开篇：一次季度复盘会上的决策

某消费品牌Q3复盘会，三张表摆在同一张桌子上。

投放花费涨了30%，GMV只涨了8%。优化师每天花两个小时，从八个账户里分别拉日报、拼表、标异常。CRM里的复购数据和投放后台对不上，没人说得清哪一笔成交该归给哪个渠道。

团队提了两个方案：加预算，或者换代理商。营销总监都否了。问题不在预算，也不在代理商，在从注意到行动整条链路里，信息处理的速度太慢，归因的精度太粗。钱花出去了，信号回来得太晚；数据散在各处，拼不出一幅完整的图。

决策很干脆：按AIDA四层用AI重构广告流程，每一层设一个可测量的提效目标。

一、广告效果的基本原理：注意—兴趣—欲望—行动

在讨论AI改变了什么之前，需要先把广告效果的基本原理讲清楚。否则“提效”很容易被误读为“做得更快”，而不是“让广告更有效”。

企业做广告，出发点是营销需求。营销需求不是“被看见”，而是影响消费者行为，最终服务于获客、转化、复购和品牌资产。广告是付费的、非人际的传播方式，它的核心任务是说服：让对的人，在合适的情境下，产生企业期望的认知、态度和行为。因此，广告效果不是一个单点事件，而是一段心理与行为的推进过程。

，是消费者在信息环境中为广告分配认知资源的那一瞬间。没有注意，广告等于没有发生。

，是消费者在注意到之后愿意进一步加工信息——读标题、看评论、点开详情、停留更久。

，是消费者开始把商品与自身需求、身份或场景联系起来，产生“我想要”的心理倾向。

，是消费者完成企业期望的行为：点击、留资、加购、下单、复购或分享。

四层之间是逐级转化的关系。注意转化为兴趣，兴趣转化为欲望，欲望转化为行动。每一层都有转化率，每一层的流失都会削弱最终效果。这就是漏斗逻辑：广告效果不是由某一个指标单独决定的，而是由各层转化率共同决定的。

与漏斗相对应，广告效果的测量也有其基本原理。曝光量、点击率、停留时长、加购率、转化率、ROI、CAC等指标，分别对应AIDA的不同层级。测量不是越精确越好，而是要与决策频率匹配：一个月底才能得出的精确归因，不如一个每天可以修正的粗略判断更有决策价值。归因本身也有局限：最后点击归因简单但粗糙，跨渠道归因更完整但依赖数据打通和实验校准。广告提效的真正含义，因此不是“把某个指标做高”，而是让每一层的转化率更快被看见、被解释、被纠正，让预算和创意能够在效果流失发生之前做出调整。

每一层转变，都要先看历史上这一层靠什么解决，再看AI改了什么。

（一）注意：从“买曝光”到“生成—测试—控制注意力”

历史上，注意争夺靠媒介垄断。便士报时代，廉价报纸把读者变成可批量触达的受众，版面本身就是稀缺资源；广播电视时代，黄金时段更是一寸光阴一寸金。广告主买的是“位置”，位置意味着被看见的概率。创意在这一层的作用，是让广告在固定位置里更显眼、更易记。

AI时代的变化发生在供给侧。生成式工具可以基于一条原始素材批量产出标题、扩图、背景、文案变体，动态创意优化自动组合素材并实时淘汰低效版本。注意争夺从“买一个位置”变成“高频生成—小流量测试—快速放大”的闭环。Meta的数据显示，已有超过400万广告主使用生成式AI创意工具，使用后点击率提升11%，转化率平均提升7.6%；借助生成式AI，一批新创意的迭代周期从约18天缩短至1天，可测试的创意数量扩大10到20倍。这意味着企业决策的重心，从“押注一条大创意”转向“建立一套能持续产生和筛选创意的系统”。注意层的提效，不是素材产量上升，而是同等曝光中有效注意的比例上升。

（二）兴趣：从“人群标签”到“意图理解与对话匹配”

历史上，兴趣匹配靠推测。人口属性、兴趣标签、媒介上下文，都是“猜你可能喜欢什么”。搜索广告进了一步，用户主动输入关键词，第一次把“表达出来的兴趣”接住了，但关键词仍然是离散的、短促的。信息流广告则用行为数据推测兴趣，效果依赖标签体系的精度。

AI时代的变化在于，意图可以被更完整地读取。大模型读的不只是搜索词，还有评论、客服对话、内容互动；生成式搜索广告按查询意图实时组织答案式素材，对话式广告在用户提问的过程中完成兴趣培育。微软Copilot的广告数据显示，对话式搜索中的广告点击率比传统搜索高出约70%，转化率提升76%；当用户在搜索前与Copilot发生互动，ROAS可增长13倍。谷歌AI Max的实践也表明，AI Mode中的查询长度常常是传统搜索的两到三倍，系统因此获得更多上下文来判断用户真正想要什么。兴趣层的决策重心，因此从“覆盖多少标签人群”转向“接住多少真实意图”。点击率仍然重要，但更值得看的是兴趣到欲望的转化率：点击了却不想要，说明匹配还停留在表面。

（三）欲望：从“形象塑造”到“场景化生成与个体化说服”

电视时代解决欲望的方式，是品牌形象。大卫·奥格威在20世纪60年代提出品牌形象论，主张广告是对品牌的长期投资，消费者购买决策受心理利益驱动，万宝路牛仔的形象塑造就是这一逻辑的经典产物。一个统一的、有感染力的形象，让“想要”与某种生活方式绑定。直复营销则用优惠、证言和限时权益推动“想要”向行动靠拢。两者的共同点是：欲望的说服是批量生产的，一个主形象、一套主话术面向尽可能多的人。

AI时代并没有取消品牌形象，但它把欲望的说服从“统一叙事”推向“个体场景”。虚拟试穿让消费者在自己的身形、自己的光照条件下看到商品；生成式场景把一件衣服放进用户熟悉的城市街道或度假海滩；动态offer根据互动中暴露的犹豫点切换卖点排序和权益组合。采用AR/AI虚拟试穿技术的零售商，转化率提升40%，平均订单金额增加20%，退货率降低可达64%。欲望层的决策重心，从“讲一个所有人都听的故事”转向“在品牌框架内为个体生成可信的场景”。边界同样清晰：欲望塑造必须在品牌框架和隐私合规之内进行。越界的价格歧视或虚假场景，短期拉高转化，长期透支信任。

（四）行动：从“点击落地”到“对话式商务与预测归因”

搜索广告的历史贡献，是把行动变成可计数事件：点击、落地页、转化。最后点击归因虽然粗糙，但至少让“谁带来了成交”有了一个答案。它的极限也在这里——用户可能在多个渠道间来回，最后点击只是漫长旅程的最后一帧。行动层的优化长期受制于两个问题：路径太长，归因太慢。

AI时代从两端改写行动层。前端，路径被压缩：智能落地页按来源和意图动态生成，AI销售Agent在对话中完成答疑、比价和下单。在对话式商务场景中，商家已经可以通过面向AI智能体的商品页面产生可归因的GMV，部分店铺的AI驱动订单占比达到两位数。后端，归因从“单点最后点击”转向“跨系统串联+增量实验”：投放数据、CRM、客服记录被打通，预算调整的频率从“月底复盘”变为“日常干预”。行动层的决策重心，从“优化最后一次点击”转向“提高ROI可被干预的频率”。一个每天可以修正的粗略判断，比一个月底才能得出的精确结论更有决策价值。

三、广告方式AI转变的成功故事

还是那家消费品牌。Q3复盘会之后，营销总监没有加预算，也没有换代理商，而是让团队按AIDA四层做一次重构。三个月后，营销团队在内部复盘时讲的故事，不是“我们上了AI工具”，而是一层一层把断掉的反馈回路接了起来。

第一个月，团队先动注意层。问题很具体：预算涨了，曝光涨了，但有效停留没涨。素材跑三五天就疲劳，优化师产能跟不上，一条素材赌一个爆款的做法越来越不灵。团队没有再逼设计加班，而是用生成式工具建立了一个素材变体池：一条原始素材，批量生成不同标题、不同背景、不同卖点顺序的版本，每次测试预留一部分预算给AI创意探索，按“常规组”和“常规+AI变体组”做系统级比较，而不是单条素材的A/B对比。头两周效果并不惊艳，变体多了，管理复杂度也上来了。第三周开始，系统自动淘汰低效版本的能力显现出来，同等预算下停留超过阈值的曝光占比明显上升，素材迭代周期从以周计压缩到以天计。优化师第一次感觉到，注意层的问题不是“没有好创意”，而是“没有足够快地找到好创意”。

第二个月，团队转向兴趣层。人群包越投越贵，点击率尚可，但点击之后不往下走。标签说“这个人像买家”，可他自己的行为并不支持这个判断。团队决定把匹配的主变量从人群标签换成意图信号：投放系统读取搜索词、对话中的追问、评论里的具体诉求，动态组织落地页首屏信息和广告文案。这个调整一开始让投放变得更“不整齐”，因为不同意图的人看到的内容不一样，报表不再是一张统一的脸。但几周之后，兴趣到欲望的转化率开始改善，无效点击占比下降。团队意识到，兴趣层真正要接住的不是“标签人群”，而是“此刻正在表达意图的人”。

第三个月，欲望层和行动层同时推进。欲望层的问题是加购不少、下单不多，说服话术千篇一律，用户看完详情页仍然不确信“这东西适合我”。团队把欲望说服从“一张主图打天下”改为场景化个体呈现：虚拟试穿、生成式使用场景、按犹豫点动态调整的卖点顺序，让“想要”从抽象联想变成具体画面。加购率和客单价同时提高，退货率下降——后者尤其重要，它说明提升的不只是冲动，还有匹配质量。行动层则打通了投放、CRM和客服数据，用增量实验校准归因模型，把预算调整的节奏从月度拉到日度甚至更高频。团队不再月底才知道ROI，而是每天开门就知道该动哪里。干预频率本身成了指标：每周做出的有效预算调整次数显著上升，ROI曲线从“事后记录”变成“事中管理”。

三个月后，营销团队在复盘会上展示的不是一张“AI工具使用清单”，而是一条重新接通的反馈回路：注意层更快找到有效创意，兴趣层更准地接住真实意图，欲望层更具体地建立匹配，行动层更高频地修正预算。效果不是某一个点的爆发，而是四层转化率同时变得可见、可解释、可干预。

三个月后，同一张桌子。旧的三张表不见了：花费涨了GMV没涨的对比表、手工拼出来的日报、对不上的归因表。

取而代之的是一块看板：每日可干预的ROI曲线在上方，AIDA四层的转化率在下方。哪一层在漏水，当天就能看见；一个调整动作做完，几天内就能判断它是否有效。

营销团队讲起转变的过程，说的不是“我们上了AI”。他们说的是：从“加预算还是换代理”的二选一焦虑，变成逐层设目标、逐层看反馈的笃定；从优化师每天两小时拉报表，变成把时间花在判断“这个异常意味着什么”上；从月底才知道结果，变成每天开门就知道该动哪里。

总监最后说了一句话：AI压缩的是执行和测量的延迟，留下的是预算该不该砍、创意该不该放大、欲望塑造该不该收手的判断。那才是营销人的位置。

AIDA没有改写。被改写的是每一层的处理速度、测量精度和干预频率。四层重构的本质，不是广告变了，是广告的反馈回路变了。

AI时代广告方式的四层重构

AI重构了广告促使用户“注意—兴趣—欲望—行动”的方式：从“买曝光”吸引注意到“生成—测试—控制注意力、从“人群标签”发现兴趣到“意图理解与对话匹配”、从“形象塑造”挑起欲望到“场景化生成与个体化说服”、从“点击落地”促使行动到“对话式商务与预测归因”。

人工智能

大数据

AI重构AIDA广告链路：从注意到行动四层提效，生成式创意缩短迭代周期至1天，意图理解提升点击率11%，虚拟试穿转化率增40%。打通数据归因，预算调整从月度变日度，ROI实现事中管理。核心是让每层转化率更快被看见、被解释、被纠正。

WorkBuddy企业版限时双倍 Credits 活动

workbuddy

2026上云采购 | AI焕新·智启新局

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

AI时代广告方式的四层重构

AI时代广告方式的四层重构

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐