今天小编分享的互联网经验：局限性与副作用：AI营销有何「阴暗面」？，欢迎阅读。
文 | 深响，作者｜亚澜
最近谷歌 AI 的脸可丢大了。
在全美盛事 " 超级碗 " 期间，谷歌本想通过 50 个州的 50 个小微企业案例，来展示 Gemini AI 如何帮助商家经营增长，以赢得更多潜在客户对 AI 营销的兴趣和尝试。却未曾想到，其中一个奶酪商家用 AI 生成的产品描述 "Gouda 占据了全球 50-60% 的奶酪消费 "（for 50 to 60 percent of the world ’ s consumption）引发大面积质疑。眼尖的奶酪爱好者指出这一数据明显与事实不符。
广告主们由此担忧，用 AI 来做营销恐怕并没有想象中那样高效省力。
截取自视频广告
而这只是 AI 营销容易被大众看到的问题。在水面之下，AI 营销的阴暗面正在放大——同质化 AIGC 内容的泛滥；无效内容扰乱 SEO 秩序，反而拉垮搜索营销；甚至还有越来越多的 AI 生成内容的 " 洗稿 " 资讯，它们不光污染着互联网的信息可信度，竟然还接入了联盟获得大量广告投放。
显然，AI 营销的副作用被严重低估了。一位美国罗德岛大学的市场营销学教授表示，在过去 10 年里发表在 15 家高级营销期刊上的 290 篇文章中，只有 33 篇提到了人工智能营销的潜在 " 阴暗面 "。
从 ChatGPT 到 DeepSeek，AI 一路高歌猛进。据东信营销招股书，AI 营销行业市场规模从 2020 年的 209 亿元增至 2024 年的 530 亿元，复合年增长率为 26.2%。或许现在也是一个时间契机，在 AI 营销全面铺开之前 " 防患于未然 "，聊聊 AI 营销的 " 阴暗面 "。
生成与事实 / 价值观不符的噪音物料，反噬品牌好感度
上述谷歌的例子提醒了我们 AI 内容准确性的问题。虽然 AIGC 大大降低了物料制作的成本，但对 AIGC 内容的人工审核与溯源仍然不可松懈。毕竟一旦出现错误内容或者是与用户价值观不符的 " 翻车事件 "，品牌好不容易积累起来的信誉与好感度就会毁于一旦。
去年，可口可乐发布的首支全 AI 生成圣诞广告《假日魔法来了》就在社交媒体被骂惨了，用户锐评该视频 " 缺乏生命力 "、" 缺失灵魂 "、" 毫无实质创意可言 "、" 令人毛骨悚然，宛如恐怖电影场景 "。
另一个惨痛的例子是 2016 年，微软的聊天机器人 Tay 在 Twitter（X）上线。但几小时内，Tay 发起了各种种族歧视、性别歧视的言论，随即惨遭下线。试想在营销场景中，品牌主本意是接入 AI，节省客服成本并带来更好的互動体验，结果 AI 一通乱讲，得罪客户，反而带来巨大损失。这背后其实是目前 AI 营销的可控度还没有达到让人完全放心的情况。
同质化 AI 内容消磨品牌独特性
即便是正确的内容，AIGC 目前也不应该是营销内容的中心位。
" 随着营销人员越来越依赖人工智能来生成内容，同质化开始出现。这与品牌的目标完全相反，品牌需要的是差异化和真实性。"3X Marketing 创始人 Jen Iliff 说。
市场营销靠的是创意、革新和原创性。过于依赖生成式 AI 会有失去这些元素的风险，并可能导致内容千篇一律。想象一下，如果每个广告活动都依赖于相同的流程，每个信息都源于类似的话术，还有长相精致的品牌数字人让消费者 " 傻傻分不清楚 "，你的品牌独特性就会消失。
当管理层对于公司在 AI 内容上的成绩沾沾自喜时，他们还很容易就要求一线的销售人员将这些噪音物料 " 群发 "，过度打扰用户，反噬品牌好感度。
金典、花西子、方太、美即面膜的数字人 你记住了谁？
无效内容扰乱 SEO 秩序，导致搜索引擎降权
当然，AI 内容如果做得不好，不光直接得罪用户，还会间接得罪 " 平台 " 从而损害品牌利益。
比如一些 AI 生成的营销物料缺乏信息价值，内容也不符合平台用户的搜索意图，那么用户点击进入后，就会迅速离开页面，导致极高的跳出率，影响 SEO 的表现。还有一些品牌，在做 AI 内容时，为了提升 SEO 排名而过度堆砌关键词（黑帽 SEO），或者大量发布同质化内容，从而引起搜索引擎的判罚。
简言之，低质量、重复或拼凑的 AI 营销内容可能被平台视为垃圾内容，反而导致排名下降。
智能出价黑盒化，广告主难以洞悉逻辑
除了在水面上用户们能肉眼可见的创意内容，AI 其实在广告营销行业更大的影响力是在投放环节——自动化广告投放。
我们看到各个大平台和服务商，都已 " 智能化 "，比如閱聽人定向时，支持自动匹配目标人群，精准预估用户兴趣，并按需缩放人群规模；在出价时实现自助化投放，以及出价策略的调整。像巨量引擎就曾推出自动化广告投放产品 UBMax。在 2023 年，阿里妈妈还提出了 AIGB（AI Generated Bidding），把自动出价问题建模为生成式序列决策问题。而近期的妖股 Applovin 就是在通过 AI 驱动的预测建模，帮助广告商更加高效地投放广告。
这带来的好处不言而喻，投手们甚至无需创建广告计划、无需全天盯盘，让系统去自动跑量和优化就好了，每天只要去看系统跑量结果就可以了。
不过对于广告主来说，一个很大的痛点在于他们可能很难理解 AI 出价的逻辑，数据在平台内黑盒化，透明度降低，如果无法完全理解 AI 的决策逻辑，那么广告主在投放效果下降时，就难以及时调整策略。而如果放手给 AI 来调整，也可能会出现误判数据，继续对无关用户高出价，导致转化率低，浪费预算的情况。
AI 低质内容悄悄 " 偷流量 "" 养小号 "" 吃预算 "
偏个题先——在互联网广告行业，" 羊毛出在狗身上猪来买单 " 早已是常见的商业模式——你以 n 元的成本生产内容吸引流量或者直接吸引流量，而这些流量（用户的点击）以 m 元的价格卖给广告主，只要 m 大于 n，你就是有利可图的。之前的趣头条利用金币激励的方式吸引流量再广告变现就是这套逻辑。
而现在 AI 可以说直接把 n 打到了地板。根据 IT 技术博主阮一峰的计算，使用某国产 AI 模型生成一篇文章仅需 0.00138 元，而单次浏览的广告收入约为 0.00145 元。另据 " 硅星人 " 的报道，一家发布 " 某市突发爆炸 " 虚假新闻的账号机构，最高峰一天能生成 4000 至 7000 篇假新闻，每天收入在 1 万元以上，而公司实际控制人王某某经营着 5 家这样的机构，运营账号达 842 个。
一些黑灰产团伙正在利用 AIGC 大模型批量生成同质化素材。小红书在过去三个月内，共计处置了超过 320 万的黑灰产账号，明确点出 AIGC 大模型养号乱象。而今日头条《2024 年度治理报告》显示，平台全年累计拦截低质 AI 内容超 93 万条，处罚同质化发文超 781 万篇。
以上是流量主的视角，而我们拉回来到掏钱的广告主视角，没错，大家辛辛苦苦从牙缝里抠出来的预算，或许就这样接入到了低质 AI 内容上。
引发知识产权、数据隐私等方面的法律纠纷
当然，在营销中使用 AIGC 的最大风险是不明确的知识产权和版权情况。
「深响」曾深度对话相关方面律师，已有判例不能直接套用到所有的情况上——著作权归属的判决依据是在整个 AI 生成内容的过程中，人类智力和独创性体现的占比多少，使用者训练地越精准，可选择性越多，最终取得生成内容著作权的可能性越大。
因此，品牌应该（至少在目前）使用生成式人工智能进行研究、灵感或微调，但不要盲目地直接使用人工智能生成的文本、影像或音频内容。
与此同时，目前已有金融机构在使用 AI 技术进行营销时，可能超出客户授权范围使用客户数据，或未经客户同意将数据共享给第三方，从而引发法律问题。
对组织的挑战：AI 犯错如何问责？
以上均是业务层面的探讨，但我们不能忽视的是 AI 深入渗透到营销工作中之后，给广告主组织管理上的挑战。大家或许正在或将要面临以下困惑：
消费者的数据在手，是否有必要自建大模型？如果购买现成的大模型服务，"AI 资产 " 如何沉淀？
如何建立合理的人机协作工作流程？哪些业务可以放手给 AI，是否配备人工 " 监工 "？如何给 AI 及其协作者設定绩效考核目标？AI 犯错如何问责？
有了 AI 帮手之后，" 乙方 " 还有存在的价值吗？如果有，是什么？
AI 驱动的营销需要跨部门的紧密合作，例如数据团队、技术团队与营销团队之间的协作。然而，部门壁垒和沟通不畅可能阻碍 AI 技术的有效应用，品牌是否有决心 " 刷新组织 "，打破既得利益，让组织适配于 AI 协同工作的模式？
如何确保团队在 "AI 问题 " 上同频思考，减少矛盾、弥合争议？
……
聊到这里，其实并不是要给 AI 营销泼冷水，事实上，AI 早已渗透到营销业的方方面面。我们期待 AI 在未来能为创意工作带来更多的点睛时刻，期待它把优化师从繁琐的基建中解放出来，也期待它能为品牌真正提效提质，省力省钱。
只是在美好到来之前，保持「谨慎」也同样重要。
