人工智能是媒体表现的核心
这一转型的起点在于媒体采购的快速演变。托马斯·凯林（Thomas Quélin）指出了一个关键趋势：算法和自动化已成为绝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广告系列上，这是一种由人工智能驱动的自动化广告系列。这种主导地位使得基于受众和关键词定向的传统精准营销矩阵变得不再那么重要。 面对既不偏袒特定广告主、也不创造比较优势的算法，广告主必须着力打造自有资产，尤其是创意资产。
谷歌平台早已超越了最初作为文本搜索引擎的认知，发展成为一个“全漏斗”生态系统。这意味着，在消费者旅程的每个阶段，创意素材的质量对于吸引其注意力都至关重要。 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关键因素。然而，创意重要性日益提升同时也带来了一项挑战：像 Google Ads 这样的平台对素材需求极高，每个 Performance Max 广告系列最多需要 20 张图片和 5 段视频。 对于国际品牌而言，这意味着需要制作海量创意内容，这将严重挤压传统的预算和制作能力。因此，目标非常明确：以更低成本、更快的速度生产更多素材。对于大型品牌而言，采用人工智能技术可将大规模数字素材制作成本降低三到四倍。
埃蒂安·鲁尔详细阐述了生成式人工智能如何在创意价值链的每个阶段带来变革性整合。从设计阶段开始，人工智能便能加速创作（例如生成高度个性化的灵感板），使此类重复性任务的耗时减少40%至50%，并实现与客户的实时协作。而在制作阶段，生成式人工智能才真正展现出其全部潜力。人工智能促进了大规模素材的生成，并大幅降低了成本。 无论是将产品融入完全由AI生成的环境、为数字模特搭配服装，还是在2D场景中插入3D元素，AI都提供了前所未有的灵活性和效率。最后，在后期制作和内容改编环节，生成式AI可轻松集成以实现部分流程的自动化。例如，仅凭一张“主视觉图”，它就能生成从横幅到视频等数十种不同变体，以满足所有媒体平台的需求。
实地经验教训
然而，整合人工智能并非没有限制，Artefact 从实践中Artefact 宝贵的经验。
首先，不同生成式人工智能模态的成熟度差异极大。不出所料，文本模态最为成熟，其次是图像模态（商业可用性达80%），而视频模态则相对不成熟（尽管仍建议关注相关测试和进展）。
另一个关键经验是运用产品的数字孪生技术。通过创建3D模型，产品能够完美融入人工智能生成的环境中，既避免了视觉效果的劣化，又能再现“虚拟拍摄”的场景。
尽管取得了这些进展，但必须认识到，生成式人工智能并非全自动解决方案。人工后期制作对于纠正“幻觉”、整合法律或品牌元素，以及最重要的是注入只有人类才能提供的创意灵感，都是不可或缺的。人工智能可以增强创造力，但无法让缺乏创造力的人变得富有创造力。
客户案例与业绩
这些方法取得的实际成果令人信服。例如，某奢侈品巨头借助人工智能，将某款产品的生产成本从14,000欧元降至仅4,000欧元。通过使用数字孪生技术，甚至可以完全省去产品拍摄环节。另一个案例涉及一家欧洲园艺用品公司，该案例展示了人工智能能够创建定制化的生产流程，将产品照片融入高度个性化的虚拟场景中，并自动生成多种变体。
这些创新直接转化为可量化的媒体表现。Artefact Google AdsArtefact 进行的 A/B 测试显示，效果显著提升。在酒店行业，广告投资回报率（ROAS）增长了 25%。在cloud ，获客成本（CPA）降低了 20%，转化率也大幅提升。
总而言之，生成式人工智能已不再仅仅是一种值得关注的趋势，而是品牌和代理商必须采取的战略举措。它不仅能够满足谷歌算法对创意素材日益增长的需求，降低制作成本，更重要的是，还能显著优化媒体营销活动的成效。这是一条大胆却不可或缺的发展路径Artefact专家们鼓励所有企业积极探索这一方向，以在数字营销新时代保持竞争力。
观看演讲回放：
