投放素材的“精致垃圾”陷阱：AIGC素材生产的重新思考
Hi，朋友们好呀，又到了每周的更新日子。有人提起更新目标来那我就实话实说了：主包虫脆被做局了，开年就丢了新买的手机，以为靠着法律的武器能找回没想到遭遇了现实世界中的"死锁"，我想起诉拿我手机的出租车司机但是没有他的具体身份信息，向警察报案却得到先得起诉才能调取具体的身份信息（真的笑嘻了）。所以手机是肯定回不来了，我会老老实实更新，周更。
在之前的文章中我聊了我想象中终局：意图驱动，最近的几篇我从偏落地的工程视角出发。但是不知道是不是因为写的太科技风了（直说叫不说人话）导致在数据上不是很好看，那为了完成我涨粉1k的目标我不得不调整下策略，所以本次的更新我将采用双子星更新机制，我会一次更新工程+业务视角的文章，喜欢看工程的老哥依旧可以直接看下一篇文章，喜欢听我吹水直接看这篇就完事了，素材本来是后面几趴出的内容，但是应后台老哥们的盛情邀请，那我勉为其难往前推推。
得益于我文章工作流的完善，当前我构建文章+PPT+配音口播视频的时间基本上能压缩到2小时以内，后面我会逐步完善这套自动化流程，让我的观点输出越来越低成本+高效率（生产队的驴也就这样了）。废话不多说，开始今天的吐槽：
一、日产5万条素材，然后呢？
2024年我刚到公司的时候，素材团队的日上传量大概在3000-9000条。
当时团队的第一反应跟所有人一样：量不够。跑量靠概率，概率靠基数，基数靠产量。这个逻辑在投放圈已经是共识了——你见过几个投手会嫌素材太多的？于是我们花了大力气把产量拉到了日均3-5万条。工具链升级、模板批量化、自动裂变脚本全上了，产能确实拉满了。
结果呢？消耗没有成正比增长，素材有效率反而俯冲。
产量翻了好几倍，但跑出来的爆款数量几乎没变。更要命的是，产量暴涨带来的不只是"无效素材变多"这么简单——每一条素材上传之后都要经过素材推送、存储、分发，这些环节都是有成本的。带宽费、流量费、存储费，跟着产量一起线性往上走。我们实际上是在花更多的钱，制造更多的垃圾，然后花更多的钱把这些垃圾推送给投放系统。系统那边还得花算力去做素材审核、去重、冷启动，相当于整个链路上每一个环节都在为"无效产量"买单。
这笔账一算就清楚了：产量从9千拉到5万，基建成本涨了好几倍，但有效产出几乎没变。ROI不是持平，是在恶化。
复盘的时候我们拆了一下那5万条素材到底是什么。
一大半是"伪变体"——加角标、镜像翻转、毛玻璃横转竖、换BGM、改字幕颜色、调色温、加边框。一条素材通过这些操作能"裂变"出几十条"新素材"，数字好看了，日报上的素材产量指标漂亮了，但投放平台的去重机制越来越聪明，基因没变的东西它识别得出来。这些伪变体在平台眼里就是同一条素材的不同马甲。
我们不是在做素材多样性测试，我们是在用不同的包装纸反复测同一个东西。
更讽刺的是，团队里每个人都知道这些操作没用。但没人敢停。因为一旦不做伪变体，日报上的素材量就掉下来，你怎么跟上面解释？"我们少做了3万条素材"听起来像在摸鱼，哪怕这3万条本来就是垃圾。
这就是"产量陷阱"的本质：你用一个错误的指标驱动团队，团队就会用一切手段去满足这个指标，哪怕所有人都知道这些手段是无效的。
这个认知是转折点。从这里开始，我们停下来重新想了一个问题：素材生产的核心瓶颈到底是什么？
不是产量。不是创意。是方向。
你不知道该往哪个方向做，所以只能广撒网。广撒网没结论，所以只能撒更多。更多还是没结论，因为你测的方向其实一直没变——你只是在同一个方向上做了几百种包装。每次测试花出去的预算，没有带回任何新的认知，只是反复确认了一个你已经知道的结论。
要解决这个问题，得从根上换一个思路。
二、投放前置≠模板跑批：AI给方向，人出创意
先说一个我对行业现状的判断。
市面上大部分AIGC素材工具在做什么？固定模板+变量替换+批量渲染。给你一个爆款模板，换产品图、换文案、换配色，一键生成100条"新素材"。有的工具更花哨一点，能做AI换脸、AI换背景、AI生成口播数字人，看起来很高科技。
但本质上，这是镜像翻转毛玻璃的Pro Max版本。
垃圾更精致了，成本还更高了——模型推理费、渲染费、存储费、带宽费全上去了——但底层逻辑没变，你还是在同一个基因上做伪变体。无非是以前用剪映加角标一条成本几毛钱，现在用AI换脸一条成本几块钱。产出物的"质感"变了，但投放系统看到的信息结构没变。你花了10倍的成本，做了一条更贵的垃圾。
我见过不少团队上了AIGC工具之后反而更焦虑：成本涨了，产量确实上去了，但跑出率没任何改善。老板问"我们上了AI为什么没效果"，团队答不上来。因为问题从来不在生产环节——你生产得再快、生产得再精致，方向不对就是白费。
我们的思路是反过来的：投放前置。
传统逻辑是"做素材→投放→看结果→猜为什么"。素材团队闭门造车做一批出来，扔给投放去跑，跑完了看数据，跑得好的再做类似的，跑不好的也不知道哪里不好，换一批继续。这个循环里，素材生产和投放之间是断裂的，中间靠的是投手的"盘感"和运营的"经验"在连接。
我们的逻辑是反过来的："先搞清楚要打什么人、什么场景、用户在这个场景下要什么→定义素材需要完成什么任务→再做"。投放目标在前，素材生产在后。不是"我有什么素材就投什么"，而是"投放需要什么素材我就做什么"。
但这里要强调一点，很重要——投放前置不是前置一套模板，是前置一个方向。
这两者的区别是根本性的。
前置模板的意思是：数据告诉我"悬念钩子+反转+强CTA"跑量率高，那我就做100条这个模板的变体。这就是模板跑批，本质跟加角标没区别。
前置方向的意思是：数据告诉我"这个人群在这个场景下的核心意图是好奇心"，那素材的任务就是在3秒内激发好奇心。至于用什么方式激发——悬念也行、冲突也行、反常识也行——这是创意空间，不是模板能定义的。
"方向"是什么？是"这个人群在刷到你素材的那一秒，他心里在想什么"。是"你的素材需要在3秒内回应他的什么需求"。是"你的钩子应该激发好奇心还是制造紧迫感还是建立信任"。
这些是AI能判断的。通过历史投放数据、素材基因归因、人群行为分析，AI能告诉你"往哪个方向做大概率有效"。它能看到人看不到的模式——哪些基因组合在哪些人群上反复验证有效，哪些方向已经被测过了不值得再测。
但怎么做，是人的活。
AI说"这个人群吃悬念钩子"，到底用什么悬念？是"老公手机里的第三个微信"还是"你永远猜不到结局"还是一个完全出人意料的反常识场景？这不是模板能解决的，这需要网感，需要对平台内容生态的深度理解，需要能整活、能玩梗、能踩中用户情绪点的创意人。
制造垃圾没有未来，能整活有网感才能放大AI的力量。 如果你的团队只会按固定模板跑批，那AI只是帮你更快地生产了更多的平庸素材。但如果你的团队有真正的创意能力，AI给他们指明方向之后，每一条素材都会带着明确的意图和策略上线——这时候AI放大的不是产量，是创意的命中率。
这才是AI和人正确的分工方式：
- AI做冰冷的判断：方向在哪，意图是什么，哪些基因组合有效，哪些方向已经被验证过不用再测
- 人做有温度的创意：怎么把这个方向变成一条用户愿意看完的、有网感的、能整活的素材
没有创意能力的团队，给再好的AI工具也只会跑出精致的垃圾。但有创意能力的团队如果不知道方向在哪，就只能靠感觉广撒网——这就是我们2024年踩过的坑。
AI给方向+人出创意，这是乘法。AI替代创意，那是除法。
三、让AI"看懂"素材，而不是"生成"素材
方向从哪来？不是拍脑袋，是从素材基因里挖出来的。
我们做的第一件事不是用AI生成素材，而是用AI理解素材。这个顺序很重要——市面上90%的AIGC投放工具上来就是"生成"，跳过了"理解"。你都不知道什么样的素材有效、为什么有效，你就开始批量生成，这不就是蒙着眼睛打靶吗？
我们做的是：把已有的所有素材——跑量的、没跑量的——全部过一遍多模态解构，拆成可计算的基因结构。
什么叫"基因结构"？一条素材不是一个不可拆分的整体。它由多个"基因片段"组成：开头钩子类型（悬念/冲突/利益点/反常识）、情绪弧线走向（上扬/下沉/反转/平稳）、卖点排布位置（前置/中插/后置）、视觉风格（真人/动画/混剪/图文）、节奏密度（快切/慢叙/混合）、CTA方式（软引导/硬促销/悬念留钩）。
一条爆款素材之所以爆，可能不是因为它"整体好"，而是因为其中某个基因片段特别能打。你复制整条素材没用，你需要知道是哪个基因在起作用。
拆完之后，把这些基因特征跟跑量数据做交叉分析。目标很简单：找到"什么样的基因组合，在什么人群、什么场景下，跑量概率更高"。
这个过程听起来很直觉，但做的时候有几个认知前提必须先对齐，否则结论会把你带偏。
不同品类的决策锚点完全不同
做过多品类投放的人都知道，同样一条素材，决定它跑不跑量的关键因素在不同品类里完全不一样。如果你用一套通用的归因维度去分析所有品类，得出来的结论一定是错的。
真人短剧看画面。 用户决策在前3秒的视觉冲击——演员颜值、场景质感、冲突画面的张力。文案是辅助，用户本来也不怎么看字。你可以文案写得很一般，但画面必须抓人。这类品类的核心基因变量在视觉层。
小说推文听配音。 用户的注意力锚点在声音——配音的情绪、节奏、语气、声线。画面反而是氛围载体，有时候几张静态图片就够了。这类品类的核心基因变量在音频层。
网赚类App靠口播。 信任建立主要靠真人口播的说服力——说话的可信度、利益点的表达方式、"真实感"的营造。画面是背书和辅助，用来展示提现记录、操作界面这些东西。这类品类的核心基因变量在口播内容层。
举个真实的例子。我们有一条小说素材，消耗非常高，拉出来一看——画面稀碎，就是几张静态图片来回切，加点简单的平移动画，制作水平约等于PPT。按任何一个"画面质量"标准来看，这条素材都不及格。
但配音极其能打。情绪拿捏到位，节奏卡得死死的，悬念一层套一层，听了10秒就不想划走。
这条素材跑量完全靠声音在扛。
如果你的归因系统只看画面质量，这条素材会被标记为"低质"，甚至可能在内审环节就被毙掉。你永远不会知道它为什么能跑。但如果你按品类做了决策锚点的区分，你就能精确定位到：对小说推文来说，配音基因才是核心变量，画面只是载体。
这个认知看起来简单，但它直接影响了我们整个素材归因体系的设计——不同品类的归因权重必须不同，不能一套标准打天下。 真人短剧的归因要重点看视觉基因，小说推文要重点看音频基因，网赚口播要重点看话术基因。
这就是"理解"的价值。 不是用AI生成一条新的素材，是用AI搞清楚为什么这条能跑、那条不能跑，然后把这个结论翻译成下一轮生产的方向指引。理解在先，生成在后。没有理解的生成就是蒙眼打靶。
四、意图驱动：冰冷判断 + 热创意
理解了素材基因之后，下一步不是"找到跑量模式然后复制"。
很多团队到这一步会掉进一个陷阱：历史数据显示"悬念钩子+反转剧情+强CTA"的组合跑量率最高，那就批量生产这个组合。所有素材都按这个公式来，换主题、换场景、换角色，但骨架不变。
表面上看是"数据驱动"，实际上又回到模板跑批了。只不过这次的模板是数据帮你选的，不是人拍脑袋选的——但它还是模板。你在用一个"历史最优解"去覆盖未来所有的场景，这个假设本身就不成立。
我们多做了一层：意图还原。
什么是意图
意图是什么？是用户在刷到你素材的那个瞬间，他心里在想什么。不是你以为他在想什么，是数据告诉你他在想什么。
每个用户打开短视频平台的动机不一样。有人是无聊想找乐子，有人是想学点东西，有人是在比价购物，有人是在追某个热门话题。同一个产品，面对不同动机的用户，素材的任务完全不同。
同一款阅读类App，面对不同用户意图：
想打发时间的用户——他的心理状态是"给我点刺激"。素材的任务是制造即时满足感，钩子要快、爽点要密，3秒之内让他觉得"这个有意思我想看看"。节奏必须快，不能慢热。
想找好内容的用户——他的心理状态是"别给我推垃圾"。素材的任务是建立品质信任，展示内容的深度和独特性，让他觉得"这个App上有东西值得看"。需要质感，需要差异化，不能太low。
想找社交话题的用户——他的心理状态是"有什么新鲜事"。素材的任务是制造分享欲，要有争议性、话题性，让他觉得"这个发朋友圈会有人讨论"。需要有观点、有态度、有话题点。
三种意图，三种完全不同的素材结构、节奏、视觉风格、文案策略。
如果你只看历史数据做统计，这三种意图会被混在一起，算出一个"平均最优"的素材结构。平均最优在投放里往往意味着平庸——谁都不讨厌，但也谁都不会为它停下来。 它不够刺激抓不住"找乐子"的人，不够有质感打不动"找好内容"的人，不够有话题点勾不起"找社交货币"的人。
意图是冰冷的，创意是热的
意图驱动的逻辑是：先识别这一轮投放要打的人群对应什么意图，再定义素材需要完成什么任务，最后才是创意团队根据这个任务去发挥。
意图本身是冰冷的——它就是各种数据交叉之后的一个判断。 用户画像、行为序列、历史转化路径、平台流量特征、时段分布、竞品动态，这些东西算出来的结论没有温度，也不应该有温度。它就是一个结论："当前这个人群、这个时段、这个平台上，用户的主导意图大概率是X"。
但把冰冷的意图翻译成一条让人愿意看完的素材，这个过程必须有温度。"用户意图是好奇心"——好，那你用什么方式激发好奇心？是用一个反常识的场景？是用一个悬念十足的开头？是用一个"你绝对想不到"的承诺？还是用一个争议性的观点？
这里面的空间是巨大的，也是创意团队的价值所在。
AI给的是"打哪里"，人给的是"怎么打"。 两者缺一不可。只有AI判断没有好创意，产出的是精准的平庸——方向对了但执行平淡，用户看了一秒就划走；只有好创意没有AI判断，产出的是随机的灵感——偶尔爆一条，大部分时候打水漂，复盘也说不清为什么爆。
把这两者结合起来，才是真正的效率倍增。不是做更多素材，是让每一条素材都"打"在点上。
五、变化发生在哪
前面说的这些听起来很清楚，但我不想给大家一个"我们已经跑通了"的错觉。
说实话，我们团队现在还深陷泥潭。
伪变体还没完全杀死
道理都懂，但执行层面伪变体还在。为什么？因为整个行业的考核惯性就是看产量。你跟老板说"我们这个月素材量从5万降到8千了，但有效率提升了"——有效率提升多少？还没完全跑出数据。那老板听到的就是"产量掉了80%"。
这不是一个技术问题，是一个组织问题。你需要上下游都认同"有效率比产量重要"这个前提，考核体系要跟着调，团队的工作习惯要跟着变。这些东西不是上一个AI工具就能解决的。
我们现在的状态是：在逐步减少伪变体的占比，但不是一刀切砍掉，而是一边用新方法探索有效方向，一边让团队看到"有方向的测试确实比广撒网好"。让结果说话，比行政命令管用。
团队在尽力拥抱AI，但转型很痛
创意团队过去几年积累的工作模式是"接单→执行→交付"。你突然告诉他们"现在你们要理解用户意图，要参与策略决策"，大部分人的第一反应是懵的——这不是我的活啊，我是做素材的，不是做策略的。
而且坦白说，不是每个人都能完成这个转型。套模板的执行能力和有网感的创意判断力，是两种完全不同的能力。有些人能转过来，有些人可能确实不适合新模式下的角色定位。这个过程很痛，也没有速成的办法。
但我看到的积极信号是：团队在尽力拥抱AI。他们愿意学新工具，愿意尝试新流程，愿意接受"方向先行"的工作方式。只是从"愿意"到"熟练"之间还有很长的路要走。AI工具降低的是方向判断的门槛，但对人的创意能力要求其实是提高了，不是降低了。
系统还在搭，很多环节靠人兜底
素材基因解构已经在跑了，归因分析有初步结论但置信度还不够高，意图识别这一层还在验证阶段。目前的状态更像是"半自动"——AI给一些参考信号，最终判断还是靠有经验的投手和运营拍板。
完全靠系统输出方向指引，然后创意团队照着做——这个理想状态还没到。现阶段更真实的描述是：AI是参谋，人是决策者。参谋给的建议有时候很准，有时候也会偏，需要人来校正。
但即便是"半自动"的状态，比起之前"全凭感觉"已经好了不少。至少团队在做方向选择的时候有了一个数据参考系，不是完全在黑暗中盲打。
关于"效率提升一倍"
我们内部的判断是：当这套"理解→意图→创意"的链路完全跑顺之后，素材测试效率翻一倍是大概率事件。
这个"翻一倍"不是说产量翻倍——产量我们已经证明了，翻再多倍也没用。翻一倍指的是：同样的测试预算和时间，跑出有效素材的数量翻倍。 或者反过来说，达到同样数量的有效素材，所需的测试成本砍半。
这个判断的逻辑链条是清楚的：砍掉伪变体→每次测试都在探索真实新方向→方向由AI判断而非随机选择→命中率提升→同样预算下有效素材更多。每一步都是可验证的，不是拍脑袋。
但"完全跑顺"这四个字，背后是大量的工程开发、数据积累、团队磨合和流程重建。这不是买一个AI工具就能解决的事情，是一个需要持续投入的系统工程。
从"制造垃圾碰运气"到"有方向地做有效探索"，这个转变带来的效率提升是结构性的，不是优化性的。 结构性的意思是，一旦这个链路跑通，效率提升是持续的、可累积的，不是一次性的。我们还没完全跑通，但方向是对的，每一步都在往那个方向靠近。
六、素材只是开始
最后说一个更大的判断。
素材引擎只是整个投放体系里的一个模块。我们在做的事情，本质上是构建一套理解用户意图的基础设施。素材是这套基础设施的输出物之一，但不是唯一。
投放策略、出价逻辑、人群定向、落地页设计、甚至产品功能迭代——这些环节最终都应该被"意图"这根线串起来。用户在这个场景下要什么？我们的素材是不是在回应这个意图？落地页是不是在延续这个意图？产品体验是不是在满足这个意图？
当所有环节都对齐到同一个意图上的时候，用户从看到素材到最终转化的整条链路是通畅的、一致的。转化率的提升不是来自某一个环节的优化，而是来自全链路的对齐。这个效果是乘法级的。
反过来，如果素材在激发好奇心，落地页却在做理性说服，产品首页又在推促销——用户感知到的是三个不同的信息，每一次信息切换都是一次流失。这种割裂在今天的投放链路里比比皆是，但很少有人把它当成一个系统问题来解决。
下一代投放竞争，比的不是谁生产素材更快，是谁更懂用户要什么。
速度是手段，理解才是壁垒。谁先把这个闭环跑通——从意图识别到素材生产到投放验证再到意图修正——谁就拿到了下一轮竞争的入场券。模型会越来越便宜，工具会越来越普及，但对用户意图的深度理解和快速响应能力，这是每个团队需要自己积累的，没有捷径。
我们正在路上。
本文是"意图驱动的增长中台"系列。技术实现细节见《从素材理解到策略生成：AIGC驱动的投放素材引擎设计》，对这个方向感兴趣的可以后台交流。