综合
案例
公司
专题
11月4日,Adweek 报道了一桩看起来不算大的技术对接:The Trade Desk 把自己的对话式智能体平台 Ask Koa,与广告技术公司 Dstillery 的智能体平台 DS-1 连了起来。两个 Agent 可以在广告投放还在跑的时候互相通信,根据实时效果数据和广告主设定的定向目标,现算出一批新人群,再直接回到 The Trade Desk 的平台里激活。
真正值得注意的是被压缩掉的那段时间。Dstillery 首席产品官 Taejin「TJ」In 说,此前广告主想买一批定制人群,靠人工来回协调通常要等四天,现在按两家公司的说法是几分钟。这容易被读成又一次「AI 提效」,但它改的是程序化投放里一个很少被讨论的前提:人群包原本是开播前定死的一次性交付物。
一、四天的人工协调,被两个 Agent 的对话替代
先把链路说清楚。广告主此前已经可以买到 Dstillery 的定制人群,差别不在能不能买,而在怎么生产。过去的流程是买方提需求、数据方建模、人工对齐口径与交付格式、再手工上传到投放平台,每一步都要人接。现在 Ask Koa 与 DS-1 通过 Model Context Protocol(MCP)建立连接,投放表现与定向目标可以直接喂给 DS-1,由它生成新的人群定义并交回 The Trade Desk 激活,中间那层人工搬运被拿掉了。
本文来源于广告门 adquan.com
DS-1 不是临时拼出来的功能。AdExchanger 今年 3 月报道过它上线,底层架在 MCP 上——这套协议给不同厂商的 AI 工具提供通用插拔方式。Dstillery 当时的官宣提到,早期客户 Keynes 把一项原本 48 小时的工作压到 5 分钟。The Trade Desk 这次做的,是把一个跑了大半年的 Agent 接进交易入口,而不是从零造一个助手。
对媒介团队来说,交付物的性质变了:人群包不再是排期表上一份提前签收的文件,而是一个可以随投放进程反复调用的服务。这也是为什么「中途」比「快」更值得关注。
二、短周期投放里,四天差不多是三分之一个窗口
时间节省的价值高度依赖投放结构。按两周的 flight 粗算,四天约占 29%——也就是说,等人群包做完,近三分之一的投放期已经过去,剩下能吃到新人群的时间并不多。对 always-on 的长期投放,这点等待几乎可以忽略;对大促、新品上市、赛事热点这类短窗口,它几乎决定了「发现人群偏差」这件事还有没有意义。
需求侧的变化和这个判断对得上。EMARKETER 引用 DoubleVerify 的数据称,2026 年有 36% 的全球营销人计划把 AI 用在投放中途的优化上,2024 年这一比例是 21%。重定向本来就是用来补人群缺口的,但如果识别到缺口到执行调整之间要跨过一个人工交付周期,「实时响应」就只是话术。Agent 被叫进来,解决的正是这段被卡住的延迟。
The Trade Desk 自己的动作也指向同一处。EMARKETER 提到,公司本周重新请回联合创始人、前 CTO Dave Pickles 负责技术产品路线图,主线是以 Agent 为底座的基础设施。在围墙花园挤压与合作伙伴关系受审视的背景下,把投放层做成可被 Agent 调用的平台,比再推一个前端功能更像是一次防御性下注。
三、买方没被说服:省下的是工时,不是多出来的预算
Adweek 的报道留了一个不太客气的尾巴:尽管流程快了,广告买方仍在质疑这套对接是否真能带来更多投放。这个怀疑很实在。建人群变便宜,不等于人群更准;省下四天,也不等于这四天里多跑出来的曝光能转化成业务结果。速度是可直接观测的,效果不是,两者之间没有自动兑换关系。
同一周另一组数字可作参照。PubMatic 11月9日三季报称,平台累计生成的 AI 驱动广告交易超 1.4 万笔(上季度 4 千余笔),今年 1 月上线的 AgenticOS 累计支撑 120 多场全自动投放(上季度末 80 多场)。公司举的案例是 The Media Shop 在六个亚太市场的奢侈品腕表投放:搭建时间从最多 40 分钟降到约 8 分钟,可见率从 46.8% 升到 64.3%。边界要说清——这些都是公司自报口径,「交易笔数」不等于完整投放数,更不能等同于成功结果;单案例改善也不能外推到所有广告主。
PubMatic 同时给了另一半答案:AgenticOS 配了审批要求、花费上限和 AI 动作留痕。这三类控件说明行业已经意识到,自动化越大,越要把「谁允许它动、最多动多少、动了什么」写进系统,而不是写进制度文件。EMARKETER 给广告主的建议同样克制:用内部分析与 A/B 测试去验证 Agent 生成的人群是否真的更优,尽调会拖慢速度,但值得。
四、当接口变成标准,代理商的位置往哪挪
MCP 的意义可能超出这一次对接。有观察者注意到,Meta 广告的设置页面此前已列出包括 Claude、Claude Code 在内的兼容 Agent;若不同平台都以类似方式开放调用,买方侧的智能体就能跨系统完成建人群、改出价、查异常这类动作,而不必为每个平台配一套人手。国内也在同步发生:蓝标传媒 11月12日宣布与 ChatGPT Ads 开启合作,其母公司蓝色光标称已有超过 1000 个智能体投入实际业务运行,出海业务中通过 A2A(Agent-to-Agent)交互完成长程任务、由 AI 自主决策的相关收入超过 3 亿元;其对外描述的服务体系,覆盖用户意图洞察、Context Hints 优化、落地页审核与搭建,直到投放和效果复盘。首批客户的初步效果被称优于行业平均,但未披露具体数值,暂不宜当作结论。
把这几条放在一起看,变化大致清楚:Agent 正在从内容生产环节,往交易执行环节走。创意侧的 AIGC 讨论已经很拥挤,而投放侧一旦被打通,代理商最容易被替代的恰恰是那些「传话、对齐、搬运、上传」的流程性工作。留得下来的部分会更集中在三件事上:把商业目标翻译成 Agent 能执行且可判定的约束,划清预算调整与敏感数据访问的审批边界,以及对结果做独立验证——这也正是 11 月中旬那批关于「AI 投入怎么衡量」的讨论反复指向的地方。
所以这桩对接的分量,不在四天变成几分钟,而在人群策略第一次可以在投放途中被改写。当策略变成可反复调用的变量,谁有权改、按什么目标改、改完怎么证明有效,会比「谁做得快」更早进入下一次比稿的议程。
意见反馈/举报
反馈/举报信息:
联系方式(选填):