馬丁跟你說

警惕同質化、黑盒化、矛盾化。

 最近穀歌AI的臉可丟大了。 

在全美盛事“超級碗”期間，穀歌本想通過50個州的50個小微企業案例，來展示Gemini AI 如何幫助商家經營增長，以贏得更多潛在客戶對AI行銷的興趣和嘗試。卻未曾想到，其中一個乳酪商家用AI生成的產品描述“Gouda佔據了全球50-60%的乳酪消費”（for 50 to 60 percent of the world’s consumption）引發大面積質疑。眼尖的乳酪愛好者指出這一資料明顯與事實不符。 

廣告主們由此擔憂，用AI來做行銷恐怕並沒有想像中那樣高效省力。

 而這只是AI行銷容易被大眾看到的問題。在水面之下，AI行銷的陰暗面正在放大——同質化AIGC內容的氾濫；無效內容擾亂SEO秩序，反而拉垮搜索行銷；甚至還有越來越多的AI生成內容的“洗稿”資訊，它們不光污染著互聯網的資訊可信度，竟然還接入了聯盟獲得大量廣告投放。 

顯然，AI行銷的副作用被嚴重低估了。一位美國羅德島大學的市場行銷學教授表示，在過去10年裡發表在15家高級行銷期刊上的290篇文章中，只有33篇提到了人工智慧行銷的潛在“陰暗面”。 

從ChatGPT到DeepSeek，AI一路高歌猛進。據東信行銷招股書，AI行銷行業市場規模從2020年的209億元增至2024年的530億元，複合年增長率為26.2%。或許現在也是一個時間契機，在AI行銷全面鋪開之前“防患於未然”，聊聊AI行銷的“陰暗面”。

 上述穀歌的例子提醒了我們AI內容準確性的問題。雖然AIGC大大降低了物料製作的成本，但對AIGC內容的人工審核與溯源仍然不可鬆懈。畢竟一旦出現錯誤內容或者是與使用者價值觀不符的“翻車事件”，品牌好不容易積累起來的信譽與好感度就會毀於一旦。去年，可口可樂發佈的首支全 AI 生成聖誕廣告《假日魔法來了》就在社交媒體被罵慘了，使用者銳評該視頻“缺乏生命力”、“缺失靈魂”、“毫無實質創意可言”、“令人毛骨悚然，宛如恐怖電影場景”。 

另一個慘痛的例子是2016年，微軟的聊天機器人Tay在Twitter（X）上線。但幾小時內，Tay發起了各種種族歧視、性別歧視的言論，隨即慘遭下線。試想在行銷場景中，品牌主本意是接入AI，節省客服成本並帶來更好的交互體驗，結果AI一通亂講，得罪客戶，反而帶來巨大損失。這背後其實是目前AI行銷的可控度還沒有達到讓人完全放心的情況。

 即便是正確的內容，AIGC目前也不應該是行銷內容的中心位元。

“隨著行銷人員越來越依賴人工智慧來生成內容，同質化開始出現。這與品牌的目標完全相反，品牌需要的是差異化和真實性。”3X Marketing創始人Jen Iliff說。 

市場行銷靠的是創意、革新和原創性。過於依賴生成式AI會有失去這些元素的風險，並可能導致內容千篇一律。想像一下，如果每個廣告活動都依賴於相同的流程，每個資訊都源於類似的話術，還有長相精緻的品牌數字人讓消費者“傻傻分不清楚”，你的品牌獨特性就會消失。 

當管理層對於公司在AI內容上的成績沾沾自喜時，他們還很容易就要求一線的銷售人員將這些噪音物料“群發”，過度打擾用戶，反噬品牌好感度。

當然，AI內容如果做得不好，不光直接得罪用戶，還會間接得罪“平臺”從而損害品牌利益。比如一些AI生成的行銷物料缺乏資訊價值，內容也不符合平臺使用者的搜索意圖，那麼用戶點擊進入後，就會迅速離開頁面，導致極高的跳出率，影響SEO的表現。還有一些品牌，在做AI內容時，為了提升SEO排名而過度堆砌關鍵字 （黑帽SEO） ，或者大量發佈同質化內容，從而引起搜尋引擎的判罰。 

簡言之，低品質、重複或拼湊的 AI 行銷內容可能被平臺視為垃圾內容，反而導致排名下降。

除了在水面上用戶們能肉眼可見的創意內容，AI其實在廣告行銷行業更大的影響力是在投放環節——自動化廣告投放。我們看到各個大平臺和服務商，都已“智慧化”，比如受眾定向時，支援自動匹配目標人群，精准預估用戶興趣，並按需縮放人群規模；在出價時實現自助化投放，以及出價策略的調整。像巨量引擎就曾推出自動化廣告投放產品UBMax。在2023年，阿裡媽媽還提出了AIGB（AI Generated Bidding），把自動出價問題建模為生成式序列決策問題。而近期的妖股Applovin就是在通過AI驅動的預測建模，幫助廣告商更加高效地投放廣告。 

這帶來的好處不言而喻，投手們甚至無需創建廣告計畫、無需全天盯盤，讓系統去自動跑量和優化就好了，每天只要去看系統跑量結果就可以了。 

不過對於廣告主來說，一個很大的痛點在於他們可能很難理解AI出價的邏輯，資料在平臺內黑盒化，透明度降低，如果無法完全理解AI的決策邏輯，那麼廣告主在投放效果下降時，就難以及時調整策略。而如果放手給AI來調整，也可能會出現誤判資料，繼續對無關使用者高出價，導致轉化率低，浪費預算的情況。

偏個題先——在互聯網廣告行業，“羊毛出在狗身上豬來買單”早已是常見的商業模式——你以n元的成本生產內容吸引流量或者直接吸引流量，而這些流量（用戶的點擊）以m元的價格賣給廣告主，只要m大於n，你就是有利可圖的。之前的趣頭條利用金幣激勵的方式吸引流量再廣告變現就是這套邏輯。 

而現在AI可以說直接把n打到了地板。根據IT技術博主阮一峰的計算，使用某國產AI模型生成一篇文章僅需0.00138元，而單次流覽的廣告收入約為0.00145元。另據“矽星人”的報導，一家發佈“某市突發爆炸”虛假新聞的帳號機構，最高峰一天能生成4000至7000篇假新聞，每天收入在1萬元以上，而公司實際控制人王某某經營著5家這樣的機構，運營帳號達842個。 

一些黑灰產團夥正在利用AIGC大模型批量生成同質化素材。小紅書在過去三個月內，共計處置了超過320萬的黑灰產帳號，明確點出AIGC大模型養號亂象。而今日頭條《2024年度治理報告》顯示，平臺全年累計攔截低質AI內容超93萬條，處罰同質化發文超781萬篇。 

以上是流量主的視角，而我們拉回來到掏錢的廣告主視角，沒錯，大家辛辛苦苦從牙縫裡摳出來的預算，或許就這樣接入到了低質AI內容上。

當然，在行銷中使用AIGC的最大風險是不明確的智慧財產權和版權情況。

「深響」曾深度對話相關方面律師，已有判例不能直接套用到所有的情況上——著作權歸屬的判決依據是在整個AI生成內容的過程中，人類智力和獨創性體現的占比多少，使用者訓練地越精准，可選擇性越多，最終取得生成內容著作權的可能性越大。 

因此，品牌應該（至少在目前）使用生成式人工智慧進行研究、靈感或微調，但不要盲目地直接使用人工智慧生成的文本、圖像或音訊內容。

與此同時，目前已有金融機構在使用AI技術進行行銷時，可能超出客戶授權範圍使用客戶資料，或未經客戶同意將資料共用給協力廠商，從而引發法律問題。

 以上均是業務層面的探討，但我們不能忽視的是AI深入滲透到行銷工作中之後，給廣告主組織管理上的挑戰。大家或許正在或將要面臨以下困惑：
 

• 消費者的資料在手，是否有必要自建大模型？如果購買現成的大模型服務，“AI資產”如何沉澱？
• 如何建立合理的人機協作工作流程？哪些業務可以放手給AI，是否配備人工“監工”？如何給AI及其協作者設置績效考核目標？AI犯錯如何問責？
• 有了AI幫手之後，“乙方”還有存在的價值嗎？如果有，是什麼？
• AI驅動的行銷需要跨部門的緊密合作，例如資料團隊、技術團隊與行銷團隊之間的協作。然而，部門壁壘和溝通不暢可能阻礙AI技術的有效應用，品牌是否有決心“刷新組織”，打破既得利益，讓組織適配於AI協同工作的模式？
• 如何確保團隊在“AI問題”上同頻思考，減少矛盾、彌合爭議？
• …… 

聊到這裡，其實並不是要給AI行銷潑冷水，事實上，AI早已滲透到行銷業的方方面面。我們期待AI在未來能為創意工作帶來更多的點睛時刻，期待它把優化師從繁瑣的基建中解放出來，也期待它能為品牌真正提效提質，省力省錢。

只是在美好到來之前，保持「謹慎」也同樣重要。