警惕营销自动化中的“智能陷阱”：为何“自主智能”并非真智能？

《终结者》的任务很简单：找到莎拉·康纳并“终结”她。这听起来足够直接，但机器并不清楚是哪一个莎拉·康纳。于是，这个缺乏真正智能的先进机械生命体，做出了任何高级机器在没有真实智能时都会做的事情：它按部就班地翻阅电话簿，逐个名字核对，直到找到目标。

这并非智能；这不过是披着墨镜和皮夹克的自动化罢了。

它最终完成了任务，但它一无所知。没有真正的训练数据，没有上下文语境，也无法进行优先级排序。它只是在执行一套工作流程，而非进行深层推理。

过去一年里，几乎所有电视和数字广告平台都宣布推出了某种形式的“自主智能”（Agentic AI）。

其中，The Trade Desk 推出了 Koa Agents，这是其多年来最重要的产品发布，被描述为一个营销人员只需阐明营销目标，人工智能便能处理其余一切的系统。Vibe.co 在其 5000 万美元的 B 轮融资中，明确将“用于媒体购买的自主智能能力”列为核心支柱。而 MNTN 的首席执行官也曾公开谈论自主智能颠覆媒体购买的潜力，即允许买家和卖家代理端到端地处理销售流程。

他们所描述的功能确实存在。大多数所谓的“自主智能”工具通过监控预算进度、标记异常情况和自动化订单工作流程，消除了人工的繁琐操作。它们会根据预设规则在不同项目之间分配资金，并重新编制报告。这效率高吗？是的。但这智能吗？并不尽然。

事实上，大多数这类系统运行的基础，都有一个技术术语：确定性、基于规则的逻辑。如果每次点击成本超过 X，则降低出价。如果预算达到 Y，则暂停该项目。这是一种被动的、无意识的执行。

传统的AI是建立在专有训练数据之上的。一个通过足够多的正确数据训练出来的模型，不仅仅是执行任务；它能从任何人类都无法处理的数据集中学习到人类无法察觉的模式，从而得出比人工分析更快、更全面、更优的决策。

在 Tatari，我们投入了十年时间构建 Performance TV 数据集，这是一个专有的电视媒体投资和结果记录，涵盖了数百个品牌、数十亿美元的支出以及多年的广告系列数据。

当我们将传统AI应用于这个数据集时，会发生两件自主自动化无法实现的事情：

首先，模型会识别出电视广告活动中的独特模式和趋势，并生成对未来活动的预测。这些预测不只是基于“如果/那么”的规则，而是基于历史效果进行推理。其次，它会提供可操作的建议，例如如何将预算分配到不同的节目和时段以提高投资回报率，并预测效果会如何变化。

这是任何平台都无法轻易通过“代理”方式复制的数据集。你可以在几天或几周内实现工作流程自动化，但你无法在短时间内凭空制造出十年积累的效果数据。

业界正在犯一个范畴错误，这将让广告主付出真金白银。

当平台宣称“自主智能”而实际只是“自动化预算调控”时，买家会开始相信智能问题已经解决。他们不再追问底层模型是如何训练的，也不再关心推荐是基于历史效果还是仅仅是启发式规则。他们接受效率提升作为智能的替代品。

终结者在续集中变得更加危险，并非因为它拥有了更好的工作流程，而是因为它最终获得了适当的训练数据。这才是电视广告领域应该努力构建的AI版本——这便是自主智能与真正智能之间的区别。

让我们开始对那些披着智能外衣的工作流程说“再见”（hasta la vista），并开始要求真正的智能。

当广告系列未按预期投放时，Ask Ad Manager 提供即时故障排除帮助，通过诊断问题并建议解决方案。

Goodway Group 已将其合作的 SSP 数量从 2024 年底的大约 20 家减少到如今的个位数。

为应用发布商提供 AI 基础设施的 CloudX 正在将其业务从变现扩展到用户获取的智能购买。

The Trade Desk 扩大了与一系列专注于旅游、酒店和出行领域的商业媒体合作伙伴的关系，其中包括 Uber Advertising、Booking.com、美国联合航空旗下的 Kinective Media 和 MARRIOTT MEDIA。

Roku 最终会被更大的巨头收购似乎早已是板上钉钉的事。现在，这一天终于到来了。

为了弥合数字音频广告支出与受众参与度之间的差距，音频平台希望更深入地融入全渠道营销规划工具。

现代汽车（Hyundai）是 Chalice 和 OpenX 合作推出的 SSP 容器产品 OpenXBuild 的首批试点广告主。

扪心自问，广告系列结束后，转化数据流向了哪里？它流回了广告主、衡量供应商和 DSP，但没有流回 SSP。

Papa Johns 携手 NBCUniversal、Instacart 和电通旗下的媒体代理公司 Carat，旨在触达那些急需采购食材的消费者——此时他们更有可能被诱人的广告所打动。