搜索，推荐，聊天：AI时代广告的第三次跃迁

搜索，推荐，聊天：AI时代广告的第三次跃迁

地铁站交货 · 推荐飞轮 · 对话式广告 · 用户信任

「前端用户和机器的交互形态每次发生变化，你能收集到的数据本身也不一样。」 —— Jaggie，谈搜索、推荐与对话背后的用户信号

嘉宾： Jaggie｜Meta GenAI 广告产品负责人，曾在宝洁、字节跳动工作，并参与早期 AI 投资

一件39元买来的班尼路连帽衫，最后以29元卖了出去。那时的Jaggie还在上海读初中，却已经在易趣上经营自己的小网店：借相机拍照，把图片传到电脑，花钱把商品置顶，去七浦路进货，再坐地铁到不同车站交货。

这段经历后来和她的工作连在了一起。宝洁让她理解消费品牌和日常决策，早期创业让她看到对话式服务的可能，投资和字节的经历又让她长期观察推荐、内容和商业化之间的关系。现在，她在Meta负责GenAI广告产品，面对的是同一个问题的新版本：当搜索框变成聊天框，广告还会不会是原来的广告？

这篇文章从一个人的电商小生意出发，讨论用户信号怎样被产品交互捕捉，推荐系统怎样形成商业飞轮，大品牌为什么追不上新变化，以及OpenAI、Meta、Google和豆包可能怎样争夺下一代入口。

一、从地铁站交货到聊天助手，需求为什么一直没变？

Raymond： 你14岁就在上海读书时开始网上卖东西，后来又在2015年前后探索聊天机器人。把这两件事放在一起看，你一直在追什么？

Jaggie： 最早谈不上创业。我上网比较早，先在易趣买东西，认识卖家之后跟他聊天，发现自己也可以卖。我卖出的第一件商品是一件二手班尼路连帽衫，39块买来的，29块卖掉了。后来暑假去七浦路进货，从高中到大学都做过一段时间。

那时商品上架要钱，置顶推广也要钱。拍照要借相机，再把照片传到电脑；支付和物流也没有今天方便。我看到其他卖家坐地铁“站站停”送货，就跟着学，也会骑自行车自己送。买卖双方在闸机附近见面，谁都不用出站。

有些卖家在徐家汇租的不是街边店，而是公寓楼里的房间。顾客通过网上流量找过去，再到那里试衣服。门面租金里有一部分其实是在买街上的自然流量；当流量从易趣、点评或者其他平台过来，店就不一定要在最贵的街边。那时我还不知道这类模式该叫什么，只是觉得有意思。

高中有一门商业教育课，请外企的人讲营销，再用软件模拟进货、定价和竞争。以前自己做出来的事情，突然有了一套理论可以解释。毕业之后我去了宝洁，接触到消费品、品牌和用户每天的行为。

从大公司出来，我也跟着几位学长做过二手车创业。那段经历让我掉了一层皮，也让我意识到，创业不能只因为某个市场看起来有机会。要做一件事，最好是不给你钱也愿意长期做。

我开始重新想自己对什么感兴趣。人脑怎样处理信息，消费者为什么在某个时刻买东西，生活中那些小决策怎样发生，这些问题比汽车本身更吸引我。后来我读认知科学，也顺着这条路进入人工智能。

2015年前后，我们看到美国的Magic：给一个号码发短信，让它帮你订咖啡。它会问你要哪家店、要拿铁还是卡布奇诺，再把订单交给服务商。我们当时也想过做一个类似的生活服务入口，用多轮对话把鲜花、外卖或者咖啡真正订到家。

问题是，上一代自然语言处理还做不到。可以通过槽位填充把品牌、品类和地址问齐，再用规则管理对话；一旦用户走出预设流程，就要靠人工客服。探索了一段时间之后，我们发现技术还没有准备好，很多类似团队也从消费端转向了企业客服。

Raymond： 今天Agent想做的事情，十一年前其实已经有人想过了。需求没有变，变化的是技术。

Jaggie： 对。上下文管理一直是自然语言处理的问题。以前可以用规则记住用户偏好，却很难应付开放场景。现在语言的问题终于更多地可以用学习的方法解决，很多原来跑不通的流程才重新有了机会。

二、为什么有人把推荐当功能，有人把它当整家公司？

Raymond： 你后来参与了Momenta的早期投资，又加入了字节。这两件事背后的判断是什么？

Jaggie： 我不想把后来发生的结果都归因到自己当时有多正确。生活助理没有做出来，但我仍然对“让人少做一点没用的事情，更容易找到想要的信息”感兴趣。做投资，是去观察其他创业者和研究员怎样解决这个问题。

那时我们会把语音、计算机视觉和自然语言处理的进展，对应到金融、医疗、无人驾驶等场景，再去找研究员聊天，看看他们有没有兴趣创业。我们比较早遇到曹旭东和他的团队，觉得团队很好。

当时更火的是计算机视觉公司。安防和金融有预算，技术更容易先落地。但好的技术和好的团队，并不自动等于好的商业模式。企业和政府业务可能让公司活下来，却未必能踩到消费产品那种高速增长的现金流飞轮。

同一项技术也有不同的生意。AI看医疗影像，可以把软件卖给医院，也可以自己开影像中心，用AI降低运营成本。后一种生意的财报看起来可能很有AI含量，但本质仍然是影像中心。

如果一家公司的主力业务已经是安防，即使它也能做无人驾驶，无人驾驶也可能不是第一优先级。公司到了B轮、C轮之后，资源和组织关系会越来越复杂，创新者的窘境会提前出现。真正要做一件事，就得找到一个允许这件事成为第一优先级的环境。

我2017年加入字节，是因为自己对消费者产品更有热情。我读过张一鸣早年的文章，他讲collective intelligence。最早的愿景并不复杂：让人少花一点精力表达意图，也能找到自己需要的信息。

Raymond： 投资人当时漏掉了两层。第一层是，有人根本看不出今日头条和新浪新闻有什么不同；第二层是，即使看到了推荐，也觉得找几个百度工程师就可以复制。真正重要的地方，是推荐从一项功能变成了产品，再被不同的内容外壳承载。

Jaggie： 你看到技术，却没有看到内容供给、用户需求和商业化被数据连起来以后，先发优势会有多大。算法本身只是一个环节，和算法连起来的内容、用户和收入，才构成完整的生意。

所以，技术是核心，还是原来的媒体平台是核心，会影响公司怎样安排产品。Meta更像是在社交平台上增加推荐能力；字节则是从推荐分发出发，再不断套上新的内容形式。两种公司的起点不一样。

我们当时还会看教育。每个人做同样的作业，为什么不能根据自己的情况推荐题目？“因材施教”很早就存在，AI只是让这个愿望获得了新的技术条件。理念、技术和商业都想明白了，仍然有很多条件不受公司控制。公司从来没有活在真空里。

三、为什么九宫格和全屏视频，给机器的是两份不同的数据？

Raymond： 从PC、搜索到短视频，再到今天的聊天框，广告最底层的变化是什么？

Jaggie： 我会先看，有多少和消费者有关的行为被数字化了。行为一直存在，过去捕捉不到，现在很多东西能被闭环收集。电视广告和线下大屏无法逐个收集反馈，测量有问题，投放就会有问题。

信号的数量之外，还有信号的形态。搜索是用户主动说出一个query；短视频里，停留多少秒、点赞、滑走、看完，都是行为表达。产品前端怎么设计，决定了后端拿到什么数据。

2018年前后，有人问Instagram的九宫格视频和TikTok有什么区别。表面上都是视频，推荐系统拿到的信息却不一样。九宫格里，你看完整屏，点开其中一个，我知道你选择了什么，却未必知道另外八个你更不喜欢哪个。全屏视频流则能记录你逐个刷过的每个视频，以及你在每个视频上停留了几秒。

同样九个视频，交互不同，用户和内容之间留下的信号就不同。这也是为什么不能只看产品界面像不像。搜索框和聊天框都允许用户输入文字，但聊天会把前因、顾虑和后续行动一起带出来。

比如我腰伤了，先问AI怎么给保险公司写信，再给医生写信，又看了几个练腰的视频。到了第四轮，视频提到一种腰带，我才去问有什么产品、在哪个平台比较合适。最开始的需求是处理腰伤，最后才走到购买。

这和直接搜索“运动手表选Whoop还是Apple Watch”不同。对话解释了为什么要买、经过哪些步骤、有什么顾虑。下一轮内容还取决于AI问了什么。如果它没有问某个问题，我可能也不会主动说出来。

Raymond： 你最近从ChatGPT切到Muse，也说明用户不是只看模型名字。

Jaggie： 对。我原来是ChatGPT的忠实用户，新东西出来都会试，但通常还是会回去。最近切到Muse，是因为它在完成一些任务上有明显区别。比如给一直使用的眼线笔补货，其他工具当时还没有替我做好，Muse做到了。

普通消费者未必先关心背后是哪一家模型公司。产品在非编程工具使用上有没有下功夫，能不能把事情完成，会直接影响选择。如果原来的产品六个月不变，用户可能就会流失。

Raymond： 我对记忆壁垒也有保留。记忆也许越来越容易导出，新App会想办法迁移旧App的上下文。

Jaggie： 这取决于记忆是什么。你看到的文字标签只是显性的一部分，系统还可能有不容易解释的信号。那些东西能不能迁移，是另一回事。

四、聊天里的推荐，什么时候才算广告？

Raymond： 说回广告。如果AI在回答问题时影响了用户的决策，并且广告主为此付钱，这是不是广告？

Jaggie： 这是一个很直接的场景。对话里有很多影响决策的机会：产品链接、比较信息、某个推荐，甚至是模型回答中偏向某个选择的方式。如果广告主付钱，让这种影响和转化发生，它就已经具有广告属性。

另一个场景是推荐页。用户在聊天里表达了很多需求，系统把这些上下文带到另一个页面，继续给他内容或商品推荐。它不一定出现在当前对话里，但仍然使用了前面的用户信号。

从旧的广告模型看，广告通常有一个位置、一条素材和一个点击行为。对话式产品可能把广告嵌到用户的决策过程里：用户先说遇到了什么问题，AI不断追问，最后出现一个产品或服务。这种形态更贴近用户，但也更需要说明推荐的来源和商业关系。

五、广告形态为什么必须跟着产品交互变化？

Raymond： 如果张一鸣或马云想在AI时代创造第二条广告曲线，最值得看的新形态是什么？

Jaggie： 广告不是独立出现的，它一定建立在消费者原生产品的交互上。过去内容主要是读，App主要是操作；后来出现了短视频、小游戏和可以交互的内容，广告也跟着变化。

有些产品让用户每滑一下就遇到一个可以玩的东西，也有人把旅行信息做成交互内容。Snap曾探索过互动小游戏广告：用户看到品牌内容，点几下、拿到金币，再完成转化。它和传统视频广告不同，是因为原来的产品交互已经变了。

问题是，用户打开一个App的心智通常只是想打发时间，并不会专门寻找一种特殊的内容形态。新交互如果没有稳定留存，广告也很难建立起来。

抖音搜索提供了另一个例子。用户搜一个高蛋白餐食，可能同时看到总结文字、原始视频和相关商品。内容、搜索和电商结果被放在了一起，广告机会就不一定只有一个链接或一个视频位。

广告形态的变化，需要产品先出现真正的新行为。新的用户行为稳定下来，平台才知道应该怎样衡量、怎样变现。

这也是为什么很多“AI广告”讨论会提前太多。用户还没有形成稳定的新习惯，广告主就先想把旧的竞价模型塞进新产品里，最后得到的往往只是一个链接换了位置。真正有价值的广告形态，应该从用户已经愿意使用的行为里长出来，而不是先有广告方案，再去寻找一个勉强能承载它的界面。

推荐页、聊天流和搜索结果看起来可能越来越接近，但用户打开它们时的心理预期不同。有人是在主动寻找答案，有人是在接受系统安排，有人只是想消磨时间。广告的价值和用户对它的容忍度，也会随这个预期变化。

对平台来说，最难的不是把广告放进去，而是找到不破坏原生体验的方式。对用户来说，最重要的也不只是有没有广告，而是能不能看懂它为什么此刻出现在自己面前。

六、大品牌为什么总是慢半拍？

Raymond： 你在宝洁待过，也看过很多大公司。大预算品牌怎样理解AI时代的广告？

Jaggie： 大公司当然会使用AI，也一定有人希望推动变化。问题在于，最懂AI和内容的人，可能不在公司的组织里，也不在原来的一级代理商WPP里。

过去宝洁和4A广告公司负责素材与投放，新的创作者、网红和小团队则带来了另一套能力。大公司想使用这些能力，往往要先经过原有代理商，再把新团队作为二包商接进来。中间多了一层组织和判断，速度就会慢。

这件事还牵涉到责任归属。过去素材交给代理商，投放交给平台，品牌内部可以把结果拆成几个供应商的问题；AI把素材、投放、受众和测量逐渐合在一起之后，组织必须有人真正理解完整链路。只会采购工具的人，无法判断工具改变了什么；只会做品牌的人，也未必能判断新信号是否可靠。

大公司需要的不是一次AI培训，而是一套能持续试错、复盘和调整的工作方式。谁能把新能力放进真实业务，谁才有机会把“我们也在做AI”变成实际的广告效率。

这也是为什么新品牌有时反而跑得更快：它们没有旧的供应商链路，也不需要把每个实验先翻译成上一代组织听得懂的语言。预算小不一定是优势，但决策链短，至少能更快知道哪些做法真正有效。

如果我是宝洁的CEO，想做一个真正AI Native的工作流，我首先要知道组织里有没有能理解这件事的人。如果没有，预算并不能自动生成认知。

创始人和职业经理人的约束也不同。创始人可以想象把工作流重做一遍，甚至重新招人；职业经理人不能随便拆掉几个部门，再把它们重新合并。不是谁更聪明，而是他们玩的游戏不同。

老公司身上有包袱，无法从零开始轻装上阵。很多公司最后会把AI业务拆出去，或者由创始人重新开始一家公司，因为原来的组织很难承载新的速度。

七、广告到底怎么衡量钱花得值不值？

Raymond： 广告里最出名的一句话是：预算有一半浪费了，但不知道是哪一半。AI时代能解决这个问题吗？

Jaggie： 先要区分品牌广告和效果广告。消费者从知道一个产品，到产生兴趣、认真考虑、完成购买，再到使用并推荐，本来就是一条路径。越靠前越难测，越靠近转化越容易测。

不同品类的周期也不一样。一张床垫的购买可能要等搬家；一支眉笔可能是临时种草，也可能是固定补货。相同的产品，在不同情境下会走不同的决策路径。

中国的广告测量有一个特殊条件：种草、内容、电商和支付集中在几家大平台上，比较容易形成闭环。美国的购买行为分散在Shopify、线下商店、Safeway和不同平台，数据治理就更复杂。

传统品牌会用抽样调查，问消费者是否听说过新品、是否记得主要卖点；也会用MMM和增量测量，判断不同渠道带来了多少变化。线上广告后来流行末次触点和追踪，因为它看起来更容易归因，但容易把功劳都算给最后一次点击。

平台会把种草和转化拆成不同产品，因为它们服务的是购买路径的不同阶段。一个产品负责让消费者记住，另一个产品负责让消费者下单，不能只用同一个指标判断好坏。

今天的美国广告市场还有一个历史问题。Google和Meta在隐私规则变化之前已经积累了大量用户数据，新玩家后来无法再取得同样长时间的历史记录。TikTok、ChatGPT或者其他新平台，可能有新的用户信号，却没有你过去十年的行为数据。

这就是数据壁垒的一部分：不是手里有多少个用户，而是对一个用户长期了解到了什么程度。

这也解释了为什么广告平台越来越在意交互本身。过去的广告主可能只需要买一个曝光，平台负责把素材送到人面前；现在平台更关心用户在看到内容之后做了什么，是否停留，是否继续问，是否把一个模糊的想法变成明确的行动。每一步都可能成为信号，也都可能被不同的商业模式重新定价。

但信号越深，平台承担的责任也越大。用户停留几秒和用户主动说出自己腰伤了，不是同一种信息；后者涉及健康、关系和真实生活。广告系统如果只把这些内容当成更精准的标签，短期可能提高转化，长期却可能损害信任。新的测量能力和新的边界，必须一起建立。

这会改变广告主和平台之间的分工。过去广告主把素材和预算交给平台，平台用点击率、转化率等指标反馈效果；在聊天场景里，广告主还要面对用户为什么提出这个问题、AI怎样理解这个问题、推荐在什么时候出现。一个更高的转化率，可能来自更准确的需求理解，也可能来自用户没有意识到自己已经进入了商业流程。

广告越接近助手，解释责任就越不能省略。平台需要说明推荐用了什么上下文、商业关系在哪里、用户是否有拒绝和切换的空间。广告变得更有效，不能只靠让用户更难察觉它。

八、大模型公司能成为下一代广告巨头吗？

Raymond： OpenAI和Anthropic未来能不能成为大的广告公司？

Jaggie： 要看三件事：用户时间、意图深度和数据。Google的用户时间可能不如Meta多，但搜索意图很深，转化效率很高。一个产品的时长不一定决定它能赚多少钱。

假设Muse和ChatGPT有一样的时长、深度和DAU，Meta的变现效率仍可能更高，因为它还拥有Instagram、Threads以及其他产品留下的用户信号。广告系统不仅看当前的对话，也看更长期的行为。

这只是现有广告场景下的比较。大模型公司还有另一种可能：免费产品本身不靠广告赚钱，而是通过订阅、工具和企业业务形成整体收入。免费用户消耗多少token、能带来多少意图深度，最后要放在整个公司的账上计算。

所以不能只看一个产品当前有没有广告。它拥有的用户、它理解用户的方式，以及公司在其他地方怎样变现，会一起决定商业模式。

九、豆包未来可能靠什么赚钱？

Raymond： 如果很多人已经在看病、购物和处理生活问题时使用豆包，它未来会怎样变现？

Jaggie： 这里首先有伦理和边界问题。用户把健康、家庭和其他很私人的信息交给AI，平台是否应该在这些场景里收费，不能只看广告效率。

还要看token成本。每个用户问一个问题，平台都要承担计算成本。如果这些成本不能在豆包自身补回来，就可能由公司的其他业务来覆盖。

极端情况下，豆包可以成为成本中心或获客中心：它不一定直接赚钱，但能获得用户信号，让抖音或其他产品的广告变得更高效。这和单纯的导流不完全一样。导流是把人送到另一个地方；数据飞轮则会让公司逐渐更了解这个用户。

入口战争的关键，不是每一个入口都要立刻收费，而是它能不能在整个产品体系里产生长期价值。免费AI怎样处理信任、隐私和变现，最后仍然是一个商业与价值观同时参与的问题。

十、个人助手的壁垒，来自数据还是信任？

Raymond： Google和Apple掌握更多个人数据，为什么个人助手仍然可能慢半拍？

Jaggie： Google可能更珍惜用户信任，所以不敢轻易把邮箱、地图和其他信息直接拿来做新的产品。它也知道自己可以后发，不一定要最早冲出去。

新公司动作更快，但用户也会问：我为什么要把邮箱交给一家刚成立的公司？硅谷用户可能知道投资人和产品背景，普通用户可能只认识Google、Meta这些熟悉的名字。

所以数据优势和信任优势不一定在同一家公司手里。Google有邮箱和地图，Meta有社交关系和内容，新的AI产品有对话和任务过程。不同入口对用户的理解各有缺口。

一个个人助手要真正成为基础设施，既要能完成任务，也要让用户相信它不会把自己的生活当成一块可以随时出售的广告库存。

这两件事必须同时成立。只会聊天的助手很难成为入口，只会完成任务却让人不放心的助手也很难长期被授权。用户最终选择的，可能不是最聪明的那个，而是最懂分寸、最能把事情办完的那个。

这会让产品竞争从模型能力延伸到关系能力：助手要知道什么时候主动、什么时候安静，什么时候给答案，什么时候先确认边界。

信任还会影响产品的增长速度。一个小团队可能比大公司更快接入新工具，却需要用户先授权邮箱、日历、购物记录或聊天历史；大公司拥有更多数据，却要面对更复杂的隐私承诺和内部流程。快与慢并不是简单的工程效率问题，也和用户愿意把多少生活交出去有关。

因此，未来的助手竞争可能同时发生在三个地方：谁能更好地理解用户，谁能更可靠地完成任务，以及谁能让用户相信这些理解不会被滥用。只有其中一个条件成立，产品都很难长期留住人。

这也是迁移成本真正难处理的地方。用户换一个助手，转移的不只是历史对话，还有它是否知道什么时候该追问、什么时候该停止、哪些任务曾经失败过。记忆文件可以导出，长期形成的默契却需要重新建立。

十一、硅谷为什么开始反过来向中国学习？

Raymond： 过去我以为，投资机会减少之后，美国投资人也会减少对中国的关注。现在反而有很多人来问中国模型、机器人和消费产品，这是为什么？

Jaggie： 不能直接投资中国，不等于没有学习价值。基金是否设分部、LP是否配置中国，是资金和营商环境的问题；但产品做得好不好，是另一件事。

2018年我到斯坦福时，说自己来自TikTok，很多同学不知道那是什么，甚至觉得像一家可疑的中国公司。我还在向他们介绍TikTok为什么好玩。现在这种态度已经变了，产品结果改变了人们对中国公司的看法。

过去只有少数投资人会在机构内部解释直播、电商和小红书；如果一个人反复说中国很厉害，别人很容易把它当成个人偏好。等TikTok、Manus、短剧和直播电商把结果摆出来，学习的起点就变了。

还有另一条线是供应链、能源、芯片和机器人。美国想把制造业搬回去，或者想理解机器人怎样生产，就必须知道深圳和中国供应链具体做了什么。这里关注的不是直接投资，而是产品、制造和商业模式的学习。

中国公司也在变。越来越多团队开始做国际化的PR、营销和Go to Market，不再只把产品当成国内市场的事情。更多人开始关注中国，意味着双方的产品和商业经验会继续互相流动。

Raymond： 所以这期从易趣的地铁站交货，走到了今天的聊天框和广告系统。你真正感兴趣的，还是新的交互形态。

Jaggie： 对。广告只是消费者产品的延伸。我更兴奋的是，新的用户行为和新的交互方式还会带来什么。现在才刚刚开始。

如果你也在看这个方向，或者不同意上面的判断，欢迎写信到 [email protected]——不想写信也没关系，把邮箱留在下面就行。