📋 目录

• 🎵 一张商品图，30 秒竖屏广告
• 📊 我核了几套数据，发现它们互相打架
• 🔍 差异到底在哪：几乎全在"客单价"这一个变量上
• 📈 最反直觉的一个发现：AI 广告赢在"看起来不像 AI"
• 💰 成本账：98% 便宜是真的，但要看用在哪个环节
• ⚖️ 但有三条线，我劝你别忽略
• 🎯 一张能直接用的判断表
• 🛠️ 与企业数据平台的关系：营销 MV 真正解决的不是素材问题
• 📌 关于素材质量的一个反直觉点
• 💬 三个想听你意见的问题

---

🎵 一张商品图，30 秒竖屏广告

先说清楚这个工具，因为它是最近营销圈讨论最多的东西。

MVLAND 是美图公司旗下的 AI 音乐视频创作平台。2026 年 10 月 15 日，它上线了「营销音乐视频」功能，入口在首页。

操作流程三步：

1. 上传一张商品图，填写商品名（限50 字）、卖点与使用场景（限 3000 字）
2. 选择音乐广告类型，系统自动生成歌词和音乐，用户可编辑（支持段落标签如 [Hook]、[Chant-commands]、[Break stop time]）
3. 填 MV 画面提示词，生成成片

成片规格：1080P 竖屏（9:16），30 秒。

目前内置四种风格：魔性节拍、经典质感、潮流唱跳、概念说唱。模特库内置 20+ 角色，也可上传自定义模特肖像。

真实生成的一组歌词长这样（官方示例，产品是奶白折叠手持小风扇）：

[Hook]
(领)奶白折叠手持小风扇!
(群)轻轻轻,轻盈不压手!
[Hook repeat with group vocals]
...
[Chant-commands]
拿起来! 吹起来!
[Break stop time]
[Hook final, full band]

这个功能真正的定位，是把"音乐"从背景变成主角。 产品名被唱出来，卖点变成歌词，消费场景随旋律重复。

这个传播逻辑本身是经过验证的。几个出圈案例：蜜雪冰城主题曲、王老吉联动哈兰德、世界杯期间的魔性广告曲、向佐的麦当劳广告 MV。它们的共性不是编曲多专业，而是商品名直接唱进歌里、卖点揉进歌词、场景跟着旋律重复。

蜜雪冰城那首歌的门槛极低——音域窄、没有复杂转音，“大人小孩听两遍就能跟着哼”。

而过去要复刻这个，商家得走完策划、作词作曲、实拍、后期全套流程。中小商家预算有限，养不起；全部外包，周期拖得很长，等成片交付，流量风口已经过去了。

所以这个工具解决的问题是真实的。但"能出片"和"能打"是两件事。 下面这部分才是我真正想写的。

📊 我核了几套数据，发现它们互相打架

我去找 AI 广告到底行不行，结果找到一堆彼此矛盾的数字。全部列出来：

指标	数据 A	数据 B	数据 C
AI vs 真人 CTR	AI 0.76% vs 真人 0.65%（Columbia/Harvard/TUM/CMU 用 Taboola 数据，5 亿+曝光、300 万+点击）	AI 1.5%~3%（Meta），与真人持平	AI 4 倍 CTR、CPC 低50%（直A/B 测试）
转化率	与真人持平（统计控制后）	客单 >$100 低 8~14%，>$200 低 18~22%（Lapis，10000+ 活动）	高考虑型品类明显更差
信任度	真人 83% vs AI 71%（12 点差）	AI 披露透明时差距收窄到 5%	80% 消费者受 UGC 影响决策
真实感	真人 81% vs AI 63%（18 点差）	——	——
单条成本	~$2，测试 50 条 $99	$5~$30	传统 $150~$500+
交付速度	16 分钟 vs 2~3 周	当日出	3~14 天

这些数字本身大致都能找到出处。问题在于它们测的不是同一件事。

🔍 差异到底在哪：几乎全在"客单价"这一个变量上

我把它们按客单价排一遍，矛盾就消失了。

客单价区间	AI 广告表现	依据
< $25	AI 有ROAS 优势	Alex Neiman 2026 Meta 创意基准
$25~$100	双方持平	同上
> $100	真人优势开始出现	AI 转化低 8~14%
> $200	真人优势扩大	AI 转化低 18~22%
> $150（高考虑型）	真人明显更优	Atlas：护肤、补充剂、家具、家电

这就是全部答案。CTR 层面 AI 打得平，转化层面分胜负，而分胜负的门槛是客单价。

Spark UGC 的表述最干脆：

AI UGC 在原始点击率上有竞争力——脚本写好的 AI UGC 点击率可以接近优质真人视频，两者都在 Meta 的 1.5%~3% 区间。所以第一次点击上它站得住。差距是在点击之后打开的，在那些由信任驱动购买的品类里——也就是大部分 DTC。

Moras 的表述更硬：

低信任品类不意味着"任何 AI 片段都能转化"，它意味着买家的怀疑是视觉层面的，不是个人层面的。如果商品宣称需要你说"我的皮肤两周就变干净了"，那你已经离开了低信任区，无论标价多少。

这个区分极其关键：决定要不要用真人，不取决于价格，而取决于"这个宣称需不需要一个人来背书"。

📈 最反直觉的一个发现：AI 广告赢在"看起来不像 AI"

Columbia/Harvard 那份研究（Taboola 数据，规模是迄今最大）最有价值的结论不是"AI CTR 0.76% 略高"，而是决定性因素既不是 AI 做的也不是人做的，而是"广告里有没有一张大而清晰的真人脸"。

而 AI 广告只是碰巧更稳定地包含了这个信任线索。

另一个关键结论："看起来不像 AI"的 AI 广告，互动量超过所有其他组——包括真人广告和其他看起来像 AI 的 AI 广告。

翻译成大白话：表现最好的 AI 广告，是你看不出来是 AI 的那种。

Spark UGC 也提到同一件事：

差距不只在于细微的语气、表情或表达方式的线索——这些会改变观众对广告的感知，而真实感的感知才是推动转化的东西。问题不是要避开 AI，问题是要用能产出自然、可信的真人口播视频的工具，并且写出台词像真人会说的话。

注意这条的潜台词：如果你的 AI 视频有"机器人味"——不自然的表达、不协调的口型、恐怖谷式的脸——它的效果会低于一个水平普通的真人视频。 质量差是负溢价，不是零溢价。

💰 成本账：98% 便宜是真的，但要看用在哪个环节

成本数字我核过，方向没争议：

项目	AI	传统真人 UGC
单条成本	约 $2（测试 50 条 $99）	$150~$500+（初阶到高端）
测试 50 条总价	$99	$7500~$10600
首条交付时间	16 分钟	3~14 天（不含寄样等待）
迭代倍数	一天可出几十个变体	50 个变体≈ 50 个创作者的brief 时间

Spark UGC 给了个具体的月账：

你每月测 30 个创意。全真人、混合 $300 含授权，约 $9000，周期 2~3 周。AI 优先的话，30 个全生成不到 $600，72 小时内找出 3 个赢家，然后用真人大约 $1200 重建这 3 个。总计约 $1800，而且你只把真人的钱花在验证过的想法上。

这个账的重点不是"AI 便宜"，是"真人的钱花在验证过的想法上"。

Atlas 补了一条同样重要的：

AI 的优势不在于更有说服力，而在于你能用brief 一个创作者的时间产出 20 个 AI 变体，这意味着更快的迭代周期和更多的数据点。

还有一个被低估的成本项——创意疲劳（creative fatigue）：

• TikTok 广告 7~10 天就烧完
• Meta 广告 2~4 周
• 如果你不能快速替换创意，性能就下降，无论原来那条多好

AppsFlyer 2025 报告：表现最好的非游戏类应用每季度产出 2365 个创意。这个数字用传统创作者工作流根本做不到。

⚖️ 但有三条线，我劝你别忽略

这是我写这一篇真正的目的。

第一条：监管线已经开始收紧，而且有明确罚则

纽约州合成表演者法于 2026 年 6 月 9 日生效，要求：当广告面向纽约受众、且广告主实际知情时，只要有 AI 生成的表演者出现，就必须明确披露。

FTC 的虚假评论规则（16 CFR Part 465）把"把推荐或形象呈现为真人真实体验、但实际不是"认定为欺骗性行为，明知违者可处以最高 53,088 美元的民事罚款。

而真人创作者天然绕开了 AI 披露这道题——没有 AI 标签要加（常规付费合作披露仍需做）。

Spark UGC 把它归到"信任与合规"那一栏：合规成本正在上升，而不是下降。

这一条是硬约束，不是可以赌的。

第二条：信任缺口在扩大，不是在收窄

Fractl 的 2026 消费者调查：认为"大量使用 AI 会让自己更不信任某个喜爱的品牌"的受访者比例，一年内从 20% 翻倍到 40%。

注意方向：一年翻倍。 而"AI 披露透明时信任差收窄到 5 个点"这类数据，是在假设披露的前提下测的。

这两组数据指向相反的方向，而更值得担心的是前者，因为它是无条件成立的。

Spark UGC 的补充解释很到位：

当有人在决定是往身体里吃补充剂、往脸上涂护肤，还是买朋友会看见的东西时，一个明显用过产品的真人，携带着合成 AI 主持人目前还无法完全复制的社会证明。

第三条：有些"AI 赢"的数字其实是打擦边球打出来的

这里我得点名几组数字，按本栏目的规矩——不能因为方向对就当它们成立。

第一，“AI 广告 4 倍 CTR、CPC 低 50%” 这个说法我在来源里看到，但它给的是"direct A/B tests"，没说明样本量、时间范围、广告品类。而同一批资料里，TikTok Shop 的 CTR 是"真人约 4.1%（供应商表格口径）vs AI 3.8%（约真人 93%）"。这两个数据方向相反。 前者更漂亮，后者更可信。引用时请以后者为准，并标注"供应商口径"。

第二，"TikTok 上互动率高 350%（18.5% vs 5.3%）“和"视频观看 2.8 倍、分享 3.5 倍” —— 这几个数字来自一个专门做 AI 广告生成工具的网站（ReelFlood），属于卖方数据，无独立验证，不予采用。

第三，“V8 引擎马克杯 7 天 1.3 万件、GMV 180 万”、“LED 投影灯 7 天 1290 万播放”、“敦煌网 AI 广告工具效能提升 38%” —— 这些来自自媒体的"微头条"内容，没有可确认的统计口径，未查到一手出处，不予引用。

第四，"80% AI 用于测试 + 20% 真人用于信任"的起步配比 —— 来源自己说了"treat this as a starting ratio, not a rule"。这是一个经验建议，不是数据结论。 我保留它作为实践参考，但不把它当规律。

第五，“3 秒观看/曝光的Hook rate，Meta 平均约 25%，30%+ 为好，最好 40%~50%” —— 这个来自"Sovran 的 hook rate 指南"，第三方整理，无原始出处，暂标为参考值。

真正可以放心引用的，是那三项：

• 5 亿+ 曝光 / 300 万+ 点击的 Taboola 学术合作研究（Columbia/Harvard/TUM/CMU），AI 0.76% vs 真人 0.65%，统计控制后持平
• Lapis 的 10000+ 活动数据：> $100 低 8~14%，> $200 低 18~22%
• Fractl 2026 消费者调查：AI 信任度一年内从 20% 恶化到 40%
• 纽约州 2026-06-09 生效的合成表演者法 + FTC 16 CFR Part 465 最高 53,088 美元罚款

🎯 一张能直接用的判断表

把所有东西压缩成可执行的形式：

你的情况	AI 广告的定位	理由
冲动购买、低客单（<$25）	可以主推 AI	ROAS 有优势，怀疑是视觉层面的
$25~$100	AI 为主，真人补信任	CTR/ROAS 基本持平
> $100 且需考虑	真人为主，AI 做测试	AI 转化低 8~14%
> $200	真人为主	AI 转化低 18~22%
补充剂 / 护肤 / 健康类	优先真人	AI 信任恶化最快的品类
需要"我用了有效果"这种宣称	必须真人	这是社会证明，不是视觉说服
需要测20~40 个 Hook	AI 先测	真人做不到这个成本和速度
需要"看不出是 AI"的质感	AI 可以	表现最好的AI 广告就是看不出是 AI 的
面向纽约用户	AI 必须加披露	2026-06-09 起生效
面向全美且宣称是真人体验	AI 有合规风险	FTC 最高罚 $53,088

还有一个我特别想强调的中间路线：高信任品类里，AI 仍然值得作为研究基础设施使用——即使它在正面对决中会输。

Moras 的表述：

一个花 $15 的合成 Hook 测试，如果能避免在一条死掉的角度上拍$300 的真人素材，即使 CTR 只有真人的 70%，期望值也是正的。

这句话把 AI 广告的正确用法说清楚了：不是替代真人，是替真人挡子弹。

🛠️ 与企业数据平台的关系：营销 MV 真正解决的不是素材问题

看回 MVLAND 这个工具的设计，我觉得有几处对企业 AI 落地有借鉴价值。

第一，它把"完整链路"压缩成三步。

传统路径要做策划、作词、作曲、选模特、搭场景、拍摄、剪辑、调色、配乐——每一个环节都是一个协调点，而协调点是中小企业最承受不起的成本。

AI 工具的真正价值在这里：它不是把每个环节做得更好，而是把环节之间的协调成本压到接近零。

这正好对应企业数据平台的第一条设计原则——iPaaS接数据，价值不在连接数量，在于减少跨系统的协调成本。

如果接了 30 个系统但每加一个新应用都要重新协调口径，那平台带来的不是效率，是新的负担。这跟营销 MV 是同一类失败模式。

第二，它把商品信息结构化成了可执行输入。

商品名 50 字、卖点与场景 3000 字、风格四选一、模特可上传——这不是一个自由的创作界面，而是一个受约束的表单。

约束换来了什么？换来了一致性和可批量性。 因为输入结构固定，输出就可预期、可比较、可迭代。

这对应治理中心前置的第二层含义：数据标准和元数据之所以要提前定，不是因为标准本身多重要，而是因为标准让后续所有动作可复用。 如果每次都要重新描述一遍"这个商品到底是什么"，成本就回来了。

第三，也是最容易被忽略的——它把"音乐"从背景升成了主体。

这是这个功能真正的产品洞察，也可能是可迁移到其他领域的一条原则：

当一个元素从"背景"变成"主角"，它承载信息的能力会提升一个量级。

在数据治理里对应的做法是：不要把关键信息藏在报告里，要把它做成能直接驱动动作的对象。 一份报表是背景，一个带告警和责任人的待办是主角。同一个数据，放在背景里没人看，做成主角就有人管。

至于权限：全域守卫那一层在这里的对应是模特库和商品图的可见范围。谁能用哪些模特形象、能不能上传带真人肖像的自定义模特——这在AI 生成时代已经不是理论问题了。 用别人的脸生成广告，涉及肖像权；平台库里的模特肖像，可用范围也需要明确。

这条边界同样适用：平台能管的是"谁有权用这些素材"，但"这段广告能不能用、宣称是否属实"，仍然是业务方和法务的决定。 我见过太多工具在这里越界，然后给自己埋雷。

这个问题一旦想清楚，选型就变成了查表。

这张图里最该记住的是那个分流问题：这个宣称需不需要一个人来背书。 客单价是表象，宣称强度才是原因。

📌 关于素材质量的一个反直觉点

上面所有讨论都建立在一个前提：你的 AI 素材质量是过关的。

如果素材有"机器人味"——不自然的表达、不协调的口型、恐怖谷式的脸——它的效果会低于一个水平普通的真人视频。

质量差是负溢价，不是零溢价。 这是我在核数据时看到的最容易被忽略的一句提醒。

💬 三个想听你意见的问题

1. 你会把你的品类按客单价分成 AI 主推和真人主推吗？ 我的顾虑是：客单价会变，而信任结构更粘。 一个客单 80 元的品类如果开始做"效果宣称"，那它立刻就需要真人了。

2. 关于"看不出是 AI 的 AI 广告最好"这条，你怎么看？ 我有点不安。如果最好的 AI 广告是让人认不出是 AI 的，那披露义务和这个最优解是直接冲突的。 纽约州那部法律等于在说：在这个品类里，你必须选一边。

3. 如果你自己在做企业 AI 落地，最想用 AI 替代的是哪个环节？ 我自己的答案是：不是生成，是初稿。 让AI 先出一个能改的版本，比让 AI 出成品更有用。理由和营销 MV 一样——协调成本比生成成本更贵。

如果你在投广告，也欢迎聊聊你那边的实测：AI 素材和真人素材，你的转化差多少？ 我猜差异会明显小于网上那些说法，但如果你能给出具体品类和客单价，那就更有价值了。

---

关于本文数据来源与可信度的说明

本文严格区分了四档可信度：

✅ 可放心引用（一手研究或法规原文）

• Columbia/Harvard/慕尼黑工大/CMU 使用 Taboola 数据的广告研究：5 亿+曝光、300 万+点击，AI 0.76% vs 真人 0.65% CTR，统计控制后持平；关键发现"看起来不像 AI"的 AI 广告互动量最高，大而清晰的真人脸是最重要信任信号
• Lapis：10000+ 活动数据，>$100 转化低 8~14%，>$200 低 18~22%
• Fractl 2026 消费者调查：信任度一年内 20%→40%
• 纽约州合成表演者法（2026-06-09 生效）、FTC 16 CFR Part 465（最高 $53,088 民事罚款）
• MVLAND 官方功能与规格（新浪财经报道 + 产品界面）

⚠️ 需标注来源使用

• WordStream 2026 全行业 Meta 均值 1.93%/2.70%
• Bazaarvoice：带 UGC 的商品页转化高 74%
• MediaLabs：TikTok Shop 约 32 美元客单价、GMV Max 峰值 3.8 倍 ROAS
• Emplifi：UGC 帖转化高 10.38 倍
• Hook rate 25%/30%/40-50%：Sovron 指南，第三方整理，暂无原始出处

❌ 明确拒引（无一手口径或属卖方数据）

• “TikTok 互动高 350%（18.5% vs 5.3%）”、“观看 2.8 倍/分享 3.5 倍”（ReelFlood，卖方数据无独立验证）
• “V8 马克杯 7 天 GMV 180 万/1.3 万件”、“LED 投影灯 1290 万播放”、“敦煌网效能提升 38%”（自媒体内容，无可确认口径）
• “AI 广告 4 倍 CTR / CPC 低 50%”（与同批资料中"AI 3.8% 约为真人 93%"方向相反，后者可信）

📌 实践建议非数据结论

• "80% AI 测试 + 20% 真人信任"的配比：来源自己声明是起步建议而非规则

本文立场不代表任何投资建议。广告效果数据高度依赖品类、客单价、平台与素材质量，任何单一数字都不应直接外推到你的业务。