文 | Eric

當大多營銷人對“AI+內容營銷”的討論還停留在“能生成多少爆款文案”時，特贊科技創(chuàng)始人范凌卻拋出了一個更本質的問題：比起內容生產，AIGC的關鍵能力在于推理，這才是撬動行業(yè)變革的關鍵。

如今很多企業(yè)把AIGC當成“創(chuàng)意速成班”，卻忽略了AI能解碼過去被稱為“玄學”的營銷經驗。比如優(yōu)質文案的底層邏輯、爆款內容的用戶洞察。而在范凌眼中，AI大模型的獨到之處在于“將過去依賴‘手感’的工作變成可量化的流程?！?/strong>

這與當下消費者決策路徑的變化高度契合。微軟廣告最近發(fā)布的《解碼現(xiàn)代消費者》白皮書中顯示，56%的消費者在決定購買前會花更多時間研究產品，39%的消費者收藏列表使用頻率增加，這意味著品牌需要更精準地捕捉消費者在漫長決策鏈中的需求，而AI的量化能力恰好能為這種精準捕捉提供支撐。

這種“量化”能力，恰恰為破解營銷領域長期存在的核心困境提供了鑰匙：傳統(tǒng)營銷總困在時間、質量、預算的“不可能三角”里。而AI的價值，正在于用自動化工作流打破這種僵局。既像“多產糧食”一樣實現(xiàn)短期效率提升，又能通過沉淀數(shù)據資產“增加土地肥力”，為長期品牌建設鋪路。

但問題來了：當AI從單一工具進化成營銷協(xié)作者，企業(yè)該如何讓技術既提升執(zhí)行效率，又不丟失創(chuàng)意靈魂？這或許是每個想在AI時代破局的營銷人，都需要解開的命題。

為此，「AI營銷新范式」欄目特別邀請了特贊科技創(chuàng)始人范凌展開了對話，共同探討AI時代，如何讓內容營銷既更高效，也更有靈魂。

從玄學手感到數(shù)據沉淀

AI 如何將營銷經驗轉化為量化標準？

AI營銷新范式：過去談論AI+內容時，大部分人首要想到的可能都會是AIGC來賦能創(chuàng)意廣告生產制作，但在您眼里AI+內容是否還有著更加寬泛的應用？

范凌：AI+內容，顯然不止于內容創(chuàng)作。

當下我們在談論AIGC時，會默認將其看作文字、圖片以及視頻的生成工具。但我認為AI還有一個關鍵能力常被忽視：推理能力。

它能深入理解過去人類積累的優(yōu)秀成果，比如好的社媒內容、優(yōu)質文案，甚至成功的產品創(chuàng)新。這些知識過去往往像“玄學”或經驗，難以系統(tǒng)傳授，更多依賴“手感”。現(xiàn)在，AI卻可以有效地“解碼”和理解這些內容，將原本“玄學”的知識沉淀為實際的數(shù)據。

我認為這是個巨大的機會。當AI能夠理解人類過去的優(yōu)秀成果，它就能開始學習并嘗試編排工作流。這也是為什么“多智能體”成為今年一個重要議題。AI不僅能提升內容生產效率，在理解內容之后，更可以自動編排工作流程，用于內容運營、生產等多個環(huán)節(jié)。

特贊在今年推出的 atypica.AI 就是這樣一款全自動化的多智能體。它能持續(xù)在社交媒體上挖掘用戶洞察，并據此生成各類營銷分析，如新內容分析、新產品的設計思路分析等。因此，除了內容生成，AI的推理能力和自動化工作流組織能力，我認為也存在很大的發(fā)展空間。

AI營銷新范式：您提到的這些應用方向，其實也和現(xiàn)在消費者的路徑特征相契合。微軟廣告最近發(fā)布的《解碼現(xiàn)代消費者》白皮書中提到現(xiàn)代消費者往往會在多個觸點之間切換，廣告主需要在不同渠道觸達他們，并在保護隱私的前提下傳遞相關度更高的個性化信息吸引注意力并建立有效連結。

所以可能從最終的市場表現(xiàn)來看，AI在您提到的內容創(chuàng)意、流程效率、市場洞察等各個方向的應用，最終都會轉化為驅動品牌實現(xiàn)精準觸達、增強用戶體驗、提升轉化率的關鍵力量？

范凌：是的

AI營銷新范式：現(xiàn)在之所以放心不下讓AI獨立地完成一系列任務的原因之一是“AI幻覺”現(xiàn)象，那您是如何看待“AI幻覺”的？它是否會成為AI+內容營銷的阻礙因素？

范凌：在回答問題前，我們不妨先理解一下“AI幻覺”是如何產生的。以“世界最高峰是珠穆朗瑪峰”這句話為例，當用戶在互聯(lián)網提問“世界最高峰是什么”時，可能存在如“是你心中的那座高山”這類更加主觀性的回答。類似的情況會導致訓練語料并非完全fact-based（事實導向），而是基于probability-based（概率關聯(lián)）。

因此，模型訓練過程中會吸收大量被我們視為錯誤的答案。

但其實在特定的語境下，“世界最高峰是你心中的那座高山”這樣的表述反而具有美感，所以說“AI幻覺”其實來自于人類語言的不確定性而成的意外。

正是因為大模型訓練語料的不確定性，使得“AI幻覺”無法避免，我們只能通過后訓練來規(guī)范它。比如明確地告訴大模型一些特定答案，類似這些后訓練指令覆蓋得越廣，對應場景的幻覺概率就越低。

這也并非意味著“AI幻覺”是完全錯誤的，在利用AI做創(chuàng)造力工作時，我反而覺得幻覺是件好事，畢竟這種幻覺在某些場景也能化作一些不錯的靈感。

所以，要判斷“AI幻覺”是否會成為營銷阻礙因素的關鍵在于定位：如果只是將AI視為按指令辦事的機器，幻覺是問題；但如果我們將其作為一個Coworker（協(xié)作伙伴），尤其是在創(chuàng)意領域，幻覺便成為了AI很有價值的一件事。

所以我們需要明確何時屬于“錯誤幻覺”，何時屬于“有效創(chuàng)造”。

AI營銷新范式：您剛才提到“有效創(chuàng)造”與“錯誤幻覺”的定位邏輯，特贊白皮書提到營銷行業(yè)存在成本、效率、轉化的“不可能三角”，從您的實踐來看，AI破解這一困境的核心路徑是什么？

范凌：“不可能三角”是營銷行業(yè)的普遍困境，它是指在營銷中難以同時實現(xiàn)低成本、高效率與高轉化這三個目標。但新技術與工具的出現(xiàn)其實就是為了破除原來做不到的事情。

我認為如果企業(yè)能夠實實在在地將自身的內容資產沉淀下來，那AI就可以承擔起內容運營自動化的角色，就有可能破解這一三角難題。

舉個例子，一家做內容運營的企業(yè)往往需要高頻、持續(xù)的更新，AI工具能夠提供穩(wěn)定、持續(xù)的支持，同時不斷優(yōu)化效果，幫助團隊從重復性工作中解放出來，把精力更多放在創(chuàng)意和策略上。這樣一來，AI就可能成為實現(xiàn)成本、效率與轉化平衡的關鍵力量。

AI營銷新范式：所以針對當下營銷行業(yè)的種種痛點，您認為AI在營銷領域中的核心價值是什么？它能帶來哪些顯著的效率提升和成本節(jié)約？

范凌：目前，AI的應用通常涉及兩個方面，一是通用模型層面，這個層面希望AI的能力越強越好；二是商業(yè)解決方案層面，這個層面需要解決實際問題，更追求解決方案（solution），而不是只探討可能性（possibility）。

在營銷場景中，核心關注的是兩個關鍵問題，即增長和降低成本。對我來說，增長是首要任務。過去“矩陣號”的做法依賴切片，這樣做出來的內容質量不高，重復率還高。而我們的做法是利用AI賦予獨特的人物設定，以此提升內容的質量和豐富度。

在降低成本方面，AI可以讓創(chuàng)意人員從一些重復性勞動（比如修改 Banner 尺寸等）中解脫出來，讓他們能把精力放在創(chuàng)意構思上。同時，AI還能像“翻譯者”一樣，把優(yōu)質的創(chuàng)意轉化為合適的內容，讓團隊能夠專注于高質量的內容生產。

我九年前就開始探索人工智能和設計的結合，最初的想法就是想讓電商設計師從繁瑣的工作中解放出來。他們本就應該把精力放在創(chuàng)意構思上，而不是做一些機械性的執(zhí)行工作。

因此我認為，AI是實現(xiàn)增長與提效兩大目標的基石。

*機器參與矩陣內容生產的過程

AI重塑品牌表達

從調性一致到創(chuàng)意延展的邊界探索

AI營銷新范式：接下來將視線聚焦到具體的內容生產環(huán)節(jié)，品牌戰(zhàn)略有一個頂層架構，是品牌屋。這就要求品牌所有營銷也都要在“屋檐下”，也就是需要一個統(tǒng)一的調性。在您看來，AI驅動下的內容生產是否正在重構品牌的人格表達？品牌在借助AI提升內容效率的同時，如何保持表達的一致性、獨特性，乃至實現(xiàn)更深層次的共鳴？

范凌：AI同樣遵循“Garbage in, Garbage out”的基本原理，也就是說如果輸入的信息是垃圾，輸出的信息同樣會是垃圾。

類似品牌調性這種模糊的概念是難以描述的，但AI反而擅長處理這種問題。比如當我向AI要求“輸出的內容要體現(xiàn)某品牌的調性，但不要和輸入內容相同”時，AI通常能很好地把握這種平衡，無論是語言、視覺或分鏡調性。比如提示用現(xiàn)有素材制作一段賽博朋克風格的視頻，AI就會有不錯的表現(xiàn)。

有些時候看似是AI沒有輸出與品牌調性相符的內容，但其實是品牌自身的調性不明顯，AI也會因此而陷入困惑。

而在品牌與消費者的互動中，各個觸點呈現(xiàn)的調性是否一致、內容是否足夠個性化和相關，往往決定了整體的品牌感知。因此，企業(yè)需要從源頭就把控好輸入的素材和提示詞，讓AI在多場景中輸出既統(tǒng)一又具個性和相關性的內容，從而維持品牌人格的連貫表達。

AI營銷新范式：但僅僅是品牌調性的一致性還不夠，創(chuàng)意夠不夠新也是影響廣告抓人與否的因素之一，我們更加熟知的AI邏輯是對現(xiàn)有的創(chuàng)意邏輯進行總結與歸納，但這就可能導致“換湯不換藥”，那目前是否有能力利用AI以現(xiàn)有創(chuàng)意為基礎誕生出一些更加新鮮的靈感創(chuàng)意呢？

范凌：我認為是有能力的。

當下AIGC賦能廣告的創(chuàng)作更多是“1~∞”的過程，而創(chuàng)意的誕生則是“0~1”的過程。不過特贊做一些“0~1”的工作并非是我們的初衷。我們開發(fā)AI工具的初衷始終是幫助企業(yè)把“1~∞”做好，更多的是在已經有核心想法的基礎上在不同渠道把想法延展出來。

我們之所以會做“0~1”的工作一方面是出于流程閉環(huán)的優(yōu)化。為了提升“1~∞”的效果，需要我們重新去思考“0~1”的交付。不僅是最終成果，還包括創(chuàng)作的過程、核心的思路以及背后的邏輯，以此來確保素材能被高效復用與衍生。

另一方面是出于對技術邊界的探索。我們想知道AI的邊界到底在哪，所以就需要通過挑戰(zhàn)高難度的“0~1”的任務，比如創(chuàng)作一部優(yōu)質的TVC或是規(guī)劃一個新產品的創(chuàng)新流程，以此來測試現(xiàn)有工具與模型的極限能力。這種對“新鮮創(chuàng)意”的探索，恰好契合了Z世代等年輕消費群體的需求。

AI營銷新范式：盡管AI創(chuàng)意已逐步走進商業(yè)實戰(zhàn)，但不少品牌主依然處于觀望或者懷疑階段，擔心生成過程不夠透明、內容質量不穩(wěn)定或無法承接品牌調性，您認為打破這種顧慮的關鍵是什么？

范凌：沒必要有這種顧慮，使用AI工具并不是個矛盾點。

在AI參與視頻創(chuàng)作的場景中，明確標注是保障信息透明的重要前提。無論是AI深度參與內容生成，還是僅在腳本構思、剪輯輔助等環(huán)節(jié)提供支持，都建議結合實際參與情況進行恰當說明，確保受眾能清晰了解技術的應用邊界。

這種標注并非對創(chuàng)作方式的限制，而是在技術賦能時代，平衡創(chuàng)意效率與信息透明度的必要舉措，既符合行業(yè)規(guī)范要求，也能讓品牌與用戶之間建立更坦誠的溝通關系。

大模型時代的數(shù)據新哲學

從重視數(shù)量到重視質量

AI營銷新范式：創(chuàng)意行業(yè)的數(shù)據普遍存在碎片化、非結構化的難題，這給模型訓練帶來不小挑戰(zhàn)。在搭建垂直行業(yè)創(chuàng)意數(shù)據庫時，實際采用了哪些數(shù)據清洗和標注方法？

范凌：所謂的非結構化數(shù)據就是無法放入Excel表格中的數(shù)據，比如一些圖片、視頻等，這些又是創(chuàng)意內容的主體。過去的二三十年，計算機領域已經為此建立了大量數(shù)據集，比如ImageNet。并通過各種標注方式讓機器有了理解能力，當下利用數(shù)據訓練AI模型也是建立在此基礎上的。

我們的關鍵在于連接起內容屬性的特征性數(shù)據與表現(xiàn)結果屬性的效果型數(shù)據，并以此為基礎建立起“何種用戶偏好何種內容”的關聯(lián)，我們是更加側重于內容管理的系統(tǒng)。

我們搭建的企業(yè)內容數(shù)據資產管理系統(tǒng)中包含三類標簽：

第一類標簽叫特征，也就是描述內容的本身屬性；

第二類標簽叫效果，與內容的使用場景和表現(xiàn)相關；

第三類標簽叫管理，管理型標簽是通過IFTTT（IF-Then-Then-Then）的規(guī)則來限制。

在打標簽的方式上，我們的選擇也相對多樣，除了AI模型和規(guī)則引導外，我們還有一種混合模式。比如我們最近在做SKU的打標時，就是先讓人來操作若干個商品，后續(xù)讓AI來進行打標，如果AI和人的打標一致性打標，后續(xù)就交由AI來打標。

而大模型的出現(xiàn)降低了結構化解析的難度，因為它有著強大的多模態(tài)理解能力。不僅利于營銷內容分析，也賦能無人駕駛、物理研究等行業(yè)。

AI營銷新范式：因此當下不應該用“優(yōu)質創(chuàng)意”來形容標簽，而是根據具體內容在具體場景下的效果來評判？

范凌：是的。

大模型時代數(shù)據的價值并非是由多與少決定，而是由好與壞決定。因為大模型本身的數(shù)據就已經足夠豐富了，我們需要做的是告訴大模型在不同場景下最好的選擇是什么。

舉個例子，在大語言模型出現(xiàn)之前，品牌都會有Social Listening系統(tǒng)，也就是社媒洞察。過往的做法是將全量的社媒數(shù)據“爬”下來，然后再進行海量的清洗工作，最終得出若干個簡化的標簽。這是很典型的大數(shù)據時代思維，數(shù)據全但分析處理能力弱。

而大模型時代并不需要全量的社媒數(shù)據，只需要找到最新、最有代表性的100條甚至是10條數(shù)據，就足以把大模型對社媒的理解調動出來。

我認為大數(shù)據時代需要“大量”數(shù)據，大模型時代只需要“有價值”的數(shù)據。

從“說話”到“干活”

Multi-Agent如何重構營銷工作流

AI營銷新范式：您前不久提出過一個有趣的觀點，“AI正在從‘說話’轉向‘干活’”，也有人提出2025是AI Agent元年。隨著AI從內容生成走向真正的任務協(xié)作，您認為AI Agent會帶來工作流的哪些結構性變化？

范凌：大語言模型之所以叫大語言模型是因為它真的“會說話”，無論我們問它什么問題，它都能做出相應回答，但它并不會真的付諸行動。

因為它只有“嘴”，沒有“手”。當我們?yōu)榇笳Z言模型“加上手部”時，比如將它接入旅游服務平臺，并給它交易的權限，它才能真的為我訂機票。

營銷行業(yè)同樣是如此。過往當我們向大模型索要一份營銷Campaign時，它仍然是嘴上功夫。但現(xiàn)在我們把作圖工具交給它、把社媒賬號交給它，它就能真的完成一些工作，所以我認為未來不僅是Agent，而是Multi-Agent。

從GPT-4o開始，到DeepSeek R1后的AI大模型都有了Reasoning（推理）的能力，它能進行自我博弈，它的思考能力會變強，這使得AI大模型擁有了規(guī)劃任務的能力。接著我們再將其與各種工具連接在一起，當它做完規(guī)劃后就可以調用各種工具來實操，最終直接交付結果。

所以Multi-Agent其實就像是一個團隊一樣，有人寫文案、有人做策劃又有人做投放，他們就像是團隊成員一樣互相博弈、互相討論，最終呈現(xiàn)出一個結果，我認為這是一個巨大的機會。

AI營銷新范式：從您自己的角度來看，你認為“人”在整個AI驅動的工作體系中還有不可替代性嗎？

范凌：人始終是不可被替代的。

不管是之前提到的“0~1”的工作還是“1~∞”的工作，盡管過程是由AI完成的，但是它仍然是由人來驅動，靠人啟動的。像之前提到的電商，產品效果圖如何優(yōu)化是需要AI去處理的，但用什么Idea去賣，永遠是人需要思考的問題。

AI營銷新范式：王堅院士曾說過“AI并非是工具的革命，而是革命的工具”，隨著AI Agent對創(chuàng)意工作流的重構，我們也需要一種更加適配AI時代的企業(yè)結構，您認為未來企業(yè)需要怎樣構建更具“AI協(xié)同彈性”的組織能力？

范凌：這也是如今AI時代企業(yè)面對的主要困境之一，他們只想買一個好用的工具，卻不愿意改變自己。

在過去開發(fā)軟件需要前端、后端、測試、運維等20多個職能角色協(xié)同，但在AI的加持下，單個個體就能承擔多重角色，如果繼續(xù)沿用過往的分工體系，AI也只能在單個環(huán)節(jié)提升少量效率，跨職能協(xié)作的效率瓶頸始終存在。

因此企業(yè)真正需要突破的是組織架構的變革，告別傳統(tǒng)按職能劃分的20種分工模式，轉向讓個體或團隊端到端負責全流程。

AI營銷新范式：從單個Agent提效到“Multi-Agent協(xié)同”，特贊在這個升級過程中，通過Agent間的“博弈討論”解決了哪些過去單一工具無法突破的瓶頸？

范凌：特贊正在探索用AI模擬消費調查的前沿路徑。通過智能體自主瀏覽社交平臺的公開內容，利用大模型構建聚合化的用戶模擬智能體，生成虛擬用戶畫像，再由多個AI專家智能體協(xié)同對這些“虛擬消費者”進行自動訪談，從而幫助品牌低成本獲得對內容偏好與消費動因的洞察。

這種方式在效率與規(guī)模上已遠超傳統(tǒng)調研：過去找真人做訪談費時費力，現(xiàn)在每天能處理近萬份調研。我們目前已經模擬了30多萬個多元消費者，輸出的洞見常有意料之外的驚喜。

最終呈現(xiàn)出的結果也比較有說服力：真人回答問題的兩周一致性約81%，而AI智能體的模擬結果能達到85%。當然用戶洞察只是一小步，我們接下來還會嘗試接入不同工具來做符合用戶的營銷與新產品。

AI營銷新范式：您是否認為未來品牌內容的決策權會隨著AI的功能更加完善而轉移？

范凌：傳統(tǒng)的品牌做決策依靠Social Listening，這種形式有明顯的局限性：首先，一旦數(shù)據被爬下來就變成靜態(tài)的，而消費者是動態(tài)變化的；其次，將每個對象都標簽化再分析，是難以還原和理解真實用戶反饋的。這就好比即使我們知道橘子的元素構成，也無法復現(xiàn)橘子和它的味道。特贊現(xiàn)階段可以用AI智能體來模擬85%的消費者特征，雖然并不能100%還原消費者，但對品牌決策而言已經足夠了，商業(yè)的本質并不是對錯題，而是概率題，關鍵在于找到合理而非“絕對正確”的解決方案。

很多時候品牌的判斷都是一個人的決定，而決定又源于直覺，直覺是很難描述的。但AI能模擬不同視角的利弊分析，它能幫助決策者看到自己原有的思維盲區(qū)。

所以AI并非是在替人做決策，而是為人提供一些全新的視角，來協(xié)助做決策，因此我認為我們的初衷是希望能讓原先較為感性的決策過程變得可追溯。

此外我們還發(fā)現(xiàn)，很多用戶在用AI協(xié)助決策時并非是為了找到新答案，而是佐證已有的想法。比如他心里大概有個方向，想通過AI找支撐點，讓內部溝通時方案更有說服力。這其實更貼近商業(yè)真實場景。畢竟決策本身沒有絕對對錯，執(zhí)行力強弱才是關鍵。哪怕是正確的決定，拖太久或溝通不到位也會失敗。

所以我們從不追求用AI實現(xiàn)決策自動化，而是希望解決決策卡頓問題。當AI能快速輸出多維度分析，決策者就不用在信息不全時糾結，也不用花大量時間說服團隊，讓決策鏈條更順暢。畢竟商場上很多事不是想清楚了才做，而是邊做邊調整，關鍵是先把決定落地。

AI營銷新范式：最后，當AI成為創(chuàng)意生產的“新伙伴”，在您看來，品牌在構建AI驅動的內容能力時，如何平衡效率、商業(yè)價值與社會/合規(guī)責任？

范凌：永遠不要把技術和人文對立起來。技術的進步，不是為了取代人，而是為了釋放人的潛力，賦予我們創(chuàng)造新價值的可能。

在營銷創(chuàng)意行業(yè)，AI的價值不在于“替代”，而在于“解放”——它能幫助品牌更高效地完成單一重復勞動，把團隊的精力釋放出來，用于構思真正打動用戶的內容。這是效率的提升，也是商業(yè)價值創(chuàng)造的前提。

與此同時，AI內容的使用也不能脫離社會責任與合規(guī)的約束。特別是在創(chuàng)意內容中，如何確保原創(chuàng)性、公平性和對用戶隱私的尊重，都是我們必須認真對待的議題。比如，在特贊的實踐中，我們始終堅持標注AIGC生成內容，通過隱性標識、顯性標識和溯源技術等確保生成內容的安全可控；在構建數(shù)據庫時避免涉及個人隱私，通過數(shù)據脫敏、數(shù)據分級、數(shù)據加密等多種技術和管理措施確保數(shù)據的安全合規(guī)等等。當然，我們也在通過各類安全管理和安全工具不斷的完善我們的內容保護能力。

所以我認為，在構建AI驅動的內容能力時，應該做到三維協(xié)同。效率、商業(yè)價值和社會責任不是對立關系，而是一個系統(tǒng)工程。真正的創(chuàng)新，不是只比誰跑得快，而是誰跑得遠、跑得正、跑得穩(wěn)。