上图：两个外表区别不大的广告

背后的逻辑和技术可能有天差地别

在这个方向上，广告的形态创新经历了几个阶段。

第一个阶段：创意和受众的手动匹配。也就是利用广告排期，将广告资源的属性和受众的属性进行匹配：例如，女性媒体，就投放女性喜爱的产品的广告。此时还谈不上具有智能的广告。

第二个阶段：监督学习提升广告匹配并提升广告效果。这是广告投放能力的一次升级，在这个阶段，广告系统不再依赖于广告位所处的媒体内容，而是以结果导向，去反向优化广告投放的策略。这种方式不仅让广告投放摆脱了广告位的束缚而更具动态性，而且也让广告能够随时间的增长而效果逐步提升。

这个方式具有革命性，但它也有问题，问题就出在“时间增长”上——监督学习需要时间和非常大的数据量，有点像让机器随机地在迷宫里摸索，然后再逐步地总结规律。有些广告主还没有花到足够的钱让机器“学会”怎么投更有效，投放就已经结束了。

第三个阶段：更好的智能，大幅度减少监督学习的时间，甚至能够结合“无监督”的机器学习大幅度提升广告投放的效果。

第三个阶段是在第二阶段的基础上的又一次飞升，既然要“无监督”（不再有摸索迷宫的过程），那就需要广告系统像人一样地去提前理解广告创意和内容，再结合更大量级的数据去实现短时间甚至实时的广告推荐和优化。这就好比，广告上线的同时，系统基本上已经成竹在胸：我已经知道你的广告是什么类型的广告，卖的是什么商品，随后系统将基于对广告的深刻理解，将广告推荐给更贴近广告主生意目标的受众。

今年的腾讯智慧营销峰会上，腾讯公司副总裁蒋杰就向我们分享了全新升级的广告系统，通过“一大平台，两大模型”，助力广告主效果三大指标——起量、成本和稳定性。

其中，机器理解广告的创意和内容需要人工智能的襄助，例如，混元AI大模型，这是是基于太极机器学习平台的GPU算力和训练加速框架训练而成的，具有千亿参数的大模型。它能够准确理解文字和图像中蕴含的各个层面的信息；甚至可以把文字、图像、视频作为一个整体来理解，这样不仅对广告的理解更准确，也更符合平台用户对广告的整体感受。是广告系统理解内容的核心引擎之一，让系统深度理解广告内容。

基于这种理解，腾讯广告系统不再把创意元素当成孤立的变量，而是把素材背后的内容和语义联系起来，转变为将商品、场景及受众关联起来的整合模型，从而能够实现更准确地受众匹配，并实现几乎实时的广告投放提效与投放稳定性。

在腾讯IN创新智慧营销奖获奖案例中，年度最佳广告技术应用奖获得者润百颜的案例让我印象深刻。润百颜此前倾向于通过标签定向进行广告投放，但实践经验表明，标签圈选“对的人”，往往是基于人工经验的一种主观判断。但问题在于，“对的人”一般都是由广告主自行向系统表达的。举个极端的例子，当投放团队把标签圈选为“女性”的时候，可能发生交易的一大波潜在男性受众很可能就被排除在外了。

因此，这不仅仅只是投放流程上的变化，更是一次投放模式的颠覆，即溯源交易，以交易为导向，依托系统来进行人货匹配。“不管黑猫白猫，抓住老鼠就是好猫”，不管是什么样的人群，愿意购买我的商品的人，就是对的人。

那么为了实现这一点，广告主就非常有必要进行对商品的充分、准确表达，而非过往对“人”的表达。在最近的投放中，润百颜有意识地开始围绕“商品”作文章，通过商品化建设，建立了以“商品”为核心的投放模式。一方面，将自己的商品标准进行升级，输入更全面具体的商品信息，和腾讯广告合作搭建商品知识图谱，丰富商品特征，帮助腾讯广告系统更好地理解产品。

在这个基础上，润百颜可以从工作台的视角，以统一的商品维度管理自己的广告投放，聚合多个团队的投放数据，基于商品表达挖掘目标人群，从商品维度探索流量资源的分配，优化投放策略。腾讯广告系统则基于对商品的理解和认知，持续优化冷启动和人货匹配，使润百颜的广告投放在短时间内即达到优化状态。

对于广告系统而言，它“眼”中的数据不再是一个一个单独的广告的表现，而是把润百颜的一系列广告，从商品的维度有机联系起来“思维”（建模），并从商品角度向最可能购买商品的人推送广告，从而增加了这些广告整体的绩效表现和投放稳定性。这些都是过去的广告形态无法带来的新红利。