从这个框架来看，如果我们认为信息流广告存在“死水化”的现象，主要是从“流量”这一层面去判断的。
我们可以看一下中国互联网络信息中心（CNNIC）的最新统计数据。根据它今年8月发布的报告显示，中国的互联网用户规模增速已经非常缓慢。例如，今年的6月份，跟去年的12月份相比，整体只是增长了0.5%。可以说，这一增速几乎可以忽略不计。
不仅用户规模增长趋于饱和，用户的上网时长也在下降。根据CNNIC的报告，与去年同期同期相比，今年6月的用户人均上网时长减少了0.1小时；而与2022年同期相比，减少幅度更达到0.5小时。虽然0.5小时听起来不多，但如果加上庞大的用户基数，影响是相当大的。
如果我们把信息流广告视为一种 “流量竞争游戏”，那么按照供需关系的基本原理来看，流量的稀缺性必然导致成本上涨。换句话说，流量会越来越贵，投放中的“低买高卖”的利润空间会越来越小。
所以，我认为传统意义上所说的红利到顶是指流量红利到顶，但在数据和影响力两个方面，仍然有很多空间可以开拓。
王鹏铭：所谓的数据增量，您指的是什么？
王水：如果把信息流广告仅仅看作流量生意，大家会看到当前的用户规模和使用时长，结合人口长期趋势，流量的增长可能会慢慢放缓，甚至枯竭。但如果能通过技术手段，比如智能投放，或者深度挖掘数据的潜力，高效利用流量，效果就会大不相同了。
其实这几年，像国外的 pMax（就是 Meta Performance Max），还有国内几家大的平台，都在推智能投放。其实，智能投放就是把数据整合起来，用系统更强的算法，找到更优的解决方案。随着技术越来越智能化，确实能找到新的增量。比如，单纯依赖流量堆积已经不足以推动增长，链路优化逐渐成为很多广告主关注的突破核心。
而腾讯最近推出的「营销链路」功能，就是专门针对链路优化的产品。
很多广告主在投放中会遇到一个共同问题：流量不稳定、广告数据难以积累，导致后续模型表现差强人意。而在新广告投放（3.0）上，「营销链路」功能通过还原决策链路，把展示、点击、跳转、下单等行为自动归因到广告模型中。广告主只要能上传高质量的节点数据，通过这些数据，模型会预估地更准确，让起量更快、更稳。
而且通过聚焦链路维度，优化师可以对不同链路进行分投放、分效果分析，从中提炼出表现最优的链路。同时，能够清晰了解受众在哪些环节容易流失，并针对这些环节进行优化。
我前两天看了一个案例，某微信小游戏通过引入新的营销链路：启动-注册-创建角色-完成新手指引-付费，在链路中新增了“创建角色”和“完成新手指引”两个节点，结果首日付费ROI提升了37%，跑量能力提升了5.5倍。这正是链路优化所带来的巨大潜力。
总的来说，以前那种粗链路，比如只看点击率和转化率，现在肯定不够了。消费者行为非常多样化，虽然从展现到转化看起来是走完了过程，但中间的具体节点可能完全不一样。这就像是“殊途同归”，但我们不能只关注结果，还得在过程里找增量。
所以现在的链路分析就需要把消费者的行为还原得非常清楚，通过「营销链路」功能把行为数据梳理清楚，这样才能更深入地理解消费者，帮助广告主在流量不再充足的情况下，通过精耕细作挖掘更多增量。
用一句俗话来说，就是“不能眉毛胡子一把抓了”。以前流量红利大的时候，确实不用那么细致，随便种点东西都能长出来。但现在环境变了，流量红利不明显了，大家就得琢磨怎么精耕细作，把每一块地的价值发挥出来。我觉得这个方向其实挺符合现在的趋势，也是未来广告技术发展的一个重点。
王鹏铭：那怎么去理解影响力层面的增量呢？
王水：其实刚才咱们提到的，广告行业的核心资源已经不仅仅局限于流量获取了，更多的是通过数据整合和深度分析，释放一些隐藏的价值。这其中影响力增量就是很重要的一块。流量、数据、影响力其实是广告行业三个可变现的资源，而流量是基础。没有流量就没有数据，也没有影响力。
但有了流量后，我们就要想办法把数据价值挖掘出来，同时还得做好影响力。因为广告的本质是和用户沟通，而沟通是双向的，不再是过去那种“我推你接”的单向模式。
在传播学中，有一个“枪弹论”的概念，它将受众比作靶子，传播比作子弹，射程内击中即倒。在过去流量充足的时候，这种模式确实存在，比如在春晚上唱一首歌，第二天全国都会知道你。但现在情况已经不同，人们不再是“被动接收”信息。我们需要与用户进行更深层次的沟通。
以游戏广告为例，近几年“精品化素材”的概念非常流行。过去，粗糙的跑量素材还能取得不错的效果，但现在，用户的要求变得更高，劣质素材不再受欢迎。我们必须使用更优质、更符合用户需求的内容来吸引他们的兴趣。
因此，优质的素材成为了我们吸引和保持用户注意力的关键。通过创造和提供高质量的素材，我们不仅能够提升用户体验，还能增强我们的品牌影响力，从而在竞争激烈的市场中脱颖而出。
王鹏铭：大家现在越来越关注这个 KOC这块的营销，你觉得是什么原因造成的呢？
王水：KOL 覆盖范围确实更广，但它的价格相对更高一些，而且配合度也看情况，不一定稳定。相对来说，KOC 在这些方面表现会更好，性价比更高，没有那么高的溢价。同时，KOC 的配合度往往也更灵活，合作起来没那么复杂。
还有一点，就是KOC能形成“群体效应”。单个KOC可能影响力不大，但是一群KOC加起来，那声量就大了，有点像“长尾效应”，聚沙成塔嘛。
不过，KOC也有它的问题，就是效率。你想想，要管理一大帮KOC，沟通、协调，这些成本都不低。这就需要我们在做营销的时候好好权衡一下。
王鹏铭： 对的，我还发现现在在汽车行业中，也有不少车企会把自己的客户孵化成KOC，比如理想会组织自己的客户录制一些类似于小宇宙的博客节目，挺有意思的。这可能也是因为现在汽车行业的营销挑战很大，大家想到的一些高性价比的新玩法。
王水：确实，现在汽车行业的营销确实面临很多挑战。在当下竞争愈发激烈的环境下，越来越多的车企开始更加注重如何精准触达目标用户，而不再仅仅依赖传统的大范围广告覆盖。
这里我想分享一个有意思的产品，就是腾讯广告推出的「高价值范围探索」。这个功能可以根据广告主提供的重点区域或高价值人群洞察，智能地识别和拓展优质区域，帮助品牌锁定高潜力用户，不仅提升流量质量，还能显著增强后端的转化能力。
因为传统上，广告的覆盖范围往往是基于经验或者后期数据的判断，这样的做法存在很大的不确定性。比如，4S店的辐射范围到底应该是10公里还是50公里？很多时候，这些决策的依据并不精准，导致广告投放的效果难以预测。
「高价值范围探索」通过结合腾讯平台的海量数据和智能的系统，可以更科学地锁定优质区域和潜力人群，显著提升广告投放效率和效果。比如，就有车企采用这一策略后，转化率翻倍，有效线索成本下降了9%，线索有效率提升了38%。这在如今的营销环境中，是非常宝贵的成果。
其实，汽车行业的营销链路确实复杂，广告从线上到线下，环节多且容易出现断点，这也是许多品牌头疼的问题。所以像「高价值范围探索」这种能结合区域和人群价值的工具，在复杂链路和断点多的情况下，是非常有意义的探索。
但现在，一些短视频营销公司老板告诉我，他们团队的工作效率每个人每天能够做1到2条内容，这相比过去的制作周期，已经大大加快了。
但是，话说回来，投放端的加速可以持续，因为技术在推动。但如果内容的生产完全依赖人力，它是无法无限加速的，因为人力是有生理极限的。
所以现在很多公司开始用模板化的方式来提高内容生产的速度。我们也看到一些公司开始往下沉市场走，去人力成本更低的城市，比如合肥、郑州、成都等地。这样可以缓解成本问题，但这种方式终究是有限的，它解决的是短期的需求，长远来看总会遇到断裂的情况。就像自行车的链条一样，前面加速了，但后面跟不上，最后链条就断了。
这时候，AI技术就有很大潜力了。它能帮助解决人力的生理极限问题，跟上投放加速的步伐，解决了素材供给侧加速受限的问题。
比如，现在我们已经可以看到一些自动化工具，能够显著提升素材生产的效率和质量。举个例子，像妙思的「商品混剪」，通过AIGC技术的支持，可以自动化地生产和批量处理广告视频。这种技术基于对历史优质视频的理解和对商品内容的深度分析，自动进行拆分、剪辑，甚至添加口播、配乐、字幕等元素，生成的广告视频不仅更贴合广告投放的需求，还能显著提高投放效果。
以腾讯广告为例，它在受众理解上的优势非常明显。一方面，腾讯拥有多样的场景，能够准确分析受众需求；另一方面，近几年它在商品理解上也有了明显提升，比如通过完善商品库、扩展电商直播场景等，让平台可以更深入地分析和理解商品属性，这种对“人”和“货”两端的深入理解，直接提升了广告的精准投放能力。
此外，腾讯广告的全链路数据化能力也不容忽视。广告效果的衡量不仅要关注前端的点击和转化数据，后端的数据同样重要，比如物流时效、退货率等。这些后链路数据可以更全面地反映消费者的实际购买体验，帮助广告主规避仅依赖表面成交数据可能导致的误判。通过全链路数据化，优化师和广告主能够从投放到消费全流程进行策略优化，有效提升投放效果。
对于广告主来说，要想适应这一趋势，配合广告平台做好数据回传也是非常关键的一环。只有把真实的业务数据回传给平台，才能帮助算法优化，提升人货匹配的效果。
这样才有利于做双场协同（人和货两端的优化协同）。它不仅依赖平台强大的数据能力，也需要充分发挥人和机器各自的优势。人和机器在理解“人”和“货”方面有天然的互补性，人机协同因此成为未来的发展方向。
AI技术将解放优化师，让他们从繁杂的素材制作和投放调整中解放出来，专注于理解受众的需求和优化广告创意。而人类则继续在创造性、洞察性和决策方面发挥作用，与AI共同推动广告效果的提升。
最终，AI的强大算力和精准数据分析将会让广告投放更加智能化，双场协同模式将成为未来广告行业的核心竞争力。 这种模式不仅仅是技术的升级，更是广告投放方式的全面变革。从优化师的工作方式，到广告主的投放策略，AI将赋能整个广告生态，推动投放效果的持续提升。
我常对学生们说，我们的工作是从数据中提炼信息，从信息中发现规律，再从规律中形成智慧。其中，“智慧”才是让你脱颖而出的关键。
像数据分析、信息提炼这些基础操作，实际上是可以被工具或AI替代的，而智慧则无法被轻易取代。这一点和成功的企业家有相似之处，他们能够做出大生意，靠的往往是对业务的深刻理解，而这种理解是机器无法具备的。优化师也是如此，只有深刻理解行业和消费者，才能真正为广告主创造价值。
至于学历问题，我觉得不一定非得是高学历才行。现在很多时候，行业的知识体系和学校的知识体系还是有些差距的。虽然学界也很努力，很多高校的教授、青年学者也在紧跟行业的步伐，但还是存在产学脱节的现象。这就导致了，哪怕拥有硕士、博士学位，也未必能快速适应当下信息流广告投放的实际需求。
相比之下，行业中的知识更新更为及时，优化师们需要不断学习、进化，掌握平台新工具、解锁新能力，这些都是未来投放行业不可或缺的技能。而最终能否在竞争中脱颖而出，更多取决于优化师是否具备灵活运用这些工具的能力，以及能否在通用技术之上，加入自己的智慧和创意。
王鹏铭：明白，关于高校是否应该开设“优化师专业”这个问题，我一直觉得挺有意思。现在国内的优化师市场大概也就三五十万人的规模，虽然信息流广告的市场已经非常大，达到万亿级别，但确实没有一个专门培养优化师的专业。后来我也在想，如果高校真要开设这个专业，那到底能教优化师什么呢？这里面其实挺矛盾的。
王水：是这样的，现在平台发展太快了，对老师来说就是一个巨大的挑战。你刚刚学会一个平台的操作，可能它很快就从2.0升级到3.0版本了，刚整理好教材，内容就过时了。正因为这种更新速度，所以教学内容总是有滞后性。
而且，优化师这个岗位的心态也在变化。像新手优化师，可能会觉得掌握了一些别人不知道的信息，就有了自己的优势。但实际上，现在的信息差正在快速缩小，特别是随着AI和智能体的普及。比如我了解到的腾讯广告就推出了一款工具，叫做妙问，专门是解答投放过程中的一系列问题，工具不仅仅是客服那么简单，它们还能提供策略建议。比如，你在广告投放中遇到问题，输入进去，它就会给出投放建议，还能告诉你行业TOP3的素材长什么样、数据表现如何，让你节省大量时间，包括催审、复审都可以完成，而且还是7×24小时随时在线的。
这些工具确实大大节省了时间，让很多基础操作自动化。
结果就是，优化师之间的信息壁垒几乎被打破了，大家站在同一个起跑线上。这时候，真正拉开差距的，反而是个人能力，尤其是学习能力。在这个行业，变化太快了，无论是新技术、新平台，还是新产品，几乎每天都有新的东西。如果跟不上这些变化，没有足够的学习能力，肯定会被淘汰。
其实，这就引出了另一个问题——高校在优化师的培养中到底能发挥什么作用？
我觉得高校不应该是一个“优化师工厂”，不能批量生产优化师。一个优秀的优化师，必须是在实际业务中通过摸爬滚打成长起来的。他需要经历各种复杂的情况，分析大量数据，从中提炼信息、发现规律，最终形成自己的智慧。而这样的能力，单靠学校很难直接培养出来。
但高校仍然可以在一些关键点上发挥作用。比如，帮助学生培养强大的学习能力，这一点尤为重要。像“妙问”这样的工具，确实能提高优化师的起点，把基础拉到一个更高的水平，但它解决的只是下限问题。想要真正逆流而上，走得更远，还是要靠个人的努力。这其实有点像人机协同：工具提高了效率，但人要想超越工具，就需要更强的学习能力、创造力和洞察力。
高校的价值就在于培养学生这些底层能力，同时给予他们更扎实的人文底蕴和系统化的思维方式。再结合实际业务中的经验积累，才能真正成就一个优秀的优化师。最终，这个行业里决定胜负的，依然是个人能力，尤其是学习能力。
我记得在早期，很多品牌在做广告时，都更关注一锤子买卖，简单来说，就是看单次交易的收益能不能覆盖成本。后来，我们开始强调LTV（用户生命周期价值），把它和获客成本（CAC）做对比。这就意味着，我不只是看单次交易，而是看用户在整个生命周期内的价值，这种思维方式的转变对我们行业有很大的影响。
第二个层面是行为层面。就算品牌想做有价值的东西，但它是否有相应的动机和能力去实现呢？动机来自思维层面，思维上要有意识的改变，而行为上的能力，则涉及到领导者的远见、团队的人才结构、资本实力和技术储备等多方面。只有这些条件成熟，品牌才能真正做到从思维到行为的全面转型。
扫码下方二维码，妙问技能全解锁，快来试试吧!
近期腾讯广告妙思功能大汇总
扫下方二维码了解更多官方信息!
