本文收录于：《现代传播》2020年第8期
段淳林 宋成
【内容摘要】人工智能技术深入到广告运作的全流程环节，颠覆了传统广告在消费者洞察、广告创作、广告投放、广告效果反馈等环节上靠人力劳动和经验智慧驱动的运作方式。智能广告运作的核心逻辑体现在 从经验到科学的智能洞察和需求预测、 以算法模型为工具的智能生产与分发、 整合时间与空间的智能互动与反馈三个方面。在此逻辑下，智能广告的发展经历了基于数字化和自动化技术的信息推送阶段、基于大数据和机器学习技术的动态化场景匹配阶段、基于社交信息流算法和情感计算技术的品牌价值共创阶段三个阶段。为了智能广告未来更好地发展，值得探索的路径包括：规制“隐私窥视”，构建平等互惠的数据利益共享机制；防止“技术异化”，融入品牌精神价值观实现深层次沟通；避免“时空侵犯”，让广告成为有用的信息等。
【关键词】人工智能；智能广告；算法推荐；场景匹配；时空侵犯
人工智能的发展无疑为未来带来了巨大的想象空间。美国奇点大学校长雷·库兹韦尔（Ray Kurzweil）在《奇点临近》ー书中大胆预测，21世纪前半叶，技术不可避免地朝向机器化发展，必将大大超越人类智能。 智能化将成为未来传播形态最重要的特征。智能技术发展推动媒介形态、营销环境以及消费者的审美与接受发生改变，信息智能化的广泛应用将使整个广告产业模式发生巨变。实际上，2016年6月，著名创意机构日本麦肯公司就举行了一场人工智能机器人与人类创意总监的广告大赛，按照规定要求双方各出一个参赛作品放到网上进行匿名投票，最后投票结果是人类险胜机器人。这是人工智能在广告业上对人类创意的一次挑战，但其应用远不止如此。随着人工智能技术与广告行业的融合渐趋深入，智能广告的概念浮出水面。
关于智能广告的概念，学者们并未达成一致。引证较多的定义是 智能广告是以Web3.0为技术应用平台，以人工智能技术为支撑的一系列新兴广告形态。目前学者们对智能广告的研究主要从三个方面展开：从微观层面探讨人工智能技术催生的各种广告新业态，如智能视频场景广告、智能搜索引擎广告、追踪定位推送广告等；中观上偏向于研究人工智能技术在消费者洞察、广告策略分析、广告内容创作、广告智能推荐、广告效果深度应对等广告业务环节上的具体运用；宏观上研究涉及到了人工智能技术对整个广告产业和生态系统产生的变革性影响。同时，学者们对人工智能在广告业应用上存在的问题和挑战提出了思考，如数据困境问题、品牌内容问题、行业监管问题、用户隐私问题等。
总体上看，当前学术界已经极大地关注到了人工智能技术对广告行业的影响，但相关研究仍处于起步阶段。对智能广告的定义仍局限于将其视为一种新兴的广告形态来看待。笔者认为，人工智能作为综合性技术，已经越来越多地应用于现实生活之中，智能广告在用户需求、算法推荐和场景匹配等方面的不断优化，会更加智能化，洞察和满足人类需求的能力不断提高，未来广告的属性将发生改变， 广告成为一种有用的信息，服务于用户生活，后续研究可以从品牌信息传播的视角拓展其内涵和外延；对智能广告运作机制的相关研究，由于处于业界前沿而缺乏相应的理论支撑和研究框架，难免碎片化和不够深入。但智能广告的发展并不是凭空发生的，而存在于历史发展规律之中。例如近年来兴起的广告传播研究新范式——计算广告学，其要解决的核心问题是“在特定语境下特定用户与相应的广告之间形成最佳匹配”，智能广告的相关研究或许能够从中借鉴思路。
综上，笔者对智能广告的理解是：智能广告是 以数据驱动为基础，以用户需求为中心，利用人工智能技术实现广告内容的智能化生产、传播、互动和反馈，并在算法模型的智能决策和实时优化下，精准匹配用户生活场景、个性化满足消费者生活信息需要的品牌传播活动。据此定义，本文将研究问题划分为两个：一是从人工智能技术的角度来探讨智能广告的运作机制及其意义，它与传统广告有何不同？二是从广告史发展的角度研究智能广告兴起所经历的不同阶段及其规律，以此探索未来智能广告的创新性路径，促进其更好地发展。
一、
大数据范式下广告传播研究的理论转向：从计算到智能
任何科学研究都需要在一定的范式范围内开展。追根溯源，范式是英文Paradigm的翻译，与范例、示范或典范等相近。1962年，美国科学哲学家托马斯·库恩（Thomas Samuel Kuhn）在《科学革命的结构》一书中使用了“范式”这个概念，它包含两层含义，一是指“一个特定科学共同体的成员所共有的信念、价值、技术等等种种构成的整体”；二是模型和范例，“可以取代明确的规则以作为常规科学中其他谜题解答的基础”。即可以将其理解为一种世界观、方法论或范例构成的理论模式或实践指导模式。库恩从历史主义的视角提出了科学发展中的范式转换理论，认为 科学革命不取决于规模，而是取决于范式的改变。
按照库恩的范式理论，图灵奖获得者吉姆·格雷（Jim Grey）认为科学研究经历了从几千年前的实验科学范式、数百年前的理论科学范式、再到数十年前的计算科学范式的演进，如今人类科学研究进入到数据密集型科学范式，即大数据范式。尤其是伴随着大数据和移动互联网、物联网以及社交媒体的计算架构为代表的新兴信息技术的发展，以模型和假设进行仿真和模拟获得研究结论的“第三范式”遭到挑战， 从海量数据中发现相关关系进而获得新知识的“数据密集型”的“第四范式”成为科学研究的新范式。而在社会科学领域，传统社会科学研究在面对错综复杂的信息技术环境上，研究工具、方法和思维理念都遇到了巨大挑战，由此诞生的计算社会科学作为一种崭新的研究范式受到重视。
“计算社会科学”的概念最早由大卫拉泽尔（D.Lazer）在《科学杂志》提出，其本质是致力于应用数据思维、数据资源和数据分析学以研究人类社会行为和社会运行规律等。在此理念的影响之下，计算传播学、计算广告学等概念相继兴起，并渐成趋势。计算广告学同样是在“继承传统广告学核心理论的同时，为了应对科学技术发展带来的新问题和新观念，将计算主义理论和方法应用到了广告学研究中”而产生的。近年来，随着该领域的研究不断丰富，有学者认为“计算广告学是随着网络技术的发展而出现的广告研究新范式。社会计算理论是计算广告学的支撑框架，大数据则是其形成的现实依据”。
毫无疑问，计算广告学理论范式丰富和发展了传统广告学研究的内涵和外延。从互联网广告的演进来看，计算广告经历了从早期的合约广告、定向广告、搜索引擎广告到程序化购买广告的流变，不同于传统广告依靠人的经验和智慧驱动的思维模式， 以获取多样化数据和实时计算为基础实现精准化传播的计算主义思维成为主导性理念。以程序化购买广告为代表的计算广告是目前广告传播的新兴形态，国内学者刘庆振认为“计算广告是根据特定用户和特定情境，通过高效算法确定与之最匹配的广告并进行精准化创意、制作、投放传播和互动的广告业态”。从此定义可以看出，计算广告已经初步具备“智能”的基因，利用数据和算法实现匹配是其基本运作模式。
正如恩格斯所言“呈现在我们眼前的，是一幅由种种联系和相互作用无穷无尽地交织起来的画面，其中没有任何东西是不动和不变的，而是一切都在运动、变化、产生和消失。”面对迅速发展的人工智能技术，广告业正经历着一场前所未有的变革，亟需在新的理论范式下研究智能广告的发展及未来。笔者认为，根据对“智能”内涵的理解，人工智能的发展可以划分为 计算智能、 感知智能和 认知智能三个层次。计算广告是计算智能的表现，是智能广告的初级形态，大数据和计算能力是计算广告的核心驱动力，也是人工智能技术发展的基础。智能广告是计算广告的优化和升级，二者的核心理念并没有什么区别，在计算广告基础上实现更高形态智能优化是当前广告实践追求的目标。未来，智能广告将随着感知智能和认知智能的发展而不断进化，会朝着人性化以及越来越符合人类本能和满足其需要的方向发展。因此，大数据时代的计算广告学范式也将朝着人工智能时代智能传播的广告范式演变。
二、
需求、算法与场景：智能广告实现的三个关键要素
沿着计算广告学的“在特定语境下特定用户与相应的广告之间形成最佳匹配”的核心理念，和前面笔者对智能广告的定义，我们可以将智能广告的研究划分为三个维度，即 用户需求维度、 算法推荐维度和 场景匹配维度。
（一）用户需求
营销的本质是挖掘和满足消费需求，对消费者的精准洞察是满足其需求的前提，也是一切科学营销活动的基础。 消费者洞察，即发现消费者的新需求和隐性需求，将其应用于企业的品牌传播活动中，使品牌传播更精准、更具效率。囿于技术条件和方法的藩篱，传统广告投放多依靠市场调研、发放问卷的方式和一些简单的定性手段，如观察、访谈等，并结合企业内部销售数据记录等来获得比较狭隘的统计数据指导广告决策，对消费者需求关注有限。消费者洞察只是从心理学范畴上凭借个人经验智慧和分析得出，具有很大的主观性和盲目性，无法明确定位用户画像和掌握动态化的用户需求。
大数据的出现从根本上改变了这一困境。2013年维克托·迈尔舍恩伯格（Viktor Mayer- Schonberger）在《大数据时代：生活、工作与思维的大变革》中指出，大数据带来的信息风暴正在变革我们的生活、工作和思维，大数据开启了一次重大的时代转型。大数据的价值被充分释放出来，利用大数据可以实现聚类分析，相关性分析和预测性分析，如对股票的预测、电影票房的预测等。云计算技术也大大提升了大数据的实用性，使得数据规模量更大、数据流转和运算速度更快、运算结果更准确、数据价值密度更高。
大数据是智能广告发展的基础。1968年，图灵奖获得者理查德·卫斯里·汉明（Richard Wesley Hamming）认为计算的目的不在于数据，而在于洞察人和事物。基于大数据技术的消费者洞察极大还原了消费者在虚拟数字空间以及现实空间中的真实状态。 数据更新速度快，保证了消费者洞察的数据时效性； 数据来自多元场景，可以立体化、多角度解读消费者的行为和态度。从用户需求维度看，智能广告的基本运作逻辑是，利用大数据技术搭建起集数据分析、数据挖掘、数据安全等功能为一体的智能数据管理平台，提供精准的用户画像定位，利用人工智能技术准确分析和理解用户行为特性，建立用户需求偏好的算法模型，并不断训练优化，掌握用户的动态化、潜在性需求和预测未来需求，从而选择和调试品牌信息传递的方式和结果，向用户传递个性化的品牌信息。
（二）算法推荐
20世纪90年代初，美国西北大学教授唐·舒尔茨（DonE. Schultz）的 整合营销理论（Integrated marketing communications）提出后，成为广告营销上的一种主导性范式，受到广泛推崇，其核心思想是将与企业进行市场营销所有关的一切传播活动一元化，主张“一种形象，一种声音”。
移动互联网时代到来，信息技术的快速发展使得整合营销传播理念遭遇了极大的挑战。正如美国传播学家沃纳·赛佛尔（Werner J. Severin）所言：“目前，广告业正处于一个变化阶段，其主要原因是媒介环境发生巨大变化。传统上针对广大不知姓名观众的大众媒介广告是一种行将消亡的传播形式。”一方面， 品牌接触点不断泛化，广告主面临着新技术更新快，流量推广成本高，投放分散化、碎片化，难以取得实效的难题；另一方面，海量信息在互联网上留存和呈现，用传统方式根本 无法进行有效的处理和价值适配。“信息过载”下传统信息处理范式失灵，用户需要更加个性化、智能化的信息获取模式。由此，广告沟通范式从整合营销传播开始向融合定制传播模式转变。可以说，以算法模型为工具的个性化推荐机制是融合定制传播范式的最佳体现。
算法推荐机制是智能广告个性化精准传播的重要工具。算法（algorithm）可以定义为解决一个特定问题而采取的一系列特定的、有限的步骤。智能算法最大的目的是 将合适的广告内容在适合的时间、场景下推送给用户，提高广告曝光的准确性与营销效率。从算法推荐的维度看，智能广告的基本运作逻辑是，收集和读取海量数据（包括结构化用户信息数据和非结构化文本数据），建立用户画像标签系统，然后模拟和训练算法模型在内容和用户之间建立关联，最后通过个性化推荐传播实现多维场景的适配。机器学习是算法的核心，其有效运用在于对多维数据的挖掘和分析模型的改进。即需要“趋于无穷”的大样本完备数据进行模型训练，同时要建立一套有效的评价和反馈机制对模型进行修正。可以说，算法推荐机制让智能广告成为一个实时动态调整的过程，极大地提升了广告投放效率和效果。
（三）场景匹配
与“场景”一词相关的是“情境”，情境是指在某特定的时间和地点存在的对当前行为产生改变的某些因素。传播学家梅罗维茨（Joshua Meyrowitz）结合了麦克卢汉的媒介理论和戈夫曼的“拟剧理论”提出了“媒介情境理论”，该理论认为媒介环境的变化导致社会环境的变化，而环境的变化必然会引起人们行为的变化。情境认知理论（Situated Cognition Theory）也认为，个体的信息编码过程很大程度上受到场景因素的影响。2014年，罗伯特·斯考伯（Robert Scoble）和谢尔·伊斯雷尔（Shel Israel）在《即将到来的场景时代：移动、传感、数据和未来隐私》中提出了“场景”的概念，其认为场景时代的五种技术趋势是 可穿戴设备、大数据、传感器、社交媒体、定位系统，即“场景五力”，并预言未来25年互联网将进入场景化时代。
对于“场景”的理解可以分为两个方面：一是触发消费者潜在需求的心理空间环境；二是提供消费者需求满足的物理空间环境。营销学上，场景营销指的是在互联网等技术支持下，通过信息分析来捕捉消费者在不同场景下蕴含的产品和服务需求，从而发现营销机会和潜在市场。传统场景营销是营销者主导下的场景打造，其重心在于营销场所的环境塑造，通过构建互动装置艺术空间，为消费者提供合适的体验环境和设施，引导消费者对产品或服务消费。但由于营销的重点仍停留在渲染主体营销场所和空间层面，消费者是被动进入到场景中的差异甚小的消费群像，在营销过程中，消费者的个体行为特征难以把握，不同场景中的作用因素和实际效果更难以衡量，也就无法精准把握个体消费者的实际需求。
智能广告传播的本质即是基于场景的服务，即对场景（情境）的感知及信息（服务）适配。不同于传统场景营销，其营销重点在于物理空间的实在和心理行为的匹配，通过社会化网络分析建立与用户情境的关联并与其生活贴近，一切需求的满足都有赖于智能算法的智能匹配与优化。有学者总结认为，智能算法的场景匹配策略主要包括基于用户身份洞察的身份匹配、基于内容分析的意义匹配、基于场景建构的情境匹配和文化传统的立场匹配。从场景匹配的维度看，智能广告的运作逻辑在于，根据线上线下一体化的数据整合，清晰锁定目标消费者画像和所在的动态化场景，再利用智能算法优化推荐和实时的渠道数据反馈，实现智能化的场景应对和动态调整，让广告自然渗透进用户生活的全场景，实现用户与场景的深度适配，并与用户互动建立深层次的情感沟通关系。
三、
流程重塑：智能广告的核心运作逻辑
从用户需求、算法推荐和场景匹配的三个研究维度看， 人工智能技术已经深入到广告运作的全流程环节，颠覆了传统广告在消费者洞察、广告创作、广告投放、广告效果反馈上靠人力劳动和经验智慧驱动的运作方式，开创了以数据和算法为驱动的智能营销的全链路变革，其运作的核心逻辑体现在以下三个方面。
（一）从经验到科学的智能洞察和需求预测
智能洞察是指利用人工智能技术工具，深入挖掘用户社会化网络数据，并利用智能算法对用户进行特征提取、兴趣建模、情感分析等，实现准确的用户需求分析和预测，从而更精准、高效地指导品牌传播活动。
著名物理学家巴拉巴西（Albert-Isl6 Barabgisi）在《爆发》一书中提出 93％的人类行为是可预测的。虽然消费需求是动态的，但 决定消费行为背后的消费者的“自我概念”和生活方式具有长时间的稳定性。一个人价值观的结构性和稳定性往往决定了其一以贯之的行为特征。结合人工智能对用户的洞察能够深入分析一个人的性格、智力、责任心、价值观，从而理解消费行为，预测消费需求，并能不断对用户行为数据进行学习、更新、完善，提升需求服务能力。
智能洞察从根本上改变了传统用户洞察碎片化、粗放式、不精确的方式，广告投放从依靠人工劳动和以既往经验和想法作为驱动，向 依靠数据和技术驱动的科学运作模式转变。
（二）以算法模型为工具的智能生产与分发
智能分发是将海量用户特征向量化，利用算法模型建立用户、广告与场景关联机制，依靠数据实时计算和算法决策，采用不同传播工具组合将个性化广告内容在合适的时间、地点下精准推送给用户的广告投放模式。 智能算法推荐机制的核心是算法，目前主要算法类型包括基于内容的推荐、基于关联规则的推荐、基于协同过滤的推荐、基于模型的算法和混合算法五种。基于内容的推荐是在推荐引擎出现之初就被广泛应用的一种比较早的算法推荐机制，核心思想是根据过去用户浏览和喜欢的内容推荐给用户相关的内容；基于关联规则的推荐是通过大数据分析商品之间的相关性来推荐相似的商品，如买尿布的用户有较大概率买啤酒，当用户购买尿布的时候就会推荐啤酒给目标消费者；基于协同过滤的推荐是目前应用最广泛的算法，主要是根据喜欢相同物品的用户更有可能具有相同兴趣的思想，将与目标用户兴趣相似的人接触到的商品，推荐给没接触过该物品的目标用户，例如腾讯社交广告的Lookalike算法，是基于某目标人群，从海量数据的其他人群中找出与目标人群相似的潜在消费者，推送其他具有相同兴趣的用户广告给目标消费者，从而帮助广告主拓展新顾客和新业务；基于模型的算法是利用历史数据的机器学习训练得到模型，并利用该模型来对用户的喜好进行预测推荐和实时推荐。由于任何一种推荐算法有一定的优缺点，在实际应用中，个性化智能推荐系统会采用“混合算法”，即根据不同的场景和时间阶段使用不同的算法配合，以达到广告效果的最优化。
智能化生产和分发所引发的行业变革体现在强大的产业重构效应上。在大数据和算法技术的作用下，智能广告将互联网所具备的“个人传播”“柔性定制”等天然基因优势与广告主所需要的“广而告之”的效果追求完美统合，解决了“个性化精准分发”与“大规模批量生产”之间的矛盾，即效率和效果的统一。算法主导媒介策略投放，而广告人最后的“自留地”——创意生产，也面临着被替代的危险。广告业从人力密集型到技术密集型的产业经济范式的转换，将是广告产业发展中最具革命意义的经济范式变迁。
（三）整合时间与空间的智能互动与反馈
智能反馈是指广告投放过程中实时监测广告效果数据，衡量消费者情绪变化、场景、渠道、互动行为等各个因素对广告效果的影响，通过数据建模和用户验证实现智能化决策，从而实时优化和调整广告策略。智能广告基于数据和深度神经网络算法的大量训练建立起机器学习的归因模型，例如首次触点模型、末次触点模型、线性模型、位置模型、加权归因模型等，多渠道触点监测广告效果，并以监督学习的方式预测一系列事件是否导致转换，从而实现智能决策和应对。基于机器学习的归因模型对广告效果的准确性评估远超于传统的归因方法，能提升广告效果的可见性，大幅度提高广告效率，避免广告资源浪费，从而能对广告效果不断优化。例如谷歌的广告效果归因工具Google Attribution，通过对消费者从品牌认知到购买整个阶段的数据进行分析和处理，理解消费者每个行为步骤背后的含义，评估出不同渠道下营销的价值，协助营销者清晰地了解到特定时空场景下各渠道之间的动态交互效应，极大提升了广告效果。
实际上，马克思早在19世纪中期就提出了“用时间消灭空间”的设想，而人工智能及其技术应用更加打破了信息和物质交换的时空阻隔，将人们从时间和空间的束缚中解放出来。智能互动和智能反馈以“实时性”为主要特征，它时刻关注用户个人特征，将每个消费个体都纳入“实时”的状态，依靠数据的实时计算来实现即时互动和不断地反馈应对。简而言之， 智能广告正是通过实时动态的优化体系，确立未来广告作业的运行标准。
未
完
待
续
作者
段淳林，华南理工大学新闻与传播学院教授、博士生导师，中国知名品牌战略与传播专家，广东省新媒体与品牌传播创新应用重点实验室主任，广东省大数据与计算广告工程技术研究中心主任。全国第一个品牌传播专业创办人，整合品牌传播（IBC）理论体系创始人。
宋成，华南理工大学新闻与传播学院2017级硕士研究生。
段淳林，宋成 | 文字
李凌羽 | 编辑
END
桃李芬芳，师恩难忘！返回搜狐，查看更多
