内容提要

智能广告文案是基于消费者画像、产品信息和语言模型，使用自然语言处理、机器学习等人工智能技术，针对个体消费者生成的海量差异化的广告文案。研究者以两款汽车为对象，在汽车之家APP分别进行了为期188天覆盖145.5万人的实验，比较智能广告文案与传统广告文案的消费者参与度。试验结果表明：智能广告文案在消费者感知参与度和行动参与度上都优于传统广告文案，说明智能广告文案的消费者参与度优于传统广告文案。根据研究结果可以做出以下判断：一是大规模个性化是智能广告文案优于传统广告文案的根本原因；二是人机耦合是智能广告文案的机制保障；三是智能广告文案进入利用性学习阶段，市场主体提升吸收能力是赢得竞争的关键；四是组织间认知距离影响智能广告文案的技术研发速度。

关键词

智能广告 文案 消费者参与

广告文案是广告作品中的文字部分，是影响广告效果的重要因素，一直以来，广告文案由人工写作，写作质量和数量受写作人员能力和速度的制约。随着互联网广告的迅猛发展，市场对广告文案的需求量急剧增长，面对人工成本不断攀升的压力，不少公司开始研发广告文案智能生成技术，以此技术生成的文案被称为智能广告文案。纽约创业公司派萨多（Persado）研发的人工智能写作系统，能生成16种风格的电子邮件标题和100到600字的广告正文；日本广告公司电通安吉斯、以色列公司文章（Articoolo）、英国公司措辞（Phrasee）都研发了广告文案智能生成技术。在国内，京东研发的“莎士比亚”系统一秒钟能生成上千条广告标题和与之匹配的广告正文；阿里巴巴研发的“AI智能文案”系统，1秒能生成20000条不同风格的广告标题。智能广告文案是广告文案创作史上的重大变革：在创作主体上，从依靠人工转向依赖机器；在创作方法上，从依靠写作人员的经验到使用数据；在创作效率上爆发式提升。目前，智能广告文案开始尝试应用于信息流广告、电商广告、邮件广告、搜索引擎广告等互联网广告中，这几类广告都具有广告文案在广告作品中分量重、文案更换频繁、短文案（信息流广告投放页的标题、电商展示页的标题、邮件广告标题、搜索引擎广告关键词等）需求量大的特征。

目前，智能广告文案因其生成效率受到高度关注，但广告文案的目的是达成广告效果，消费者的反应是达成效果的关键，仅以生成效率来衡量智能广告文案的效果是不够的。在真实的广告投放环境下，消费者对智能广告文案的反应如何？目前，这方面的研究非常欠缺。解开这个问题，需要深入了解智能广告文案的生成原理，更要在现实的投放过程中了解消费者的真实反应。研究者以两款汽车为对象，以传统广告文案为参照，在汽车之家APP分别进行了为期188天覆盖145.5万人的试验，从参与度的视角研究消费者对智能广告文案的反应，以期推进现有研究。

一、文献综述

（一）消费者的广告参与

布罗迪（Brodie）等对以参与为主题的50篇论文进行了内容分析，发现参与用于讨论过程、共同创造、解决方案开发和/或利用、交互作用及相关的基于营销的服务交换形式。参与这个概念在多个领域都有应用，例如社会学中的公民参与，心理学中的社会参与，组织行为学中的员工参与，市场营销中的消费者参与。在市场营销中，参与被认为是消费者对公司的行为，被称为消费者参与。消费者参与是指消费者对某一产品、事物、事件或行为的重要性与自我相关性的认识，包括认知活动、感知活动和情绪情感活动等许多方面，它是一种激发的状态，为消费者购买决策过程中的认知行为提供动力和指导。广告参与是消费者参与的重要维度，体现了消费者与广告的交互即广告对消费者的影响与消费者对广告的利用。消费者的广告参与表现为消费者被广告激发的状态，外化为消费者对广告采取的行为，如接受、逃避、仔细浏览/观看、快速跳出等。可见，消费者的广告参与是由消费者被广告激发的不同状态所组成的过程。

（二）广告智能生成相关研究

广告智能生成是指针对精准的消费者画像，通过自然语言处理和深度学习等技术，根据用户需求，对文字、图形等创意元素进行智能组合，制作千人千面乃至一人千面的个性化广告。广告智能生成包括文字、图片及视频等元素，文案是广告智能生成的一部分。目前，广告智能生成的研究受到了学界的关注，研究成果可以分为两个方面：一是，对智能广告生成过程的理论总结。谭北平认为广告智能生成使广告创意由整体拆解到部分，广告创意成为可拆分、可重组的元素组合，程序化创意对颜色、字体、文案、图片等不同部分进行了划分，拥有了成千上万种组合方式。黄琦翔、鞠宏磊认为程序化创意基于特定的平台，能够根据目标、场景的要求组合不同的创意基础元素，生成多版本的广告创意，并能进行实时投放筛选，然后根据投放效果的反馈进行动态优化；二是，对智能广告生成方法的理论总结。陈刚（Chen）等认为大数据和机器学习算法是广告程序化创意的支撑；谭辉煌、张金海认为在人工智能时代，广告生成的本质逻辑由人脑思维转变为智能算法与人脑思维的结合，提高广告创意生产的手段由经验积累转变为机器学习；张景宇认为传统的“预先洞察式创意”将转变为“反馈式创意”。这部分研究对智能广告文案的理论分析有着重要的启发意义，不足之处是这部分研究集中于对广告智能生成（包括文字、图片、视频）的整体性研究，忽视了对单一元素的研究。由于算法和技术的差异，文字、图片和视频元素的生成方法和效果完全不同，在目前广告智能生成的产业实践中，文字、图片和视频是分别研发和运行的，混合在一起进行整体性研究可能会影响研究的深入度和准确性。此外，目前的研究多是对广告智能生成的过程和方法的抽象总结，缺乏对效果的实证检验。

（三）智能广告文案相关研究

目前，智能广告文案在实践中不断取得突破，但学术研究相对滞后且数量稀少。卡多索（Cardoso）等开发了一种新的工具“横幅广告（ad banner）系统”，它可以生成四种文案；魏（Wei）等提出了一种关键词推荐方法，能够基于查询日志找到更合适的竞争关键词；阿斯马利安（Asmaryan）等开发了一个能够基于用户兴趣，基于上下文显示广告的系统；邓莎莎（Deng）等人开发了智能广告文案生成系统，该系统能够自动生成广告文案。通过对80名受试者的用户实验分析，表明该系统生成的广告文案可以提高在线广告平台的点击率。目前这部分研究的关注点是技术开发，缺少对智能广告文案的理论分析，也缺少对其效果的检验，也有个别研究在实验环境下对智能广告文案的效果进行了小样本验证，为后续研究提供了重要启发，但仍然缺乏更系统、更大范围及在真实环境下的实证及在此基础上的理论探讨。

总而言之，智能广告文案的消费者参与度是一个重要的前沿性研究议题，要推进现有研究既需要对智能广告文案进行抽象的理论分析，也需要在现实环境中验证消费者真实的参与情况。

二、生成方法、影响因素与特征：智能广告文案的理论分析

（一）智能广告文案的生成方法

从生成过程来看，智能广告文案生成方法分为生成准备、智能生成和反馈提升三个步骤，在反馈提升之后重新进入生成准备阶段以优化新一轮的生成。

生成准备。生成准备阶段包括数据挖掘和文案学习两方面。数据挖掘是从海量数据中挖掘消费者信息与产品信息，分析消费者画像和产品卖点，形成消费者个人偏好标签集合、产品标签库、促销（促销活动、价格、评价等）信息库，为生成智能广告文案提供内容素材；文案学习是将大量文案输入系统，通过自然语言理解和机器学习技术，使机器掌握广告文案的写作规律，形成语言模型。

智能生成。智能生成阶段分为三个环节：首先，根据生成准备阶段数据挖掘的内容素材，形成广告文案的生成框架；然后，用点击率预估模型计算消费者画像、产品信息和促销信息的关联度，选取三者关联度高的部分，根据关联度高的内容素材结合广告场景（消费者所在的地理位置、使用的APP等）生成广告文案的关键词，填充生成框架；最后，使用语言模型对填充后的生成框架进行排列组合，形成广告文案。

反馈提升。反馈提升包括两层含义：文案投放前，测试和修正所生成广告文案的语义语法正确性、易读性，反馈修正；文案投放后，对点击、浏览/观看等效果数据进行归因分析，修正前两个阶段的内容。

（二）智能广告文案生成的影响因素

通过对智能广告文案生成方法的分析，可以发现智能广告文案的影响因素包括消费者画像、产品卖点和语言模型，这三个因素的完整度、准确性及其交互作用影响着智能广告文案的生成效果。

消费者画像。消费者画像的完整度和准确性取决于对消费者信息的获取情况，主要包括基本信息、行为信息和偏好信息。基本信息通过用户的注册信息及上传的含有个人信息的文件获得，包括用户名、性别、年龄、地理位置、消费者ID（如社交网络号）或设备ID（如手机序列号、移动设备识别码）等；行为信息通过用户网上行为，如浏览、购物、视频观看等记录获得；偏好信息从用户关注、点赞、评论、订阅内容或个性化定制信息中获得。掌握的消费者信息越多，消费者画像越清晰，消费者画像越清晰，广告文案生成越有的放矢。

产品卖点。产品卖点即产品差异化的特点，也是消费者的买点。产品卖点具有多样性，技术、设计、工艺、材质、材料、外观、销量、口感、质感，品牌影响力、品牌故事、品牌情感、代言人等都能成为产品卖点。在传统的技术环境和媒介环境下，传统的广告文案以一个卖点投放给所有的目标消费者。然而，不同的消费者对同一产品的买点存在差异，智能广告文案挖掘多样化的产品卖点以满足不同消费者的需求。因此，产品卖点提炼的完整度和准确性影响智能广告文案的生成效果。

语言模型。语言模型是通过对两方面内容的机器学习形成：一是，对目标消费者90天内的文字（弹幕、评论、帖子等）进行自然语言处理，找出并分析其感兴趣的话题、句式、语言风格；二是，将大量的广告文案按主题分类、添加标签，找出与目标消费者相似性高及评价正向的广告文案。可见，不同的语言模型生成的广告文案千差万别，投放后引起的广告效果必然不同。

（三）智能广告文案的特征

通过对智能广告文案生成方法和影响因素的分析，可以发现智能广告文案有着如下特征：

以消费者个体差异为前提。不同消费者对产品的需求及感兴趣的话题、句式、语言风格、文字审美不同，这决定了对不同消费者产生效果的广告文案存在巨大差异。由于技术的局限性，传统广告文案，无法满足不同消费者在产品需求和文案偏好方面的差异，试图以相同的广告文案打动所有的目标消费者。智能广告文案将每个消费者视为差异性的个体来生成广告文案，正因如此，消费者画像成为影响智能广告文案效果的重要因素

以文案海量差异化为基础。绝大多数产品都有着庞大的目标消费者，少则百万计多则千万计，甚至亿计，这决定了要适应个体消费者的广告文案需求，海量差异化的文案是必备基础。正因如此，智能广告文案生成技术的研发机构都把生成效率的达成情况和风格多样化的程度，作为智能广告文案取得重大突破的标志。

以文案与个体消费者匹配为核心。智能广告文案的目的是精准满足个体消费者的产品需求和文案偏好，为此，庞大消费者和海量差异化文案的匹配是智能广告文案的核心。

以数据和算法为支撑。消费者数据、产品数据、文案数据是智能广告文案生成的数据基础，在此基础上用算法进行自然语言处理和机器学习，生成广告文案。因此，数据的准确和算法的突破是智能广告文案的支撑，缺乏数据和算法的支撑，智能广告文案只能停留在设想层面。

通过对智能广告文案的生成方法、影响因素和特征的理论分析，可以把智能广告文案界定为基于消费者画像、产品信息和语言模型，使用自然语言处理、机器学习等人工智能技术，针对个体消费者生成的海量差异化的广告文案。

三、研究假设

为了解释互联网上的消费者行为规律，大型广告公司、互联网机构和学者从不同角度提出了消费者行为模型，较有代表性的是2005年日本电通广告公司提出的AISAS模型，即注意（attention）、兴趣（interest）、搜索（search）、行动（action）和分享（share），2016年中国互联网数据中心提出的SICAS模型，即感知（sense）、产生兴趣-互动（interest & interactive）、建立链接-沟通（connect & communicate）、行动（action）、分享（share）。这些模型都将互联网上的消费者行为视为从注意或感知开始到行动再到分享结束的过程。在智能广告文案开始尝试应用的互联网广告中，消费者行为也体现出了相似的规律性。由于广告属于商业宣传行为，消费者的行为主要体现在感知和行动上。首先是感知，当消费者浏览到广告如信息流广告标题或横幅广告（ad banner）、电商首页的产品展示广告、邮件广告的标题或搜索引擎广告的检索词后，消费者对广告的感觉取决于感知被广告唤醒的程度，这决定了消费者进一步了解广告的意愿，体现为点击或回避广告；其次是行动，当消费者点击广告跳转至广告落地页、点击电商首页跳转至商品页、点击邮件标题打开邮件内容或点击搜索条目跳转至落地页时，消费者对广告采取的措施取决于行为被激起的状态，这决定了消费者愿意为浏览广告所花费的时间，表现为立即跳出、简单浏览或详细浏览等。可见，消费者对广告从感知到行动的过程外化为点击和浏览，体现了消费者在与广告的互动中被广告激发的状态，即消费者对广告的参与，因此研究假设从以下两方面展开：

（一）消费者的感知参与

戴维斯（Davis）提出技术接受模型(theory of acceptance model behavior),该模型认为感知有用性和感知易用性是影响行为意愿的重要因素。阿杰恩（Ajzen）提出的计划行为理论认为对事物的感知和个体的行为意愿决定个体行为；基姆（Kim）等提出的感知价值接受模型认为感知利得（感知有用性、感知娱乐性）、感知利失（感知费用、专门性）决定了感知价值，转化为行为意愿。智能广告文案根据消费者画像和产品买点而生成，其核心是文案与个体消费者匹配，与传统广告文案相比，消费者对智能广告文案的感知有用性、感知利得性和感知娱乐性（话题、句式、语言风格）更强。可以推测，相比传统广告文案，消费者进一步了解智能广告文案的意愿更强，外化为点击。邓莎莎等人开发了智能广告文案生成系统，对80名受试者的实验表明，该系统生成的广告文案可以提高在线广告平台的点击率。虽然该实验是在模拟环境下进行的，但也在一定程度上反映了智能广告文案具有更高的点击率。由此，提出研究假设一：

H1：智能广告文案的消费者点击率优于传统广告文案。

（二）消费者的行动参与

布莱克特（Brackett）研究了电商环境中用户对互联网广告的态度，结果表明广告的娱乐性、信息性、侵扰性以及可信性是用户对广告价值的认知和态度的影响因素；鲍尔（Bauer）等人发现广告的信息价值和娱乐价值会显著影响用户的广告接受度；有研究表明根据客户的地理位置或个人信息制定的营销被客户认为是有用的。诺亚（Noar）在研究医疗广告用语时发现，沟通过程中增加语言与用户个体的相关性，更容易说服消费者接受医疗广告。阿杰恩等提出的理性行为理论认为个体实际行为由行为意愿、行为态度和主观规范决定；智能广告文案以消费者个体差异为前提生成，相对于传统广告文案，智能广告文案的信息价值、信息相关性方面更显著，消费者的接受度更高、行动意愿更强，更愿意为浏览广告花费时间，表现为广告浏览时长。由此，提出研究假设二：

H2：智能广告文案的人均浏览时长优于传统广告文案。

四、实验设计

（一）实验方案

为了在真实环境中验证研究假设，研究者将智能广告文案与传统广告文案在汽车之家APP进行投放，以检验消费者的参与度。在汽车之家APP开展实验基于三个原因：一是，汽车之家成功研发了智能广告文案系统并已投入使用；二是，汽车之家APP有各种形态的广告供实验选择，有专业人员写作传统广告文案进行对照实验；最后，截至2019年，汽车之家移动端日均活跃用户达3780万，App装机量达4.3亿，是中国最大的互联网汽车平台，有连续性的广告投放可供长期实验，有大量的用户便于获得真实的消费者样本。

1. 广告文案的内容与形式

实验中，在内容上，智能广告文案与传统广告文案每天的写作主题相同。在形式上，广告文案为图文并茂的横幅广告和落地页（一条横幅广告和一篇落地页为一组），如图1所示，横幅广告由一句广告文案（12-24个字）和三张大小相同的汽车图片组成，落地页由几个段落的广告文案和三张以上汽车图片构成，横幅广告中的图片从落地页中自动抓取。落地页图片放置规则是在每两个段落中间放置一张图片，智能广告文案的图片在生成时自动放入，传统广告文案的图片在写作时由人工放入。为了避免图片对消费者参与度产生影响，智能广告文案与传统广告文案使用的图片都来源于品牌图片库中高度相似的图片。

2. 广告文案的生成过程

智能广告文案由汽车之家研发的智能广告文案系统生成，该系统于2018年3月上线，2018年10月开始对接商业项目。该系统根据用户画像、汽车卖点和语言模型，每天生成大量智能广告文案，从中随机选择一组由人工审核，排除可能出现的违法用词和政治敏感词之后，作为实验使用的智能广告文案。找到与这篇文案用户画像高度相似的其他用户，形成用户集群，专业写作人员根据这个用户集群写作一组广告文案。

3. 广告文案的投放方法

在汽车之家首页的第一个广告位投放横幅广告，消费者点击横幅广告跳转至落地页。在投放对象上，将前述用户集群随机分为两组，一组投放智能广告文案，一组投放传统广告文案。

4.实验实施

为了避免存在系统误差，确保实验结果的信度和效度，先后进行了两次试验，具体如下：实验一，选取价值15-20万元的中端紧凑型SUV马自达CX-5为对象，按照上述方法创作和投放广告，实验周期为2019年2月6日至2019年8月12日，共计188天，投放时间为每天上午十点；实验二，为覆盖不同经济实力、品牌偏好和购车需求的消费者，再次检验研究假设，以实验一相同的方法，选取价值35-40万元的高端运动型SUV宝马X3为对象，实验周期为2019年6月6日至2019年12月10日，共计188天，投放时间为每天上午十点。

5.实验文案统计

实验后，从以下几个方面统计智能广告文案和传统广告文案：横幅广告文案长度（titNum），落地页文案单词数量（worNum），落地页文案图片数量（picNum），落地页文案段落数量（parNum），如表1和表2所示。

对智能广告文案与传统广告文案的内容特征，进行了独立样本T检验，结果表明：智能广告文案与传统广告文案在横幅广告文案长度（titNum），落地页文案单词数量（worNum）、落地页文案图片数量（picNum）、落地页文案段落数量（parNum）方面没有显著差异，如表3所示。

（二）实验数据指标

实验一和实验二投放人数均为145.5万人（实验一男性占比为90%，女性占比为10%；实验二男性占比为95%，女性占比为5%），实验周期为188天，每天投放一篇智能广告文案和一篇传统广告文案，共计两条文案，收集点击率和人均浏览时长（人均浏览时长以秒为时间单位）两种数据，所以实验一和实验二分别收集752（188×2×2）个有效数据，即智能广告文案与传统广告文案的点击率和人均浏览时长数据。点击率和人均浏览时长的计算公式为：点击率=实际点击次数/展示量，人均浏览时长=单篇广告文案总浏览时长（浏览时长和总浏览时长以秒为时间单位）/单篇广告文案浏览人数。

（三）实验数据分析

1.实验一点击率和人均浏览时长数据分析

实验中智能广告文案与传统广告文案的用户随机分为两组，是独立样本，采用独立样本T检验验证两组样本实验数据的差异性，因此要首先验证数据分布的正态性。实验使用夏皮罗-威尔克检验（shapiro-wilk test）验证数据分布的正态性，这个检验方法，原假设为数据集符合正态分布，若P值大于0.05，则接受原假设，数据分布符合正态性，反之则拒绝原假设。从表4可以看出，试验一智能广告文案与传统广告文案的点击率与人均浏览时长P值都大于0.05，说明数据符合正态分布，可以采用独立样本T检验的方法。（文章内容来源于《新闻与传播研究》，作者系秦雪冰、郭博。文章注释完整版本请见刊物。）