Generative AI in Digital Marketing
本综述通过对二次数据的综合分析，旨在证明尽管生成式人工智能显著提升了数字营销的创造力与组织采用率，但其有效性取决于以人为本的原则，即通过人类引导来缓解真实性疑虑、管理算法厌恶并确保透明披露。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
在现代市场中，品牌不断试图与人们建立联系。它们想要了解是什么让客户点击链接、分享帖子或决定购买产品。几十年来，营销人员一直依赖人类的创造力来构思这些信息，但一种新的工具已经进入了视野：生成式人工智能。这是一种只要通过阅读人的描述，就能创造出原创文本、图像和视频的计算机程序。它改变了公司生产内容的速度，使得它们能在过去编写一条广告的时间内编写数千条广告或社交媒体帖子。然而，速度并不是唯一重要的因素。当今企业面临的真正问题是，这种速度是否是以某种代价换取的。由机器编写的信息是否像由人编写的信息那样令人感到值得信赖？客户是否在意他们知道是由计算机协助编写了一则广告？这些问题驱动着关于人工智能如何塑造品牌与受众之间关系的研究。
安吉特·沙赫（Ankit Shah）和拉凯什·潘查尔（Rakesh Panchal）最近的一篇研究文章调查了正是这种动态关系。作者并没有进行新的实验或亲自采访人们。相反，他们扮演了细心的档案保管员的角色，收集并对比了发表于2018年至2026年晚些时候的许多不同研究和行业报告的发现。他们的目标是将这些碎片拼凑成一幅清晰的图景，展示现实世界中究竟正在发生什么。他们观察了故事的两面：公司如何使用这些工具，以及客户如何对它们做出反应。结果呈现了一个细致入微的观点，即人工智能是一个强大的助手，但也是人类判断力的危险替代品。
研究首先从业务端开始探讨。来自2025年一项大型全球调查的数据显示，这项技术的使用正在迅速普及。大约71%受访的组织报告称，他们现在定期将生成式人工智能用于业务的至少一个环节，这一数字较前一年稳步上升。对于其中的许多公司而言，最常见的用途是创建文本，例如产品描述或社交媒体配文。然而，研究人员发现，公司对工具的使用程度与其管理水平之间存在差距。只有约27%的组织要求员工在发布每一件由机器生成的作品之前进行审核。此外，近一半的公司报告称，在使用该技术时经历过至少一次负面结果，例如错误或偏离品牌调性的信息。或许最能说明问题的是，超过80%的受访者表示，他们尚未看到可以直接归因于使用该技术的整体利润的明确、可衡量的增长。这表明，虽然公司渴望采用这一工具，但仍在摸索如何使其发挥作用而不引发麻烦。
在消费者端，研究结果揭示了一种复杂的反应组合。当一个品牌使用人工智能来创作内容时，它可以使信息显得新鲜且富有创意，从而往往能吸引人们的注意力。这项技术擅长生成许多想法的变体，这可以帮助品牌听起来具有创新性。然而，同样的效率也可能产生反效果。如果客户察觉到一条信息是由机器在缺乏大量人工投入的情况下生产出来的，他们可能会觉得内容缺乏真实性。研究强调，当任务需要同理心、品味或个人色彩时，人们对此类情况尤为敏感。如果一个品牌试图用机器去写一个感人的故事或处理一个敏感的客户投诉，受众可能会感到脱节甚至被欺骗。
品牌谈论其技术使用方式的方法也至关重要。研究人员发现，告诉客户“这是由人工智能制作的”并不会产生单一、可预测的结果。在某些情况下，坦诚使用人工智能可以增加一个人对品牌的信任，因为这显得透明。在其他情况下，同样的披露会让内容看起来不够真诚或不够出色，导致客户失去兴趣。这在很大程度上取决于语境。例如，在人们因为独特的个性而关注特定创作者的社交媒体平台上，承认一条帖子是由机器生成的，可能会削弱创作者与追随者之间的纽带。受众通常看重的是有人类在作品中倾注心血的感觉。
研究还探讨了信任是否会导致销售。研究发现，虽然某些信号（如第三方认证印章或验证码）可以增加客户对广告的信任度，但这种信任并不一定会自动转化为购买行为。一个人可能认为一则广告是诚实的，但仍会因为价格、供应情况或其他原因而不购买产品。这意味着，仅仅让内容看起来值得信赖是不够的；品牌必须衡量实际结果，例如有多少人购买了产品或返回了网站，而不是仅仅统计有多少人点赞了帖子。
最终，作者得出结论，不应将生成式人工智能视为一种取代人类触感的工具。相反，它在作为人类创造力的支持而非接管时效果最好。最成功的方法是利用机器来生成想法和草稿，同时由人类负责最终决策。人类应该负责核实事实、确保语调得当，并确保信息感觉真实。研究建议，品牌需要谨慎使用这些工具，确保不要为了追求速度而牺牲品牌的独特个性。通过将机器的效率与人类的判断力和同理心相结合，公司可以创造出既具创新性又值得信赖的内容。未来的路径不在于在人类与机器之间做选择，而在于寻找一个平衡点，让机器帮助人类完成他们最好的工作。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。