大模型营销落地实战：货拉拉文案生成与投放优化复盘

做了两年多营销广告系统，我最深的感受是：这一行的瓶颈早就不是“能不能圈出目标用户”，而是“有没有足够多、足够贴合业务语境的创意内容去触达他们”。货拉拉的场景又格外特殊——同城货运平台，一边是着急发货叫车的货主，一边是靠接单赚钱的司机，两端用户的行为逻辑、沟通语言、激励点完全不同，靠传统模板批量套文案，越套越疲。从2023年底开始，我们把大模型正式引入营销广告链路，从文案生成、素材拆分、用户意图理解到投放策略辅助，一步步走通了整条流水线。这篇文章就是把这次实践完整复盘一遍，讲清楚我们踩过的坑、验证过的方案，以及哪些环节“非大模型不可”。

这套实践适合谁看？如果你是做增长、投放、用户运营的从业者，能从中找到大模型与营销场景结合的落地样本；如果你是算法工程师，可以直接参考我们模型选型、微调和Prompt设计的思路。下面我不按时间线平铺，而是按“业务痛点—应用场景—技术方案—踩坑经验”这条线索来讲。

1. 营销广告场景的根源痛点：货拉拉为什么非上大模型不可

1.1 两端用户、多种业务线带来的“千人千面”难题

货拉拉的营销广告不是单一场景，它至少可以拆成这样几个维度：从用户侧看，货主端要解决“叫车发货”的需求激发，司机端要解决“注册、接单、续费”的运力供给；从业务形态看，有拉新、促活、召回、会员营销、季节性大促（比如年底搬家高峰）等至少五条并行线；从广告渠道看，App Push、短信、站内 banner、微信模板消息、抖音/腾讯的信息流广告又各自有完全不同的字数、语气和格式限制。

这么多维度叠在一起，传统做法只能是“人工写一批主文案，再靠规则做简单替换”。比如模板里留好“优惠金额”“适用城市”“截止日期”这几个空，跑一批任务。听起来挺高效，但实际效果是：同一个城市、同一种职业的用户看到几乎一模一样的文案，时间一长点击率必然下滑。货拉拉的用户分群颗粒度很细，比如“同城搬家的小微商户”和“跨城运货的批发市场档口老板”，前一单平均几十块，后一单可能上千块，用一套话术去沟通，本质上就是资源的浪费。

1.2 素材产能不足与“广告疲劳”的恶性循环

广告领域有个公认的现象叫“素材疲劳”——一条创意投放一段时间后，用户对它的反应会明显衰减。按我们当时的产能，一位资深策划一天能产出5-8条完整文案，配上视觉设计也就能撑起两三个渠道的日常消耗。但货拉拉在高峰期的投放节奏是“恨不得每两三天就换一批新素材”，否则ECPM（千次展示收益）就会被系统压低，获客成本急剧上升。素材更新跟不上，就只能靠提高出价去抢量，ROI自然难看。

这里就形成了一个死循环：曝光量越大，素材疲劳越快；素材疲劳越快，越需要高频出新；出新越急，人工产能越跟不上。我们当时算过一笔账，如果完全靠人工扩量到每天30条素材，至少要多招8到10名策划和设计，成本根本接不住，而且人的灵感本身也有波动，不是数量堆上去了质量就能保证。

1.3 大模型入场的机会窗口

大模型真正让我们动心的，不是它能“写文案”这个单一能力，而是三个特性的叠加。

第一是“可控的多样性”。同样的活动信息，大模型可以产出十几种不同语气、不同角度的表达，从直白利益点，到场景共鸣，再到紧迫感营造，都能在几分钟内批量生成，这正好打中素材疲劳的痛点。第二是“语境理解”。货运场景有大量口语化的说法，比如“货拉拉”在用户嘴里经常被叫成“拉货的”“叫个车”，传统模板很难处理这些变体，但大模型能根据上下文理解真实意图。第三是“可编程性”。大模型不只是生成文本，它还能按照我们定义的JSON结构输出结构化结果，直接接入投放系统，这就从“写文案的工具”升级成了“营销流水线里的一个标准化模块”。

当然，机会窗口背后也有挑战。我们团队当时的共识是：大模型绝对不能只是“开脑洞的玩具”，必须能按时、按量、按格式产出业务可用的内容，还要能被效果数据持续校验。所以从立项第一天起，我们就把“评估闭环”和“生成能力”放在了同等重要的位置。

2. 大模型落地的四个核心应用场景：想清楚再动手

2.1 广告文案与素材的规模化生产：先啃最痛的骨头

我们最先下手的，是货主端的App Push和短信文案。这个选择是经过考量的：第一，这两类文案是纯文本，不涉及图像生成，技术验证周期最短；第二，Push和短信都是货拉拉拉新促活的主力手段，优化空间直接对应业务指标；第三，这类文案的约束非常明确，比如字数限制、不得出现违禁词、需要包含活动入口等，非常适合用结构化Prompt来约束。

当时定的目标是：把“活动信息输入后3分钟内产出50条不重复的合格文案”作为基准线。具体做法是把活动参数（比如新用户立减30元、限特定城市）作为一个JSON字段喂给大模型，再叠加一套风格指令（活泼、专业、紧迫、温情等），最后要求模型输出一个数组，里面包含标题和正文两部分。我们跑通后发现，真正有用的不只是结果，而是生成过程中的“中间状态”——比如模型会自动补全“适用车型”“高峰期提示”这些我们没写进模板但对用户决策有价值的细节，这给了我们反向充实活动信息结构的灵感。

这里要提醒一句：文案生成不是“点一下出一个结果”就能直接用。我们最终采用的是“人机协作流水线”——大模型产出初稿和变体，人工策划在系统里做批量筛选、微调、确认，再进入投放队列。这个模式一直保留到今天，因为营销文案涉及品牌语气和合规风险，完全无人值守在现阶段并不现实，但人工工作量已经从“从零创作”降为“审核编辑”，效率提升至少一个数量级。

2.2 用户需求理解与智能分群：从规则标签到语义画像

过去我们对用户的理解主要靠行为标签，比如“30天内叫过3次车”“上次活跃在7天前”“偏好使用现金支付”。这些标签对分群有用，但它回答不了“这个用户此刻到底因为什么需求要叫车”。举个例子，一个用户上周刚搬完家，这周又在夜里频繁查看车辆页面——他可能是需要每天通勤拉货的小生意人，也可能只是搬家后有几件漏网的大件要运。这两种需求的文案策略完全应该不同。

我们用大模型做了一次“行为序列语义化”实验：把用户最近7天的行为事件序列（点击、搜索、下单、取消）转成自然语言描述，再让模型产出几条关键判断，包括当前最可能的发货场景、紧急程度、价格敏感度，以及最适合触达的时间段。产出不是直接替换原有人群包，而是作为“增量特征”输入到原来的分群模型里。最终在一组召回实验中，用上这个特征的组别，文案点击率比纯规则分群高了不少。不过这个方向有个明显代价——把行为序列转成描述再推理，线上延时和Token成本都偏高，所以我们后来做了离线预计算，只在用户进入高价值营销池时才走实时推理。

2.3 投放策略的智能分析与出价辅助：大模型当“策略副驾”

投放优化的核心是出价和预算分配，这里头大模型不直接做决策，而是当“策略副驾”。我们日常投放中有一项很费人的工作——复盘“为什么某条计划跑量不行”。消耗快但转化差，到底是文案不行、落地页不行，还是目标人群圈错了？人工复盘一条计划平均要十几分钟，而且经验强的优化师和新人给出的判断差异很大。

我们尝试把计划的“画像数据”（包括素材ID、文案内容、人群定向、出价方式、时段分布、转化漏斗）汇总成一段结构化的输入，让大模型产出“问题归因+优化建议”。这本质上是一个少样本学习任务，我们把过去资深优化师撰写的复盘报告脱敏后做了一批示例，效果相当不错。大模型给出的建议不一定每条都准确，但它能把“通过率最低的是哪个环节、素材中哪些关键词可能与目标人群不匹配”这些线索在几秒内拉出来，帮助优化师更快聚焦问题。这让我们把复盘效率提升了60%以上，释放出来的时间被花在了更重要的策略测试上。

2.4 营销活动的多轮对话交互：从单向广播到智能应答

最后一个场景是被用户需求“推”出来的。每次大促活动上线，客服侧都会涌入大量重复咨询，集中在“你们活动怎么参与”“我这个城市在不在范围里”“新人券为什么领不了”。这些问题高度标准化，但涉及活动规则、城市范围、车型限制等动态信息，靠纯关键词机器人很难答准。

我们基于大模型做了一个营销活动问答Agent，核心不是让模型凭空回答问题，而是先检索活动知识库，拿到准确的活动规则片段，再结合用户问题生成回答。知识库的每一条规则都由运营确认后录入，Agent只做“查得到才答，查不到就转人工”。这个设计看起来朴素，但它避免了最可怕的幻觉问题——营销活动答错用户可是会被投诉的。实际运行下来，一次大促期间能拦截掉六成以上的重复咨询，用户满意度也没有下降。这一步让我们意识到，大模型在营销域的落地不一定是炫酷的全面自动化，“在边界内用好一个环节”反而更有实际价值。

3. 技术选型与系统架构的关键取舍：自建、调用与部署

3.1 基座模型选型：开源微调与API调用的“混合双打”

很多团队一开始最爱纠结“用开源还是用闭源”，我们的答案很简单：按场景分。文案批量生成和意图理解这类高频、强定制、对成本极度敏感的任务，适合用开源基座模型微调后自部署；活动问答这类需要实时更新知识、且准确率要求极高的任务，初期直接用商用API加检索兜底，上线速度最快。

具体到开源模型，我们主要用了Qwen系列和Llama系列做对比。选Qwen是因为它的中文语料质量更贴合我们面向国内用户的场景，对口语化表达、城市名、促销话语的理解偏差更小；Llama则用于部分需要英文或中英混合表达的跨境相关场景。需要强调的是，选型不是“哪个分数高就用哪个”——我们真正的选择标准是三条：第一，指令跟随的稳定性，批量生成50条文案时不能有5条不按格式输出；第二，长文本上下文的衰减曲线，活动描述长的时候，模型能不能抓住关键约束；第三，社区的微调生态是否成熟，LoRA的兼容性、推理框架的支持程度直接决定落地成本。

3.2 整体架构设计：RAG、微调与Agent如何各司其职

我们的架构可以总结为“两库两模型”。

两库，是“活动规则库”和“历史最佳素材库”。前者存结构化活动参数与规则，是任何生成和问答的权威依据；后者存了过去一年经数据验证的高转化文案、图片描述、投放复盘报告，作为提示词里的少样本示例来源。

两模型，是“生成模型”和“理解模型”。生成模型负责文案、标题、脚本等内容的产出，理解模型负责用户意图识别、计划复盘归因。两套模型在一个统一服务框架下部署，对外暴露的API分成“生成类接口”和“理解类接口”，业务方不用关心背后走的是微调模型还是RAG检索。

RAG在里面的定位很关键。以前我们试过把活动规则直接拼进Prompt，结果很糟糕——规则一多，模型就“失忆”，要么漏掉城市限制，要么凭空捏造优惠力度。RAG改变了数据流通方式：模型不是被动接收一段长文本，而是先根据用户问题去检索最相关的几条规则，拿到有限的、精准的上下文再去生成。这在营销场景尤其重要，因为规则是动态变化的，活动每天上线下架，不可能每次都去微调模型。上下文工程在这里的作用，后面我会单独展开。

3.3 部署与推理性能：线上压测遇到的那些“隐形门槛”

部署这一块，我们走过一段弯路。最初直接把微调模型接到线上服务，用Pytorch原生推理，结果单机并发稍微一上来，显存和延迟双双爆表，接口P99延迟直接到了5秒开外——这在广告场景是不可接受的，Push服务对“秒回”没有极致要求，但运营后台批量生成任务要求吞吐量足够高。

后来切换到vLLM做推理加速，同时配合了连续批处理（continuous batching），情况才明显好转。这里有个经验可以分享：不要只看单次推理的延迟，营销场景更多是“高并发批量任务”，你一次性塞进来50条生成请求，吞吐量比单条延迟重要得多。vLLM的Continuous Batching能让多个请求共享一个批次内的空闲位置，显存利用率提升非常明显。我们在压测中，单张A10显卡上把并发从8提到32，吞吐量提升了两倍多，而单条延迟只增加了不到50%，这就是批量任务的典型收益路径。

另外，生产环境还特别要注意量化带来的效果变化。我们测过FP16、INT8和INT4三种精度下同一个测试集的生成效果，结论是：文案生成任务对量化不如代码任务那么敏感，INT8基本无损，INT4在长文本和复杂约束场景下偶尔会“遗漏关键数字”，所以我们最终选择了INT8做生产精度，INT4只用于需要极限吞吐的实验性场景。

4. 提示词工程与上下文工程：让模型按业务规则出牌

4.1 从通用Prompt到业务Prompt的结构化设计

很多人对提示词工程的理解停留在“写一段话，让模型照着写”，但真实业务场景里这远远不够。我们在营销文案的Prompt设计上经历了三个版本迭代。

第一版是“描述式Prompt”，比如“帮我写一条货拉拉新用户优惠活动的Push文案，突出30元优惠”。效果自然很随机，模型自由发挥的空间太大，产出的文案经常忽略活动限制条件。

第二版是“角色规则式Prompt”，我们给模型设定了角色定位、任务目标、约束条款、输出格式四段结构。效果好了不少，但字段间的关系还是太弱，模型还是会在意外的地方“自由发挥”。

第三版才是真正可用的“结构化业务Prompt”。核心改动是把活动信息从自然语言描述改成了独立的参数块，和指令块、示例块、约束块并列。这样做的好处理解起来不难：自然语言堆在一起，模型的注意力会被长文本稀释；而参数块结构化呈现后，模型可以更准确地聚焦到“金额、城市、车型、有效期”这些关键变量上。我们当时做过一个消融实验，同一批活动信息分别用自然语言和JSON参数块描述，在用同样指令的情况下，JSON参数块方案的关键信息完整率从76%提升到了94%，差距非常明显。

4.2 上下文工程的落地：动态示例比“背诵规则”更管用

如果只说一个我们实践下来收益最大、且最容易被低估的技术，我会选“上下文工程”，尤其是少样本示例（few-shot examples）的动态组织。大模型的指令遵循能力再强，也不等于它能自动理解“货拉拉文案的调性”。你给它十条真实的高转化文案，它产出的东西立刻就有了“那个味”，比你写一百句“请活泼一点、接地气一点”有用得多。

但示例不是随便塞的。我们的做法是：为每个生成任务维护一个“示例候选池”，按照目标人群、活动类型、渠道类型三个维度给历史最佳素材打标签。线上请求进来后，先根据业务参数检索出最匹配的3到5条示例，动态拼接到Prompt里。比如这次活动是针对“货车司机注册激励”的，那示例一定来自司机端历史点击率最高的素材，而不是货主端的。

这里有个很细节的坑：示例的排序位置也有讲究。我们实验发现，最贴切的示例放在Prompt末尾（紧跟需要生成内容的那个位置），比放在开头对输出质量的影响更大。这和模型对“近因信息”更敏感的特性有关，大家在做上下文工程时可以亲自验证一下，调整示例顺序常常会有意想不到的收益。

4.3 真实Prompt模板拆解：以司机招募Push文案为例

直接给大家看一个我们在生产环境用过的简化版Prompt模板，字段做了脱敏处理：

[系统指令] 你是一名货拉拉司机端的营销文案专家，熟悉货车司机的日常语言习惯和关注点。 你的任务是根据活动参数，生成一条用于App Push的高转化文案，吸引符合条件的货车司机点击并完成注册。 [活动参数] { "活动名称": "司机新人见面礼", "奖励内容": "首单完成后奖励50元现金", "适用条件": "新注册司机，且在活动期间完成首笔订单", "限制城市": ["成都", "重庆", "武汉", "长沙"], "有效期": "2024-06-01至2024-06-30" } [生成要求] 1. 标题不超过15个字，正文不超过40个字。 2. 必须包含奖励金额和一句行动引导。 3. 表达口语化，有“跑车拉货”的场景感，不要书面腔。 4. 不要使用“限时抢购”“错过再等一年”等夸大表述，避免因违规导致Push被拦截。 [示例参考] 用户人群：长途货运司机；活动类型：现金奖励 示例标题：跑这单，多挣50 示例正文：新人司机首单到手额外加50元，成都重庆武汉长沙都能参加，点开看规则。 [任务输出] 请严格按照以下JSON格式输出： {"title": "标题文本", "body": "正文文本"}

注意几个设计细节：我把“限制城市”直接放进了参数块，而不是用自然语言写“本次活动适用于成都、重庆、武汉、长沙这四个城市”。四个城市还好，但如果某次活动有二十个城市，自然语言表述就会让模型产生遗漏。生成要求里我特意加了“避免违规被拦截”这句，它是在给模型一个“为什么必须这么做”的逻辑，而不只是生硬的禁令。示例部分则对用户群和活动类型做了标注，让模型理解“这个示例为什么与当前任务相似”，而不是盲目模仿文字表面。

这个模板看起来简单，实际上经过了十几轮迭代。最关键的一次改动，就是把“示例参考”从两条增加到五条，指令完整率立刻上了台阶。大家做类似场景时，别急着堆砌复杂规则，先把示例质量提上去，收益往往更大。

5. 微调实战：从通用底座到营销文案专家

5.1 数据准备：历史高转化素材的清洗与标注

提示词工程能做到“及格”，但要让生成质量稳定在“优秀”，微调这一步绕不开。通用基座模型脑子里有太多“书面语”和“网络常见表达”，对货拉拉用户群体特有的语言习惯——比如司机之间的称谓、对油耗和接单效率的关注、对平台抽成的敏感度——理解得还不够到位。只有用业务数据去微调，才能让模型真正内化这些东西。

数据来源是历史投放中经过效果检验的高转化素材，我们清理出约两万条可用的“指令—输出”对。这个数字在微调里不算大，但质量足够扎实。每条数据都由两步生成：先由大模型把素材拆解成“输入活动参数+参考示例”，再由人工审核确认，保证输入输出的映射是真实可靠的。

这里要特别提醒：千万不要贪多。我们第一版训练集拉了五万条历史素材，结果模型把一些低质量素材里的错误话术也学进去了，生成效果反而变差。后来做了一次严格的“高转化率+人工认可”双重过滤，把数据集砍到了两万条，效果才回升。微调数据的质量优先级永远高于数量，这句话我建议贴在自己工位上。

5.2 LoRA/QLoRA微调的参数设置与训练经验

我们在微调方案上选择了LoRA和QLoRA，没有做全参数微调。原因很实际：第一，营销文案领域的“专业知识”并不需要深度改变模型的底层能力，只需要调整输出风格和格式偏好，这正好是LoRA擅长的；第二，全参数微调需要更多显存和更长的训练时间，我们每两周就要迭代一批数据，成本和周期吃不住；第三，LoRA的可插拔特性非常灵活，我们可以在同一个基座模型上挂多个LoRA分支，分别对应货主端、司机端、不同渠道风格，互不干扰。

参数配置上，我们常用的那套可以供参考：

• 基座模型：7B到14B级别，中文场景首选Qwen，英文场景用Llama
• LoRA Rank：通常取16到32，初始从16开始，效果不足再往上加
• Alpha：设置为Rank的2倍，即32到64
• 学习率：1e-4到2e-4，配合warmup比例为5%
• 训练轮次：3到5轮，每轮后都做一次人工评测，取最优checkpoint
• 序列长度：512到1024，营销文案大多短小，不需要太长

训练中最容易翻车的点是“过拟合”。文案生成任务有个特点：训练数据本身风格高度一致，模型学多了就容易“背模板”。表现就是生成的文案虽然合规，但句子结构和开头方式千篇一律，缺少多样性。我们解决这个问题的办法是“训练时随机丢弃”：每条样本按30%概率随机丢掉示例参考块，强制模型不能只依赖复述示例，必须真正理解任务逻辑。这个技巧让生成多样性有了肉眼可见的提升。

5.3 微调后的模型评测与准入标准

微调模型到底能不能上生产，不能只看Loss曲线。我们建了一套三层评测体系。

第一层是自动规则校验。检查输出JSON格式是否合法、是否包含必需字段、是否有命中违禁词表。这一层能拦住明显的结构错误。

第二层是模型打分。我们用一个更大的模型（比如Qwen-72B，走离线打分）对生成结果做维度评分，包含相关性、吸引力、合规性、多样性四个维度，每个维度1到5分。打分模型本身也要做校准，我们会抽出一部分结果请人工打分，定期对齐打分模型和人的判断。

第三层是人工抽检加小流量试投。只有前两层都通过的模型版本，才允许进入小流量AB实验，用实际的点击率和转化率说话。我们的准入红线是：AB实验中核心指标不低于当前线上版本的95%，才有资格全量。这个门槛看起来不高，但考虑到新版模型往往在产能上远超旧版，只要效果不降，就已经是巨大的收益了。

6. 效果评估与踩坑记录：ROI到底怎么算

6.1 线上AB实验设计与评估指标

大模型项目的ROI评估，最怕只看一个指标就下结论。我们的做法是把指标拆成两层：工程侧指标和业务侧指标。

工程侧主要看产能提升：比如单条素材的人工制作时长、批量生成50条文案的耗时、人力投入的减少倍数。业务侧看获客质量：点击率、转化率、单用户获取成本、广告消耗的边际ROI。

具体到AB实验，我们采用“同人群随机分桶”的方式。比如司机招募Push实验，把目标人群随机分成两组，对照组用原有模板文案，实验组用大模型生成的新文案，跑一周，观察点击率、注册率、当周完成首单率。这里有一个容易忽视的细节：文案疲劳是动态的，实验周期太短会得出“大模型文案不如老模板”的假结论，因为用户对新文案的好奇心还没退去；太长又会叠加其他活动因素的干扰。我们实验下来，单条素材跑7天是比较平衡的区间，既能捕捉到完整性，又能避开过度疲劳的干扰。

下面是我们一次司机端招募实验的效果对照表，脱敏后保留了相对比例：

单看点击率提升18%，可能有人觉得“不过如此”，但结合单用户获取成本下降12%，再乘以每月百万级的推送量，这个数字对应的预算节约是相当可观的。更重要的长期价值是：我们解放了策划团队的生产力，一位策划现在每天可以维护5倍以上的素材数量，广告疲劳的解决速度从“跟不上”变成了“富余”。

6.2 踩过的那些大坑：给后来者留一张避雷图

第一个坑是“上下文污染”。我们最早把一个活动周期内所有素材的生成放在同一个会话里，希望模型“记住”前面的结果。结果模型在生成后续变体时，开始自由引用前面生成的文案里的内容，导致不同活动之间的信息互相串味。现在我们的所有生成请求都强制走“无状态模式”，每次输入都包含完整的活动参数和示例，为省一点Token牺牲结果的纯净度，非常不值。

第二个坑是“合规检查的缺位”。大模型生成文案时，偶尔会输出一些法律风险很高的表述，比如“最高优惠30元”实际并没有“最高”，比如“天天都能领”和限一次活动的规则冲突。这类问题靠模型自身约束很难根除，必须叠加一套刚性合规检查系统。我们的做法是维护了两份表：一份违禁词表，来自广告法相关常见表述；一份业务规则校验表，用代码把活动参数和文案里的关键信息做交叉核对。只有两层检查都通过的结果才进入人工审核池。

第三个坑是“效果归因的混淆”。我们曾经同时上线了新的文案模板和新的落地页，结果发现整体转化率上升了，却说不清是文案的功劳还是落地页的功劳。那次之后我们立了规矩：任何一次实验，只改一个变量。如果确实要同时优化多个环节，一定要设计多组实验做交叉验证。营销场景的干扰因素太多了，归因不清等于没做实验。

第四个坑是“数据飞轮没有转起来”。模型上线后，如果只让生成结果流向投放，而不把投放效果反馈到数据池，模型的迭代就会停在原地。我们后来建立了“素材效果回流”机制：每条素材生成时记录一个唯一ID，投放后自动把7日点击率、转化率回写到素材库，作为下一轮少样本示例或微调数据选择的依据。这一步看似简单，却是整个系统持续进化的关键。

6.3 后续扩展方向：从单点接入到全链路智能

当前阶段，大模型在货拉拉营销广告的落地已经跑通了“生成—审核—投放—回流”的闭环，但往后的空间还有很大。我们正在推进的几个方向，可以给大家一些参考。

一是多模态素材的自动化。现在的文案已经能批量产出了，但配图还需要设计团队手工制作。我们已经在测试多模态大模型生成广告配图和视频脚本的能力，目标是让“图+文+短脚本”一次性产出，彻底把创意生产力再翻一倍。

二是Agent化营销策划。把一条营销活动的完整策划流程拆解成“活动信息解析—人群圈选建议—文案生成—合规检查—投放策略建议”多个步骤，由Agent自动编排。这一块还在早期验证阶段，最大的难点不是技术而是业务信任——运营团队需要验证Agent的建议可解释、可干预，才会逐步放权。

三是情绪感知与个性化时机的结合。我们已经在探索，用大模型对用户的历史交互做情绪推断，比如“这个用户最近投诉过运费问题”，那向他推送营销广告时就要有意回避“低价”这类可能触发负面联想的表述，转而强调“服务保障”。这本质上是在把营销从“利益点驱动”升级为“关系维护驱动”，对长线用户价值更有意义。

盘点了这么多，回到大模型营销应用这件事本身，我最想分享的一句话是：大模型不是银弹，但它确实把营销产能的天花板抬高了一大截。能不能吃到这波红利，取决于你对自己的业务场景拆得多细，对生成结果的要求定得多清楚。比如货拉拉这种两端平台，司机端和货主端的语言体系差异极大，一套模型套两个场景必然失败，必须在Prompt设计和微调数据上做到“分别对待”。先想清楚哪个环节最需要什么“可变现的能力”，再一头扎进技术实现里，路才走得稳。