智能广告投放组 组长、产品负责人
AIGC 素材：生产、理解与场景原生化
一句话定位
作为智能投放平台组产品负责人，把广告素材问题拆成一个越用越懂素材的循环：AI 生产（数字人、渣素材一键美化、统一生产链路）、AI 理解（素材语义特征进入召回、粗排、精排）、AI 优选（同一套老虎机范式复制到粗排素材与落地页）、场景原生化（应用商店动态利益点）。大盘 AI 素材收入占比到 22%，素材理解带来大盘广告主价值 +18 万/天，商店富媒体位 AIGC 收入占比 62%。
大盘 AI 素材收入占素材收入的比例（2025-12）
应用商店富媒体位 AIGC 素材收入占比，超过 50% 的目标
素材理解：召回、粗排、精排 10 轮实验，大盘广告主价值
数字人广告 ARPU，对比普通非数字人广告；78 家客户在用
商店原生化按实验结果外推的理论增收，超过这个数
业务背景与问题
三个断点：客户不愿做、系统选不出、场景不原生
广告效果取决于素材能不能把利益点讲清楚。项目不能只做一个生成工具，要同时改造素材的生产、理解、优选和呈现。
表现
质差量少，影响收入和用户体验
本质
客户做素材的动力低，做出来的也不够贴合小米场景
表现
客诉重、效率低，对抗性操作多
本质
平台卡顿，依赖优化师的人工经验，缺少系统视角的引导
业务背景与问题 · 最隐蔽的一个
广告与素材多对多：按广告学效果，好素材和坏素材被混在一起算
一个广告背后挂着多张素材，同一张素材又跨广告复用；系统按广告 ID 预估，就分不清到底是哪张素材在起作用。
客户放的素材，加上系统后台衍生的 AI 素材，跨广告复用
按广告 ID 学效果，几张素材的表现被混在一起算
直投素材的点击率反而低于系统复用的素材；新素材没有历史数据，只能从零学。所以排序对象要先从广告换成素材，再让系统看懂素材内容。
为什么排序单元必须下沉到素材
一个广告背后不止一张素材
客户在广告里放了素材，系统还会在后台为它衍生出多张素材一起投，其中包括 AI 生成的素材。到 2025 年 12 月，衍生素材已占素材收入的 60%。
素材还跨广告复用
同一张素材会挂在多个广告下，广告与素材是多对多。4.0 没有改这层关系，衍生和复用照常进行。
按广告排序，效果就被混在一起
只停在客户看得到的广告这一层预估，几张素材的表现被混在一起算：Icon 素材衍生场景下点击率高估 1.6 倍，新广告预估偏差 2.8 倍。
按素材 ID 预估、排序
每张素材各算各的，标的不再混淆，好素材更容易胜出。
外部环境
竞品已把 AIGC 放在投放平台的核心位置，数字人是用脚投出来的切口
竞品
腾讯、字节 2024 年已把创意驱动、素材粒度预估和 AIGC 生产放进下一代投放平台
腾讯妙思、妙问；字节即创私有数字人、智投星；百度擎舵、轻舸外部验证
字节在投放平台核心位置唯一重点推广的就是数字人
对标结果
相对行业头部数字人，项目方案 ARPU 高 169%
非商店头部广告位 CTR 高 1%—79%整体打法
生产 → 理解 → 优选 → 原生呈现：一个越用越懂素材的循环
三条产品主线各对上一种 AI 能力；优选把理解出来的特征变成线上的选择；自动化程度按“谁来做”分三层。
现状：生产的效率和质量都低，客户没动力
现状：系统不理解素材内容，难选好
现状：信息流风格的素材图文密集，在应用商店看不清利益点
三条线连起来：生产 → 理解 → 优选投放 → 回收效果，再进下一轮
← 左右滑动查看 →
AI 生产先让客户有动力做，再让系统替客户做
L1 客户用工具做（数字人）→ L2 系统做、客户确认（渣素材一键美化）→ 生产能力从项目制走向平台（统一生产链路）。
AI 生产 · L1 客户用工具做
先告诉客户什么好，再给工具做：数字人三个阶段，解决“六个新”
告诉客户什么好
创意排行榜
让客户看到小米场景里什么素材跑得好；问卷满意度 96%，深度使用率 43%。
给客户工具做
数字人：最痛，也最成熟
- 最痛视频的点击率约是图片的 2.8 倍、CPM 约 2 倍，制作成本却高约 10 倍
- 最成熟AI 数字人技术已经发展起来，良品率高、产出快，能推动这个难题解决
- 外部验证字节在投放平台的核心位置重点推广数字人（即创私有数字人全面开放）
阶段一 · MVP 验证
离线验证 CTR +10%、CPM +18%；提炼核心功能，快速平台化推出。
阶段二 · 打磨能力
针对灰度客户的需求和反馈完善功能，打造标杆客户，CTR +80%。
阶段三 · 全量推广
与头部客户密集建联、联合推广；诊断、解决线上跑量 case。
“六个新”
新技术、新交互
- 0 到 1 完成网信办备案
- 把卖点表达融进创作指令，AI 扩写；点选式生产，全流程 2 分钟走完
新 bug、新标准
- 解决断句、音画同步等 10+ 类异常，良品率 70%→98%
- 刷新 7 处审核标准（如人物遮盖、合成标识），媒体审核通过率 +20pp
新角色、新流程
- 不只优化师用投放平台：平台首次面向设计师，用权限隔离推动客户内部分工调整
- 输入是图片、产出却是视频，该图片设计团队还是视频团队负责？推动客户形成新的分工流程
底层生成模型、动作与唇形、工程实现由技术团队和合作方完成。
想一想 · 01AIGC 生产先做什么点开看当时怎么选+
数字人
先做通用文生图、图生图
技术成熟、跨行业、能补视频缺口，竞品已验证
78 家客户在用，占大盘视频收入 12%，ARPU +267%
AI 生产 · L2 系统做、客户确认
渣素材一键美化：被拒的素材，系统按原因重做，客户点一下就替换
拒审原因归成 14 类，每类对应一条生图策略；先过机审和统一的美观度模型，再交给客户确认。
新体验标准下，客户原本能过审的素材也会被拒，非商场景约 20% 的收入受影响；治理 MVP 选浏览器、内容中心头部 10 个 App 收入前 500 的图片素材，覆盖这类预算 49%。
同时推动了统一的美观度模型与审核分级标准。
AI 生产 · 平台化
从项目制到平台：18 个定制场景收敛成 4 条生成链路、5 个通用组件
首次统一投放平台与内部创意生产平台的交互链路；按统一链路，新场景支持周期 5 周 → 1 周，研发效率 +80%。
AI 理解让系统看懂素材：自身经验 + 行业调研，快速把大模型落成排序特征
排序对象从广告换成素材以后，再让新素材借用内容相似素材的经验。
AI 理解 · 三个问题
能做什么、先从哪做、以终为始预埋什么
能做什么？
- 与 Google、阿里等 8 家做调研和研讨会
- 明确标签、向量两大类输出
- 从腾讯广告的素材标签体系里，提炼适合小米行业的类目
从文字到视觉，关注与小米预算相关的福利元素、引导元素；从“通用”走到“广告垂域”，标签和向量兼备。
先从哪做？
- 标签：比向量更容易提前评估
- 信息流：占素材场景的 86%，覆盖面比联盟广
- 粗排：架构已支持大规模素材特征，精排、召回当时还不支持
之后逐步推动各环节的架构就绪，再扩展媒体场景和特征类型。
以终为始，预埋什么？
牵头拉通投放平台、增长、算法数仓、特征平台、推理服务 5 个团队联动设计，从终局倒推怎么画这张新白纸。
广告主在投放平台上传新素材，就推送大模型理解，实时返回特征落进数仓，下游实时可用。
想一想 · 02素材理解从哪切入点开看当时怎么选+
标签 × 信息流 × 粗排
一开始就上向量、召回或精排
标签易评估；信息流占素材场景大；粗排架构当时最能承载
首轮粗排实验推全，随后扩到召回与精排
想一想 · 03特征链路怎么建点开看当时怎么选+
5 个团队共创实时链路
先做离线批处理
素材上传后要尽快被模型用上，新素材不用等历史数据
支撑素材特征进入多环节实验；按素材排序的引擎在覆盖 95% 收入的媒体落地
AI 理解 · 成果
系统首次理解全量素材：5 类特征，从标签到向量、从通用到广告垂域
成果：系统首次理解全量素材，特征进模型效果显著
5 类特征长什么样：从标签到向量，从通用到广告垂域（例子）
①商品服务类目标签三级类目
②不设类目，大模型自由标注卖点、品牌、物品、受众、描述
描述：图中是切开的金煌芒果，果肉鲜黄、质地细腻，旁边有一个完整未切开的芒果。
③通用内容向量多模态大模型把素材编码成一串数
[0.12, −0.48, 0.91, 0.07, …]
内容相似的素材，向量也相近；新素材能借相似素材的经验。
④广告利益点标签准确率：图片 83%、视频 82%
⑤广告素材微调向量用广告场景的数据微调（SFT）后的素材向量
[−0.31, 0.66, 0.02, −0.85, …]
比通用向量更贴近广告场景：同样“好看”的素材，哪类更能带来点击和转化。
想一想 · 04特征先做通用还是垂域点开看当时怎么选+
先做通用特征，有基建后再深入广告垂域
一开始就做广告垂域特征
通用特征最快出、易评估，先证明链路价值
5 类特征逐步建成，覆盖 95%、准确率 80%+
特征怎么进排序链路
特征怎么进排序链路
AI 优选同一套优选范式，复制到素材和落地页
2022 年在 A/B 实验平台上做的落地页模板择优（汤普森采样），2025 年复制到粗排素材优选、落地页生产与优选联动。
2022 · 落地页模板择优
“广告 × 广告位”在 22 个落地页模板里选
理论 +8 万/天AIGC 素材2025 · 粗排素材优选
粗排按“素材 × 广告位”选素材，让精排拿到素材 ID
补齐精排的素材特征AIGC 素材2025 · 落地页生产与优选
选择对象从模板升级为落地页 ID，前移到粗排
广告主价值 +4.25%AI 优选 · 粗排素材优选
粗排出口没有素材 ID，精排的素材特征就是空的：在粗排先把素材选出来
应用商店、联盟两大媒体占大盘素材收入的 71%。
想一想 · 05粗排素材优选的实验目标，为什么是“不显著负向即可”点开看当时怎么选+
先让精排拿到素材 ID、用上素材理解特征，指标持平就算达标
要求优选本身直接带来增收
粗排出口的广告大多没有素材 ID，精排的素材特征是空的；先补通路，后面的特征收益才有地方兑现
浏览器、内容中心已 release，联盟扩到 40%、商店推荐扩到 50%，各项指标持平；商店搜索一个广告位的素材填充率从 0 到 78%，另一个到 90%
AI 优选 · 落地页生产与优选
落地页效果 = 质量 × 匹配效率：生产补质量，优选提效率
落地页大盘日收入约 453 万元，投放平台的落地页占 30.4%；先做“投放平台落地页 × 信息流”这个交集。
流式落地页要至少 10 张非商素材；原来只在广告返回前选模板，页内素材随机填。
场景原生化
寸土寸金，怎样把利益点传递到最大：AI 只缩减原文、不新增表达
Before
图文凌乱看不清，不是原生观感；文字是通用描述，不是利益点
AI 理解利益点
只从详情页提取，可以缩减、不能新增
After
AI 提取详情页的最新利益点，结合广告位大字原生制图
难点与解法：三个“新”
0 到 1 立标准
拉通用户产品、审核、法务、设计，7 轮沟通，确立 AI 商店图的体验与审核标准，突破了此前不能做“大字报”的限制。
不改客户表达
客户太多，没法逐个沟通；只验证核心价值点（利益点、大字原生），提示词严格提取原始文案，可缩减、不可新增。
实验化繁为简
依赖繁杂、没人清楚全部链路，前期踩坑拖慢了迭代；最后绕开算法和链路变量，只验证素材本身的质量。
想一想 · 06原生化怎么守住客户表达点开看当时怎么选+
只从原文提取，可缩减、不可新增
让模型自由改写卖点
没法逐一向大量客户确认，必须控制表达和合规风险
7 轮沟通建立体验与审核标准，多个位置实验正向
成果：AI 利益点原生素材，各广告位验证都有明显优势
想一想 · 07系统生成怎么推点开看当时怎么选+
商店、落地页由系统默认推，其他媒体让客户自选
所有场景都要客户主动选
商店富媒体收入大、只有 5 个广告位、规格收敛到 2—3 个、客户接受度高
商店 AIGC 收入占比到 62%
成果汇总
AI 素材收入占比 0 → 22%，商店富媒体位到 62%
详情页为 eCPM。按实验外推，理论增收超 41 万/天。
素材理解累计带来的广告主价值
四个材料时点的累计值。
展开详情成果台账：每个数的基线、达成值和口径共 17 项+
| 指标 | 基线 | 达成 | 口径与时点 |
|---|---|---|---|
| AI 素材收入占比 | 0 | 22% | AI 素材收入 ÷ 素材大盘收入；2025-12 |
| 衍生素材收入占比 | — | 60% | 系统为广告衍生的全部素材；2025-12 |
| 商店富媒体 AIGC 收入占比 | 0 | 62% | 超过 50% 的目标；2025 H2 |
| 素材理解：广告主价值 | — | +18 万/天 | 召回、粗排、精排 10 轮实验；2025-08 |
| 素材理解：覆盖与准确率 | — | 95% / 80%+ | 5 类大模型素材理解特征 |
| 广告利益点标签准确率 | — | 83% / 82% | 图片 / 视频 |
| 数字人：客户数 / 视频收入占比 | 0 | 78 家 / 12% | 2025-12 |
| 数字人广告 ARPU | 普通非数字人广告 | +267% | 2025-12 |
| 数字人良品率 | 70% | 98% | 媒体审核通过率 +20pp |
| 数字人制作 | 人工约 5 天 | 约 3 分钟 | 脚本 + 背景自动生成 |
| 实景数字人 | — | 500+ 形象 | 95 个按行业定制；离线 CTR +181%、成本 −60% |
| 商店原生化 · 搜索联想页 | 原素材 | CPM +9.5%、CTR +7.9% | A/B 实验 |
| 商店原生化 · 首页推荐 | 原素材 | CPM +17%、CTR +7% | 首页生产已全量自动化 |
| 商店原生化理论增收 | — | 超 41 万/天 | 按实验结果外推 |
| 低质量素材美化 | — | 良品率 88.2% | 大规模离线人审 |
| 落地页优选 | — | 广告主价值 +4.25% | 点击下载率 +5.24%；理论 4.14 万/天 |
| 创意排行榜 | — | 满意度 96% | 深度使用率 43%、访问率 20% |
里程碑
- 2024 Q3 — 2025 Q1
创意排行榜、数字人、素材理解首批能力启动，完成首轮验证
- 2025-03
数字人灰度 10+ 客户；素材理解粗排实验出正向结果
- 2025 H1
数字人三轮迭代并全量推广；素材理解进入召回、精排
- 2025-08
三条主线形成完整的产品体系
- 2025 H2
商店 AIGC 收入占比到 62%；实景数字人上线
- 2025-12
大盘 AI 素材收入占比 22%
回头看
AI 赋能业务，不只是用在单点问题上，而是整个协作模式的革新
内部不同角色的协同：大到产运研的合作模式，小到 AI 素材的审核标准。内外部的协同：数字人带来的客户内部分工，系统替客户做原生素材的接受度。
荣誉与评优
- 互部价值观团队奖 · 素材理解专项
- AI 创新大赛二等奖（团队）
合作与影响
- 与集团大模型平台合作，数字人 CTR +20%
- 2 项专利提案：大模型广告视频素材效果预估、大模型个性化素材优选
被复用
- 素材理解特征进入召回、粗排、精排三个环节
- AIGC 素材能力已在互联网业务部其他业务应用
方法与能力关键词