别再让AI只干零活了！AI工具正在接管投放全链路

📰 来源：量子位  |  查看原文

克雷西 发自 凹非寺
量子位 | 公众号 QbitAI

艾瑞咨询报告显示，去年中国AI营销市场规模达669亿元，年复合增长率26.2%。

这个增速背后，是整个行业链条——从内容生产到投放决策——的集中押注。

AI做了一些事，但一次投放从头到尾的压力，依然落在人身上。

行业已经意识到这个问题，因此，多环节协同正在成为AI营销引擎的新一代基础设计，营销全链路AI化的趋势愈发清晰。

表面上看，它的需求很明确，不外乎是生产内容、找到用户、完成转化。

但拆开来看，每个环节的技术要求都不一样，而且环节之间高度依赖，牵一发而动全身。

它的变量密度高、环节之间强依赖、实时性要求严苛，加上不同营销场景的业务逻辑各异，导致同样是投放，却对AI能力的侧重点完全不同。

例如，品牌营销在意曝光和心智渗透，电商营销盯着的是GMV和转化率，线索营销的核心指标是留资成本，本地营销需要把线上流量导进线下门店……

这意味着通用大模型直接套用是行不通的，必须针对每个场景的具体业务逻辑，在工程层面做针对性设计。

这种设计的核心技术问题，就是怎么“拆”，以及怎么“串”。

先说拆。一次投放链路上，不同环节的任务性质差异很大：

哪个环节用什么技术，取决于任务性质、延迟容忍度和数据可获取程度，需要逐环节设计。

再说串。跨环节的数据流转，是整条链路能否自洽运转的关键。

每个节点的AI判断，都依赖上下游数据的持续喂养，一旦数据在环节之间断流，AI的能力就只能在孤岛上运转。

快手商业AI的技术路径，正是从这些问题出发——

快手商业AI的能力布局，正是沿着这几个共性问题展开的。

在素材生产环节，快手的解法是用大模型把“好素材”变成可计算的结构。

“好素材”是营销行业里一个长期说不清楚的问题，很难被标准化，更难被规模化复制， 不同场景对“好”的定义也不一样。

因此，快手选择对历史投放数据和行业热门内容进行结构化拆解，识别出共性特征，将这些特征转化为可量化的生产参数。

这样，原本只存在于少数人脑海中的经验判断，变成了可以被系统调用的输入条件。 素材生产变得有章可循，从单条优化变成规模化复制。

策略制定环节则是一个典型的多步骤串行任务，快手选择用多Agent协作替代多人协作。

市场趋势分析、人群洞察、选品判断、投放方案生成……每一步都依赖上一步的输出，且每一步都需要大量信息整合。

如果靠人工完成，这个流程天然是线性的，周期长、信息容易在传递中损耗，结果质量高度依赖参与者的经验水平。

快手用多Agent架构重构了这个流程，不同的Agent负责不同的子任务。

原本需要多人协作的策略制定工作，现在可以让各Agent并行运转，原本需要忙上一周或更久，现在几个小时就能搞定。