則。

第一個是AI decoding，AI會對每個內容和每一秒的內容進行理解、解碼。看AI的理解，是不是跟你整個片子所希望表達的一致，這是一個很重要的點。

第二個是激發受眾的反饋。我們目前引用的是基于神經營銷學的數據，人的注意力、人的情緒反饋和人的認知加工過程，這是一些很重要的指標。比如說前三秒往往是要去完成一個什么樣的任務；來到中間你的品牌出現的時候，應該完成什么任務；在結尾的時候，應該完成什么任務。這些都屬于在不同的時刻里面，激發受眾的反饋。

第三個是與品牌價值對齊，這部分是我們要為企業定制的。它會成為企業獨有的一個篩選標準。而且這是個在線系統，不會隨著某個員工離職而丟失這些標準。

胡南西：注意指數、情緒指數和認知指數，為什么是這三大指數？

譚北平：在神經營銷學里，廣告起效用有三個方式。

第一是注意，就是人會不會看到，或者看什么地方。這是廣告首先要解決的問題。比如說有時候在短視頻里，會故意說錯詞兒，或者故意前后不一致，弄些梗，反倒在這個地方你的注意力被調動起來了。

第二，信息進入到人腦之后，有兩個反應：一個反應叫情緒反應，情緒是正向還是負向的；另一個反應叫做認知加工過程，有沒有入腦留下記憶。有一些信息聽完了就過去了，一帶而過沒記住。還有一些很復雜的信息，或者一些關鍵信息、獨特的表達，人記住了。比如廣告里有沒有一些梗、轉折、有趣的引發思考的圖像或者聲音，會讓人有警覺、有思考、有想象的過程。這個就叫認知的過程。

這三個指數，是基于人腦對于多模態信息加工的特點來做的，貫穿了整個廣告的所有溝通界面，涉及到你的品牌的露出、故事的節奏……在神經營銷學里，這也是三個最穩定的指標，有足夠的數據積累。

胡南西：企業的定制，在AdEff上，如何實現呢？

譚北平：一般來說，企業需要有自己的一個標準規則，大部分大企業都是有的。然后把這些規則放進去，進行模型訓練和調試，訓練企業的定制模型。這個過程不是簡單的放進去就能用，還涉及到企業的表達和規則，在模型上面是不是能很好的體現。

超圖多模態大模型+MoE混合專家模型組合

胡南西：AdEff用AI做廣告測評的技術原理是什么呢？您能概要的說一下嗎？

譚北平：具體的過程還是比較復雜的。形象的說，一個廣告片放上去，AI會抽取出音頻、畫面、文字等等。一部分是音頻分析，包括說的話，語音，各種拆解、量化、分析；另一部分是畫面分析，把畫面按秒抽取出來。最后是梳理出前后邏輯，挖掘出主客觀的因素。所有的信息就會變成一整套的token，模型會基于解析的主客觀數據，預測消費者看到廣告時，上面提到的3種指數的變化。這些拆解、量化和分析，主要使用了我們的超圖多模態大模型和我們過去積累的廣告測評數據。

然后是MoE混合專家模型部分。基于前面的這些token，系統會模擬出不同的角色。有洞察專家、視覺專家、廣告法專家、文化專家……這些各種各樣的角色會拆解分析剛才這些token內容。像開會一樣，每個專家從他的角度會有意見，再有一個綜合的Agent，把這些意見綜合分析。

明略的超圖多模態大模型，

在主觀預測方面遠好于ChatGPT

胡南西：明略的超圖多模態大模型，它是個什么樣的原理，您能否簡單的跟我們說說。

譚北平：說“超圖”，要先理解什么是“圖”。“圖”是一類特殊的數據結構，不是一個圖片的意思。它是節點（實體）和邊（關系）的數學抽象，用來描述“誰和誰以什么樣的關系連接”，比如我們熟悉的知識圖譜就是一種圖結構。而“超圖”，hypergraph，指的是一種擴展了傳統圖結構的數據表示方式，可以建模多個對象之間的高階關系。

超圖多模態大模型就是基于圖數據這個概念衍生出來的。明略的大模型團隊用這種新的算法機制進行了深入的研究，研究成果被國際頂級期刊收錄認可。明略的研究也比較了超圖多模態大模型和標準通用大模型在廣告識別方面的效果。在主觀預測及客觀描述方面，超圖多模態大模型加上獨有訓練數據，效果要遠好于ChatGPT這些標準通用大模型。AdEff的基座就是這個模型。

胡南西：您剛才提到獨有的數據，是些什么樣的數據？

譚北平：我們過去幫企業測評一個廣告，一般會用眼動、腦電數據，真實的反映人的反應。也會輔助問卷，了解他們的主觀感受或態度。兩個方向不一樣。人的訪談回答往往是籠統的，覺得這廣告挺好的、很喜歡……很難問出非常具體的每一秒的反應。但眼動、腦電能夠看到人在觀看廣告時每一秒的反應。

我們研發了一整套的軟硬件，對廣告做很多測量。每次都需要幾十人以上，戴上設備去測量：看這個廣告片的時候，眼睛看了什么地方，腦電有什么波動。十年的時間，有大概幾千次廣告，我們積累了有10萬次以上的測量數據。用這些數據來訓練超圖多模態大模型，就可以模擬預測出，看到廣告之后人的情緒反應。互聯網上的一般性數據，已經被各個大模型抓得差不多了。但是因為我們有相對獨特的數據，才有機會去研發這樣的垂類大模型。

測評的目的在于提升廣告整體的成功率

胡南西：你們將廣告分為黃金3秒、興趣時刻、品牌時刻、信息時刻、結尾3秒，這個結構性的分法是業界通用的嗎？

譚北平：對，這是一個比較通用的分法。在不同的時刻里面，廣告要承載的任務會不一樣，所以AI在看指數做分析的時候，方向也會不一樣。

胡南西：信息時刻是指什么？

譚北平：就是你在傳遞某一個有用的message。廣告有時候是一種說服性的結構。一種很經典的結構是：提出問題，指出這個問題的解法，最后的品牌高光……提出問題就是一個信息時刻。

胡南西：現在你們只測60秒之內的廣告，為什么不測更長的？

譚北平：太長了，我們認為不太適合當前這個框架了。我們正在去拓展新的像短視頻等其它內容的測評框架。

廣告的目的是去做大規模的覆蓋。而短視頻大多是兩三分鐘，往往只在自己的官微、官號發布，看的受眾有限，可能播放幾十萬就已經不錯了，這和廣泛的觸達還是有點不同。短視頻重在造勢，更關心的是完播、話題感、自傳播力等等。所以我們目前是以廣告為主，先做的是一個相對標準的，以廣告為核心的測評產品。

胡南西：還會做其它形式的廣告測評嗎？

譚北平：我們也在積累豎版廣告的測評數據。豎屏和橫屏差距還挺大的。橫屏往往表達的是一種第三人的視角，你是一個觀眾。但是豎屏往往是懟臉拍，一般會是對話式的，人物形象更近，鏡頭感會更強，表達的是：這個形象跟你在對話，你是一個參與者。所以橫豎版廣告在情緒、鏡頭、語言各方面表達上的差異非常明顯。除此之外，我們也在嘗試對靜態的產品包裝和平面廣告做測評。

胡南西：AdEff評的是品牌向的廣告，效果向的能評嗎？

譚北平：效果向廣告，它是賽馬機制。直接投放“賽馬”，直接看效果。很多效果向的廣告，是會傷害品牌的，過去缺少管控。比如廣告里會說市場最低價、史上最低價。雖然效果也許好，但是很多品牌是很注意管控的。比如說奢侈品品牌，絕不會說“打一折”，它會說走尾貨，因為說打折會嚴重損害它的形象。

效果類廣告過去很少做測評，因為過去的測評效率很低。但有了AI測試后，同樣可以用AdEff做一下效果類廣告的測評。我覺得企業未來在內容管控上的需求會越來越多。

廣告測評適合3大場景

胡南西：在企業端，您這個產品應該是哪些部門使用呢？

譚北平：甲方的洞察部門、數字化部門以及內容管理部門。一類是做前測，一類是對體系內所有內容進行評價，形成知識庫，這也是必要的。

胡南西：更詳細地說，咱們這個產品現在適用的客戶場景有哪些呢？

譚北平：有三類場景。

第一類場景，品牌方可以用AdEff做第一輪的初篩和初步評價。選出好的廣告，同時通過測評可以發現并避免一些出錯的可能性。

第二類場景，幫助品牌方建立對廣告內容的量化評估標準。品牌過去最多能有投放數據，像內容數據往往沒法量化評估。AdEff可以幫助客戶內部的內容數據逐步形成一個可量化的評估標準。

第三類場景，幫助創意公司建立廣告的交付標準。對于很多創意公司來說，他們也需要尋求一種交付標準。因為創意這件事情，誰都可以說點意見，什么叫好，什么能過關？過去是見仁見智。量化標準能夠幫助創意公司，讓廣告內容的交付有標準，從而提高交付的效率。

胡南西：有什么技巧，能夠更好的用好這個工具？

譚北平：AdEff非常用戶友好，操作過程也很簡單，還支持包年不限量使用。我們希望客戶有內容出街，或者準備出街的時候，就傳上來看一看。你的內容生產越多，我們愿意幫你評得越多。

用戶可以把你自己的、你關心的競品的、你覺得好的廣告都放進來，通過我們測評提供的各種數據和指標，形成你自己獨特的benchmark測評標準。你就知道哪些是可以借鑒的，哪些別人做得怎么樣。

未來的商業，就像一個大型對抗網絡

胡南西：您認為，AI在內容這塊兒還能做些什么事兒？

譚北平：AI幾乎能參與內容產業的所有環節。包括洞察驅動的內容生產、內容生產后的測評和篩選、內容后效的追蹤，企業自己內容知識庫的構建。

從測評的角度，我們會把它延伸到內容驅動決策，就是我們前面提到的AIGD。AIGD決策會分好多種，包括戰略決策、定位決策到運營決策。內容決策只是運營決策的一部分。

前段時間，我去參加亞馬遜的一個活動，其中就有一個很有意思的應用——AI選品，這是一個很重要的運營決策。選品本身的失敗率很高，成功率估計也就30左右，如果能把30往上提一提，就是一個很重要的決策。選品跟選內容很類似，還有很多這種篩選、評估、預測性的決策，未來都是AI可以去做的。

胡南西：您覺得像廣告公司的這些所謂的創意人，未來他們的角色在哪兒呢？

譚北平：我覺得有了AI后，創意人明顯可以再瘋狂一點。創意人過去的角色，是要去找靈感、找一種最優的選擇，或者有更多發展性的選擇。未來創意人和AI一起組合，他來用AI，可以實現更多、更有發散性的構想。并且有了AI后，創意供給側可以大幅提高內部效率。

創意公司和企業方，用人工智能的說法，也許也是一種對抗網絡。企業提需求，創意公司來實現，企業來篩選、評判，創意公司去修改，所有這些，都沉淀到一個垂類模型，或者一套測評系統里。

未來的整個商業就像一個大型對抗。這種對抗就是一種更強化的學習，通過強化學習不停的摸索，找到最優解。

本文轉載于公眾號CMO訓練營