分享内容：2025年AI营销六大展望

分享人：Meta、Applovin、Amazon Ads、Tiktok Ads、Agency等公司的专家

主办方： 锦秋基金

时间：1月13日15：00

地点： 2199 Valparaiso Avenue Menlo Park, CA 94025

1，2025 Martech 营销展望

2，广告主预算分配趋势：新渠道新模式

3，AI带来「素材生成」的变化

4，AI带来「素材测试」的变化

5，AI带来「跨平台」的变化

6，加入知识星球：搞懂AI营销的行业现状和趋势

《新营销5.0：新营销，营销平台时代.pdf》

《十大媒体营销平台：案例解说》Google、Meta、Apple、Tiktok等

《2025 AI 营销的6大展望》

2025 Martech 营销展望

AI洞见解读：

从Copilot对话模式到Autopilot自动模式，无需人工干预就可以高效执行营销任务。

AI洞见解读：

“与 AI 叉乘” 指的是探索如何将 AI 技术与 TikTok 的平台特点、流量优势等深度融合，创造出新的营销玩法、策略或产品。

AI洞见解读：

在 Twitter 平台上，可以借助 AI 进行搜索相关的营销创新，并且有快速实现商业变现的潜力。不过，目前提供相关服务的服务商较少，这意味着竞争相对不那么激烈，但同时因为服务商少，想要抢占流量也存在较高难度。

AI洞见解读：

在 Consumer（消费者）市场中，【ToC AI】 产品展现出广阔的营销前景。

AI洞见解读：

非侵入式收集（在用户无明显感知、不产生反感的情况下收集数据）。同时，要建立一个很长的营销漏斗（funnel ），也就是从吸引潜在客户，到引导其产生兴趣、进行互动，最终实现购买等一系列较长的转化过程。

AI洞见解读：

即通过创作、传播有价值的内容（如文章、视频、图片等），并将其转化为商业收益，比如通过广告植入、付费会员、内容电商等方式来实现盈利 ，在 2025 年 Martech 营销中，这是一个值得关注和投入的赛道。

广告主预算分配趋势：

新渠道新模式

效果广告的主导地位

Tiktok

1)  广告来源：

初期阶段：主要的广告主来自 App/游戏广告，

中期阶段：电商广告陆续崛起

后期阶段：短剧广告（短剧广告成为新的增长点）

2)  地域分布

美国市场：在美国本土，流量端营销预算（Marketing budget）占重要地位。全球广告主做国际化生意都会投北美

3)  预算分配的多元性

除了KA（大型企业），SMB（中小型企业）预算崛起

4)  广告主行为模式

达人效应：先找达人，广告主要视频授权，放在自己的投放Account做Scaleup。UGC和Ads的结合：通过Spark Ads，将用户生成内容（UGC）与广告进行有效链接，实现账户内的一体化投放。

5)  CreativeAds(创意广告）：

高成本挑战：一个流程跑下来成本很高

GenAI的应用：生成式AI是有意思的场景，定制化广告，广告主有需求，定制一个内容把广告做成embedded。Tiktok那边有非常多的UGC，直接找成功UGC匹配，shop around for ads，广告主可以在平台上进行多方比价。

6）Tiktok重点推进方向：

预算管理：优化预算分配，提高资金使用效率。

精准定向：利用AI技术实现更精准的用户定向。

计费系统Billing：改进计费系统，确保透明和高效。

内容创意：内容的创意仍需广告主自行把控。

Meta 战略转变

1）今年在短视频reel ads发力

之前的广告加载率Ads load很低，停留时间（Time Spend）是比较大的战略，Meta更注重用户的停留时间和互动率。

2）未来会在商业化发力（whatsapp不支持广告）

自动化素材生成的工具，往Performance marketing（效果营销）走

Amazon Display Ads的创新

品牌与效果的平衡

当时的广告主需求是branding，Amazon的Ads Head当时强调一定要给performance，不然拿不到公司的budget，第一个做A/B Test的公司，有的广告不好去measure

Applovin崛起与转型

1）Applovin往电商领域走

今年股价涨了7倍，之前做手机端游戏广告，今年往Ecommerce（电商）走，游戏端可用的用户画像是可以在Ecommerce复制的，游戏的成本比较低，Ecommerce的Ads成本比较高，因此今年往这边走的效果特别好，投资人慢慢意识到电商领域比游戏更大，估值预期上调

2）Applovin是End-to-End的（端到端的广告解决方案），Google分不同的Stage

3）大平台可能not approachable（不易打交道），因此有一些公司会选择Applovin

Hashmatrix 独特策略

1）注重拉长时间线，把广告主预算拉长

2）ToC市场的精细化运营

ToC相比单纯投广告，会去做矩阵和切片，预算停了之后还是有增长

3）ToB 市场的创新策略

ToB Leadgenform（潜在客户生成表单）很贵，ToB拉长时间的策略，用各种方式做内容营销content market，吸引潜在客户inbound，利用AI进行 outbound（外拓销售）。从而有效降低成本并提高转化率。

4）Agency服务模式的变革

Agency服务型公司，margin超过20%都很少见，现在越来越多的Agency会让员工使用Agent；很多Agent公司的收费方式Agency话，Outcome based收费

5）pSEO（效果搜索引擎优化）的自动化

pSEO的文章有大量工具，每篇文章20美金，除了客户经理都是工具完成的。

 AI带来「素材生成」变化：

创新和挑战

好的游戏的广告机会：

不会是exclusive（排他）的

广告本身是一个模块化的过程，CTV相关的技术是相似的。通过内容理解后，AI可以在像素级别上找到产品和内容的相关性。爆款广告有时候一个广告主吃不下，供应能力上不去。

头部客户可借鉴热点事件和

用户生成内容（UGC）。

头部客户无法直接抄袭竞品的广告策略，但可以借鉴热点事件和用户生成内容（UGC）。

很多爆款广告是无法预测predict的，只能关注平台然后去做followup。

（特别是大品牌，需要在多个媒体平台上进行内容传播。）

AI插件帮助产品研究

AI插件能够自动分析跨境电商领域的商品页评论，可以帮助研究产品要点，跨境电商所有人知道这个事情。提供有价值的产品洞察，帮助广告主更好地理解市场需求。

广告代理机构（Ad agency）

会利用多模态内容，

每种价值主张都是独特的。

尽管AI可以生成素材，但最终的决策权仍在客户手中。广告代理机构不会直接投放这些素材，而是让客户判断其适用性和广告支出回报率（ROAS）

法律风险避归

好莱坞拍到路人打官司要很多钱，这个领域早就有人试着探索GenAI，避免法律风险。

好的照片不一定是好的广告素材，

好的创编不一定是AI技术做出来的

 AI可以提供强大的支持，但最终的创意和决策仍需人类的智慧和经验。

AI带来「素材测试」的变化

AI对不同受众质量不一样

对不同的Audiance，AI内容的质量是很不一样的，比如对于小孩子和老人来说，AI内容就是很可接受的。

精准受众定位

Agent相比于rule bused（基于规则），能够更好的找到audience，Agent Ops运营可以实现。

AI反向创意生成与反馈系统

让创意往反方向生成，也是一种RL（强化学习），一套需要反馈系统测试的东西，广告系统是一套很完美的测试系统，有很好的feedback，和自动驾驶一样，归因很容易。

AI视频广告元素的拆解与重组

AI可以把视频广告背后的元素拆解出来，反拆之后插成组合，变成素材，线上无差别去跑，然后去做剪枝，拿到了一些收益，GenAI后面可以进一步吃的Benefit可以下探一层，没办法做到完全User ID（用户ID定位），但是可以具体到用户画像的颗粒度，反向去调节素材和内容。素材即定向，User cluster。

 AI带来「跨平台营销」的变化

多平台混合建模

Multi mix modeling

Multi mix modeling技术投放很多平台，包括Search、Social、Offline渠道也有/

AI通过跨平台的预算分配和优化，确保广告效果最大化。

更细化的受众细分

（Segment和targeting）

Realtime 的竞价，AI帮助可以更加real time，可以及时调整策略

强大的机器学习预测能力

Machine Learning的Predit power是很强，更powerful的分析用户行为，LLM做的更好，实时调整整个的策略

Meta的用户反馈、定制化需求

Meta有收集广告主的feedback，广告主不喜欢100%的automation，他们希望有一些customation（人为控制在里面）。

Meta最小化数据采集

（隐私保护措施）

通过匿名化和去标识化，保持透明度和选择权。Meta Pixel收集数据，不断教育市场，被其他公司借鉴。

Ad agency：

广告代理机构做了模拟器simulator，落到某个平台上大概是什么状态，以及对应的traffic，大概的ROI基于什么样的实时数据，得到总结的结论。

1）配一个成功经历success manager

接入很多数据源，开发数据源，Transaction和data vendor

2）数据整合与自动化

把数据整合起来可以auto automation，budget attribution

3）挑战和重点

重点和难点是agent communication，最后结果达到多少效果和ROI（90%自动化 automation）

1）预算调整与预测

budget调整后，预测之后的表现，很难在大盘的User Case做到，最开始是否有约束条件，在做预测的时候基于historical的数据，在相似的情况下（pattern）调整预算

2）广告主预期管理

面对广告主给了prediction相当于给了预期，一系列前提条件下，disclaimer是一个simulator的tool，10万广告预算，不断的测试testing直到找到一个合适的range

3）代理机构和Agent的使用

Agency uses Agent. Agent acts as Agency

4）颗粒度越细，需要处理的数据量级越高，客观约束让三方工具无法运营（Apple User ID），一个很粗的颗粒度就能

5）Applovin就比ROAS（广告投放回报率），接入第三方的bidding和Ads Network，又是裁判又是运动员，大概知道哪些维度有突破，广告主第一次投广告如果performance不好

6）公司大了会关注不同Stage，数据质量增加，模型效率增加，效果就是会好。

与其expert System各种炼丹，还是看效果（budget模型，经济学模型，建立一套方案，最终发现只要调整的更快，有一个快速的寻源，就是能够在市场胜出）