更智能的广告素材生成！看A/B测试如何驱动AIGC素材调优

更多技术交流、求职机会，欢迎关注字节跳动数据平台微信公众号，回复【1】进入官方交流群

前言：AIGC 大爆发，引发广告营销行业变革

ChatGPT 等 AI 产品引发的 AIGC 大爆发引起了各行业的震动，其中以图片生成甚至视频生成技术的效果和速度最为令人震撼。也正因如此，AIGC 的爆发对一直以创意为核心竞争力设计师群体构成了重大挑战。

然而，人们发现，AI 在模仿和融合设计方面具备出色的能力，善用 AI 工具可以极大地提高创意的效率。特别是在广告营销领域，大家纷纷将 AIGC 技术融入营销活动，通过传统创作手段与 AI 技术的碰撞，创造出了新颖的视觉效果甚至全新的产品。

此外，随着广告创意素材需求不断增长，设计师人工制作素材的产能却相对不足，且这一矛盾问题日益凸显。在此背景下，AIGC 技术的应用变得尤为重要，它能够发挥作用于多模态素材，为广告投放业务注入新的动力。

本文将从 AIGC 技术在广告营销领域的应用和实践切入，探讨 A/B 测试驱动的 AIGC 广告素材的优化方法，讨论 AI 与人工创意的协同合作如何为广告行业带来更大的创新和发展机遇。

素材创意直接影响广告投放效果

信息流效果广告

数字广告随处可见，如展示横幅、文本链接、开屏广告、插屏广告、信息流内容和搜索引擎广告等。广告可以通过多个平台进行投放，例如今日头条、快手或腾讯广点通。但无论选择哪个平台或广告类型，广告创意素材始终是至关重要的因素，它直接决定了广告的投放效率和成效。在广告的种类上，可以分为效果广告和品牌广告两大类。这里我们主要讨论互联网场景下的程序化信息流效果广告。

素材是营销技术的核心

平台智能化的推进加强了素材的重要性。据《2023 年国内游戏效果广告白皮书》显示：2023 年手游 APP 投放去重后的素材量 2686 万，同比增长 94%。这充分说明广告投放仍然处于素材为王的时代。同时，各广告平台不断推进智能化自动化，鼓励用素材去找人，减少在广告人群定向、出价等繁复的设置上耗费精力。因此，广告素材的重要性越发凸显，新时代对于广告素材的要求从丰富性，原生性、创意性、趣味性等维度不断提高。

广告素材生命周期

广告素材生命周期的有限性催生了大量素材需求。人们对于新颖且符合个人兴趣的内容总是充满了好奇，而网络广告的一大优势就在于其能够为每位用户量身定制内容，这就需要新的广告创意的不断产出。为了确保业务的持续增长，需要不断创作出既新颖又不雷同的素材。这一方面对从事素材创作的设计师提出了更高的要求，另一方面，广告优化专家也需要不断更新素材，以平衡素材的新鲜度与用户的吸引力。

优质广告素材的特点

优质广告素材需表现出鲜明的创意，确保内容的新颖性和独特性从而避免与众不同；真人出镜带来的原生态开场显得更加亲切、自然，增强观众的共鸣；通过高清视频和和谐的配乐，可以提升广告的视听效果，吸引更多观众的注意；真实的内容结合突出的卖点，能清晰传达产品或服务的独特价值；情节需要设计得丰富且逻辑合理，同时要符合相关的广告法规；合理运用贴纸和字幕可以加强视觉效果和信息的明晰度；创新的脚本和微妙的营销手法能激起观众的好奇心，同时不过分强调销售信息，使广告更具吸引力。

综合上述，优质广告素材的特点可以概括为下述七点：

• 内容独特，避免雷同

• 真人出镜，原生开场

• 视频高清，配乐和谐

• 内容真实，卖点突出

• 情节饱满，合理合规

• 善用贴纸，标配字幕

• 脚本创新，弱感营销

传统的素材生产方式

随着广告业务的发展，传统的素材生产方式越来越难以跟上爆发性增长的素材需求。

在过去，所有的素材制作都由人力完成。设计人员通常依赖于一系列图片素材、Photoshop、Premiere 等实拍、图片处理和视频剪辑软件等来进行创意设计。

由于每周需要创造数千个新素材，而手工打造每一张精美图像既耗时又费力，并不总能确保带来更多收益，这导致了素材制作在数量和视觉质量上都遇到了限制。要在控制成本的同时，实现物料数量的大幅提升并提升图像的审美水准，对于传统的人工而言几乎是一项不可能实现的挑战。

然而，现代的 AI 技术给我们开启了新的可能性。使用 StA/Ble Diffusion 等 AIGC 技术，可以成功生产大量的图像素材，其产能和视觉质量都远超传统的人工制作方式。

AIGC 广告素材生成

按照创意来源的不同，字节跳动增长团队将 AIGC 广告素材分为三个类别：

• 内容外放是指通过挖掘平台内的优质内容，并将其包装成多种素材形式，在各个渠道上进行投放，以吸引用户转化，带动产品增长。例如，短视频外放、电商图片和影视剪辑等都属于这一类别。

• 起量派生则是在投放大盘中找到能够带来增量的元素，并将其与其他素材结合起来，以放大增量效果。例如，起量前贴、起量图片、起量话术和起量包装形式等都是起量派生的典型案例。

• 内容生成则是指完全由机器生成素材内容，但需要找到好的内容灵感。例如，数字人、AIGC 图片和视频生成等都属于这一类别。

按照表现形式的不同，又可以分成文本生成、图片生成、视频生成等三大类。

文本生成

目前的文本生成应用可以简单分为两类。一类是，可以利用现有的 LLM 大语言模型来生成小说解压文案和吸睛文案。另一类，则是通过使用现有的优秀素材来持续更新和改进模型和 prompt 从而降低素材生产成本。

以利用 LLM 能力从小说中提取吸睛文案为例:

• 恶毒女配觉醒后 没有金手指的她 不争不抢却成为了飞升第一人

• 前世和女主抢男人致死 重生后我觉悟了 男人只会影响我修仙的速度

• 穿越后我激活了开挂系统 只要躺着不动就有奖励 大佬师弟们羡慕哭了

• 穿成最不受宠的皇子 被流放到岭南贫瘠之地 没想到三年后皇帝微服私访看傻眼

基于以上生成的文本，再结合下面视频生成能力，就可以生成进一步的信息流视频广告素材。

图片风格化

对于在平台内部获得高流量的图片，我们可以利用 AIGC 的功能在保留营销文案的同时对其进行风格化处理，从而创造出全新的图片创意。

图片生成

AIGC 技术可以生成大量吸睛图片，从而提升广告效果。例如，将 AI 生成的各种底图图片与 AI 文案相结合，并进行各类一体化自动化包装，从而生成大量优质广告图片素材。

视频生成

AIGC 吸睛视频是在文字转图画的基础上，对绘制出的图画进行不同形式的重绘，以实现更强的动态视觉效果。这个过程围绕着强内容和弱内容两个方向进行，包括内容提取、基于内容的单图绘制以及单图的动态效果变换等步骤。

数字人

基于数字人形象演员库，利用投放排名前列的素材，提取出音频和口播文案生成数字人口播视频，再将这些视频与音乐、贴纸、模板等创意要素拼合在一起，得到最终的成品素材。

视频模板

一个典型的视频广告素材可能包含视频内容、模版、前贴片段、尾贴视频和画外音等元素。其中，模版还可以进一步拆分成布局、logo、背景图、文案和装饰组件（如贴纸、搜索框等）。

模板由多个不同的子元素构成，这些子元素包括底图、贴纸、文案、布局、logo、搜索框、前贴和尾贴等。同一个视频内容，不同的包装组合可以产生不同的效果，从而体现出素材的多样性。

A/B 测试驱动的 AIGC 素材调优

A/B 测试是字节跳动一项非常基础的工具。字节跳动成立之初，今日头条就在做策略推荐类的 A/B 测试。2016 年，字节跳动建立了支持大规模产品实验的 A/B 测试平台，之后陆续接入抖音、西瓜视频等全线业务，把 A/B 测试应用在产品命名、交互设计、推荐算法、用户增长、广告优化和市场活动等方方面面的决策上。

字节跳动内部的增长团队也一直在使用 A/B 测试，来对包括 AIGC 素材在内的广告投放、用户增长等策略进行数据驱动的科学实验，以确保每个决策都能带来正向收益，实现复利效应，持续循环增长。

例如，在 AIGC 素材调优方面，基于科学的 A/B 测试数据和结论，可以提炼出以下经验：

• 在图片广告中，影响用户转化的因素及其优先级为：文案吸睛度＞模板醒目度＞底图适配度。

• 底图 A/B 实验：底图应舒适、美好、下沉。

• 模板 A/B 实验：模板应带有按钮，文案要醒目，层级要鲜明。

• 文案 A/B 实验：文案应直击搜索痛点，激发用户好奇，使用“梗”或新兴词汇。

AIGC 视频模板调优实验

对于使用 AIGC 视频模板生成的素材相比于原生视频对素材投放效果的影响，字节跳动增长团队做了严谨的 A/B 测试论证，结论是在新增、次留、PVR、CPA 等指标上，个性化主题模板均优于原生模板和通用模板。

在使用 AIGC 技术进行模板设计之前，视频模板的制作模式是广告素材代理针对不同品类，人工设计创新美观的模板。但这种生产模式一直存在一些问题：

• 优秀设计师稀缺：好的设计师资源少，且贵；

• 人工成本高昂：创作一幅好的作品，需要花费一定的时间和金钱成本；

• 人工产能有限：设计师人力资源有限，创作出的素材数量也难以和机器成千上万的产能相比。

AIGC 生成模型的出现，给机器生成素材带来了希望。

经过素材分流 A/B 测试的严谨论证，并经过广告实际投放测试，AIGC 技术可以自动生成外观和效果上媲美人工素材的个性化模板，实验结果如下：

• 拉新场景：实验组新增量级对比对照组+5.1%，CPA/次留基本持平

• 卸载重装场景：实验组卸载召回量级对比对照组+14.4%，CPA/次留基本持平

下图展示了 A/B 测试驱动的视频模板迭代过程，确保每个决策都带来正向收益,实现复利效应,持续循环增长。通过数次 A/B 测试保障的正向迭代，机器模板的效果最终超过了人工对照组。

广告素材风格实验

经过对比发现，某一类型的投放起量的图片在风格上具有一定的规律，例如，黑色风格的图片通常是头部素材。因此，我们希望通过模型学习这种潜在的风格，并在图像生成过程中对风格进行控制，从而提高投放效果。

这就可以利用 A/B 测试，将风格化处理后的图片与无风格添加的素材进行对比。经过一周的广告投放 A/B 测试，结果表明，实验组在曝光、点击率、新增用户和次留率方面具有明显优势。

A/B 测试：科学增长方法论

在这里就要聊一聊可以直接与 AIGC 产出的材料相配合使用的 A/B 测试平台——DataTester 了。DataTester 又名火山引擎 A/B 测试，是火山引擎数智平台（VeDI）推出的助力企业科学决策的 A/B 测试与智能优化平台。它能帮助企业在海量的 AI 生成素材中，快速测算找到转化率最优的素材，也是提升广告转化率的利器。

DataTester 脱胎于字节跳动长期沉淀，服务于数以亿计用户，通过科学分流、先进算法与丰富的实验功能，为业务增长、用户转化、产品迭代，策略优化，运营提效等各个环节提供科学的决策依据，让业务真正做到数据驱动。

未来，AIGC 的渗透率将进一步提高，从而改变行业格局。以 A/B 测试为代表的数据驱动科学增长方法论结合 AIGC 在广告素材优化中具有明显优势。这种方法不仅可以提高广告素材的质量和相关性，还能节省时间和资源，为品牌创造更大的价值。我们鼓励所有市场营销人员和品牌所有者积极探索 A/B 测试和 AIGC 的潜力，并将这些技术纳入其广告策略中，以实现更高效、更个性化的广告创作与优化过程。

点击跳转DataTester了解更多