如果生成一条视频、改一个画幅、换一套旁白都越来越便宜，品牌最合理的动作，是不是把原来的预算全部换成更多素材？
答案通常不是。
2026 年 9 月 30 日，世界广告主联合会（WFA）发布《State of AI in Marketing 2026》。在 54 位资深受访者、46 家全球品牌主的样本中，96% 已经使用生成式或 Agentic AI，80% 用于内容创作，74% 用于内容构思和生产。就在同一天，Bain 发布一项覆盖 1,397 名受访者的营销基准研究：只有 6% 的营销组织认为 AI 目前带来了“显著”的绩效影响。
这两个百分比不能直接相减。两项研究的样本、问题和“使用”“绩效”的定义都不同，不能据此计算所谓 90 个百分点的失败率。但它们放在一起，指向同一个采购问题：AI 的获取成本已经不再稀缺，能把 AI 变成增长结果的判断、流程和衡量仍然稀缺。
对跨境品牌来说，这意味着 AI 内容预算不应只回答“能做多少条”，还要回答“谁决定哪些内容值得做、凭什么做、什么结果出现时应该停止”。
内容单价下降，不等于营销总成本下降
传统制作里，很多错误会被生产成本挡在门外。一支片要搭景、拍摄、后期，团队会在开机前认真确认产品卖点、受众和脚本。生成式 AI 把很多执行成本降下来后，品牌可以很快得到几十个版本，却也更容易把一个模糊判断复制几十次。
一套内容的真实成本至少包括四部分：
- 判断成本：研究什么问题、选择什么受众、确定什么说法值得押注；
- 生产成本：实拍、AI 生成、剪辑、配音、本地化和版本适配；
- 分发与学习成本：投放、测试设计、结果读取和复盘；
- 错误方向成本：返工、错过窗口、消耗媒体预算，甚至损伤产品可信度。
AI 最先压低的是第二项。若第一项和第三项没有同步升级，第四项反而可能随着产量放大。
Adobe 的《2026 AI and Digital Trends》也呈现了这个落差：在其 3,000 名企业高管和从业者调查中，76% 表示生成式 AI 改善了内容构思与生产的数量和速度；但只有 44% 已建立生成式 AI 的衡量框架，Agentic AI 的比例只有 31%，47% 对两者都没有框架或不确定是否存在。
所以，素材变多只证明产能变大，不证明营销判断变好。
应该自动化什么，必须由谁负责什么
把“人类判断”写成口号没有用。更实际的做法，是按责任来拆工作。
| 更适合交给 AI 扩展的工作 | 必须有人明确负责的判断 |
|---|---|
| 从已批准的脚本生成多个长度、画幅和语言版本 | 这次内容要改变客户的哪一个动作 |
| 对已有素材做检索、分类、粗剪和格式适配 | 哪个客户问题最值得优先解决 |
| 根据明确规则生成标题、钩子和视觉方向候选 | 哪些产品事实必须用真实证据呈现 |
| 汇总平台数据并标记异常 | 哪个创意假设值得继续投入，哪个应停止 |
| 在既定品牌规则内做批量本地化 | 谁为品牌风险、文化语境与最终取舍签字 |
IAB 在 2026 年 3 月关于 Agentic AI 与视频广告的指南中，已经把媒体流程描述为“AI 驱动执行，人类监督与护栏”。重点不在于每一步都由人操作，而在于关键决定仍有明确的责任人。
ONCE Creative Decision Brief：先记录决定，再扩展素材
为避免把一句模糊需求放大成几十条内容，ONCE 建议在进入批量生产前，先完成一页 Creative Decision Brief。它不是给 Agent 读取的操作说明书，也不是一份更长的脚本，而是一张由人承担责任的决策记录。
| 决策项 | 必须写清的问题 | 合格的写法示例 |
|---|---|---|
| 商业动作 | 看完后，客户要改变什么行为？ | 从“继续比较”变成“愿意查看安装方式” |
| 客户张力 | 哪个疑虑或欲望阻碍这个动作？ | 担心安装复杂，而不是泛泛的“缺少认知” |
| 证明门槛 | 观众需要看到什么，才有理由相信？ | 真实接口、完整安装动作和所需时间；不以特效代替性能 |
| 创意押注 | 这轮内容在测试哪一种解释或表达？ | 先展示失败场景，再用一步安装解决，而不是只换三种音乐 |
| 停止／放大规则 | 什么结果触发停止、修改或加码？ | 证明镜头被看完但详情页访问不升，先检查承诺与落地页，不继续复制同一开头 |
这五项的价值，不是让第一次就“猜对”。它让团队知道自己究竟在测试什么。没有这张记录，十个版本常常只是十种表面变化；有了它，版本之间才可能代表不同假设，结果也才有机会进入下一轮决策。
预算不必固定比例，但要分成三只口袋
我们不建议给所有品牌一个统一的 20/60/20 比例。新品、成熟 SKU、高监管品类和快消产品的风险完全不同。更可靠的方法，是先把预算分成三类，再按不确定性调整。
1. 决策预算
用于客户问题研究、竞争信息梳理、产品事实核对、创意假设、样片或分镜验证，以及风险和审批规则。
当产品刚上市、目标市场陌生、卖点容易被误解、性能主张需要真实演示，或重拍代价很高时，应提高这一部分。
2. 生产预算
用于真实拍摄、AI 生成、剪辑、声音、版本扩展、本地化和交付管理。
当产品事实稳定、主张已经得到验证、镜头底层可复用，任务主要是多市场、多尺寸和多渠道适配时，可以把更多预算投入规模化生产。
3. 学习预算
用于测试单元设计、投放、数据读取、评论与客服问题归纳、复盘和下一轮修改。
当品牌有持续投放、能快速获得反馈，并且每月都要更新素材时，这一项不能被“制作费”挤掉。Bain 的研究显示，领先营销组织更频繁地运行实验；关键不是为了堆实验数量，而是让每次生产都能留下可用于下一轮的判断。
可以把分配原则压缩成三句话：
- 方向越不确定，先增加决策预算；
- 事实越稳定、复用越强，再增加生产预算；
- 反馈越快、投放越持续，越要保护学习预算。
比较内容团队时，不要只问一条视频多少钱
WFA 在 9 月 22 日发布的另一项研究中，72% 的受访者把战略思考列为营销最大的技能缺口，高于数据战略与执行（46%）和洞察发展（36%）。该研究基于 166 名来自品牌、代理商、平台等机构的专业人士，其中包含 65 家品牌代表。它不能证明每个团队都缺策略，但提醒采购方：当制作越来越容易，能够挑战错误问题的人反而更难买到。
品牌在询价时，可以把“单条价格”后移，先问五个问题：
- 你们在开始生产前，会替我们明确哪一个商业决定？
- 哪些产品主张需要真实拍摄或可核对证据？
- 同一批版本是在测试不同假设，还是只做表面变化？
- 哪些节点必须由品牌、策略或制作负责人签字？
- 投放结果回来后，下一批内容具体会改变什么？
如果供应商只能回答设备、天数和交付条数，它提供的是生产能力。如果它还能说明假设、证明、停止条件和学习回流，它提供的才是一套内容决策能力。
这也解释了为什么 ONCE 的长期价值不应停留在“更快交付更多视频”。更合理的服务结构，是把 Creative Decision Layer、Production System 和 Learning Ledger 连在一起：先明确值得拍什么，再用实拍与 AI 扩展，最后把结果转成下一轮可复用的判断。关于 Agent 工作量如何从账号和条数转向可验收的工作单元，也可继续阅读 ONCE 的《AI Agent 开始按“工作量”计费，品牌该怎样采购数字劳动力？》。
AI 会继续把“做出一个版本”变得更便宜。品牌真正需要保护的预算，是那些决定哪个版本值得存在、什么事实必须被看见、以及什么时候不应继续生产的人与流程。
资料与说明
- World Federation of Advertisers, State of AI in Marketing 2026 新闻稿，2026 年 9 月 30 日；样本为 54 位资深受访者、46 家全球品牌主。
- Bain & Company, AI in Marketing: How Leaders Achieve Double the Revenue Impact，2026 年 9 月 30 日；2026 Leaders and Laggards Survey 样本量 1,397。
- World Federation of Advertisers 与 mediasense, Humans, Marketing and Machines 新闻稿，2026 年 9 月 22 日；样本为 166 名行业专业人士。
- Adobe, 2026 AI and Digital Trends Report；企业调查 3,000 人，并另有 4,000 名消费者调查。
- IAB, AI-Powered Video Outcomes: Agentic AI，2026 年 3 月 30 日。
以上调查的样本、地区、问题和定义不同。本文将它们用于识别共同的决策趋势，不把不同研究的百分比合并成统一行业失败率，也不把相关性写成因果。
