01 全球視野：商業智能體的發展浪潮與實踐探索

近年來，商業智能體已成為全球科技與商業領域的焦點議題。市場研究權威機構 Gartner 將 Agentic AI 納入 2025 年十大技術趨勢之一，預測到 2028 年，15% 以上的日常工作決策將由 Agentic AI 自主完成，而該比例在2024年是零。

這一增長的背后，是技術突破與市場需求的雙重驅動——大語言模型賦予智能體理解自然語言、解析復雜業務的能力，而企業對決策效率與質量的追求，則推動智能體從概念走向規模化落地。

商業智能體的核心價值，在于模擬人類決策的“認知-判斷-行動”邏輯，卻突破了人力在數據處理、分析效率上的局限。它能夠理解復雜的業務問題，通過多源數據的整合分析，快速生成精準的洞察，并依據預設的目標和規則，提出切實可行的行動建議，甚至直接參與部分行動的執行。

海外市場已涌現出一批具有代表性的實踐案例。在通用領域，OpenAI 推出的 Operator 通過連接多工具生態實現跨場景任務處理，為行業提供了通用智能體的技術范式；谷歌在 I/O 2025 公開的 Project Astra，則憑借多模態交互能力實時感知環境并聯動業務工具，在零售、服務等場景提供精準的決策輔助與行動建議。

這些實踐共同指向一個核心：商業智能體正在放大決策效能，構建“人機協同”的新型決策模式。

02 核心邏輯：

可信商業智能體的技術根基與價值維度

隨著商業智能體在企業決策場景中的加速滲透，其 “可靠性” 逐漸成為企業選型的核心考量。畢竟，決策涉及企業戰略方向、資源分配等關鍵環節，任何分析偏差或邏輯斷層都可能引發連鎖反應。因此，企業在引入商業智能體時，不僅要關注功能豐富度，更要重視能否在復雜業務場景中保持穩定輸出與結果可信度。

“可信”并非單一技術指標，而是數據質量、算法可靠性、業務適配性與系統穩定性的綜合體現，貫穿于技術底層與業務應用的全鏈條。

從技術底層看，可信的基礎是 “數據 – 算法 – 系統” 的協同支撐。數據層面，智能體需具備多源數據整合能力，構建全面的決策數據底座；算法層面，多 Agent 協作機制是關鍵 —— 不同智能體分工負責數據清洗、趨勢預測、風險評估等專項任務，如同跨領域專家團隊協同作業，既保證分析深度，又通過交叉驗證提升結果可信度；系統層面，穩定性與安全性是底線，需通過持續迭代優化，建立數據權限分級、操作留痕等機制，保障決策數據安全。

從業務應用看，可信商業智能體的價值體現在決策全流程的深度滲透。在感知階段，智能體通過實時數據掃描，捕捉市場趨勢、客戶需求、競品動態等關鍵信號，避免人工監測的遺漏與滯后；在認知階段，依托行業知識圖譜與歷史決策數據，對感知信息進行關聯分析，挖掘 “數據表象 – 業務邏輯 – 潛在風險” 的深層關聯，提供可解釋的洞察結論；在行動階段，結合企業戰略目標與資源，將洞察轉化為具體可行的決策建議，而非空泛的趨勢描述。

03 實踐價值：

可信商業智能體如何賦能企業決策升級？

1. 提升決策精準度，降低風險成本

在復雜商業環境中，決策失誤的代價顯著上升。傳統決策依賴少數人的經驗判斷，易受信息不全、認知偏差影響。可信商業智能體通過全量數據整合與多維度分析，為決策提供更全面的依據。例如，在新產品上市決策中，智能體可整合用戶調研、競品定價、供應鏈能力等數據，模擬不同定價策略下的銷量、利潤與市場份額，幫助企業找到 “收益 – 風險” 平衡點。

2. 加速決策響應，把握市場先機

傳統決策流程涉及多個部門的數據收集、層層匯報與反復討論，耗時較長。可信商業智能體打破了這種繁瑣的流程限制，實現決策流程的自動化與智能化。當市場出現突發情況，如競爭對手推出新的營銷策略，企業可通過可信商業智能體自動收集相關信息并進行分析，在短時間內生成應對策略建議，包括是否跟進、如何差異化競爭等，幫助企業快速響應市場變化，在競爭中搶占先機。

3. 沉淀組織智慧，傳承決策經驗

企業的決策智慧不應因人員流動而流失，可信商業智能體能夠將企業過往的決策經驗進行數字化沉淀與智能化管理，不斷優化自身的決策模型與建議策略。這種 “組織記憶” 的積累，使企業決策能力隨數據與經驗增長不斷提升。

4. 助力戰略決策，推動企業長遠發展

企業的戰略決策關乎未來的發展方向與核心競爭力的構建。可信商業智能體憑借對宏觀市場趨勢、行業發展規律以及企業內部資源與能力的全面理解與分析，為企業的戰略決策提供有力支持。當企業考慮拓展海外市場時，商業智能體可以綜合分析市場規模、增長潛力、政策法規、技術壁壘以及企業自身的資源優勢與協同效應等因素，從多個維度評估進入新市場的可行性與潛在風險，為企業的戰略規劃提供科學依據，助力企業實現可持續的長遠發展。

生活家電：吹風機、剃須刀品類各有看點

母嬰用品：奶瓶、濕巾聚焦細分需求

清潔家電：頭部品牌割據，技術與場景雙驅動

「數據聲明」
此榜單根據明略科技社媒營銷洞察AI助手魔方Pro等平臺實時數據與分析，構建動態消費決策問題集，并基于問題集與10+主流AI大模型工具平臺實時對話，最后分析文本結果得出排名。由于線上數據處于時刻更迭狀態，榜單結果僅作階段性結論。該榜單將每月持續更新，繼續拓展品類覆蓋范圍，并為大家帶來不同品類的品牌排名變化情況，為品牌在生成式AI時代的營銷決策提供更全面、更前瞻的數據支持，為更多行業品牌營銷效果提供動態監測參考。

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

整理〡秒針營銷科學院

觀點來源〡知乎GEO沙龍上海站

內容策劃〡張慧

什么是GEO?

什么是GEO？

GEO，生成引擎優化（Generative Engine Optimization），由普林斯頓大學、印度理工學院ITT Delhi的研究者，在2023年底合作的同名論文中率先提出，指的是通過靈活的黑盒優化方法，改進網站/內容在生成式搜索引擎回復中的可見性。

Q：AI的出現讓用戶的消費模式發生了怎樣的變化？

李奕晨：

一是用戶的問題更完整、更直接。

傳統的搜索，搜索詞平均長度在3到8個字之間，通常很零散，用戶通過關鍵詞找到相關信息后，再進一步找跟自己需求更匹配的信息。

如今的AI 搜索，用戶表達的，更多是一個完整的、直接的問題，用戶或者問清晰的問題，或者把對應的情景描述出來，但不管哪種，AI都能給出對應的答案。

具體到某個選購場景，用戶通常不會籠統的問“運動鞋怎么選？”，而是會說“我要上體育課，或者我是一個愛跑步的人。我現在腳受傷了，應該選什么樣的鞋或者裝備？”這是非常具體地，深入到某個場景的問題。

二是多輪對話、持續互動。和傳統搜索相比，AI最大的不同，是它能“記憶上下文”。用戶有時候很難一次性表達清楚自己的想法和訴求，經常會出現用戶拋出“我身體不舒服……？”，AI回復中提到“建議多做一些運動”，用戶反過來問“我想做運動，有什么建議？”的情況。

整個過程中AI和人會持續互動，反向挖掘用戶需求。

目前，從用戶搜索行為習慣來看，這是比較明顯的變化。

Q：在給AI描述需求的過程中，用戶在情緒上很松弛，語言結構也會更嚴謹。請教譚院長，據您的觀察，AI 時代用戶的消費模式變了嗎？

譚北平：

這里我們要提一個新概念——AIGD。AIGC我們都知道，是AI生成內容，AIGD其實是AI生成決策。過去，媒體是我們“眼睛”的延伸，今天AI正在放大媒介的價值，讓它成為“大腦”的延伸。

中國的媒介消費，有兩點，跟海外很不一樣。

一是更“老少皆宜”。各個年齡段，甚至“不會寫字的”都會積極地用，用戶年齡跨度非常大；

二是用戶態度更“開放”。中國消費者是全球最相信科技的消費者，他們對 AI 答案的信任程度遠高于其他國家。國外很多國家對 AI會本能的排斥，但中國消費者是非常開放的。

Q：消費者的行為有了很多改變，對品牌方來說，AI帶來了哪些營銷上的機遇和挑戰？

顧蓓蓓：

品牌主或廣告主會先看數據，看用戶到底怎么用 AI，AI 的滲透率到了什么程度。剛才我們做了一個簡單分析，通過抽樣來看，過去一個月大概有 80% 的用戶用了AI工具，這種使用包括了間接的和直接的。從這個角度看，廣告主會認為AI既是工具，也是內容載體。

對他們來講，機會在于AI可以讓品牌有更多機會被用戶看到。剛才奕晨老師分享的一個詞特別好——多輪互動，用戶在AI上跟AI的互動是交互式的，他們會進行多輪對話。在長對話里，品牌被看見的幾率也會增加。

另一方面，挑戰在于，現在做AI營銷，不單單要分析用戶的搜索行為，還要分析 AI 的思考和輸出框架，并且基于輸入和輸出的洞察，來設計品牌被AI推薦的策略。

Q：從SEO到GEO：搜索入口的遷移如何迫使營銷范式重構？

桑田：

AI是偏理性的。回答這個問題時，我腦子里突然閃現了一句廣告詞“你值得擁有”，這里沒有任何貶低品牌的意思。在電視以及互聯網時代，這是句非常有感染力的廣告語，但在AI時代，如果把“你值得擁有”輸給 AI，它是無法理解的。

SEO時代，品牌會在官網展現品牌調性、產品序列、功效和細節，放在過去，這是奏效的，但現在，當我們把一個國際美妝品牌丟給AI做分析，會發現從它的語料收集和輸出來看，官網的引用量都偏低。

與此同時，我們也看到一些數據公司在做不一樣的事兒：把用戶可能問到的問題，以 FAQ 的方式集成在自己的官網里。

從美妝品牌的思路看，就是把包括“我怎么確定膚質？”“什么是油皮？”等問題的內容整理成AI看得懂的問答對，這種內容按理不該出現在品牌官網上，但AI時代，類似的語料如果能在官網展示，同時用戶在AI搜索里能觸發，對于品牌而言，反而是加分項。

按這個邏輯，在 AI 搜索環境里，很多以前偏情感營銷、品牌營銷的美妝品牌，就需要讓自己的信息和品牌優勢、產品賣點，以AI讀得懂的方式，滲透到 AI 搜索的回答里。

譚北平：

對品牌來說，AI目前是新配置。任何媒介，等所有用戶都用它時再投資，往往已經來不及了。一個新媒介出現，最先吸引的，一定是最有創造力、最有行動力的人群和品牌。從這點出發來思考，我覺得品牌不需要特別仔細的看數據，現在就是品牌投資AI最好的時機。

我最近和復旦大學金立印教授一起寫了本新書——《生成：AI 生產力重構營銷新范式》，其中有一章，內容就是“改變AI對你的認知”。

書中我們有個很鮮明的觀點：用對待“人”的方式對待 AI，把它當成一個更復雜、會吸收信息也會表達信息的人。你如果能說服AI，讓它覺得你是個厲害的品牌，讓它能很自信地向其他人推薦，你就成功了。

所以廣義來看，我甚至覺得 GEO 還是窄了，因為它還是從搜索的視角看人認知的變化。AI能影響那些不搜索的人嗎？答案是肯定的，因為用AI的人還會影響不用AI的人。

我們做過一個研究，問了幾十個品類的3000 多個品牌，發現 AI 能推薦的列表并不長，大概只有 7~9 個，人的短時記憶容量其實也只有 7±2。這說明，傳統的定位理論在AI時代，還是奏效的，但品牌得搶，得有獨特性，得創造新的 token。

Q：GEO時代，AI更偏愛什么數據？

范昊迪：

需要說明的是，現在絕大多數營銷用到的數據，并不會進入大模型的訓練。模型的預訓練階段，需要做大量數據清洗工作，把重復內容以及廣告內容等都刪掉。所以我們談“AI 喜歡的數據”，指的并不是訓練階段的數據，而是剛才奕晨提到的，產品開發過程中 AI 的“數據品位”。

總結來看，GEO 時代，AI的信息偏好可以分成前后兩個階段，前期，它更偏好結構化、知識密度高、邏輯自洽且篇幅較短的信息，這點可以從 AI 搜索產品的技術路徑倒推：從非聯網到聯網，再到 RAG，本質是在模擬人的知識檢索過程。

這個過程中，品牌能優化的，其實是“數據被發現”和“數據被信任”這兩個環節。

后期，AI不再需要提升模型的認知能力，而是要讓AI更像人、做更對的決策，所以，我們不會再討論“AI 的數據品位”，而是回到“人的數的品位”。從這個角度看，后期品牌能做的，是構建自身的影響力。

Q：如果品牌想入局 GEO，前三步該怎么走？

譚北平：

從我們的角度，分三步——摸現狀、定策略、做內容。

第一步，摸清當前的AI認知狀況：包括AI推薦里品牌的位置、可見性，以及推薦度等。很多客戶目前已經在做這件事。

第二步，制定策略。有些公司服務大B客戶，有的專注細分賽道。市場里，頭部往往贏者通吃，但新品牌可以找差異化定位。比如貓糧賽道太卷，就聚焦“老年貓”等細分市場，做強獨特性。未來，差異化定位更重要。

第三步，內容布局。一部用來做短期、流轉快的“短記憶”；另一部分做長期、可沉淀的“長記憶”。比如“上呼吸道感染該不該立刻吃抗生素？”這類知識，短期看和醫藥大盤無關，卻是品類認知問題，需要長期培育。

顧蓓蓓：

我拿一個國際美妝品牌的案例做分享。做 GEO 時，他們會先解決“讓 AI 信任”的問題：做定制化內容營銷，打出差異化，用 E-E-A-T 原則（經驗、專業、權威、可信）做內容，讓模型愿意引用。具體做法是把E-E-A-T的四層要求落到具體的廣告內容創作里。另外，因為不同 AI 工具引用內容的權重和特性不同，內容投放時也要有所側重。

第二步，回歸用戶洞察。AI 對話場景下，用戶不會只問“美白產品”，而是會問“曬黑了怎么辦？”“怎么全身美白？”。品牌要在搜索前布局這些關鍵詞，搜索中還要回答用法、場景、與競品的差異、適合人群、如何維持效果等問題——把場景拆細，做最大程度的關鍵詞覆蓋。這對投放的專業能力要求很高。

桑田：

我分享一個華東客戶的案例，大家應該都服務過美孚、殼牌等國際機油和石化合成產品公司。以前它們會拿固定的預算，在汽車媒體做品牌廣告，也會針對普通車主做內容營銷，比如“如何選擇機油？”等。

如今到了AI時代，類似的品牌已經迅速把原來放在官網的，關于機油標號、粘稠度、零度以下適用型號、美系/日系/德系車對應機油等知識點，快速投喂給了 AI，形成了契合自己產品體系，以及用戶用車、保養需求的完整問題庫。

這樣一來，當用戶用 AI 搜索“我開一輛日系天籟，該用什么機油？多久換一次？推薦哪個品牌？”等問題時，就能匹配到品牌提前布好的知識點。

對于使用場景窄、競爭不激烈的行業，這能讓品牌迅速在 AI 搜索里占得先機。對手機這類競爭激烈的大品類，短期內僅靠語料優化也許撼動不了 OV、小米等頭部品牌，但細分領域的品牌只要動手早，就能快速冒頭。

GEO vs SEO?—— 從“人找信息”到“信息找人”

要理解這場變革的核心，首先需要明確：什么是GEO？它與傳統的SEO有何本質差異？

GEO（Generative Engine Optimization，生成式引擎優化），由印度理工學院德里分校與普林斯頓大學學者于2024年提出，旨在通過結構化內容、可信數據源構建及語義適配，讓品牌內容成為AI生成答案的“標準信源”，實現“答案即品牌”的直接曝光。相較于傳統搜索引擎優化（SEO），GEO的本質是應對“用戶從‘主動搜索’轉向‘被動獲取’”的代際需求——當用戶不再需要“主動搜索”，而是“問AI要答案”時，品牌需要讓AI“主動推薦”自己，而非等待用戶點擊。二者的差異主要體現在五大方面：

優化目標

• ?SEO?：爭奪傳統搜索引擎的網頁排名，通過用戶點擊實現流量轉化。???

• GEO?：成為AI生成答案的直接引用源，用戶無需點擊即可獲取品牌信息，縮短決策路徑。??

內容策略?

• ?SEO?：依賴關鍵詞密度、外鏈建設等技術指標，內容以吸引點擊為導向。???

• GEO?：要求內容結構化、邏輯鏈清晰，適配多模態，便于AI抓取整合。??

技術適配?

• ?SEO?：優化頁面加載速度、移動端適配等基礎指標，適配搜索引擎爬蟲規則。???

• GEO?：需兼容大模型訓練偏好。??

評估體系?

• ?SEO?：核心指標為關鍵詞排名、點擊率（CTR）及頁面轉化率（CVR）。???

• GEO?：關注引用頻次、AI答案首推率，以及跨平臺引用一致性，強調長期知識沉淀效應。??

應用場景協同?

• SEO?：適用于需用戶深度驗證的場景，通過點擊訪問完成轉化。??

• GEO：適用于AI問答場景（如“推薦最佳方案”“產品對比”），實現零點擊轉化。??

用戶喜歡在AI里搜什么？從“泛搜索”到“決策輔助”

GEO的提出并非偶然，其背后是用戶需求與技術趨勢的雙重驅動。根據多項行業調研，用戶搜索行為正經歷從早期的“泛知識查詢”（如“XX是什么？”）到“具象化決策輔助”（如“XX怎么選？”“XX哪個更適合我？”）的顯著升級。這種需求變化直接影響了品牌需要關注的搜索重點與內容布局。

從搜索引擎與社媒提問趨勢看，用戶高頻搜索場景可分為四類：

對比決策類：“XX和XX哪個更好？”“預算500元以內，性價比最高的無線耳機推薦”；

參數解讀類：“這款冰箱的‘一級能效’具體省多少電？”“相機鏡頭的f/1.8光圈適合拍什么？”；

場景適配類：“適合租房黨的迷你洗衣機有哪些？”“帶娃出行必備的便攜用品清單”；

風險規避類：“XX品牌最近有質量問題嗎？”“長期用這款牙膏會有副作用嗎？”。

以母嬰品類為例，新手媽媽常問AI：“1段奶粉和2段奶粉的區別是什么？我家寶寶6個月該換了嗎？”——這類問題的核心，是消費者對“專業建議”的強依賴。用戶不再滿足于“找到商品”，而是需要AI幫助“縮小選擇范圍”“理解復雜參數”“預判使用風險”。

品牌如何應對GEO趨勢？從“影響人”到“影響AI”

當用戶的決策輔助需求倒逼AI成為“第一推薦人”，品牌的營銷戰場也從“用戶心智”轉向了“AI認知”。

那么，AI如何處理用戶需求？其底層邏輯可簡化為“拆解問題-分配任務-匹配答案”：非聯網模式下，AI從訓練數據庫中檢索推理；聯網模式下，則調用互聯網最新內容。

值得注意的是，不同大模型的信息偏好、用戶的提問側重會導致推薦差異。哥倫比亞大學團隊研究發現（論文《What Is Your AI Agent Buying? Evaluation, Implications, and Emerging Questions for Agentic E-Commerce》），AI購物助手存在明顯個性化偏好，不同模型對于相同商品可能做出不同的推薦決策，且對商品在頁面的展示位置極為敏感。這意味著，品牌需要從“內容創作”延伸至“算法適配”：不僅要生產高質量內容，更需要確保內容在不同模型的“高權重來源”中具備高認知度與可信度。

從推薦到下單，AI驅動的消費決策鏈條依賴平臺與數據的深度互聯互通，這條路仍處于探索期。但數據洞察始終是連接機器與機器、品牌與消費者的核心紐帶——沒有數據，就沒有AI時代的品牌管理。依托強大的AI與數據分析能力，明略科技將助力品牌“被看見”“被信任”“被選擇”，在AI時代構建可持續的認知優勢。

預測消費者對不同內容的反應，研究清楚“什么樣的內容更具吸引力？”是營銷人一直試圖解決，但卻極為困難的命題。

因為不同的人，對視頻創意和內容的理解，往往存在很大差異，不管是小樣本調研、訪談，還是神經營銷學測試，都無法解決全量、個性化廣告測試的問題。

但人工智能技術讓注意力預測迎來了突破。近日，媒介360關注到，明略科技研發的AI驅動的廣告測試及優化產品AdEff，通過了樣本及專家雙重驗證，正式進入實用階段。

AdEff于今年6月19日在新加坡發布，面向全球市場開放注冊，作為聚焦營銷垂直領域的智能體，主要解決快速、準確的廣告創意測評問題。

AI智能體是如何實現對廣告創意效果的預測的？背后的機制是什么？相比傳統方法，它的優勢是什么？品牌該如何看待智能體？又該如何用好這樣的效率工具？

帶著這些問題，媒介360特別采訪了明略科技集團副總裁、秒針營銷科學院院長、AdEff產品負責人譚北平。

AI智能體正掀起創意測試提效革命

對于這款產品的創新性，譚北平表示，“AdEff的突破性主要體現在四個方面：效率革命，它是AI智能體首次應用于創意評估領域，把傳統需要數周甚至數月才能完成的評估流程，壓縮到極短時間；成本革命，傳統評估需高昂的費用，AdEff將成本降至了之前的1/10以下，可以讓品牌低成本的實現全量廣告測試；混合專家模型協同，智能體采取超圖多模態大語言模型和混合專家模型協同架構，能提供嚴謹、可靠的預測和決策支持；工作范式革新，作為智能體工具，AdEff可以幫助每個企業，基于自己獨有的SOP，打造專屬的廣告評估系統，沉淀內容數據資產。”

談及這款產品的特色，譚北平進一步指出，“AdEff的核心能力建立在三個技術優勢之上：垂類的自研大模型，AdEff的底座是明略科技自研的明敬超圖多模態大語言模型（HMLLM），在廣告的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，效果要遠好于標準的通用大模型；神經營銷學數據，過去10年，明略積累了10萬+人次的獨有神經營銷學腦電、眼動測量數據，它是模型訓練的重要數據源；多維度驗證，通過消費者測試、行業專家及企業管理者等多方測試驗證，確保結果可信，而且模型可隨著使用持續優化。”

據悉，2024年，明略科技自研的明敬超圖多模態大語言模型（HMLLM），通過引入大規模的視頻主觀多模態評估數據集Video-SME，收集不同人群在觀看相同視頻內容時腦電圖 （EEG） 和眼動追蹤區域的真實變化 ，彌合了豐富模態之間的語義差距，可集成幀與幀之間的邏輯推理，實現機器對不同人群的認知模擬。相關成果榮獲全球頂級多媒體會議ACM Multimedia（ACMMM）2024 年度最佳提名（提名率僅2%）。

2025年，模型的個性化注意力捕捉能力進一步增強，由明略科技、北京大學、吉林大學組成的研究團隊，開創性地建立了業界領先的大規模個性化注視行為數據（SPA-ADV），首次記錄了超過4500名不同年齡與性別背景用戶的真實視覺行為，模型的泛化能力和個性化預測效果進一步增強，可精準地預測“某一類人會看哪里？”相關論文已被ACMMM2025正式接收。

智能體的預測效果，和真人樣本及專家判斷一致嗎？

廣告投放是營銷中的關鍵決策。在廣告正式投放前，品牌往往需要通過科學的方法，對廣告創意（包括廣告文案、視覺設計、視頻腳本等內容）進行評估和檢驗，目的是了解目標受眾對廣告創意的反應，判斷廣告創意是否能有效傳達信息、吸引受眾注意力、激發受眾的興趣和購買欲望等，降低營銷風險、優化創意效果。

AI誕生前，廣告測試的方法，主要是定量、定性的消費者調研，以及基于神經科學的腦電眼動測量，這些方法一般都需要耗時數周，成本也較為高昂，通常還伴隨一定的樣本誤差。

那AdEff代表的AI創意測試，效果如何呢？

2025年5-7月，明略科技產品團隊對AdEff進行了樣本一致性和專家一致性測試。其中，樣本一致性，基于明略科技過去10年積累的神經科學真人樣本腦電眼動測量數據進行，真人樣本共計10萬人次；專家一致性測試，基于專家焦點小組訪談法進行，覆蓋北上廣三地擁有品牌營銷、創意制作、廣告測試及數據洞察實操經驗的企業和代理機構高層、專家，總計31人線下參與。

通過對真人樣本廣告創意測試的平均分，及AdEff對廣告創意的預測得分做回歸分析，得出AdEff樣本一致性為89%；通過收集專家對AdEff測評結果的評價，得出76%的AdEff測評結果符合專家預期（所有結果均符合預期為100%）。89%的樣本一致性及76%的專家一致性證明，AdEff具備商業實用性。

對此，譚北平表示，“專家測評揭示了兩個關鍵認知，一方面，AI在創意評估領域展現的能力遠超預期，在某些維度甚至能比肩擁有10年、20年經驗的資深專家，這改變了行業對技術應用的想象邊界；另一方面，未來的創意工作將迎來人機深度協作模式，不同角色如管理者、創意者，需在流程中明確分工，并與AI建立新型協作關系。”

品牌廣告主可通過AdEff實現AI時代的敏捷決策

未來，隨著生成式人工智能在營銷領域的應用普及，越來越多的內容會被生成，內容迭代速度也會加快，品牌需要生產包括廣告在內的大量個性化/個體化內容，內容多了，挑戰也隨之而來——如何快速評估并預測高價值內容？

面對海量內容，AIGD（AI Generated Decision-making），通過AI決策或輔助決策將是可行的解決方案，AdEff便是AIGD在廣告測試這一運營決策環節的具體應用。

據譚北平介紹，“目前已有多家國內外頭部客戶，涵蓋美妝、3C、大健康等高價值行業的廣告大戶，開始注冊并使用AdEff。客戶對這款產品的反饋也非常積極，他們認可AI的強大能力，同時也在適應新的工作模式。”

具體而言，通過使用AdEff，品牌廣告主可以解決以下業務痛點：

• 篩選：把控廣告質量底線

AdEff適用于廣告素材多、投放量級大、內外部決策流程長的廣告主，可幫助品牌把控質量底線，加快內容篩選和優化的速度，降低商業決策風險。

• 管理：建立創意評估標準

對于長期靠經驗決策，或靠實際投放驗證廣告效果的廣告主，AdEff清晰的評估指標設定、分析和總結，能幫助其準確地判斷廣告價值，與創意代理反饋需求，拉齊內外部關于好創意的認知標準，提升溝通效率。

• 培訓：提升員工創意素養

廣告的泛化、效果化，導致當下很多企業的營銷新兵或經驗欠缺的員工，對
“什么是好廣告？”缺乏科學認知，基于AdEff的創意評估數據庫，品牌可對“好廣告”做分析提煉，與專家培訓結合，快速提升員工創意素養。

• 出海：降低海外投放風險

作為全球化產品，AdEff目前支持多國多語言的廣告創意測試，產品團隊正在推進海外目標市場的產品落地及專家一致性測試。對于有海外投放需求的廣告主，未來可以使用AdEff提前驗證廣告片在目標市場的投放成功率，規避潛在風險。

在譚北平看來，“AdEff就是內容爆炸時代，品牌的‘守門員’，通過AI驅動的效率、成本與知識革命，AdEff可以幫助企業高效篩選和優化廣告內容，建立可信的評估機制，將創意評估過程標準化、數據化、智能化，讓企業在內容爆炸的時代，始終能精準識別和放大真正有效的創意。”

媒介360認為，從行業視角觀察，AdEff的開創性價值，不僅體現在將創意評估從經驗主導轉向數據驅動，更在于重構了整個廣告創意產業的價值鏈。

這一突破性產品，或成為營銷行業的新基建，解決傳統評估方法在效率、成本和規模上的根本性局限，其構建的標準化評估體系和積累的數據資產，不僅能幫助品牌實現從創意生產到效果預測的閉環管理，更在更深層次上重塑了人機協作的產業生態，為創意大爆炸時代的營銷決策提供了規模化評估的智能解決方案。

本文轉載于公眾號「媒介三六零」

在一次由寶馬主持的采訪中，我們旁聽了明略科技創始人、董事長兼CEO吳明輝的完整分享。一個小時的對話里，除了“增長率”“護城河”等硬指標，更重要的是從奧數解題到AI智能體的躍遷，是對數學之美的終身信仰，是用“畢達哥拉斯+哥德爾+達爾文”三位偉人的思想體系來指導經營、決策的奇妙組合。

如果說“數據與智能”正在重塑我們對世界的理解方式，那么吳明輝是那個始終用公式與邏輯丈量世界的人。

注：本文轉自公眾號「北五環營銷評論」

Part 1

萬物皆數：畢達哥拉斯的信徒

吳明輝的價值體系構建，從數學開始。對他來說，真正意義上的決策邏輯，不起源于商業訓練或管理實踐，而是一種數學底色——對世界結構的信任，對抽象系統的依賴，對簡潔之美的偏愛。

這套結構主義的原點，是古希臘數學家畢達哥拉斯的核心思想之一：萬物皆為數。

從大學時期靠教奧數賺到第一桶金開始，他就將“用公理推演解決問題”的能力變成了日常工具。他在清華租教室開班講題，也開發過高考志愿填報系統，所有創業起點都源自數學方法的現實化應用。即便到今天，他講AI大模型的邏輯，也只用一個簡潔公式：Y = F(x)。

“數學真正的力量，是讓你能看清事物的底層變量，忽略那些不必要的表象。”在他看來，數學的本質是剝離與提煉，是對復雜世界的一次次抽象與規整。從幾何對稱到公式推演，從投資模型到廣告測量，他始終把生活和工作看作一個個可以拆解、組合、建模的系統。

但這不是刻板的“工具理性”，更像是一種哲學選擇——當別人試圖用經驗描述世界時，吳明輝則用結構定義它。這樣的數學信仰，不只是一種理性判斷，更是一種信念。一種可以讓人面對失敗依然選擇“再賭一次”的信念。

Part 2

不完備但自洽：哥德爾與系統間理解

然而，世界從不完全遵循公式邏輯運作。吳明輝在創業與組織管理的中后期逐漸意識到：哪怕一個系統內部再完美，只要它封閉于自身，就注定是不完備的。

這正是他引入哥德爾不完備定理的原因——這位20世紀最重要的數學家之一指出：一個系統如果邏輯自洽，它就一定不完備。換句話說，系統無法在內部證明自己的全部正確性。

“我們常常覺得自己講得通、邏輯沒問題，但這并不意味著別人也會接受。”吳明輝坦率地說。早期的他，常為員工、合伙人、投資人“不理解他的邏輯”而感到困惑，但慢慢地，他意識到，問題不在邏輯對錯，而在系統視角的差異。

于是他開始改變管理思路：不是要求所有人進入自己的系統，而是主動擴大系統邊界，兼容他人的邏輯結構。“你要承認，有些人雖然和你三觀不同，但在他們的世界里也是自洽的。”他說。

這種“系統兼容”的姿態，貫穿他后期的組織設計。他開始重視異質性團隊的合作，接受非理性行為背后可能存在的深層動因，也更加相信組織的多樣性是結構穩定性的重要來源。

“這不是放棄邏輯，而是升級邏輯。”他補充道。在一個高度不確定的環境中，建立一個同時自洽與包容的系統，或許才是最接近真實世界的理性解法。

Part 3

演化即秩序：達爾文與系統適應力

吳明輝價值觀體系的第三條支柱，來自達爾文的演化論。但他所理解的“適者生存”，遠不止是一場效率與強度的競賽，而是一種對系統與環境之間動態關系的深刻洞察。

“每個人，甚至每家公司，其實都是一個物種。”在他看來，任何個體或組織的發展，必須在環境中展開。這也意味著，組織不僅要有自己的目標、有戰略、有方向，更要在外部環境發生劇變能快速適配，主動調整節奏與路徑。“你不能跟環境對抗，否則就是自己犯傻了。”他說。

正是這套“以變應變”的生存邏輯，支撐他在最困難的疫情時期做出了一系列關鍵決策。吳明輝提到，疫情期間面對封控帶來的業務停擺和資本寒冬，他沒有選擇保守自保，而是親自出面協調融資、注資上千萬美金，帶領公司從單純AI應用轉向自研模型體系。他把這次決策稱為一次“all in”，但這絕不是一次感性的冒險。

“優秀的賭徒也得懂概率。”他坦言，真正的“押注”并非依賴勇氣，而是基于模型與數據的理性選擇。公司當時所面臨的，是一個“不進則退”的系統困境。他必須創造一個新的起點，而最有效的路徑，就是在變化中構建出新的結構。

最終，明略科技成為極少數在AI Agent賽道上同時擁有底層模型與落地產品的公司之一。這一切，不是源自預測的準確性，而是源自對“演化力”的信仰——目標要清晰，路徑要靈活，系統必須始終與環境共振。

Part 4

人生的方程式：Y = F(X)

吳明輝有一個特別的習慣，他在所有重要的演講中都會寫公式。在他看來，再復雜的問題，都可以寫成一個“函數”：輸入X，計算F，得出結果Y。

F是方法論，X是認知體系，Y是判斷。他說，這套方法是他從奧數走向AI的最大武器。

他不是那種“喜歡講方法論”的企業家，但卻是那種能把“方法”做出實操系統的人。甚至在向非技術客戶解釋AI模型的時候，他也只用一個公式：“Y=F(X)，大模型就是F。”

這種“用初中數學講清AI”的能力，并不是噱頭，而是對抽象能力的高度掌控。在他看來，真正的數學美，是將混沌剝離至極簡。就像他做PPT的習慣：“從第一頁到最后一頁，必須是一條嚴絲合縫的邏輯鏈。”

Part 5

使命感，不是營銷詞

吳明輝常說，他的人生使命是“傳遞數學之美”。這聽上去像個營銷句子，但你聽他講五分鐘，你就知道這不是。

從奧數教練、到創業者、到AI技術專家，再到今天同時擔任CEO與CTO的雙重身份，他始終沒有離開“數學”。他彈鋼琴、愛解幾何題，在公園里看出黃金螺旋線，在和孩子講題的過程中感到快樂，也愿意在凌晨1點的會議室，親自復盤AI模型的細節表現。

這不是一個用“領導力”和“戰略”標簽就能概括的CEO。他更像一個始終堅守認知邊界、永遠在探究問題本質的“結構理性主義者”。

而這場采訪，也像是一段罕見的公開“反編譯“過程——不是對技術，而是對一個人的思想結構。

他堅信：萬物皆數，但也接受不完備；他相信共識，卻更相信演化；他視難題為樂，也把生活拆成變量與函數。

這，或許才是這個時代最難得的創始人氣質。

在吳明輝的分享中，我們看到的不僅是他對數學與AI的深刻理解，更是一種深思熟慮后的決策方式。這種方式，是從系統的角度出發，在復雜多變的環境中尋找最優解，并且始終保持靈活應對的能力。正如他所言，創新與進化并非一蹴而就，而是持續的自我對話與調整。

這與寶馬5系所倡導的“5系思考法”不謀而合——在這個快速變化的世界里，思考的過程本身比結論更為重要。寶馬5系通過這套思考法，鼓勵每個人關閉外界噪音，啟動內心引擎，找到屬于自己的節奏與方式。無論是掌控節奏、化繁為簡，還是逆向思維與感性權衡，最終都能幫助我們在不確定中找到最合適的決策。

最后，讓我們通過這個視頻，感受吳明輝的“5系思考法”！

點擊此處登錄，獲取7天免費試用

AI全面賦能，打破投流素材創作瓶頸

在快節奏的傳播環境中，碎片化的短視頻廣告已成為品牌營銷中的重要手段。爆款短視頻不僅是搶占用戶注意力的利器，更是品牌驅動增長的核心杠桿。

然而，隨著短視頻內容生態的日益飽和，其制作過程面臨著種種問題：創意枯竭導致素材迭代困難，成片制作耗時耗力，以及品牌內容資產由于缺乏管理而被浪費等。這些問題一定程度上限制了短視頻內容的規模化生產與傳播效能。

多模態AI的數據處理和內容生成能力為這一困境帶來了新的可能，明略科技「妙啊」應運而生。從洞察到創作全鏈路賦能，「妙啊」能從爆款視頻中將抽象的“網感”量化為可復用的傳播公式，并依托智能化腳本生成與素材管理能力，讓短視頻創作者得以高效實現創意落地，用優質創意素材助力品牌增長。

具體而言，「妙啊」通過三大核心功能直面創作痛點：

● 靈感激活：

「妙啊」能提供每天內容電商跑量最好的數千條商品素材，并按場景、風格、效果進行精準篩選。當你不確定“什么樣的內容能打動用戶”時，這里的熱門素材會像一面鏡子，照見當下的流量偏好。

● 爆款分析：

基于明略科技自研的超圖多模態大語言模型（HMLLM）進行強化學習與大模型微調，「妙啊」構建了專屬的黃金3秒腳本模型。在對海量爆款短視頻逐幀解析的基礎上，平臺可智能提取爆款視頻中最為關鍵傳播鉤子與情緒共鳴點，為腳本生成提供創意參考。

● 成片創作：

從內容框架到落地成片，「妙啊」還打造了高度自動化的創作體系。廣告主只需上傳文檔或產品鏈接，AI即可自動抽取品牌核心信息生成腳本；在素材不足時，還可調用AI生成的畫面進行混剪，結合自動匹配的語音、臺詞及字幕，助力客戶實現一站式投流素材交付。

作為產品運行全流程的關鍵技術底座，明略科技自主研發的超圖多模態大語言模型（HMLLM）利用超圖構建視頻元素、EEG信號和眼動追蹤數據之間的復雜關系。通過整合不同模態的信息，HMLLM彌合了豐富模態間的語義差距，增強了其邏輯推理和語義分析的能力。HMLLM相關成果已獲國際頂會ACMMM 2024（CCF-A類）收錄，標志著明略科技在多模態領域的技術領先地位。

從效率到范式，助推營銷生態智能發展

無論是數據洞察、腳本生成還是素材落地，「妙啊」的AI能力貫穿創作全流程，大幅縮短了內容生產周期，幫助品牌突破時間、人力與資源的制約，顯著提升電商短視頻內容的生產效率，將爆款素材的規模化生產變為現實，為品牌持續注入鮮活的增長動能。

同時，「妙啊」在運行過程中充分尊重人的決策角色，確保人工在關鍵環節中的深度參與。視頻生成的過程中，創作者可以調整腳本方向、優化畫面適配度，以保障最終視頻質量的高度匹配品牌調性與需求。

正是在這種人機協同模式下，「妙啊」推動了傳統依賴人力的素材創作模式向智能化、自動化革新，為行業提供了一條從效率躍升邁向全新范式的技術路徑。

作為AI技術領域的深耕者，明略科技致力于通過鏈接數據，打造可信智能，以賦能組織加速創新、高效運轉。「妙啊」的推出，展現了明略科技以海量數據驅動、以交付結果為導向、為客戶帶來實際價值的技術創新思路，也標志著其在短視頻內容營銷領域開啟了全新里程。

未來，明略科技將持續迭代AI驅動的技術能力與產品形態，助力品牌營銷及更廣泛的智能生態，邁向高效未來。

現在登錄miaoa.ai ，注冊即可免費用7天！

快去試試吧～～

企業決策的制定，從早期的經驗驅動，到數據驅動，再到如今的AI驅動，每一次升級都帶來效率與精度的飛躍。

數據驅動階段，企業通過數據挖掘優化決策。以星巴克為例，2008年開啟數據驅動的選址策略，聯合地理信息分析機構，綜合人口數據、交通流量等多維度信息，并結合區域團隊的實地考察，篩選最佳門店位置，最終大幅提升了門店選址成功率。

隨著數據類型增多、動態性增強，數據驅動模式難以適應不斷變化的市場環境。在此背景下，AI的價值愈發凸顯——它能實時捕捉用戶需求變化，助力企業在競品反應前搶占細分市場；通過全鏈路數據洞察，將原本被忽視的小眾需求培育成新的市場爆點。

AI驅動階段初期，某大型食品飲料企業在新品研發環節，通過明略科技的AI+大數據賦能，精準鎖定潛在爆品方向，從概念挖掘到上市，研發周期縮短一半；產品上市后，聲量翻倍，贏得良好的市場反饋。

2025年，以大模型為核心的 Agentic AI 推動智能決策能力再上新臺階，不僅能拆解復雜指令，甚至能在無需人工指揮的條件下進行自主決策、執行，從“輔助”升級為“主力”。正如管理學家赫伯特?西蒙所說：“決策不是瞬間的靈感，而是從問題到驗證的完整思維工程。” Agentic AI 對此做出了更完美的演繹。

在營銷決策的各個層級， Agentic AI 的優勢已經全面顯現：

相比之下，傳統決策流程的局限性在Agentic AI時代被無限放大：一場消費者定性調研往往耗時耗力，等報告出爐，社媒熱點已經過時；僅憑經驗選定的KOL，可能因輿論變化遭受質疑。

這意味著，未來 1-2 年將是企業構建 AIGD 能力的關鍵時期。

那么，企業該如何預先布局？

明略科技創始人、董事長兼CEO吳明輝曾強調，獨有數據是企業跑贏AI時代的核心競爭力。讓數據在AI的驅動下，從“沉睡的資產”變為“流動的決策力”。首先，企業需要打通內部數據孤島，構建完整的決策數據鏈，為精準決策打好地基；其次，通過提供必要的AI工具與培訓，培育既懂業務又懂AI的復合型人才，構建人機協同的良好氛圍；最為關鍵的是，企業應將AIGD視為長期戰略，從運營決策逐步滲透到定位決策與戰略決策當中。

結合多模態大模型與大數據領域技術優勢，明略科技基于自研的企業級可信大模型與智能體套件，推出一系列AIGD產品，為企業提供了切實可行的發展路徑：

? DeepMiner —— AI驅動的全球商業數據智能分析平臺

? 聚焦市場策略，解答“洞察是否精準”。

? 妙啊Meow —— AI驅動的爆款投流素材一站式創作工具

? 聚焦內容策略，解答“用戶愛看什么”。

? AdEff —— AI驅動的全球化廣告測試與優化平臺

? 聚焦測量策略，解答“創意是否有效”。

? 愛投 —— AI智能投放平臺

? 聚焦投放策略，解答“資源如何分配”。

? influencer.MA —— 全球達人營銷平臺

? 聚焦達人策略，解答“達人是否適配”。

01 AI全面賦能，打破投流素材創作瓶頸

在快節奏的傳播環境中，碎片化的短視頻廣告已成為品牌營銷中的重要手段。爆款短視頻不僅是搶占用戶注意力的利器，更是品牌驅動增長的核心杠桿。

然而，隨著短視頻內容生態的日益飽和，其制作過程面臨著種種問題：創意枯竭導致素材迭代困難，成片制作耗時耗力，以及品牌內容資產由于缺乏管理而被浪費等。這些問題一定程度上限制了短視頻內容的規模化生產與傳播效能。

多模態AI的數據處理和內容生成能力為這一困境帶來了新的可能，明略科技「妙啊」應運而生。從洞察到創作全鏈路賦能，「妙啊」能從爆款視頻中將抽象的“網感”量化為可復用的傳播公式，并依托智能化腳本生成與素材管理能力，讓短視頻創作者得以高效實現創意落地，用優質創意素材助力品牌增長。

具體而言，「妙啊」通過三大核心功能直面創作痛點：

● 爆款分析：基于明略科技自研的超圖多模態大語言模型（HMLLM）進行強化學習與大模型微調，「妙啊」構建了專屬的黃金3秒腳本模型。在對海量爆款短視頻逐幀解析的基礎上，平臺可智能提取爆款視頻中最為關鍵傳播鉤子與情緒共鳴點，為腳本生成提供創意靈感。

● 成片創作：從內容框架到落地成片，「妙啊」還打造了高度自動化的創作體系。廣告主只需上傳文檔或產品鏈接，AI即可自動抽取品牌核心信息生成腳本；在素材不足時，還可調用AI生成的畫面進行混剪，結合自動匹配的語音、臺詞及字幕，助力客戶實現一站式投流素材交付。

● 資產管理：借助AI自動打標技術，「妙啊」還能夠自動識別素材關鍵特征與場景，為品牌構建結構化內容資產庫，提升素材檢索效率并延伸資產價值。

作為產品運行全流程的關鍵技術底座，明略科技自主研發的超圖多模態大語言模型（HMLLM）利用超圖構建視頻元素、EEG信號和眼動追蹤數據之間的復雜關系。通過整合不同模態的信息，HMLLM彌合了豐富模態間的語義差距，增強了其邏輯推理和語義分析的能力。HMLLM相關成果已獲國際頂會ACMMM 2024（CCF-A類）收錄，標志著明略科技在多模態領域的技術領先地位。

02 從效率到范式，助推營銷生態智能發展

無論是數據洞察、腳本生成還是素材落地，「妙啊」的AI能力貫穿創作全流程，大幅縮短了內容生產周期，幫助品牌突破時間、人力與資源的制約，顯著提升電商短視頻內容的生產效率，將爆款素材的規模化生產變為現實，為品牌持續注入鮮活的增長動能。

同時，「妙啊」在運行過程中充分尊重人的決策角色，確保人工在關鍵環節中的深度參與。視頻生成的過程中，創作者可以調整腳本方向、優化畫面適配度，以保障最終視頻質量的高度匹配品牌調性與需求。

正是在這種人機協同模式下，「妙啊」推動了傳統依賴人力的素材創作模式向智能化、自動化革新，為行業提供了一條從效率躍升邁向全新范式的技術路徑。

作為AI技術領域的深耕者，明略科技致力于通過鏈接數據，打造可信智能，以賦能組織加速創新、高效運轉。「妙啊」的推出，展現了明略科技以海量數據驅動、以交付結果為導向、為客戶帶來實際價值的技術創新思路，也標志著其在短視頻內容營銷領域開啟了全新里程。

未來，明略科技將持續迭代AI驅動的技術能力與產品形態，助力品牌營銷及更廣泛的智能生態，邁向高效未來。

歡迎點擊此處登錄「妙啊Meow」參與注冊，

親身體驗「妙啊」的創意力量，解鎖創意素材全新可能！