论文中文标题：前沿：生成式人工智能与个性化视频广告
英文标题：Frontiers: Generative AI and Personalized Video Advertisements
期刊：Marketing Science
作者：Anuj Kapoor，Madhav Kumar
引用格式：Kapoor, A., & Kumar, M. (2025). Frontiers: Generative AI and personalized video advertisements. Marketing Science.
一、摘要
文章研究了使用生成式人工智能（GenAI）制作的个性化视频广告的效果。通过与一家行业领先的直接面向消费者（DIC）销售环保可持续产品的电商品牌合作，在WhatsApp上开展了一项移动广告定位田野实验。研究将用户随机分配到三种定向投放条件中的一种来接收广告：（1）基于GenAI的个性化视频广告；（2）个性化图片广告；（3）通用非个性化视频广告。第一组是我们的主要处理组，后两组作为基准对照组。在个性化处理组，广告内容根据个人购买历史进行定制。而在基准对照组，向所有用户传递统一的品牌信息。结果显示，与基准对照组相比，基于GenAI的个性化视频广告参与度增加了6至9个百分点。这种提升在性别和地理位置等消费者人口统计学维度上具有稳健性。通过粗略估算揭示了基于GenAI的个性化广告活动可实现的显著成本节约和生产力效益。在讨论研究结果对企业和政策制定者的启示时，本研究注意到GenAI应用在不同营销场景中的有效性和推广性可能存在差异。
关键词：生成式AI；视频广告；田野实验；因果推论
二、研究背景
生成式人工智能（GenAI）是一项具有颠覆多个商业领域（如营销、设计和创新）潜力的新兴技术。其在营销领域的应用前景广阔，预计将影响广告创意设计、个性化目标内容创作、客户支持以及从用户生成内容中学习消费者反馈等核心流程。根据数据显示，2022年全球GenAI在营销市场的规模估值为19亿美元（Market.Us，2023），预计2032年将增长至221亿美元，年复合增长率28.6%。
三、研究缺口
现有研究虽然强调了个性化广告和视频广告的重要性，但缺乏对生成式人工智能（GenAI）驱动的视频广告在真实市场环境下的因果实证研究。尤其是，关于GenAI如何在大规模下实现个性化内容生产、其效果是否优于传统广告形式（静态图文广告、非个性化视频广告），学界仍缺乏系统证据。同时，消费者可能因隐私顾虑或算法反感而对AI生成内容产生抵触，这使得其真实效果存在不确定性。
四、研究内容
本文聚焦于GenAI生成的个性化视频广告是否比传统广告形式更能提升消费者互动。研究基于与一家环保产品D2C品牌合作，在WhatsApp广告投放环境下进行随机对照试验，比较三类广告效果：
（1）GenAI驱动的个性化视频广告（AI-Video）
（2）个性化图文广告（P-Image，行业常规做法）
（3）非个性化通用视频广告（N-Video，控制视频媒介效应）
研究进一步考察了不同个性化场景（Upsell、Revisit、Switch）下的效果差异。
五、研究数据
实验对象：印度一家环保D2C电商品牌的21,328名顾客
平台：WhatsApp营销消息推送
实验分组：随机分为三组，AI-Video（9,510人）、P-Image（5,907人）、N-Video（5,911人）
数据内容：顾客过去一年交易记录（用于个性化脚本设计）、广告发送与点击行为
结果指标：广告点击率（Click-through），作为消费者参与度的核心衡量指标
六、研究设计
图1 实验设计概况
七、数据分析方法
使用线性概率模型估计处理效应，通过回归方程分析GenAI个性化视频广告对广告点击的影响，其中yi表示用户是否点击广告，Ti表示用户是否被分配到GenAI广告处理组。同时进行多种稳健性检验，包括逻辑回归和Fisher精确检验等，并分析不同细分条件、性别和地区的异质性处理效应。
八、研究结果
表1 使用GenAI创建的个性化广告视频对参与度的处理效果
（1）广告点击率提升显著
GenAI个性化视频广告（AI-Video）比个性化图文广告（P-Image）点击率高 9个百分点；
比非个性化视频广告（N-Video）高 6个百分点；
在内容完全一致，仅差异在个性化元素的“Switch”场景中，AI-Video依然比N-Video高出5.8个百分点（p < 0.001），证明了个性化本身的增效作用。
（2）稳健性与普适性
效果在不同性别、地域均保持一致；
在三类子场景（Upsell：推荐新品、Revisit：召回老用户、Switch：转化潜客）中，AI-Video均优于两类对照组；
超过90%的点击发生在广告推送后一小时内，各实验条件间无显著差异，说明视频形式并未增加用户响应延迟。
（3）成本与效率优势
如果采用明星人工逐一录制，制作1万条个性化视频需约120万美元；
GenAI生成只需约13万美元（每条成本从120美元降至13美元），节省近90%成本；
在规模扩展至10万条视频时，GenAI成本约22万美元，而人工需1200万美元，展现出极高的规模化优势。
九、研究结果
（1）GenAI实现大规模个性化视频广告的可行性
研究证明，生成式人工智能能够突破以往在成本和效率上的限制，实现大规模的个性化视频广告制作。这种方式不仅提升了广告互动率，还使得“一对一”视频营销从理论走向现实，解决了传统上因人工录制难以推广的问题。
（2）个性化与视频媒介的叠加效应显著
实验证据表明，GenAI生成的个性化视频广告在提升点击率方面显著优于个性化图文广告和非个性化视频广告。结果显示，个性化和视频形式的结合并非简单叠加，而是产生了更强的互动效果，凸显了这种新型广告形式的优势。
（3）广告效果面临边界条件与潜在风险
虽然结果积极，但研究也指出三方面的限制。首先，GenAI广告的高参与度可能存在新奇效应，长期效果仍需验证。其次，随着数据使用日益敏感，消费者的隐私顾虑和监管政策可能影响其接受度。最后，过度依赖AI生成内容可能导致品牌调性不一致，企业必须通过人机协作来把控质量与风险。
十、研究贡献
首先，不同于以往从股权结构、并购等角度切入，本文从“AI驱动的内部能力建设”视角，探讨技术工具如何在IPO环境中发挥“创新补偿器”作用，开辟了创新管理与IPO后行为研究的新路径；其次，论文明确区分了不同的创新类型，强调了AI分析技术对“新组合型创新”的独特价值，有助于深化理解AI在知识重组过程中的功能边界与适配性；最后，文章引入三大机制变量，加强IPO行为的因果识别与政策机制理解。
（1）学术贡献：拓展广告与AI应用的研究前沿
本研究提供了首个基于真实市场实验的因果证据，验证了GenAI在视频广告中的有效性。通过同时设置个性化图文与非个性化视频两类基线，研究有效区分了个性化效应与媒介效应，为广告个性化、消费者算法接受度以及人机交互研究提供了新视角。
（2）方法贡献：提出“引导式个性化”框架
研究创新性地提出“引导式个性化”（guided personalization）方法，即由企业营销团队预先设计内容，GenAI仅负责生成高保真视频。该方法既发挥了AI的规模化与低成本优势，又避免了AI自主生成内容可能带来的偏差和品牌风险，为未来AI在广告中的应用提供了可复制的实验和实施路径。
（3）实践贡献：为企业和政策制定者提供启示
研究量化展示了GenAI广告的经济效益和生产率优势，证明其在大规模推广中能够显著降低成本并提升参与率，为企业提供了切实可行的战略选择。同时，研究也提醒企业在使用GenAI时需平衡个性化与隐私保护、创新与品牌一致性，为监管机构和政策制定者提供了重要参考。