大模型重构营销广告链路：从内容生成到智能定向的实战

1. 项目背景与业务痛点拆解

货拉拉的营销广告业务，和传统电商、本地生活服务平台有相似处，但又有自己的特殊节奏。平台同时连接着C端用户（发货人、收货人）和B端司机群体，两类人群的诉求、使用场景、决策链路完全不同：用户端要的是“便宜、快、靠谱”，司机端要的是“单量稳定、顺路、收入高”。广告投放如果只靠一套通用文案、一套通用素材，转化效果一定差，因为它没有触及不同人群的真实需求。

这个项目启动的契机很直接——原有的营销广告内容生产链路遇到瓶颈。运营团队每天需要产出大量广告文案、落地页内容、活动标题、Push文案和短信内容，人力有限，产出速度跟不上业务投放节奏；更麻烦的是，不同渠道（朋友圈、抖音、快手、搜索、厂商商店、自有App弹窗）对文案风格、字数、卖点的要求都不一样，同一套内容改来改去，效率低且质量参差不齐。

当时我们团队做了一次业务调研，发现几个比较扎心的事实：

• 广告文案的点击率在不同渠道差异很大，但运营同学普遍没有精力针对每个渠道单独做内容调优。
• 用户画像标签虽然很丰富，但广告系统里做定向时，用的还是规则匹配那一套，比如“过去7天叫过车、配送距离超过5公里、订单金额大于50元”这种硬条件，没有利用大模型对用户意图做更细的刻画。
• 内容审核依赖人工，每天几千条素材送审，节假日和活动大促期间甚至过万，审核压力大，漏审和误判都出现过。
• 广告投放后的数据复盘，主要靠BI报表人工解读，发现问题慢，缺少从“内容—线索—成交”的完整归因。

这些痛点凑在一起，我们才判断：大模型在货拉拉营销广告这个场景里，不是赶时髦，而是真的能拆掉这些堵点。一句话总结项目目标——用大模型重构营销广告从内容生产、用户定向、风险审核到效果归因的整条链路。

1.1 营销广告业务的特殊性

货拉拉的广告业务和纯互联网电商有本质区别。核心在于决策成本高、履约链条长。用户下单之前，要考虑的不只是价格，还有车型是否匹配、司机是否靠谱、货物安全怎么保障、搬运服务怎么算钱。广告如果只打“便宜”两个字，用户看完很可能没有感觉，因为便宜背后有一堆他还没想清楚的顾虑。

这就导致内容生产的复杂度上升。一条有效的广告文案，要同时解决“让用户有点击欲望”和“让用户降低决策顾虑”两个任务。传统运营写文案靠经验，写得好不好往往看感觉。大模型介入后，我们可以把“促成转化”这个目标拆解成多个子能力——卖点提炼、场景还原、信任背书、行动号召，然后把每个子能力变成可量化的生成任务。这一步是整套系统的地基。

另一个特殊点是双端人群。C端用户看广告是“我需要搬家/拉货，谁家靠谱”，司机看广告是“跑货拉拉能不能多赚钱”。两端的关注点完全不同，但广告系统过去往往共用一套素材库。我们后来做的核心工作之一，就是把人群拆开，用大模型分别建模，生成差异化的创意内容。

1.2 大模型能解决哪些具体问题

立项评审时，技术委员会最关心的问题是：大模型在这里到底是生产力工具，还是架构核心？我们的回答是：前期当生产力工具，中期嵌入工作流，后期成为具备决策能力的智能体。

具体拆下来，落地场景分四块：

1. 广告创意内容生成：用大模型生成多渠道适配的文案、标题、卖点、短句、落地页文案，替代人工从零创作。
2. 用户意图理解与精细定向：用大模型把用户的行为序列、订单记录、搜索词转成语义标签，让广告系统能识别“用户处于什么阶段、可能想要什么服务”。
3. 素材合规审核：用大模型对生成素材和外部素材做前置审核，过滤违规词、夸大承诺、敏感表述，减少人工审核压力。
4. 广告数据分析与归因：用大模型自动生成投放日报、解读数据波动原因、标记异常，让运营把精力放在策略调整而不是做表上。

这四块一开始是并行做的，但落地顺序有讲究。创意内容生成最容易见效，我们首月就上线了；意图理解需要数据清洗和模型调优，排第二；审核和数据分析在跑通前两项后才完整接入。事实证明这个节奏是对的——先让业务方看到效率提升，后面的资源协调才顺利。

2. 技术选型与系统架构落地

任何大模型应用，落地第一步都是选型。这一步没想清楚，后面所有工作都会返工。

我们在技术方案评审时，对比了三类路线：

最终选了第三条路线——混合架构。核心判断依据是：营销广告场景对数据安全有合规要求，用户手机号、订单详情、行为轨迹这些字段不适合大量上传到公有大模型；但完全私有化部署一个大参数量模型，训练和推理成本在项目初期算不过来。所以我们的策略是：核心生成任务走私有化部署的中等规模模型，复杂推理和辅助任务走公有大模型API，中间加一层路由网关做分流。

2.1 模型选型：API还是私有化部署

具体到模型选择，我们做了两轮测试。

第一轮测试是通用能力评估。把货拉拉真实的广告文案样本脱敏后，分别喂给不同类型的大模型，让它们生成同风格的新文案，然后由运营团队盲测打分。打分维度包括：语义准确度、卖点完整度、渠道适应性、有无违规风险。这轮测试主要淘汰掉那些中文营销文案能力明显不行的模型。

第二轮测试是成本模拟。我们统计了过去一年营销广告文案的调用量峰值得出结论——大促期间单日生成请求会超过数十万次，如果全走公有云API，按当时的token计费标准，一个月的账单会非常吓人。于是我们定了一个规则：简单生成任务（比如短标题、Push文案、短信内容）走私有化部署的模型；复杂生成任务（比如活动整体营销方案、多卖点长文案、跨渠道内容改写）走公有大模型API。成本直接降了一个量级。

私有化部署选型上，我们重点考虑了中文语义理解能力和生成指令跟随能力，同时要求模型支持低显存推理和量化部署。最终用了7B到14B级别的开源模型做底座，配合LoRA微调来适配货运行业术语和营销话术。效果上，微调后的7B模型在某些营销文案任务上已经能逼近通用大模型的效果，而单次推理延迟能做到几百毫秒以内，线上完全够用。

2.2 整体链路设计：从请求接入到内容下发

整套系统在架构上分五层，我这边画一个简化的链路描述：

• 第一层：业务接入层。运营配置活动信息、选择渠道、填写简要需求，比如“给同城搬家用户写一条朋友圈广告文案，要突出价格透明和车辆实时定位”。所有业务系统统一走这层接入。
• 第二层：任务编排层。收到请求后，先做任务解析，拆出文案类型、目标人群、渠道限制、字数要求、需要突出的卖点；然后从知识库拉取相关的历史优秀文案、用户画像标签、活动规则；最后组装成完整的提示词。
• 第三层：模型路由层。根据任务类型和成本策略，决定走私有化小模型、公有大模型API，还是先小模型生成再大模型优化。
• 第四层：内容治理层。生成结果先过规则过滤器（敏感词、违禁词、字数限制），过模型审核器（广告法合规、夸大风险、价值观安全），最后进入人工抽检队列。
• 第五层：效果回收层。生成内容下发到广告平台后，回传曝光、点击、转化数据，形成“生成—投放—反馈—优化”闭环。

链路设计里一个容易被忽视的点：任务编排层其实决定了生成质量上限。同样是“写一条搬家广告”，如果输入到模型的提示词只有这句话，生成结果大概率是套话。我们后来在编排层接入了知识库召回，把“附近3公里的车型库存”“近7天该渠道转化最高的文案TOP10”“该品类的用户高频关注点”全部作为上下文注入，生成质量肉眼可见地提升。

2.3 为什么选择“小模型+大模型”混合架构

做技术方案时，有同事提出过质疑：既然已经有API可以调用，为什么还要自己部署一个私有化模型？这不是重复造轮子吗？

我的回答是：成本和稳定性的账，值得细算。

成本账很好理解。公有大模型API按token计费，而营销广告内容生成的特点是请求量大、单次内容短。一条短信文案可能就几十个字，但为了生成这几十个字，每次要消耗几百甚至上千token的上下文。日均几十万次请求，单月成本就是几十万上下。自己部署的私有化模型，一次性投入GPU资源，后续边际成本几乎可以忽略。

稳定性账更关键。广告投放有强时效性，大促期间晚上8点到12点是投放高峰，如果API服务在这个时间出现限流或波动，运营连替代方案都没有。私有化部署之后，我们自己控制资源水位，核心链路不依赖外部服务，心里踏实得多。

混合架构还有一个隐性优势：可以针对特定任务做定向优化。通用大模型再强，也不会比我们更懂“货拉拉”的车型体系、计价规则、司机接单逻辑。通过微调和提示词约束，私有化模型在这些垂直任务上能做到效果和成本双优。而开放性创意任务，比如“为一个新上线的搬家套餐想一句刷屏级slogan”，公有大模型的表现更稳定，该花的钱还是得花。

3. 营销场景核心功能与实操细节

架构定了之后，真正的硬仗在功能落地。我们按业务优先级，分四条线推进：创意内容生成、用户意图理解、合规审核、数据归因。每一条线都踩了不少坑，我把核心方案和实操细节展开讲。

3.1 广告创意文案生成：提示词工程和模板设计

创意文案生成是最早上线的功能，也是运营同学感知最强的一个功能。他们打开内部工具，输入活动名称、目标人群、卖点关键词，几十秒内就能拿到一版可用的文案草稿。

这个功能能做出来，靠的不是模型有多聪明，而是我们把提示词工程做得足够细。这里分享一个我们最终沉淀下来的提示词框架：

角色设定：你是一名深耕同城货运行业的营销文案专家，对货拉拉的产品服务、用户群体和行业术语非常熟悉。 任务目标：为[XXX活动/产品]生成面向[目标人群]的广告文案。 渠道限制：该文案将投放于[渠道名称]，渠道要求[字数限制/风格要求/格式要求]。 核心卖点：必须涵盖[卖点1]、[卖点2]、[卖点3]，但不要全部堆砌，按用户关注度排序。 用户顾虑：目标用户常见的顾虑包括[顾虑1]、[顾虑2]，文案中需通过[信任背书/数据说明/场景描述]等方式间接缓解。 语气风格：[品牌调性关键词]，避免[禁止出现的表达]。 参考示例：[投放渠道历史高转化文案1-3条]。 输出要求：只输出最终文案，不做解释。

这套模板看起来简单，但每一行都是踩坑踩出来的。比如“不要全部堆砌”这句，是因为我们发现模型很容易把三个卖点全部罗列出来，反而削弱了核心卖点的冲击力。再比如“用户顾虑”这一栏，最初我们没有加，生成出来的文案经常是纯自嗨型，讲了一堆平台优势但对用户真正担心的事情只字不提。

另外一个实操经验：模板里的“参考示例”不一定放整条文案，可以只放开头句或结尾句，让模型学习的是表达方式而不是内容结构。我们试过把完整文案放进去，模型很容易产生复制嫌疑，尤其是高频词会被重复使用，渠道审核容易误判为搬运。

3.2 用户画像分析与广告定向：从规则到语义的跨越

广告定向是消耗系统比较核心的环节。过去货拉拉广告平台用的基本都是规则定向：地域、活跃时间、订单频次、客单价区间等。规则定向的问题是标签硬、缺乏弹性。一个用户最近搜索过“搬家公司费用”，但这周没用货拉拉，按照规则他属于沉默用户，广告就不太会展示给他；但从语义角度看，他明显处于搬家需求的高意向阶段，只是还没货比三家。

我们做的第一件事，是用大模型把用户的原始行为日志变成结构化语义标签。具体的做法：

1. 将用户近30天的行为事件（搜索词、浏览品类、订单记录、优惠券点击、App页面行为）序列化。
2. 构造预训练提示词，让大模型输出JSON格式的用户意图标签，包括需求阶段（了解期、比价期、决策期）、服务类型偏好（搬家、拉货、同城配送）、价格敏感度（高/中/低）、决策驱动点（价格、速度、服务保障）。
3. 对输出的标签做频次统计和向量化，写入用户实时特征库。
4. 广告定向系统在做流量分发时，从特征库拉取语义标签，与广告投放计划做相关性匹配。

这套方案的收益是明显的。一个真实案例：过去投搬家广告，定向条件是“最近30天下过搬家订单的用户”，覆盖人群很窄；换上语义标签后，可以覆盖“搜索过搬家公司、浏览过搬家套餐、价格敏感度高、处于比价期”这类潜力用户，投放规模几乎翻倍，而转化成本没有明显上涨。

需要提醒的是，大模型做用户意图识别，不能直接拿原始数据进行。我们前期做了大量的数据脱敏工作，手机号、详细地址、车牌号这些敏感信息要提前替换或剔除。这一块必须和合规团队对齐了再做，等到上线再补就晚了。

3.3 内容审核与合规：大模型兜底

营销内容的合规审核，在广告行业是红线。货拉拉的广告素材要满足广告法、平台规则，同时还要符合公司内部品牌规范。过去审核靠人工，每天处理几千条素材，眼睛都快看花了，漏检率很难压到零。

引入大模型做前置审核后，我们的审核链路变成三段式：

• 第一段：快筛。基于规则引擎，做敏感词、违禁词、免税词、绝对化用语（比如“最”“第一”“顶级”）的快速过滤。这段响应时间小于10毫秒，把明显有问题的素材先拦下来。
• 第二段：模型审核。把规则引擎放行的素材送入大模型，让它从语义层面判断是否存在夸大宣传、价格误导、服务承诺过度、价值观风险等。比如“保证2小时内必达”这种表述，规则引擎不一定能发现，但模型能意识到这是无法兑现的承诺。
• 第三段：人工抽检。大模型审核通过的素材，按一定比例进入人工复核。这个比例我们初期设置得比较高，跑稳后逐步降低，现在是全量走模型、抽检靠人工。

模型审核的提示词也经历了多轮迭代。一开始我们只输入“请判断以下文案是否合规”，模型反馈很笼统，很难直接作为审核依据。后来改成了“请逐条标注风险类型、风险等级、具体问题片段、修改建议”，输出结构化，审核同学看一眼就能做决定，效率提升非常明显。

这里有一个人工智能应用里的经典问题——幻觉。审核场景对错误的容忍度极低，误判一条素材要么导致违规内容上线，要么把好素材错误驳回。我们的应对方法是：模型审核永远是“建议方”而不是“决定方”。规则引擎判断违规的直接拦截，模型判断有风险的进入人工队列，不允许模型单独做最终决定。

3.4 素材生成：多模态的探索

文案跑通之后，团队自然想往图片和视频素材延伸。毕竟广告投放中，图片素材的点击率权重远高于文案。我们做了一个阶段性的探索：用多模态大模型生成广告配图、banner底图、简单的短视频脚本。

坦白说，这个方向目前还处于“半成品”状态。大模型生成的图片在审美上问题不大，但在合规和品牌一致性上容易翻车。比如车身上的logo变形、人物手指数量不自然、场景细节失真，这些用户一眼就能看出来，投放出去反而损伤品牌感。

我们现在的做法是把多模态大模型定位成“辅助出图工具”：运营提需求，大模型生成草图和参考图，再由设计同学在专业工具里做精修和规范调整。这样既省了从零开始的创意时间，又保证了出图质量。短视频脚本方面，大模型的表现更实用一些，尤其是分镜描述、口播文案、字幕建议这些偏语言的部分，能直接生成初稿给拍摄团队参考。

多模态这条路一定要走，但不要指望一步到位。先解决“从无到有”，再解决“从有到精”，节奏上稳一点不会错。

4. 实战复盘：从数据准备到效果评估

前面讲的是架构和功能，这一部分聊聊落地过程中最花时间、也最考验功力的环节：数据、评估和成本。

4.1 微调数据的准备：少而精，胜过粗而多

虽然我们的基础模型用的是开源底座，但直接拿通用模型跑营销文案，效果只能算勉强能看。真正让效果发生质变的，是微调阶段的数据质量。

我们先从历史数据中筛选了约数万条优质营销文案样本，标准是：投放后点击率高于渠道平均水平的、通过合规审核的、用户反馈无投诉的。然后做清洗和标注：

• 去掉包含具体时间、价格等已过期信息的文案。
• 对文案进行结构化标注：适用渠道、目标人群、核心卖点、文案风格、转化目标。
• 对明显夸大、有合规风险的文案做剔除，避免模型学到坏习惯。
• 针对货运行业特有的术语和场景，补充了一批人工重写的种子样本，比如“微面”“4米2”“同城配送”“爬楼费”“等待费”这些词的正确用法。

微调方法上选了LoRA，只训练低秩适配层。原因很实际：全参微调需要的数据量更大，训练周期更长，而且容易灾难性遗忘——模型原来会的通用能力被冲掉；LoRA则把影响范围控制在增量知识上，对原有能力干扰小，训练资源消耗也更可控。

训练的时候也做了一些尝试。比如混合比例，我们试过纯营销数据、营销数据+通用数据混合，最终发现加10%-20%的通用指令数据可以让模型在营销任务上的泛化能力更好，而不是只学会背模板。这个细节很多人容易忽略。

4.2 评估指标与线上回归机制

评估大模型生成内容的质量，是最容易产生争议的环节。运营说好，技术说数据不涨，两边各说各话。我们的解决办法是指标分层，每个功能都有自己的北极星指标和辅助指标。

文案生成任务的核心指标是采纳率——运营从模型生成的文案中直接选用或稍作修改后使用的比例。这个指标非常诚实，运营如果觉得模型生成的内容不行，他们宁愿自己写。我们统计过，文案采纳率从第一周的不足20%，经过微调和提示词迭代后，稳定在了50%以上，最高到了60%出头。

用户意图识别的评估则不同，不直接看文案效果，而是看后续投放的表现。我们会做AB实验：一组人群用规则定向，一组人群用大模型语义定向，对比两组的点击率、下单率、获客成本。这种评估周期相对长，但结论具有说服力。

广告审核模块评估三个指标：误判率（好文案被拦截的比例）、漏检率（问题文案未拦截的比例）、审核效率（单均审核耗时）。这三个指标互相牵制，追求零漏检必然导致误判率上升，所以我们会设定一个容忍区间，在业务接受范围内找平衡点。

线上回归机制也有讲究。所有大模型生成的文案不会直接全量投放，先通过灰度环境跑小流量，观察点击和转化数据，达标后再放量。如果一条文案产生了明显异常，比如点击率显著低于历史均值，系统会自动把该文案标记为低质量，并从备选池中重新生成替代版本。这个自动化兜底机制很有用，运营不用时刻盯着数据。

4.3 成本控制经验：GPU、Token和人工成本

很多团队做大模型项目，只盯着模型本身的成本，忽略了人力成本和其他隐性支出。这会导致项目汇报时被管理层质疑“投入产出比不自洽”。

我们梳理过，成本分三块：

第一块是GPU资源。私有化部署需要常驻推理资源，这是我们当前成本的大头。优化手段包括：模型量化（从FP16压到INT8，显存占用直接减半，速度反而更快）、动态批处理（把并发请求攒一批再推理，提高吞吐）、错峰部署（大促前扩容、平时缩容，按流量计划调节资源池）。

第二块是API调用费用。我们通过任务路由策略，让简单任务尽量留在本地模型，复杂任务才走API。这招省下来的钱比想象中多得多。另外还把提示词做了压缩，去掉冗余背景信息，每次调用的token量下降明显——同样的效果，成本能少三到四成。

第三块是人工标注和评估成本。微调需要标注数据，效果评估需要人力打分，这部分成本前期经常被低估。我们后来建了一个内部标注小组，运营同学轮值参与，既保证标注质量，也让他们更了解模型的输出逻辑，后续使用配合度更高。

5. 常见问题与排查技巧实录

做这个项目快一年，踩过的坑可以写成一本小册子。挑几个最典型的问题，整理成速查表，每条都是真实经历。

5.1 幻觉问题怎么压

大模型的幻觉问题在营销场景里特别要命。广告文案本来就要求准确真实，如果模型凭空捏造一个“平台新用户首单立减50元”的优惠信息，运营直接拿去投放，第二天就可能被用户投诉或平台处罚。

我们压幻觉的组合拳有三层：

第一层是提示词约束。在生成任务里明确告诉模型只能使用给定的活动信息，改写时不能新增事实。这个听起来简单，但在指令遵从能力弱的模型上效果有限。

第二层是RAG（检索增强生成）。把活动规则、套餐价格、服务说明这些结构化资料放进知识库，每次生成前先把相关文档检索出来，作为上下文喂给模型。这样模型生成时是基于事实的，而不是靠记忆瞎编。

第三层是生成后校验。所有包含数字、价格、日期、承诺的文案，生成后都要走一遍规则校验，与知识库里的真实数据比对，不一致的直接打回重新生成。这三层加起来，基本能把事实性错误控制到可接受的范围。

5.2 线上效果波动怎么归因

运营问得最多的问题就是：上周点击率挺好，这周怎么掉了？是模型不行了，还是投放安排变了？

真实的排查顺序是：先看渠道，再看定向，然后看内容和频次，最后才轮到模型。很多波动和模型本身没有关系，比如周末和节假日的用户注意力分散、广告位竞争加剧、竞品同期投放加码、活动优惠力度变化，这些外部因素占了大头。

为了降低归因难度，我们搭了一套简易的波动诊断面板，把关键维度的变化量并列展示出来。运营发现点击率下降，先看一眼诊断面板就能快速定位问题方向，不需要每次都拉技术和算法团队排查。这个工具比任何算法优化都能提升团队效率。

还有一个小经验：不要把单一指标作为大模型效果的判断依据。广告效果是多因素叠加的结果，文案、素材、定向、出价、落地页体验共同决定转化。真要评估大模型的贡献，还是得靠AB实验，控制变量，用多维度的对比来说话。

5.3 从“能用”到“好用”的三件小事

最后分享三个我们在项目临近收尾时做的优化，单看都不起眼，但对体验提升帮助不小。

第一件是流式输出。文案生成原本是等模型全部生成完一次性展示，一个长文案要等好几秒，运营同学在工具前干瞪眼。改成流式输出后，字是一个字一个字蹦出来的，虽然总时长没缩短多少，但体感快了太多，配合上取消按钮，运营等不及可以直接中断重新生成。这个交互上的小改动，让工具的日常使用率涨了不少。

第二件是一键改写。运营拿到一版文案，大部分时候不是完全不能用，而是局部想调整。我们在工具上加了“选中片段重新生成”“换一种语气”“扩写/缩写”几个按钮，让运营只改自己不满意的地方，而不是整段推翻重来。这个功能背后其实就是几条不同的提示词路由，开发量不大，但真正的把“人工修正”的摩擦降下来了。

第三件是收藏夹与版本对比。把历史生成的优秀文案沉淀到团队自己的“灵感素材库”，可以按渠道、品类、风格筛选。新活动进来时，运营先翻素材库再决定是否让模型生成。这个过程看似回归“人工”，但实际上是把模型和历史经验做了互补，团队越用越顺手。

6. 一点个人的实操体会

这项目做下来，我最大的感受是：大模型在营销广告场景里的价值，不在于某个单点能力有多惊艳，而在于它能把过去靠人力堆砌才能完成的事情，变成一条可复制、可迭代、可持续优化的流水线。

项目刚启动时，内部也有人说“广告文案本来就是运营的活儿，用不着上大模型”。但跑了一年之后，团队已经没有一个人愿意回到过去那种纯手工写文案、人工查素材、拍脑袋定定向的工作方式了。工具好不好用，一线同学的态度是最真实的投票。

给准备做类似项目的朋友三个建议：

第一，从业务方最痛的环节切入，不要一上来就搞一个大而全的平台。我们最初只做了“广告文案生成”一个小功能，但因为它解决了运营每天都要面对的重复劳动问题，后面的一切资源协调和推广都顺了很多。

第二，技术方案设定好边界，大模型不是万能的。该用规则用规则，该用模型用模型，该上人工上人工。混合架构虽然不如“全上大模型”听起来那么高大上，但它才是真正能稳定支撑业务的选择。

第三，效果评估规则前置。在做任何功能之前，先和业务方对齐“什么叫效果好”，让数据和标准先行。没有这个前提，后面每一次迭代都会陷入“你觉得好我觉得不好”的争论。

大模型在营销广告里的应用，现在还在快速演进中。我们的实践只是这个方向上的一小块拼图，伴随着模型能力的迭代和成本结构的优化，这个场景还有很大的演进空间。希望这篇分享能给正在做类似探索的团队一些参考，少走几步弯路。