当前位置: 首页 > news >正文

AI狂欢,谁在“埋单”?——2025年广告业的底层逻辑

在科技与资本的高频碰撞下,2025年的广告业呈现出一副“表里不一”的画面:一方面,广告主的预算总量增长有限;另一方面,科技巨头的广告收入却呈现出逆势上扬的强势表现。作为一名记者,我试图透过现象,看清这背后到底是怎样的结构逻辑在发挥作用。

1. 预算总量的“萧条”与“增长”

过去三年,全球广告市场的总盘子并没有因为AI的爆发而变得更大。根据权威数据机构MAGNA的统计,2025年的全球媒体主广告收入增速预计在6%–7%之间,回落到一个相对平稳的个位数增速区间。就算是叠加了大选、奥运会等大事件,以及零售媒体的推动,这个增速也仅仅短暂冲刺到10%左右的高点。

对于广告主来说,这意味着一个“硬伤”:无论技术多么先进,预算的总量就是预算的总量。以宝洁、可口可乐等快消巨头为例,它们的广告投入通常占销售额的10%以内。Gartner的调研数据显示,2023年营销预算占公司营收的平均比例大约是9.1%,到2024、2025年这一比例已经降到了7.7%。也就是说,在2025年,平均每100块钱的销售额,能够拿来做广告的钱甚至比之前少了20%。

2. AI的“双刃剑”效应

AI技术的引入,的确改变了广告投放的效率。它将广告的投放从一个“需要人工盯着跑3-5天”的长流程,压缩到“半小时内全自动跑通”的超短链路。谷歌的Performance Max、Meta的Advantage+等产品,让缺乏经验的小商家也能跑出接近专业优化师的效果。

但这把“双刃剑”并没有削减广告费用,反而在无形中提高了“平台税”。广告主在使用这些工具时,往往会发现:虽然投放更省心,但系统为了保证回报率,倾向于把预算分配给效果最好的那一小撮流量。对于大部分预算被分配到“金字塔底部”的中小品牌来说,结果往往是“流量更贵了”。Meta 2025年的财报就印证了这一点:在大盘只涨6%–7%的情况下,Meta的广告展示量和平均每则广告价格分别增长了5%和10%。

3. “围墙花园”的加固与“平台税”

2025年的广告业有一个非常鲜明的特征:马太效应更加明显。大厂们利用AI技术,进一步垄断了广告市场的流量和算力。

Meta、谷歌、亚马逊等巨头的广告收入在2025年连续跑出了两位数的增速,远高于整个市场的平均水平。亚马逊的广告业务收入在2025年三季度已经达到177亿美元,单季同比涨幅高达24%;Meta的广告收入在2025年第一季度同比增长了5%,平均每则广告价格涨了10%。

在中国市场,这种集中度甚至更高。QuestMobile的数据显示,2025年上半年,前十大互联网平台吃走了91.6%的媒介广告收入。换句话说,整条广告链条里,真正有意义的流量几乎都被这10家平台握在手里。

大厂们的策略也非常明确:通过AI将流量“锁死”在自己的生态系统里。例如,谷歌在搜索结果页面引入AI Overviews(AI摘要),并直接把广告嵌入到AI生成的答案里。这样一来,用户在点击链接之前就已经看到了答案,传统网站的点击率被压缩,流量被迫留在了谷歌自己的生态中。

这背后的逻辑很简单:如果你掌握了流量入口,你就能决定这块流量的价值。 2025年,我们看到的不仅是大厂的广告收入在涨,更是它们在收紧围墙花园、提高手中的“平台税”。

4. 结语:AI的狂欢,谁在站台?

综上所述,2025年的广告业,没有迎来AI解放的春天。相反,AI技术更像是一根杠杆,放大了现有的结构性问题。

广告市场的总盘子并没有变大,广告预算的总量也没有变多。AI的引入,并没有带来新增量,而是把现有的流量更高效地吸附到了掌握算力和数据的大厂身上。这导致了两个后果:

大厂的广告业务在“狂欢”‍:它们的广告收入逆势而上,份额进一步扩大。

广告主和代理商在“被动”‍:它们的预算总量有限,而为了保持流量曝光,不得不接受更高的成本。

这并不是一个乐观或者悲观的价值判断,更像是一个事实判断。广告业坐实了既有的秩序——在一个越来越像存量的市场里,谁离用户更近,谁拥有更多一方数据和结算权,谁就拿走了更多的增长。

关于未来: 2026年或许会出现新的拐点。我们可能会看到,是否会有企业打破围墙花园,或者是否会有新的生态出现,让品牌能把增长从平台的黑箱里拿回来。或者,广告主是否愿意把方向盘重新握在手里,而不是继续把决策外包给那几块看上去很聪明的“自动驾驶”按钮。这些问题,2025年没有给出明确的答案,它们只是被摆在了台面上。

http://www.jsqmd.com/news/172331/

相关文章:

  • 陪诊陪护小程序定制系统,我们这样开发!
  • GLM-4.7编程环境10分钟搭建指南:3种官方配置方法,实测有效,一键即用!
  • YOLOv8镜像内置tmux/screen终端复用工具
  • YOLOv8训练完成后模型体积有多大?
  • Git使用教程
  • Java程序员转战大模型开发:完整学习路径与高薪岗位指南,大模型入门到精通
  • YOLOv8镜像提供FAQ文档解决常见问题
  • YOLOv8如何实现旋转框检测功能?
  • 2025实测:5款主流AI编程工具终极横评,Java开发者选型不踩坑
  • YOLOv8镜像内置wget/curl工具方便数据下载
  • YOLOv8推理时如何适应不同分辨率输入?
  • YOLOv8在工业流水线产品计数中的应用
  • YOLOv8项目目录结构解析:/root/ultralytics详解
  • YOLOv8训练时如何使用EMA指数移动平均?
  • YOLOv8在智能安防领域的落地实践
  • YOLOv8镜像支持ARM架构处理器运行
  • YOLOv8训练时如何使用标签平滑Label Smoothing?
  • 揭秘R语言时间序列建模瓶颈:3步实现预测性能翻倍
  • YOLOv8镜像提供详细的权限控制策略
  • 电子产品为什么要做FCC认证?
  • 2026年1月入网许可证办理服务商推荐:华信检测机构,入网许可证办理全流程服务的行业标杆 - 深度智识库
  • GitHub热门项目YOLOv8镜像上线,支持Docker一键拉取
  • YOLOv8镜像定期同步Ultralytics最新代码
  • 揭秘Moran‘s I与Geary‘s C:如何用R语言精准识别空间自相关
  • YOLOv8镜像内置htop/vim等系统工具
  • 论文解读-《Rethinking Graph Structure Learning in the Era of LLMs》 - zhang
  • YOLOv8推理时如何实现动态批处理?
  • YOLOv8模型加密保护方案探讨
  • YOLOv8如何实现鱼类种类识别与计数?
  • 如何用FOFA搜索开放的YOLO模型API接口?