艾奇先生 
2025/08/14 
1595 
ROI收获的周期长短与营销策略关系 嘉宾：岳鹏飞
时长: 60分钟
讲师: 岳鹏飞
一、现有数字广告的标签体系与运作逻辑
现有DMP（一方/二方/三方数据）人群广告标签模式是通过收集用户的基础属性（如年龄、性别、地域）、行为数据（如浏览记录、购买历史）等信息，为用户打上一系列标签，再根据这些标签进行广告投放。比如一个用户可能被打上 “25-30 岁女性”“一线城市”“购买过护肤品”“浏览过连衣裙” 等多个标签。
生成式推荐广告模式则依托大语言模型对用户意图的深度理解，不依赖固定的标签体系。它通过分析用户的提问内容、长期行为轨迹等，实时判断用户当下的需求，进而推送匹配的广告。例如，用户长期浏览母婴类文章，某天提问 “适合新生儿的奶粉有哪些”，生成式推荐广告会直接理解这一需求并推送相关奶粉品牌广告。
二、“标签过载” 问题
在传统 DMP 模式中，当给用户打上过多标签后，确实可能出现 “相当于没打标签” 的情况。过多的标签会导致标签之间的关联性被稀释，难以精准锁定用户的核心需求。比如一个用户被打上了几十个标签，涵盖衣食住行各个方面，广告系统很难从中找到最关键的标签来匹配广告，最终可能还是进行较为宽泛的投放，降低了广告的精准度。
而生成式推荐广告模式不存在标签过载的问题。它不是简单地堆砌标签，而是通过对用户行为和提问的深度分析，挖掘用户当下最真实的需求。即使用户有复杂多样的长期行为，生成式推荐广告也能从中梳理出核心意图，实现精准推送。
三、用户理解的维度
传统 DMP 人群广告标签模式对用户的理解相对片面，主要基于历史数据形成的标签，难以捕捉用户的实时需求和潜在需求。比如用户之前一直购买平价服装，被打上 “平价消费” 标签，但近期可能想购买一件高档礼服参加活动，传统模式很难及时发现这一变化。
生成式推荐广告模式能够通过分析一个人的长期行为来判断他当下的需求，对用户的理解更加立体和动态。它会将用户的长期行为作为背景信息，结合当下的提问或行为，综合判断用户的需求。比如用户长期关注健身，之前经常浏览健身器材，某天搜索 “健身后如何补充营养”，生成式推荐广告会结合其长期健身的行为，推送健身补剂相关广告，而不是仅仅根据 “搜索营养补充” 这一单一行为推送普通的食品广告。
四、时效性与灵活性
传统 DMP 人群广告标签模式的标签更新往往存在一定的滞后性，因为它需要收集足够的数据进行分析和打标，难以快速响应用户需求的变化。当用户的需求在短时间内发生改变时，传统模式可能无法及时调整广告投放策略。
生成式推荐广告模式具有很强的时效性和灵活性。它能够实时处理用户的提问和行为，迅速理解用户当下的需求并推送相应广告。用户的需求一旦发生变化，生成式推荐广告能及时感知并做出调整，大大提高了广告投放的效率。
五、其他维度对比
