SmartData用AI Agent重塑广告创意 助客户降本10%并扩量50%

The Foresight Era: AI Agents and the Future of Marketing Decisions With SmartData — Ai4

Ai4

企业唯有依托扎实数据基建将定性创意拆解为量化元数据,AI Agent才能消除多部门协同损耗并突破获客规模瓶颈。

AI-assisted summary of The Foresight Era: AI Agents and the Future of Marketing Decisions With SmartData — original source. Check the original for full context.

Source published:

Detailed notes

## Background 本视频由 Ai4 频道于 2025 年 8 月 26 日在 YouTube 平台发布,主讲人为 SmartData 营销分析负责人 Armen Rostamian。视频简介指出,内容主要探讨营销团队如何借助 AI Agent(智能体)加速数据洞察,在媒体投放、创意测试与生命周期策略中构建由前瞻性驱动的预测型增长引擎。

## TL;DR 演讲深入剖析了 AI 与智能体如何打破企业部门壁垒、消除内部沟通损耗,推动营销数据分析从描述、诊断、预测、处方阶段跨越至“生成式”自动化落地。针对数字广告中最难量化的创意素材优化瓶颈,讲者展示了 AI Agent 将视频拆解为精细元数据并生成全新创意主题的实战案例。他强调,企业必须按部就班夯实数据与自动化底座,让 AI 充当过滤噪音的放大器,使营销人员得以回归以客户为中心的战略思考。

## Atmosphere & style 整场演讲洋溢着严谨专业且极具战略前瞻性的行业峰会氛围。讲者条理清晰、娓娓道来,将宏观的 AI 生产力叙事与落地执行中的精细案例紧密结合,既有一针见血剖析传统组织内耗的敏锐,又有勾勒人机协同未来的笃定。观看体验清晰务实,让听众在逻辑递进的分析框架中深切感受到营销决策模式转型的紧迫感与巨大潜力。

## Key takeaways - [00:04](https://www.youtube.com/watch?v=dJs2Dk7ARwk&t=4s) AI 将呈指数级放大个人与组织的生产力,显著缩短从战略愿景到业务执行的流转路径,降低内部沟通与政治损耗。 - [00:04](https://www.youtube.com/watch?v=dJs2Dk7ARwk&t=4s) AI Agent 抹平了统计建模与编程的技术门槛,赋能最贴近客户的一线业务人员直接做出精准决策,推动团队回归以客户为中心。 - [04:21](https://www.youtube.com/watch?v=dJs2Dk7ARwk&t=261s) 企业数据成熟度遵循描述性、诊断性、预测性到处方式的经典演进,而生成式 AI(Generative AI)作为第五前沿正将分析洞察直接转化为自动化运营落地。 - [07:15](https://www.youtube.com/watch?v=dJs2Dk7ARwk&t=435s) 在数字广告投放触及收益递减拐点时,直接削减预算会导致获客成本飙升,唯有实现广告创意主题与素材的多样化才能实现破局。 - [10:12](https://www.youtube.com/watch?v=dJs2Dk7ARwk&t=612s) 传统创意制作与评估流程存在多部门协作壁垒、耗时长、成本高且主观性强的“组织负债”,阻碍了营销迭代效率。 - [10:12](https://www.youtube.com/watch?v=dJs2Dk7ARwk&t=612s) AI Agent 通过逐秒拆解视频并建立颗粒度精细的素材元数据表(Meta-table),将定性创意转化为可量化、可进行严格变量控制的标准测试体系。 - [10:12](https://www.youtube.com/watch?v=dJs2Dk7ARwk&t=612s) 生成式 AI 能主动诊断素材疲态并拓展全新的创意维度,帮助企业在降低获客成本(CAC)的同时大幅放大切入新受众的投放规模。 - [16:28](https://www.youtube.com/watch?v=dJs2Dk7ARwk&t=988s) 核心创意概念确立后,生成式 AI 能够自动将其自适应重组为契合 TikTok、Facebook 等不同渠道特性的原生营销素材。 - [16:28](https://www.youtube.com/watch?v=dJs2Dk7ARwk&t=988s) 由 AI 动态驱动的自动化测试日历能够综合评估风险与业务收益,直接在源头剔除低价值测试,避免企业资源的无效空耗。 - [16:28](https://www.youtube.com/watch?v=dJs2Dk7ARwk&t=988s) AI 的卓越效能建立在人类非 AI 领域知识与商业逻辑之上,唯有具备识别真实信号的能力,才能最大化释放 AI 的自动化杠杆价值。 - [18:40](https://www.youtube.com/watch?v=dJs2Dk7ARwk&t=1120s) 企业构建 AI 决策体系绝不能跳步,必须扎实经历“底层数据治理 → 流程自动化 → 机器学习预测 → AI Agent 智能决策”的演进阶梯。 - [18:40](https://www.youtube.com/watch?v=dJs2Dk7ARwk&t=1120s) AI 的核心使命并非取代人类,而是成倍放大人的影响力(Multiply human effect),通过过滤冗余噪音让营销回归有温度的人际连接与深度洞察。 - [19:49](https://www.youtube.com/watch?v=dJs2Dk7ARwk&t=1189s) 面对现代数字广告平台的黑盒推荐算法,AI 虽无法实现确定性的一对一强行分发,但能在输入端优化策略,有效引导算法更精准地捕捉目标受众。

## Detailed walkthrough ### [00:04](https://www.youtube.com/watch?v=dJs2Dk7ARwk&t=4s) AI 驱动的生产力革命与组织对齐

SmartData 营销分析与 AI 业务负责人 Armen Rostamian 开场介绍了公司作为商业咨询机构的核心定位:帮助客户在现有发展阶段做出更精准的营销决策。他指出,本次分享聚焦于 AI 用例与 AI Agent(智能体)如何帮助组织实现更高维度的对齐(Alignment),从而为大型企业内部的营销团队带来实质性的业务突破。

```mermaid flowchart LR accTitle: AI 缩短从愿景到执行的路径 subgraph Traditional["传统模式"] V1["战略愿景"] --> P1["部门墙与内部博弈"] --> P2["冗长流程与妥协"] --> E1["失真执行"] end subgraph Agentic["AI Agent 赋能模式"] V2["战略愿景"] --> A1["AI Agent 协同与标准化"] --> E2["精准直接落地"] end ```

为了说明这一趋势的深远影响,Armen 引用了两位行业领袖的前瞻观点:Sam Altman 预言在不久的将来会出现“一人实现 10 亿美元估值的超级企业”;黄仁勋(Jensen Huang)则预测未来 5 年内 AI 催生的百万富翁数量将超过互联网诞生前 20 年的总和。在 Armen 看来,这两句话揭示了同一个本质逻辑——AI 将呈指数级放大个人与组织的生产力。当前英伟达(NVIDIA)和奈飞(Netflix)等高人效标杆企业的人均创收已达到约 250 万美元,而 AI 的普及将彻底重塑生产力上限。

- **消除借口与降低内部损耗**:AI 缩短了从业务“愿景”到“执行”的距离,减少了部门摩擦、政治博弈与反复传话带来的信息失真,让竞争回归到“点子是否新颖、力量是否强大”本身。 - **决策重心转向战略**:过去大量优秀想法因复杂的组织流程而胎死腹中,AI 赋能让团队将精力从“跑流程”转向“定战略”。 - **打破技术门槛,回归以客户为中心**:以往企业苦苦寻找既懂客户心理、又精通统计回归和编程的“独角兽”全才;如今借助 Agent 解决方案,最贴近客户的业务人员即可直接做出精准决策,真正释放以客户为核心的思考空间。

---

[04:21](https://www.youtube.com/watch?v=dJs2Dk7ARwk&t=261s) 从经典分析成长曲线到生成式 AI 的跨越

企业数据成熟度的演进通常遵循经典的分析成长曲线,包含四个必经阶段:描述性分析(Descriptive,搞清发生了什么,如统计销售额)、诊断性分析(Diagnostic,查明影响因素,如将销售额拆解为访客数与转化率)、预测性分析(Predictive,基于转化率与访客趋势预测明日销售)以及处方式分析(Prescriptive,指导资源投入,如优化销售漏斗以将转化率从 2% 提升至 3%)。

```mermaid flowchart TD accTitle: 数据分析成熟度演进与生成式前沿 subgraph Classical["经典分析四阶段(由左至右逐步演进)"] D["1. 描述性 (Descriptive)<br>事实统计(如:销售额)"] DIA["2. 诊断性 (Diagnostic)<br>归因拆解(如:流量/转化率)"] P["3. 预测性 (Predictive)<br>趋势预判(如:MMM模型)"] PRE["4. 处方式 (Prescriptive)<br>策略推荐(如:调整漏斗/预算)"] D --> DIA --> P --> PRE end subgraph Frontier["第五前沿"] GEN["5. 生成式 (Generative AI)<br>将分析直接转化为运营落地"] end PRE --> GEN ```

企业无法跳过这四步中的任何一环,但 AI 能够起到“使曲线向上平移并向左移动”的作用,既加速演进节奏,又显著提升各个节点的产出质量与效率。Armen 强调,AI 正在将“数据分析”直接转化为“自动化运营”,而曲线的第五个前沿正是“生成式(Generative)能力”。生成式 AI 不仅能指出该做什么,更能以极低的人力资源消耗直接生成业务交付物,完成从洞察到落地的闭环。

---

[07:15](https://www.youtube.com/watch?v=dJs2Dk7ARwk&t=435s) 创意素材分析的定性与定量困境

在营销领域中,最偏向定性、最难被量化衡量的环节通常是创意素材(Creative Assets)的表现。传统的创意产出高度依赖创意团队、自由设计师或网红(KOL/Influencer),充满主观色彩。而在现代数字广告体系中,创意与用户之间隔着复杂的算法平台,必须建立一套严谨的方法论来量化评估创意要素。

以一家月广告预算达 100 万美元、要求 6 个月投资回收期的典型企业为例: 1. **统计与诊断**:通过机器学习归因模型,团队发现 Meta 广告上的点击率与转化率出现持续下滑。 2. **预测与瓶颈识别**:借助营销组合模型(Media Mix Model, MMM)进行统计预测,系统发现 Meta 渠道的投放已达到收益递减曲线的拐点,边际效益下降。 3. **处方决策**:若直接削减预算会导致获客成本(CAC)飙升,因此唯一的破局方案是“实现创意主题与广告素材的多样化”。

---

[10:12](https://www.youtube.com/watch?v=dJs2Dk7ARwk&t=612s) 传统创意流程的组织负债 vs. AI Agent 标准化突破

当面临“素材缺乏多样性”的挑战时,传统组织协作模式往往会陷入沉重的“组织负债”与“仓鼠轮(Hamster Wheel)”式的低效循环。

| 对比维度 | 传统人工推进流程 | AI Agent 赋能模式 | |:--- |:--- |:--- | | **涉及部门与节点** | 涉及数据、品牌、创意/UGC、媒介采买、财务等 5 个部门,包含 6 个层级的沟通流转与潜在故障点 | 核心增长团队直接与 AI Agent 协作管理,大幅缩减协作链条 | | **研发耗时与成本** | 周期长达数月,单轮素材制作耗资可达约 50,000 美元 | 快速迭代产出,测试成本与试错门槛极低 | | **素材评估方式** | 高度主观(如“这个网红更契合客群”),评价模糊且失真 | 颗粒度精细的元数据表格(Meta-table),定量拆解前 3 秒钩子、人物设定、文案与 CTA | | **归因与优化精度** | 难以剥离变量,好坏全凭主观猜测 | 固定表现优异的变量(如前 3 秒画面),仅修改失效变量(如下单提示 CTA) |

```mermaid flowchart TD accTitle: 传统创意流程的六大断点 A["1. 数据团队产出洞察"] --> B["2. 品牌团队被动防守并拟定Brief"] B --> C["3. 创意/UGC团队主观解读并制作"] C --> D["4. 内部主观评审筛选素材"] D --> E["5. 媒介采买团队定向投放"] E --> F["6. 财务部门审批测试预算"] ```

AI Agent 的介入主要带来两层颠覆: 1. **定性素材的精细化与定量标准化**:Agent 将视频内容逐秒拆解。例如系统会记录“前 3 秒钩子为女性博主在居家环境中探讨网络安全”,建立详尽的素材元数据表。明确哪些变量在促成转化、哪些在拉低效果,从而实现精准的变量控制测试。 2. **生成式 AI 主动拓展全新创意维度**:以一家网络安全合作客户为例,该企业长期依赖“拦截骚扰电话(Robocalls)”这一单一卖点进行推广,投放规模遭遇严重瓶颈。生成式 AI 介入后,系统诊断出该主题的疲态,并推荐了全新的“从互联网上抹去你的个人痕迹(Vanish from the internet)”主题。这一全新角度切中了完全不同的潜在人群,最终助力客户在获客成本降低 10% 的同时,广告投放规模成功放大了 50%。

---

[16:28](https://www.youtube.com/watch?v=dJs2Dk7ARwk&t=988s) 营销战略演进与测试流程重塑

展望未来,AI 对营销运营的深度改造将集中在两大核心板块: - **跨渠道战役适配(Campaign Strategy)**:当核心创意概念确立后(如“从互联网抹去痕迹”),生成式 AI 能够自动将其转化为契合不同渠道特性的原生素材。例如 TikTok 与 Facebook 所需的节奏与形式截然不同,AI 可以在保持核心主题一致的前提下完成自适应重组与元素拼装。 - **测试策略与日历智能化(Testing Strategy)**:企业内部消耗资源最多的往往是“注定失败的劣质测试”。未来由 AI 动态维护的自动化测试日历,将综合评估风险与业务收益,直接在源头剔除低价值测试方案,避免资源浪费。

Armen 在本段末尾总结道,AI 的卓越能力始终建立在“非 AI 知识”的根基之上;企业必须首先建立坚实的人类理解、直觉与商业逻辑认知,懂得如何识别真正的有效信号,才能最大化释放 AI 的自动化杠杆效能。

[18:40](https://www.youtube.com/watch?v=dJs2Dk7ARwk&t=1120s) 构建 AI 决策体系的阶梯与人机协同愿景

要与 AI Agent 展开富有成效的交互,关键在于绝不能“跳步”。企业必须先扎实完成底层基础建设,从基础数据治理走向自动化流程,再融入机器学习(ML)能力,最终才能稳步迈进具有实质业务意义的“AI 驱动决策”(AI decision-making)。在拥抱持续迭代的 AI 方案时,技术架构应当具备足够的灵活性与前瞻性,团队应该“期待下一次基础模型的版本发布,而不是对更新感到恐惧”("looking forward to the next model release, not dread it")。只有能够无缝融合模型演进并持续放大业务杠杆的方案,才值得企业重金投入。

```mermaid flowchart LR accTitle: 从基础数据到 AI 决策的演进路径 subgraph S1["基础建设期"] A["底层数据与基础设施"] --> B["流程自动化"] end subgraph S2["智能进阶期"] B --> C["机器学习 (ML) 预测"] C --> D["AI Agent 智能决策"] end ```

AI 的最终使命并非取代人类,而是“成倍放大人的影响力”("multiply the human effect")。通过利用 AI 过滤并剥离业务流中的冗余噪音,营销团队能够极大地拉近与客户之间的距离,重新回归有温度的“人与人之间的连接”,在显著优化终端客户体验的同时,切实减轻内部团队的工作负荷与疲劳感。

- **阶段推进原则**:不可跳过底层数据基础设施与自动化直接上马大模型;只有经历“基础数据 $\rightarrow$ 自动化 $\rightarrow$ 机器学习 $\rightarrow$ AI 决策”的完整链条,Agent 才能产生真实价值。 - **架构敏捷度**:打造适应性强的弹性系统,确保每次大模型升级都能直接转化为业务杠杆的提升。 - **人本赋能**:将 Agent 定位为噪音过滤器与效率放大器,赋能团队专注于深度的客户洞察与真实的人际连接。

[19:49](https://www.youtube.com/watch?v=dJs2Dk7ARwk&t=1189s) 现场问答:算法黑盒投放与精准触达的现实考量

在演讲后的互动环节中,现场观众与讲者探讨了交付触达环节的确定性与预防性控制。对于传统的直邮(direct mailer)渠道,营销人员可以做到极其精准的一对一确定性触达;然而在以 Meta Ads 为代表的现代数字广告平台中,投放直接交由平台底层的黑盒推荐算法进行实时决策。在算法掌控分发逻辑的背景下,AI 虽无法做到绝对的一对一精准控制,但能有效辅助并引导算法走向更具针对性的优化方向。

- **渠道特性的差异**:直邮等传统渠道具备高确定性与精准性,而 Meta 等平台广告则重度依赖平台算法进行人群分发。 - **AI 在分发侧的定位**:AI 无法完全越过平台算法实现纯粹的一对一强行分发,但能够在前端优化输入策略,帮助平台算法更精准地捕捉目标受众。

## Notable quotes > [00:04](https://www.youtube.com/watch?v=dJs2Dk7ARwk&t=4s) 一人实现 10 亿美元估值的超级企业 — Sam Altman

> [00:04](https://www.youtube.com/watch?v=dJs2Dk7ARwk&t=4s) 未来 5 年内 AI 催生的百万富翁数量将超过互联网诞生前 20 年的总和 — Jensen Huang

> [04:21](https://www.youtube.com/watch?v=dJs2Dk7ARwk&t=261s) 使曲线向上平移并向左移动 — Armen Rostamian

> [07:15](https://www.youtube.com/watch?v=dJs2Dk7ARwk&t=435s) 实现创意主题与广告素材的多样化 — Armen Rostamian

> [10:12](https://www.youtube.com/watch?v=dJs2Dk7ARwk&t=612s) 从互联网上抹去你的个人痕迹(Vanish from the internet) — Armen Rostamian

> [16:28](https://www.youtube.com/watch?v=dJs2Dk7ARwk&t=988s) AI 的卓越能力始终建立在“非 AI 知识”的根基之上 — Armen Rostamian

> [18:40](https://www.youtube.com/watch?v=dJs2Dk7ARwk&t=1120s) looking forward to the next model release, not dread it(期待下一次基础模型的版本发布,而不是对更新感到恐惧) — Armen Rostamian

> [18:40](https://www.youtube.com/watch?v=dJs2Dk7ARwk&t=1120s) 成倍放大人的影响力(multiply the human effect) — Armen Rostamian

## Mentioned SmartData, Armen Rostamian, Sam Altman, Jensen Huang, NVIDIA, Netflix, Meta Ads, TikTok, Media Mix Model (MMM), AI Agent, Generative AI

## Video description Armen Rostamian, President, Marketing Analytics, SmartData

Abstracts

What if you could act on insights before the signal even hits your dashboard?

AI agents can accelerate marketing insights—shifting us to predictive growth engines powered by collective intuition.

I’ll share real-world examples of how forward-thinking teams are deploying agents for media investment, creative testing, and lifecycle strategy—grounded in foresight and driven by automation.

Join me to discover how the next era of marketing is being built on decisions made ahead of the curve.

[Source](https://www.youtube.com/watch?v=dJs2Dk7ARwk)

中文简报

SmartData部署AI Agent替代广告测试循环,降低获客成本 自主AI Agent推动营销从被动分析转向直接的生成式执行,消除跨部门测试瓶颈,在降低获客成本的同时扩大广告支出规模。 Armen Rostamian认为,智能体AI(Agentic AI)通过消除企业内部摩擦与技术瓶颈,从根本上缩短了营销构想与执行之间的距离。他提出了一个以生成式执行为顶峰的五阶段分析成熟度曲线,在此阶段,诊断模型可以直接触发自动化的创意制作与测试。通过一个真实的网络安全案例,Rostamian展示了将广告创意拆解为结构化元数据表如何帮助品牌打破受众疲劳,在广告支出增长50%的同时将客户获取成本降低10%。他强调,可持续的AI转型必须建立在坚实的数据基础和人类直觉之上,其核心是成倍提升人的效能,而非盲目追求完全自动化。 AI Agent 正在推动营销领域的指数级生产力革命,促使企业将重心从机械降本转向战略杠杆与跨部门协同,对标英伟达与 Netflix 等人均年创收约 250 万美元的高效组织模式。 (0:04) Agent 工作流大幅压缩了战略构想到最终执行的路径,消除了对复合型“数据全才”的依赖,并将营销分析推向第五阶段——直接输出并部署解决方案的生成式自主运营执行。 (4:21) 通过将定性创意视频拆解为结构化元数据,AI Agent 打破了耗资数万美元的跨部门测试死循环;某网络安全品牌借此打破叙事饱和,在广告投放增加 50% 的同时实现获客成本(CAC)降低 10%。 (12:16) 未来的自主测试引擎可提前拦截数学胜率极低的无效测试并跨渠道自适应生成创意,但高绩效的 AI 系统必须扎根于坚实的数据基建与人类对客户的同理心洞察,而非盲目自动化。 (16:28)

精炼阅读摘要

SmartData营销分析总裁Armen Rostamian指出,企业营销正在跨越传统的分析咨询阶段,迈入由AI代理驱动的“生成式执行”时代;通过将定性创意资产拆解为结构化数据并压缩跨部门流转链路,组织能够在保留人类直觉与同理心的前提下,实现决策与执行效能的指数级倍增。 压缩执行链路与人效规模化跃升 (0:04) Rostamian援引OpenAI首席执行官Sam Altman关于未来将诞生“十亿美元级单人公司”的预测,以及英伟达首席执行官黄仁勋关于“未来五年AI创造的百万富翁将超过商业互联网前二十年总和”的判断,认为个体与组织的生产力正在迎来指数级扩张。当前英伟达与奈飞以人均约250万美元的营收领跑企业效率基准,而营销部门引入代理型AI框架的核心价值,不在于机械式的削减开支或技术表象,而在于通过工具重构实现跨部门协同并提供战略杠杆。 在传统企业环境中,优质策略常因部门政治、繁杂审批以及各环节的冗余介入而流产。以往营销部门不得不依赖兼具客户共情、统计回归与软件开发能力的复合型“全能人才”(unicorns);而自主代理能够直接承担数据解析、预测建模与具体执行任务。这大幅压缩了战略构想到终端落地之间的路径,让最贴近客户的营销决策者能够敏捷、精准地采取行动,将团队认知资源从繁琐的流程内耗转移到提升战略本身的质量上。 从分析进阶到生成式自主运营 (4:21) 传统营销分析通常沿袭四个阶梯式演进阶段:描述性分析(统计过去发生的事实,如汇总销售额与访问量)、诊断性分析(解析深层因果关系,如明确转化率与流量对销售额的驱动机制)、预测性分析(推演未来趋势,如根据流量与转化率预测明日营收)、以及规范性分析(提出资源配置建议,如建议优化漏斗将转化率由2%提升至3%)。Rostamian指出,企业必须夯实这些基础,而AI的真正价值在于推动分析曲线向“左上方”位移,并开创了第五个前沿——生成式执行(generative execution)。 生成式执行将静态的分析建议直接转化为自动化的运营产出。例如,当一家营销预算为100万美元、投资回报周期为六个月的企业,通过机器学习归因与媒体组合模型(MMM)诊断出Meta广告渠道出现受众疲劳、边际收益递减且获客成本(CAC)上升时,传统流程往往停留在削减预算或召开漫长的策略研讨会;在生成式时代,预测模型给出的诊断与应对建议能够直接输入生成系统,自动生成并部署差异化的创意素材,完成从分析智能到运营动作的无缝闭环。 创意资产微观量化与破除仓鼠轮 (10:12) 在传统企业运作中,应对广告疲劳往往会陷入低效的“仓鼠轮”:分析团队发现效果衰减后,品牌团队容易产生防御抵触,随后拟定主观测试简报并交付外部代理商或UGC网络制作;素材产出后需经内部委员会按个人喜好挑选、媒体采购团队匹配人群,最后由财务部门审批追加测试预算。该流程横跨五个职能部门、经历六道人为转接,不仅存在多处沟通断裂隐患,通常还需耗费数月时间与5万美元以上的测试成本,且容易将实际成效诉诸于运气。 AI代理通过将定性创意资产拆解为微观结构化数据打破了这一死循环。借助计算机视觉与自然语言处理,系统能够将视频广告解构为前3秒抓手(hook)、叙事框架、音频基调与行动号召(CTA)等可量化变量并生成元数据表,使团队能够精确锁定衰减环节并实施局部替换。在SmartData服务的一家网络安全客户案例中,该品牌长期局限于“拦截骚扰电话”的单一饱和叙事,导致边际效益急剧恶化;AI代理检测到饱和拐点后,自主构思出“在互联网上隐形”(vanish from the internet)的数字足迹消除新主题,最终推动该品牌在广告支出增加50%的同时将获客成本降低了10%。 渐进式技术底座与认知直觉边界 (18:40) Rostamian强调,构建高效的AI代理决策体系不存在任何捷径,组织必须严格按照先后顺序循序渐进:夯实底层数据基础设施、建立流程自动化、部署机器学习模型,最后方可迈向自主代理决策。跨越任何中间阶段都会动摇整个系统的可靠性。此外,企业架构必须具备前瞻性与模块化特征,使团队能够灵活接入未来更先进的基础模型以获取杠杆倍数,而非因模型升级而面临系统瘫痪。在实验层面,AI代理还能结合受众重叠度与历史方差,提前筛除统计学上成功概率为零的低效测试,由自动化测试日历统筹风险与收益。 尽管技术演进迅猛,Rostamian提醒营销决策者注意其边界与基石:所有AI能力的核心底层均建立在“非AI知识”之上,竞争优势并非源自盲目自动化,而是取决于人对行业逻辑的深度认知与对客户心理的同理心。此外在分发环节,数字平台(如Meta)的黑箱竞价与算法机制决定了其实时投放无法像物理直邮等确定性渠道那样保证绝对的一对一精准定向。因此,企业AI的最终归宿并非替代人类,而是剥离机械化琐碎流程以“放大人类效应”,促成更本真的人际连接。 Rostamian总结指出,营销智能化的核心在于以坚实的数据基础设施与算法模型为支撑,将原本主观模糊的定性资产转化为可操作的运算输入;但该体系的长效运转仍受制于数字媒体算法分发的非确定性现实,且高度依赖人类对客户需求的底层直觉,盲目跳过基础阶段或剥离人工洞察均会带来系统性操作风险。

Detailed notes — zh

## Background 本视频由 Ai4 频道于 2025 年 8 月 26 日在 YouTube 平台发布,主讲人为 SmartData 营销分析负责人 Armen Rostamian。视频简介指出,内容主要探讨营销团队如何借助 AI Agent(智能体)加速数据洞察,在媒体投放、创意测试与生命周期策略中构建由前瞻性驱动的预测型增长引擎。 ## TL;DR 演讲深入剖析了 AI 与智能体如何打破企业部门壁垒、消除内部沟通损耗,推动营销数据分析从描述、诊断、预测、处方阶段跨越至“生成式”自动化落地。针对数字广告中最难量化的创意素材优化瓶颈,讲者展示了 AI Agent 将视频拆解为精细元数据并生成全新创意主题的实战案例。他强调,企业必须按部就班夯实数据与自动化底座,让 AI 充当过滤噪音的放大器,使营销人员得以回归以客户为中心的战略思考。 ## Atmosphere & style 整场演讲洋溢着严谨专业且极具战略前瞻性的行业峰会氛围。讲者条理清晰、娓娓道来,将宏观的 AI 生产力叙事与落地执行中的精细案例紧密结合,既有一针见血剖析传统组织内耗的敏锐,又有勾勒人机协同未来的笃定。观看体验清晰务实,让听众在逻辑递进的分析框架中深切感受到营销决策模式转型的紧迫感与巨大潜力。 ## Key takeaways - [00:04](https://www.youtube.com/watch?v=dJs2Dk7ARwk&t=4s) AI 将呈指数级放大个人与组织的生产力,显著缩短从战略愿景到业务执行的流转路径,降低内部沟通与政治损耗。 - [00:04](https://www.youtube.com/watch?v=dJs2Dk7ARwk&t=4s) AI Agent 抹平了统计建模与编程的技术门槛,赋能最贴近客户的一线业务人员直接做出精准决策,推动团队回归以客户为中心。 - [04:21](https://www.youtube.com/watch?v=dJs2Dk7ARwk&t=261s) 企业数据成熟度遵循描述性、诊断性、预测性到处方式的经典演进,而生成式 AI(Generative AI)作为第五前沿正将分析洞察直接转化为自动化运营落地。 - [07:15](https://www.youtube.com/watch?v=dJs2Dk7ARwk&t=435s) 在数字广告投放触及收益递减拐点时,直接削减预算会导致获客成本飙升,唯有实现广告创意主题与素材的多样化才能实现破局。 - [10:12](https://www.youtube.com/watch?v=dJs2Dk7ARwk&t=612s) 传统创意制作与评估流程存在多部门协作壁垒、耗时长、成本高且主观性强的“组织负债”,阻碍了营销迭代效率。 - [10:12](https://www.youtube.com/watch?v=dJs2Dk7ARwk&t=612s) AI Agent 通过逐秒拆解视频并建立颗粒度精细的素材元数据表(Meta-table),将定性创意转化为可量化、可进行严格变量控制的标准测试体系。 - [10:12](https://www.youtube.com/watch?v=dJs2Dk7ARwk&t=612s) 生成式 AI 能主动诊断素材疲态并拓展全新的创意维度,帮助企业在降低获客成本(CAC)的同时大幅放大切入新受众的投放规模。 - [16:28](https://www.youtube.com/watch?v=dJs2Dk7ARwk&t=988s) 核心创意概念确立后,生成式 AI 能够自动将其自适应重组为契合 TikTok、Facebook 等不同渠道特性的原生营销素材。 - [16:28](https://www.youtube.com/watch?v=dJs2Dk7ARwk&t=988s) 由 AI 动态驱动的自动化测试日历能够综合评估风险与业务收益,直接在源头剔除低价值测试,避免企业资源的无效空耗。 - [16:28](https://www.youtube.com/watch?v=dJs2Dk7ARwk&t=988s) AI 的卓越效能建立在人类非 AI 领域知识与商业逻辑之上,唯有具备识别真实信号的能力,才能最大化释放 AI 的自动化杠杆价值。 - [18:40](https://www.youtube.com/watch?v=dJs2Dk7ARwk&t=1120s) 企业构建 AI 决策体系绝不能跳步,必须扎实经历“底层数据治理 → 流程自动化 → 机器学习预测 → AI Agent 智能决策”的演进阶梯。 - [18:40](https://www.youtube.com/watch?v=dJs2Dk7ARwk&t=1120s) AI 的核心使命并非取代人类,而是成倍放大人的影响力(Multiply human effect),通过过滤冗余噪音让营销回归有温度的人际连接与深度洞察。 - [19:49](https://www.youtube.com/watch?v=dJs2Dk7ARwk&t=1189s) 面对现代数字广告平台的黑盒推荐算法,AI 虽无法实现确定性的一对一强行分发,但能在输入端优化策略,有效引导算法更精准地捕捉目标受众。 ## Detailed walkthrough ### [00:04](https://www.youtube.com/watch?v=dJs2Dk7ARwk&t=4s) AI 驱动的生产力革命与组织对齐 SmartData 营销分析与 AI 业务负责人 Armen Rostamian 开场介绍了公司作为商业咨询机构的核心定位:帮助客户在现有发展阶段做出更精准的营销决策。他指出,本次分享聚焦于 AI 用例与 AI Agent(智能体)如何帮助组织实现更高维度的对齐(Alignment),从而为大型企业内部的营销团队带来实质性的业务突破。 ```mermaid flowchart LR accTitle: AI 缩短从愿景到执行的路径 subgraph Traditional["传统模式"] V1["战略愿景"] --> P1["部门墙与内部博弈"] --> P2["冗长流程与妥协"] --> E1["失真执行"] end subgraph Agentic["AI Agent 赋能模式"] V2["战略愿景"] --> A1["AI Agent 协同与标准化"] --> E2["精准直接落地"] end ``` 为了说明这一趋势的深远影响,Armen 引用了两位行业领袖的前瞻观点:Sam Altman 预言在不久的将来会出现“一人实现 10 亿美元估值的超级企业”;黄仁勋(Jensen Huang)则预测未来 5 年内 AI 催生的百万富翁数量将超过互联网诞生前 20 年的总和。在 Armen 看来,这两句话揭示了同一个本质逻辑——AI 将呈指数级放大个人与组织的生产力。当前英伟达(NVIDIA)和奈飞(Netflix)等高人效标杆企业的人均创收已达到约 250 万美元,而 AI 的普及将彻底重塑生产力上限。 - **消除借口与降低内部损耗**:AI 缩短了从业务“愿景”到“执行”的距离,减少了部门摩擦、政治博弈与反复传话带来的信息失真,让竞争回归到“点子是否新颖、力量是否强大”本身。 - **决策重心转向战略**:过去大量优秀想法因复杂的组织流程而胎死腹中,AI 赋能让团队将精力从“跑流程”转向“定战略”。 - **打破技术门槛,回归以客户为中心**:以往企业苦苦寻找既懂客户心理、又精通统计回归和编程的“独角兽”全才;如今借助 Agent 解决方案,最贴近客户的业务人员即可直接做出精准决策,真正释放以客户为核心的思考空间。 --- ### [04:21](https://www.youtube.com/watch?v=dJs2Dk7ARwk&t=261s) 从经典分析成长曲线到生成式 AI 的跨越 企业数据成熟度的演进通常遵循经典的分析成长曲线,包含四个必经阶段:描述性分析(Descriptive,搞清发生了什么,如统计销售额)、诊断性分析(Diagnostic,查明影响因素,如将销售额拆解为访客数与转化率)、预测性分析(Predictive,基于转化率与访客趋势预测明日销售)以及处方式分析(Prescriptive,指导资源投入,如优化销售漏斗以将转化率从 2% 提升至 3%)。 ```mermaid flowchart TD accTitle: 数据分析成熟度演进与生成式前沿 subgraph Classical["经典分析四阶段(由左至右逐步演进)"] D["1. 描述性 (Descriptive)<br>事实统计(如:销售额)"] DIA["2. 诊断性 (Diagnostic)<br>归因拆解(如:流量/转化率)"] P["3. 预测性 (Predictive)<br>趋势预判(如:MMM模型)"] PRE["4. 处方式 (Prescriptive)<br>策略推荐(如:调整漏斗/预算)"] D --> DIA --> P --> PRE end subgraph Frontier["第五前沿"] GEN["5. 生成式 (Generative AI)<br>将分析直接转化为运营落地"] end PRE --> GEN ``` 企业无法跳过这四步中的任何一环,但 AI 能够起到“使曲线向上平移并向左移动”的作用,既加速演进节奏,又显著提升各个节点的产出质量与效率。Armen 强调,AI 正在将“数据分析”直接转化为“自动化运营”,而曲线的第五个前沿正是“生成式(Generative)能力”。生成式 AI 不仅能指出该做什么,更能以极低的人力资源消耗直接生成业务交付物,完成从洞察到落地的闭环。 --- ### [07:15](https://www.youtube.com/watch?v=dJs2Dk7ARwk&t=435s) 创意素材分析的定性与定量困境 在营销领域中,最偏向定性、最难被量化衡量的环节通常是创意素材(Creative Assets)的表现。传统的创意产出高度依赖创意团队、自由设计师或网红(KOL/Influencer),充满主观色彩。而在现代数字广告体系中,创意与用户之间隔着复杂的算法平台,必须建立一套严谨的方法论来量化评估创意要素。 以一家月广告预算达 100 万美元、要求 6 个月投资回收期的典型企业为例: 1. **统计与诊断**:通过机器学习归因模型,团队发现 Meta 广告上的点击率与转化率出现持续下滑。 2. **预测与瓶颈识别**:借助营销组合模型(Media Mix Model, MMM)进行统计预测,系统发现 Meta 渠道的投放已达到收益递减曲线的拐点,边际效益下降。 3. **处方决策**:若直接削减预算会导致获客成本(CAC)飙升,因此唯一的破局方案是“实现创意主题与广告素材的多样化”。 --- ### [10:12](https://www.youtube.com/watch?v=dJs2Dk7ARwk&t=612s) 传统创意流程的组织负债 vs. AI Agent 标准化突破 当面临“素材缺乏多样性”的挑战时,传统组织协作模式往往会陷入沉重的“组织负债”与“仓鼠轮(Hamster Wheel)”式的低效循环。 | 对比维度 | 传统人工推进流程 | AI Agent 赋能模式 | |:--- |:--- |:--- | | **涉及部门与节点** | 涉及数据、品牌、创意/UGC、媒介采买、财务等 5 个部门,包含 6 个层级的沟通流转与潜在故障点 | 核心增长团队直接与 AI Agent 协作管理,大幅缩减协作链条 | | **研发耗时与成本** | 周期长达数月,单轮素材制作耗资可达约 50,000 美元 | 快速迭代产出,测试成本与试错门槛极低 | | **素材评估方式** | 高度主观(如“这个网红更契合客群”),评价模糊且失真 | 颗粒度精细的元数据表格(Meta-table),定量拆解前 3 秒钩子、人物设定、文案与 CTA | | **归因与优化精度** | 难以剥离变量,好坏全凭主观猜测 | 固定表现优异的变量(如前 3 秒画面),仅修改失效变量(如下单提示 CTA) | ```mermaid flowchart TD accTitle: 传统创意流程的六大断点 A["1. 数据团队产出洞察"] --> B["2. 品牌团队被动防守并拟定Brief"] B --> C["3. 创意/UGC团队主观解读并制作"] C --> D["4. 内部主观评审筛选素材"] D --> E["5. 媒介采买团队定向投放"] E --> F["6. 财务部门审批测试预算"] ``` AI Agent 的介入主要带来两层颠覆: 1. **定性素材的精细化与定量标准化**:Agent 将视频内容逐秒拆解。例如系统会记录“前 3 秒钩子为女性博主在居家环境中探讨网络安全”,建立详尽的素材元数据表。明确哪些变量在促成转化、哪些在拉低效果,从而实现精准的变量控制测试。 2. **生成式 AI 主动拓展全新创意维度**:以一家网络安全合作客户为例,该企业长期依赖“拦截骚扰电话(Robocalls)”这一单一卖点进行推广,投放规模遭遇严重瓶颈。生成式 AI 介入后,系统诊断出该主题的疲态,并推荐了全新的“从互联网上抹去你的个人痕迹(Vanish from the internet)”主题。这一全新角度切中了完全不同的潜在人群,最终助力客户在获客成本降低 10% 的同时,广告投放规模成功放大了 50%。 --- ### [16:28](https://www.youtube.com/watch?v=dJs2Dk7ARwk&t=988s) 营销战略演进与测试流程重塑 展望未来,AI 对营销运营的深度改造将集中在两大核心板块: - **跨渠道战役适配(Campaign Strategy)**:当核心创意概念确立后(如“从互联网抹去痕迹”),生成式 AI 能够自动将其转化为契合不同渠道特性的原生素材。例如 TikTok 与 Facebook 所需的节奏与形式截然不同,AI 可以在保持核心主题一致的前提下完成自适应重组与元素拼装。 - **测试策略与日历智能化(Testing Strategy)**:企业内部消耗资源最多的往往是“注定失败的劣质测试”。未来由 AI 动态维护的自动化测试日历,将综合评估风险与业务收益,直接在源头剔除低价值测试方案,避免资源浪费。 Armen 在本段末尾总结道,AI 的卓越能力始终建立在“非 AI 知识”的根基之上;企业必须首先建立坚实的人类理解、直觉与商业逻辑认知,懂得如何识别真正的有效信号,才能最大化释放 AI 的自动化杠杆效能。 ### [18:40](https://www.youtube.com/watch?v=dJs2Dk7ARwk&t=1120s) 构建 AI 决策体系的阶梯与人机协同愿景 要与 AI Agent 展开富有成效的交互,关键在于绝不能“跳步”。企业必须先扎实完成底层基础建设,从基础数据治理走向自动化流程,再融入机器学习(ML)能力,最终才能稳步迈进具有实质业务意义的“AI 驱动决策”(AI decision-making)。在拥抱持续迭代的 AI 方案时,技术架构应当具备足够的灵活性与前瞻性,团队应该“期待下一次基础模型的版本发布,而不是对更新感到恐惧”("looking forward to the next model release, not dread it")。只有能够无缝融合模型演进并持续放大业务杠杆的方案,才值得企业重金投入。 ```mermaid flowchart LR accTitle: 从基础数据到 AI 决策的演进路径 subgraph S1["基础建设期"] A["底层数据与基础设施"] --> B["流程自动化"] end subgraph S2["智能进阶期"] B --> C["机器学习 (ML) 预测"] C --> D["AI Agent 智能决策"] end ``` AI 的最终使命并非取代人类,而是“成倍放大人的影响力”("multiply the human effect")。通过利用 AI 过滤并剥离业务流中的冗余噪音,营销团队能够极大地拉近与客户之间的距离,重新回归有温度的“人与人之间的连接”,在显著优化终端客户体验的同时,切实减轻内部团队的工作负荷与疲劳感。 - **阶段推进原则**:不可跳过底层数据基础设施与自动化直接上马大模型;只有经历“基础数据 $\rightarrow$ 自动化 $\rightarrow$ 机器学习 $\rightarrow$ AI 决策”的完整链条,Agent 才能产生真实价值。 - **架构敏捷度**:打造适应性强的弹性系统,确保每次大模型升级都能直接转化为业务杠杆的提升。 - **人本赋能**:将 Agent 定位为噪音过滤器与效率放大器,赋能团队专注于深度的客户洞察与真实的人际连接。 ### [19:49](https://www.youtube.com/watch?v=dJs2Dk7ARwk&t=1189s) 现场问答:算法黑盒投放与精准触达的现实考量 在演讲后的互动环节中,现场观众与讲者探讨了交付触达环节的确定性与预防性控制。对于传统的直邮(direct mailer)渠道,营销人员可以做到极其精准的一对一确定性触达;然而在以 Meta Ads 为代表的现代数字广告平台中,投放直接交由平台底层的黑盒推荐算法进行实时决策。在算法掌控分发逻辑的背景下,AI 虽无法做到绝对的一对一精准控制,但能有效辅助并引导算法走向更具针对性的优化方向。 - **渠道特性的差异**:直邮等传统渠道具备高确定性与精准性,而 Meta 等平台广告则重度依赖平台算法进行人群分发。 - **AI 在分发侧的定位**:AI 无法完全越过平台算法实现纯粹的一对一强行分发,但能够在前端优化输入策略,帮助平台算法更精准地捕捉目标受众。 ## Notable quotes > [00:04](https://www.youtube.com/watch?v=dJs2Dk7ARwk&t=4s) 一人实现 10 亿美元估值的超级企业 — Sam Altman > [00:04](https://www.youtube.com/watch?v=dJs2Dk7ARwk&t=4s) 未来 5 年内 AI 催生的百万富翁数量将超过互联网诞生前 20 年的总和 — Jensen Huang > [04:21](https://www.youtube.com/watch?v=dJs2Dk7ARwk&t=261s) 使曲线向上平移并向左移动 — Armen Rostamian > [07:15](https://www.youtube.com/watch?v=dJs2Dk7ARwk&t=435s) 实现创意主题与广告素材的多样化 — Armen Rostamian > [10:12](https://www.youtube.com/watch?v=dJs2Dk7ARwk&t=612s) 从互联网上抹去你的个人痕迹(Vanish from the internet) — Armen Rostamian > [16:28](https://www.youtube.com/watch?v=dJs2Dk7ARwk&t=988s) AI 的卓越能力始终建立在“非 AI 知识”的根基之上 — Armen Rostamian > [18:40](https://www.youtube.com/watch?v=dJs2Dk7ARwk&t=1120s) looking forward to the next model release, not dread it(期待下一次基础模型的版本发布,而不是对更新感到恐惧) — Armen Rostamian > [18:40](https://www.youtube.com/watch?v=dJs2Dk7ARwk&t=1120s) 成倍放大人的影响力(multiply the human effect) — Armen Rostamian ## Mentioned SmartData, Armen Rostamian, Sam Altman, Jensen Huang, NVIDIA, Netflix, Meta Ads, TikTok, Media Mix Model (MMM), AI Agent, Generative AI ## Video description Armen Rostamian, President, Marketing Analytics, SmartData Abstracts What if you could act on insights before the signal even hits your dashboard? AI agents can accelerate marketing insights—shifting us to predictive growth engines powered by collective intuition. I’ll share real-world examples of how forward-thinking teams are deploying agents for media investment, creative testing, and lifecycle strategy—grounded in foresight and driven by automation. Join me to discover how the next era of marketing is being built on decisions made ahead of the curve. [Source](https://www.youtube.com/watch?v=dJs2Dk7ARwk)

Source quotes

[0:04] Sam Altman: 一人实现 10 亿美元估值的超级企业 [0:04] Jensen Huang: 未来 5 年内 AI 催生的百万富翁数量将超过互联网诞生前 20 年的总和 [4:21] Armen Rostamian: 使曲线向上平移并向左移动 [7:15] Armen Rostamian: 实现创意主题与广告素材的多样化 [10:12] Armen Rostamian: 从互联网上抹去你的个人痕迹(Vanish from the internet) [16:28] Armen Rostamian: AI 的卓越能力始终建立在“非 AI 知识”的根基之上 [18:40] Armen Rostamian: looking forward to the next model release, not dread it(期待下一次基础模型的版本发布,而不是对更新感到恐惧) [18:40] Armen Rostamian: 成倍放大人的影响力(multiply the human effect)