最近一两年，大家都在聊 AI 和广告投放。但我觉得这里面其实有一个问题，就是现在只要广告平台出了点自动化能力，大家都很容易往 AI 上面去靠。

自动出价是 AI，自动找人是 AI，自动生成素材也是 AI，现在又开始有 Agent 帮你看数据、建 Campaign、做优化。

这些东西虽然都叫 AI，但做的事完全不一样。

所以今天我们不单独聊某一个功能，而是把几个现在主流的平台放到一起看一看，各自的AI能力与布局。

包含Google、Meta、TikTok、 AppLovin、Moloco等主渠道，还有主流 MMP，AppsFlyer 和 Adjust。

咱今天就捋清楚一个问题：现在这些平台所谓的 AI 投放，到底已经做到什么程度了？

先简单拆一下，现在广告里面的 AI 大概在做什么

如果让我简单去分，我觉得目前主要可以分成这么几类。

第一类其实就是大家已经很熟悉的，投放决策类 AI。

比方说：这个用户值多少钱？我要不要给他展示广告？应该展示哪一条素材？应该出多少钱？预算应该往哪里倾斜？

这些事情其实已经自动化很多年了。

Google 的 Smart Bidding、PMax，Meta 的 Advantage+，TikTok 的 Smart+，再包括 AppLovin、Moloco 这些效果广告平台，本质上都已经在大量做这些事情。（我过往的文章和合集里面也有很多相关内容的详细说明）

所以这一层严格来说并不算特别新的东西。

只不过模型越来越大，拿到的信号越来越多，原来很多还需要投手自己去做的事情，现在慢慢平台自己做。

第二类是Creative AI。

这个大家应该也比较熟悉。

从最开始帮你写几条文案，到后来生成图片、视频、Avatar、Voiceover，再到根据你的产品和历史素材直接给你裂变新的 Creative。

这一块最近一两年进步可以说是非常快，这还没提各家在外部用的各种AI素材工具，大家的创意也都卷得飞起。

不过随着各家Agent 能力指数级跃迁以及各家MCP接口的完善，操作层带来的变化是最明显的。

以前平台的 AI 再强，它还是得有个前端界面。

Campaign 是你建的。预算是你调的。数据是你看的。素材是你上传的。AI 只是负责在你设好的框架里面去优化。

一方面是操作层有些复杂，另一方面是涉及到流量波动、冷启动这些情况，没办法用写死的规则来去约束。

不过随着 aI能力的提升，包括 computer use. Chrome Control, MCP.多样化能力的提升以及，处理多模态以及任务规则理解的能力更强。现在这种操作方式会更具有可行性。

说简单点这玩意的核心和你做Agent是一样的。接各种平台的API或者MCP用来操作，回传数据到中台，并且和AI打通（最重要）。以更细的颗粒度做素材分析，然后根据积累的规则，在不同情况下交由AI去做基础的操作判断。

例如：你可以告诉它：帮我看一下昨天哪些 Campaign 表现掉得比较厉害。为什么 ROAS 掉了？哪些广告应该停？预算应该往哪里挪？甚至在数据量足够的情况下可以把这些交付给AI判断（但要做好风控）。

举个例子，我们把整套逻辑抽象出来做一个最小MVP：

聊回正题，我们来看看各家在AI的能力上都跑到哪一步了吧

先看 Google

Google 其实是目前整个 AI 投放能力里面做得最完整的几个平台之一。

底层自动化大家都已经比较熟悉了。

PMax 其实就是一个很典型的例子。

你给它 Conversion、素材、预算和一些业务目标，后面的 Targeting、Placement、Bidding 很多东西都不需要你自己去拆得特别细。

最近 Google 又在进一步把这套逻辑往 Search 上推。

今年比较值得看的是AI Max。

以前做 Search，核心逻辑还是：Keyword → Ad → Landing Page。

但是现在 Google 越来越希望你不要过度控制这些中间过程（这句话后面会出现在很多媒体身上）。

你告诉它：我想要什么样的 Conversion。我的 ROAS 目标是多少。然后 Google 自己去判断应该匹配什么 Query、展示什么素材、把用户送到哪个页面。

所以我觉得 Google Search 现在一个非常明显的变化就是：关键词的重要性还在，但是人工控制关键词的权重是在下降的。

Google 想要的其实一直都是：你把业务目标告诉我，剩下的交给模型。

但 Google 最近另外一个比较值得关注的是Ask Advisor。（类似Meta的Meta AI，所以其实大家的路线都差不多。）

这个东西我觉得才更接近这一轮所谓的 AI Agent。

它把 Google Ads、Google Analytics、Merchant Center 这些东西连起来。

比方说你可以问：最近销售为什么掉了？哪些 Campaign 有问题？我还有没有增量空间？

它可以跨这些系统去找数据，然后给你一个判断。

然后直接根据这个判断去修改 Campaign。

Google 现在还没有完全把操作权限都开放出来，所以现在谈"无人投放"还比较早。

但方向已经很清楚了。

原来是：人看数据 → 人分析 → 人操作。现在慢慢变成：AI 看数据 → AI 分析 → 人确认 → AI 操作。

Creative 这一块 Google 也在持续补。

现在基本已经不是单纯生成一张图或者一条视频了。

Google 会根据你的产品页面、Campaign Goal、Brand Guideline 去帮你生成不同素材。

所以整个 Google 的链条其实已经比较完整了：流量分配、出价、素材、数据分析、操作。只是目前这些能力还没有完全被一个 Agent 串起来。

再来看 Meta

Meta 跟 Google 又有点不一样。

如果只看最近大家能感知到的 Agent 能力，Meta 好像没有 TikTok 和 Google 那么激进。

但如果往底层看，我觉得 Meta 反而是 AI 用得非常深的平台。

我们之前其实聊过 Meta 的广告分配逻辑。

简单理解就是：User × Creative × Context × Auction。

每一次出现一个展示机会，Meta 都要判断：这个用户现在看到哪条广告，对平台来说价值最高？然后再决定广告展示。

这套东西其实本身就是一个非常复杂的推荐系统。

Meta 这两年一直在往里面加入更大的模型。

包括咱们文章之前提到的 GEM，Generative Ads Recommendation Model。

它会用更长的用户行为、更复杂的 Creative Signal 和更多站内数据去做预测。

所以你如果问我："AI 在 Meta 广告里面到底参与得深不深？"其实是非常深的。只不过大部分 AI 都发生在我们看不到的地方。

Meta 现在比较明显的第二块还是Creative AI。

这一块推进速度非常快。

现在已经可以做：图片生成、视频生成、图片转视频、Voiceover、翻译、不同尺寸适配等等（有些好像还没有全量。兄弟们不要急，都会来的）。

再往下一步，很明显就是 Avatar、UGC Style Creative。

但我觉得 Meta 在 Creative 上真正想做的并不是帮用户省掉一个设计师。

毕竟爆款创意对于整体流量的拉动还是无可比拟的

我觉得它想解决的问题是 给模型足够多的 Creative Variant。

比如同样一个产品：不同 Hook。不同人物。不同场景。不同文案。不同视频表达。

Meta 自己去判断：什么样的人更适合看什么样的素材。

这其实就和我们之前聊的素材分配逻辑接上了。

所以未来 Meta 很可能会朝着更自动化的趋势发展：广告主提供产品和方向。AI 负责大量生成 Creative。

Meta 的 Ranking System 再去完成 Creative 和 User 的匹配。

当然，前提是 aI 视频生成成本再降一些

不过，这套东西一旦跑顺，素材投放的逻辑其实也会发生翻天覆地的变化。

至于操作层，Meta 现在也已经在做Meta AI Business Assistant。

它可以帮你分析 Campaign、看数据、找问题、给优化建议。

但目前我觉得它还是偏 Assistant 一些。

也就是说：AI 告诉你哪里有问题。AI 给你一个建议。但是它还没有像真正的 Agent 一样，长期根据你的业务目标去自己操作整个广告账户。

简单来讲，就是有点像AI版的CC，能告诉你怎么回事儿，但不一定能解决

所以如果简单总结一下 Meta：底层决策 AI 很强，Creative AI 很强，但是 Agent 操作层目前相对保守。

TikTok 最近反而比较有意思

TikTok 底层的 Smart+ 就不多讲了。

它本身走的路线跟 Meta Advantage+、Google PMax 很像。

Targeting、Placement、Creative、Budget、Optimization 都尽量自动化。

而且现在 TikTok 一个比较明显的变化是：Manual 和 Smart+ 的边界越来越模糊了。

以前大家会认为：这是自动 Campaign。那个是手动 Campaign。以后可能没有那么明显的区别。变成一个 Campaign 里面，我哪些东西自己控制，哪些东西交给 AI。

我觉得这个逻辑其实是比较合理的。

因为广告平台最后大概率不会让你在"全自动"和"全手动"之间二选一。

而是逐渐把不同控制权拆开。

但是 TikTok 今年真正值得关注的不是 Smart+。

而是Agentic Hub。

这个就比较有意思了。

TikTok 已经开始把 Agent 直接接到 Ads Manager 里面。

包括 Reporting、Audience Discovery、Budget Optimization、Campaign Management、Creative 等等。

也就是说未来完全可以有这样一个工作流：AI 每天先把整个账户的数据扫一遍。哪些 Campaign ROAS 掉了。哪些素材开始疲劳。哪些广告组预算不够。然后把异常找出来。再根据预设好的规则决定：哪些事情自己可以做。哪些事情需要人确认。

这个时候 AI 就不只是一个"优化算法"了。它是真的开始做投手以前在后台里面做的事情。

所以如果单纯看操作层 Agent，我觉得 TikTok 现在是几家里面相对激进的。

另外一块就是 Symphony。

TikTok 的 Creative AI 和它的平台属性其实非常匹配。

因为 TikTok 本身对素材的需求量就非常大。

它现在可以从：Creative Brief → Script → Video → AI 数字人 → UGC Style Content 一路往下做。

甚至开始结合平台 Trend 去生成素材。

所以 TikTok 现在基本就是：Smart+ 管投放自动化。Symphony 管 Creative。Agentic Hub 开始管操作。

这三块如果未来完全串起来，获取真就全自动了

那么小一点的效果媒体呢？是不是有紧跟步伐

AppLovin 和 Moloco 因为这两个平台能说明另外一个问题

很多人现在讲 AI，会想到大模型、Agent、Chatbot。

但对于广告平台来说，真正决定赚钱能力的 AI，很多时候不是这些。

AppLovin

AppLovin 最核心的 AI 能力还是 Axon。

说白了就是：这个用户值多少钱？我应该出多少钱去买？什么样的流量更有可能带来后续收入？

它解决的是广告最底层的 Performance 问题。

所以 AppLovin 的 AI 不是帮你分析为什么昨天 ROAS 掉了。

而是致力于直接帮你把钱花出去。

最近 AppLovin 也开始往上层补能力。

包括更简单的 Campaign Setup，以及自动生成 Creative。

甚至开始往 One-click Campaign + Ad Creation 方向走。

所以它现在大概是：底层买量 AI 已经很成熟，上层的 Creative 和操作自动化正在补。

Moloco

Moloco 其实也很像。

它最近比较系统地公开了 CARA。

这里面会一起考虑：Supply、Ad Recommendation、Bidding、Creative、Signal。

最终还是回答几个问题：这个曝光值不值得买？应该出多少钱？给这个用户看什么素材？这个用户长期价值大概是多少？

所以 Moloco 本质上还是一个非常典型的：AI Performance Engine。

它和现在大家讲的 LLM Agent 不是一类 AI。

一个非常强的大模型，并不代表它能够实时判断某一个用户未来 30 天会不会付费。

广告模型其实是另外一个完全不同的东西。

不过 Moloco 自己现在也开始做 Agent。

包括帮助配置 Campaign、Troubleshoot、Optimization。

所以趋势其实都差不多：底层模型成熟之后，大家开始往操作层继续往上长。

最后我们再看 AppsFlyer 和 Adjust

我觉得 MMP 反而是这波 AI 投放里面大家比较容易忽略的，也一起看看吧。

Meta 、Google 、 TikTok都是自归因，自己做自己的

但是我们自己实际做增长的时候，看的是：Meta。Google。TikTok。AppLovin。订阅收入。Retention。LTV。这些数据加到一起。

所以如果未来真的有一个Growth Agent，它一定不能只看单一渠道。

AppsFlyer

AppsFlyer 现在已经明显不只是在做 Attribution 了。

AI Assistant 可以直接让你用自然语言问数据。

比如：昨天美国 iOS 的 D0 ROAS 为什么掉了？哪个 Media Source 最近表现最好？哪些 Cohort 的 LTV 开始变化？

以前这些东西我们可能要：拉表 → Excel → Pivot → 分析。现在开始可以直接问。

但我觉得 AppsFlyer 更值得关注的其实还是：Agent Hub + MCP。

因为 MCP 意味着：你自己的 AI Agent 可以直接读取 AppsFlyer 的数据。

那么理论上你就可以串起来：AppsFlyer 告诉你 Campaign 表现。Revenue 系统告诉你真实付费。AI 判断哪个 Campaign 有问题。然后再通过 Meta、TikTok、Google 的 API 或 MCP 去做调整。

这个闭环其实已经开始具备基础条件了。

AppsFlyer 现在甚至开始把 Incrementality、Creative Data 这些东西继续往里面放。

所以它未来想做的已经不只是归因这一件事儿

而更像：给 Growth Agent 提供数据和判断依据。

轻量化的业务现在去搭建中台，溯源之类的操作就更简单了

Adjust 其实也是类似的方向

Adjust 现在有 Growth Copilot，可以直接查询和分析数据。

另外也已经推出 MCP Server。

所以从基础设施角度来说，它跟 AppsFlyer 走的方向其实很接近。

比较有意思的是 Adjust 最近一直在讲一个概念：Agentic Growth Management。

逻辑就是：你给 AI 一个目标。比如：ROAS 120%。或者提高 Revenue。AI 不断地去：分析数据。发现机会。提出 Hypothesis。给出 Action。执行。再看结果。然后继续下一轮。

这一套如果未来真的做成熟，其实就是一个完整的 Growth Loop。

现在离完全成熟还有距离，但方向已经比较明显了。

把上面这些东西放在一起看，其实规律已经比较明显了

以前我们聊 AI 投放的时候，主要聊的是：平台怎么替投手做决策。谁应该看到广告。出多少钱。展示什么素材。预算往哪里分。这些东西其实平台做了很多年。

但这一轮最大的变化，我觉得不是模型突然会投广告了。是AI 开始从决策层继续往操作层走。

以前的逻辑是：人操作，AI 优化。现在慢慢变成：人给目标，AI 分析，AI 给方案，再逐渐开始自己操作。

好吧，我变成了GPT的Agent。帮它充值。操作电脑。

这两个东西还是有挺大区别的。

另外一个变化就是 Creative。

我之前总说，投手最重要的事情就是素材。

这个判断现在其实还是成立的。

Creative 本身也开始被 AI 自动化。

以前我们要求素材团队一周做 50 条。

未来可能是给 AI 一个 Creative Direction，直接出来几百个 Variant。

那么真正稀缺的东西就不是："做素材。"而是：什么素材值得做。什么 Hook 值得测。用户为什么付费。哪个痛点值得放大。什么样的表达适合这个渠道。（没错，适应渠道很重要）

所以我觉得整个广告投放的工作正在慢慢往上走。也真心的建议大家，多从产品角度出发。更了解用户，在此基础在素材上面做出一些突破。一定会有大用的。