当《少数派报告》中能识别路人并精准喊话的智能广告牌出现在现实讨论中，个性化广告的未来似乎离我们越来越近。尽管为每个用户定制专属广告创意目前仍不现实，但一项全新的AI研究正在打破这一局限：通过AI生成定向广告图像，为不同人群打造适配的营销内容，让广告从“广撒网”转向“精准投喂”。
### 从科幻到现实：个性化广告的漫长探索
早在2002年，斯皮尔伯格的科幻电影《少数派报告》就描绘了令人惊叹的个性化广告场景：广告牌能识别路过的行人，直接喊出他们的名字并推送定制化商品。这个场景成为了广告行业的“终极梦想”，但现实中，数据隐私保护、技术成本和实时性限制等问题，让真正的个体级个性化广告推进缓慢。剑桥分析公司的数据丑闻更是让用户对隐私泄露的担忧加剧，也让广告行业在个性化探索中更加谨慎。
不过，广告主对精准触达的追求从未停止。在欧盟《通用数据保护条例》（GDPR）等法规的约束下，行业开始转向更“温和”的精准营销——针对特定人群（而非个体）定制内容。如今，AI生成图像技术的成熟，为这一方向提供了新的可能。
### OSMF框架：“一码多适”的广告生成方案
由来自中科院自动化研究所、京东、香港科技大学（广州）等机构的17位研究者共同开发的“One Size, Many Fits（OSMF）”框架，为群体级个性化广告提供了完整的解决方案。这个框架的核心思路是：通过AI自动发现具有相似点击偏好的用户群体，再为每个群体生成适配的广告图像，在广泛投放和不切实际的个体定制之间找到平衡。
OSMF框架主要分为两个关键模块：产品感知自适应分组（PAAG）和偏好条件图像生成（PCIG）。
PAAG模块负责“找人群”。它会结合用户的年龄、地域、消费习惯等属性，以及商品的特征，通过机器学习模型分析用户对不同广告的点击偏好，再用聚类算法将具有相似偏好的用户自动分组。不同于传统的固定人群划分（如“90后”“一线城市用户”），PAAG的分组是动态的：针对不同商品，人群划分标准会自动调整。比如，一款户外背包的潜在用户可能会被划分为“年轻户外爱好者”“家庭露营群体”“专业登山者”等，而这些分组是基于用户的实际点击数据自动生成的。
PCIG模块则负责“做内容”。它会根据PAAG划分的人群特征，调用AI图像生成模型，为同一商品生成风格迥异的广告图。比如，同一款护肤品，针对年轻用户可能生成充满活力的明亮色调街头场景，针对成熟用户则可能呈现质感高级的简约室内画面。这些风格调整并非主观臆断，而是基于真实的用户点击数据训练而来，确保每个版本都能精准触达目标人群的审美和需求。
### 技术突破：从数据到图像的全链路优化
要实现“为不同人群定制广告”，背后需要一套复杂的技术支撑。
首先是数据集的突破。研究者们发现，此前缺乏专门针对群体广告偏好的大规模数据集，于是基于某电商平台的真实广告日志，构建了包含4000万用户、200万商品的“群体广告图像偏好（GAIP）”数据集。这个数据集记录了用户的基本信息、商品详情以及广告点击情况，为模型训练提供了真实的行为依据。
在分组技术上，PAAG模块采用了“产品感知”的聚类算法。它会先将用户特征、商品标题和图像信息转化为统一的“偏好嵌入向量”，再通过K-means算法将对同一商品有相似偏好的用户聚在一起。为了更精准地捕捉群体内的多样化需求，模型还会在每个群体中选取不同偏好的样本，而不是只取平均值。
图像生成环节则结合了多模态大语言模型（G-MLLM）和奖励模型（GRM）。G-MLLM会根据人群特征生成适配的广告文案和图像描述，再调用Stable Diffusion等图像模型生成广告图；GRM则会基于真实点击数据，判断哪张广告图对特定人群更有吸引力，反过来优化G-MLLM的生成方向，形成“数据-生成-反馈-优化”的闭环。
### 测试验证：效果优于传统广告方案
在实验中，OSMF框架展现出了显著的优势。
在偏好建模测试中，PAAG模块的NDCG@5指标（衡量群体间偏好差异的指标）仅为0.3066，远低于其他对比模型，说明它能更清晰地划分出偏好差异明显的用户群体；而AUROC指标（衡量点击预测准确率）达到0.6372，比最优对比模型高出0.0159，意味着它能更准确地预测用户的点击行为。
在实际广告效果测试中，PCIG生成的广告点击率比传统模型高出5.5%，奖励模型GRM在判断“哪张广告更适合特定人群”的任务中，准确率比对比模型高出4.7%。 qualitative测试则直观展示了同一商品的不同风格广告：比如同一款耳机，针对不同人群分别生成了科技感十足的赛博朋克风格、简约清新的北欧风格和复古怀旧的胶片风格，这些风格差异与人群的点击偏好高度匹配。
### 未来展望：机遇与挑战并存
OSMF框架的出现，为广告行业带来了新的想象空间。它不仅能提升广告的点击率和转化率，还能让品牌在不触碰隐私红线的前提下，实现更精准的营销。比如，一个服装品牌可以为“小镇青年”“都市白领”“银发群体”分别定制广告风格，让每个群体都能看到更符合自己审美的内容。
但这项技术也面临着挑战。首先是实时性问题：目前AI生成一张图像需要几秒到几十秒，而在线广告拍卖的响应时间通常以毫秒计算，如何在短时间内生成并投放定制广告，是技术落地的关键。研究者提出了两种可能的解决方案：一是在用户设备的本地GPU上生成图像，避免网络延迟；二是提前生成多种风格的广告图并缓存，根据用户群体实时调用。
此外，技术的伦理问题也值得关注。尽管当前的研究聚焦于群体级营销，但随着技术的发展，个体级个性化广告的实现只是时间问题。如何在精准营销和用户隐私保护之间找到平衡，是行业需要持续思考的课题。
从《少数派报告》的科幻场景，到如今能为不同人群定制广告的AI框架，个性化广告的发展正在一步步走向成熟。OSMF框架的出现，不仅是技术上的突破，更是广告行业从“以商品为中心”转向“以用户为中心”的重要标志。未来，当我们刷到的每一条广告都“恰好符合我的审美”时，或许我们应该意识到：这背后是AI对人群偏好的精准洞察。
原创文章，作者：王 浩然，如若转载，请注明出处：https://www.dian8dian.com/ai-sheng-cheng-guang-gao-xin-kuang-jia-jing-zhun-chu-da-te
