量化创意基因：基于多模态大模型的广告素材自动化解析与资产沉淀

信息来源：腾讯全球数字生态大会《广告素材AI分析实践：从洞察到创意》

讲师背书：杨源海（腾讯）

突破归因“黑盒”：消除非结构化素材的经验依赖与规模化瓶颈

随着广告投放工程化的演进，行业已跨越手工投放与单一归因阶段，迈入AI驱动与统一化预测时代，核心驱动力正式转向“创意即定向”（创意为王）。然而，当前技术体系仅能解决“谁看到、谁点击、谁转化”的链路追踪，针对“为什么转化”的创意归因仍处于黑盒状态。

企业在素材创意分析中面临三大原生结构性冲突：

• 高维非结构化数据难以量化：视频/音频素材作为核心变量，内容复杂、维度极高，缺乏标准化的解析手段。
• 决策高度依赖个体直觉：素材的成功与否受制于创意人员的个人经验（如对剧情展示、技能展示场景的敏感度），缺乏确定性。
• 人工处理的规模化断层：面对海量历史与竞品素材，传统的A/B测试与人工贴标签模式遭遇物理瓶颈。人工打标主观性强难以达成一致，大批量分析耗时费力，且人工标签数据存在的噪点严重影响洞察结果的准确性，导致二创数据源割裂，无法实现不同粒度数据的快速下钻。

构建全链路解析引擎：多模态自动化音视频理解与标签资产化

为实现从归因洞察到创意灵感的业务闭环，需引入基于大模型的AI素材分析工作流，将非标准化的音视频转化为可复用的结构化数据。该体系依托混元大模型及腾讯云原生矩阵（对象存储COS、媒体处理MPS、语音识别ASR、智能体开发平台ADP），构建了四大核心模块：

1. 历史与竞品素材批量处理：通过转码抽帧、智能选取与音频识别，完成海量原始素材的底层数据清洗与提取。
2. 多模态自动化音视频理解：利用提示词工程，实现音视频对齐与分镜级理解，将高维视觉与听觉信息转化为文本语义。
3. 标签标准化与素材资产化：生成多维标签并进行智能拓展，彻底消除人工打标的差异性，建立固定及泛标签体系。
4. 共性分析与二创灵感输出：基于标签聚类与下钻分析，自动输出结构化结果（如提取特定的“游戏元素”、“副玩法”或“技能展示”分镜），直接反哺脚本二创与设计迭代。

驱动敏捷开发与精细运营：工作流搭建周期从周级压缩至小时级

通过引入AI分析与智能体编排，系统不仅在业务前端量化了“创意基因”，更在后端开发与资产运维层面实现了量化降本：

• 研发效率指数级提升：依托智能体开发平台（ADP）的可视化能力，将原本周级别的工作流编码周期，大幅缩短为小时级的可视化搭建。
• 业务响应极致灵活：通过拖拽节点即可快速重组、测试新流程，敏捷响应不断变化的投放测试与标签归因需求。
• 资产管理粒度精细化：在场景延展中，实现分镜级精准智能切片，结合RAG技术从源头美术素材开始进行标准化打标；最终将视频全维度信息进行结构化存储挖掘，为后续联网搜索与提示词工程提供高价值的创意弹药库。

夯实大模型工程化底座：多组件协同保障复杂流媒体的高效流转

处理非结构化音视频数据的核心挑战在于算力调度与多模态信息的精准对齐。该体系的成功落地，根植于混元大模型与底层云端基建的深度解耦与协同。通过将MPS（媒体处理）的转码抽帧能力、ASR的精准语音抽取能力，与大模型的视觉/语义解析能力无缝串联于ADP（智能体平台）之上，企业得以绕过复杂的底层流媒体处理逻辑，以极低的运维成本（Ops Cost）直接获取“量化后的创意资产”，从而将核心资源聚焦于投放测试与爆款复制，实现科学驱动的业务增长。