人工智能是媒体性能的核心
这一转变的起点在于媒体购买的快速发展。托马斯-克林（Thomas Quélin）强调了一个关键的发展：算法和自动化已成为大多数广告投资的载体。如今，零售业近 80% 的媒体投资都集中在 Google Performance Max 广告活动上，这是一种由人工智能驱动的自动化广告活动。这种主导地位使得基于 audience 和关键词 targeting 的传统精准营销矩阵变得不再重要。面对不偏向于某个广告主、不产生比较优势的算法，广告主必须在其专有资产上下功夫，尤其是创意资产。.
谷歌环境已远远超出其最初作为基于文本的搜索引擎的概念，而成为一个 “全渠道 ”生态系统。这意味着创意资产的质量对于在消费者旅程的每个阶段吸引他们的注意力至关重要。尼尔森的一项研究证实，创意质量是影响数字营销活动效果的最重要因素。然而，创意的重要性与日俱增的同时也带来了挑战：Google Ads 等平台是 “资产饥渴症 ”患者，每个 Performance Max 营销活动需要多达 20 张图片和 5 个视频。对于一个国际品牌来说，这意味着需要制作大量的创意，严重制约了传统预算和制作能力。因此，目标很明确：以更快的速度、更低的成本制作更多的资产。对于大型品牌来说，采用人工智能可以将数字资产的规模化生产成本降低三到四倍。.
生成式人工智能：彻底改变每个创作阶段
Etienne Roure 详细介绍了生成式人工智能如何在创意价值链的每个阶段进行变革性整合。从设计阶段开始，人工智能加速了创作（例如，生成超个性化的情绪板），使这类重复性任务和与客户的实时协作减少了 40-50% 的时间。生产阶段是生成式人工智能真正释放其全部潜力的地方。人工智能促进了大规模资产生成，并大幅降低了成本。无论是将产品集成到完全由人工智能生成的环境中，还是为数字模型着装，或者将 3D 元素插入 2D 场景，人工智能都能提供前所未有的灵活性和效率。最后，对于后期制作和内容改编，生成式人工智能可以轻松集成，实现部分流程的自动化。例如，从单一的 “关键视觉效果”，它可以生成从横幅到视频的数十种不同变化，为所有媒体平台提供素材。.
实地经验教训
然而，整合人工智能并非没有限制，Artefact 从这一领域获得了宝贵的见解。.
首先，不同生成式人工智能模式的成熟度差异巨大。不出所料，文本是最先进的，其次是图像（80% 商业可用性），而视频则不太成熟（尽管仍建议进行测试并监控发展）。.
另一项重要的学习是使用产品的数字双胞胎。创建三维版本可以将产品完美地融入人工智能生成的环境中，避免任何视觉衰减，并实现 “虚拟拍摄 ”条件的复制。.
尽管取得了这些进步，但我们必须明白，生成式人工智能并非完全自动的解决方案。人工后期制作对于纠正 “幻觉”、整合法律或品牌元素，以及最重要的灌输只有人类才能提供的创意触感，都是不可或缺的。人工智能可以增强创造力，但不会让没有创造力的人变得有创造力。.
客户案例和业绩
这些方法的具体成果令人信服。例如，一家大型奢侈品公司利用人工智能将一件资产的生产成本从 14,000 欧元降至 4,000 欧元。使用数字双胞胎可以完全省去拍照阶段。另一个案例是一家欧洲园艺用品公司，该公司展示了人工智能创建定制生产流水线的能力，可将包装照片整合到非常具体的人工智能氛围中，并自动生成变化。.
这些创新直接转化为可衡量的媒体性能。Artefact 在谷歌广告环境中进行的 A/B 测试显示，效果显著。在酒店行业，ROAS（广告支出回报率）提高了 25%。在 cloud 行业，CPA（每次获取成本）降低了 20%，转换率大幅提高。.
总之，生成式人工智能不再只是一种趋势，而是品牌和代理商的战略需要。它可以满足谷歌算法对创意资产日益增长的需求，降低生产成本，最重要的是，还能显著优化媒体宣传效果。这是一个大胆但不可或缺的方向，Artefact 的专家鼓励所有公司进行探索，以便在新的数字营销时代保持竞争力。.
观看演讲的 replay:
