这一节要带大家认识一个广告行业里比较“小众但重要”的概念——程序化创意（Programmatic Creative Platform，简称 PCP）。很多人可能第一次听到这个词，但当我举一个例子，你大概率会说：“哦，原来就是这个！”
程序化创意是干什么的？——用淘宝“千人千面”来解释
看看“千人千面”的 Banner：文案一样、字体一样、元素的位置一样
但主图不同、、背景颜色不同、色调、大小也不同
淘宝每天有数亿用户登录，每个人看到的 Banner 都不一样。
如果你要靠设计师手工去做上百万张素材，是绝对不可能的。
程序化创意的核心作用就是：自动化批量生成 Banner 素材
只需要上传主图，设置一些参数，PCP 就能在几小时内生成上百万张素材。
“原来 100 个设计师做几个月的工作，现在一两个小时就能搞定。”
这就是程序化创意的价值。
为什么不是“自动化工具”？PCP和普通在线设计工具的区别
网上确实有很多自动生成banner的工具。
但问题来了：
- 如果一次生成100万张素材，人能记住哪些素材对应哪些主图/背景/文案组合吗？
- 能知道某组 Banner 点击率高的是哪项创意导致的吗？
- 能把素材和广告投放策略绑定起来吗？
- 能根据数据继续优化下一批创意吗？
答案是：不能。
这就是程序化创意平台与设计工具的根本区别：
| 项目 | 设计工具 | PCP（程序化创意） |
|---|---|---|
| 是否能生成大量素材 | ✔ | ✔ |
| 是否能管理全部素材 | ✘ | ✔ |
| 是否带有创意维度记录 | ✘ | ✔ |
| 是否能连接DSP投放 | ✘ | ✔ |
| 是否能做创意效果分析 | ✘ | ✔ |
| 是否支持自动优化下一批素材 | ✘ | ✔ |
PCP 是“生成 + 管理 + 数据 + 优化”的系统，不是做图工具。
进阶能力：DCO（动态创意优化）
现在程序化创意最重要的发展方向就是 DCO（Dynamic Creative Optimization）。
DCO有两条路线：
- 优化创意本身（Creative Optimization）
- 优化创意与用户的匹配（User-Creative Match）
我用一个例子来说明。
假设我有5000万预算，通过 PCP 生成了4000张Banner，按照主图风格分为 A/B/C/D 四组。
投放两周后，收集的数据如（示例）：
这里只是列出几个，实际还有其他的。
如果只是单纯的通过这几个类别就判断A组好或B组好，这个显然是不合理的，因为自动化生成Banner的时候有很多变动的创意，这些都是可能会营销大最终的转化的，这些每一个变动，在生成banner的时候都是有记录的。比如下面的：
实际上维度比上面的更丰富，还有很多用户属性的维度。
我们就可以分析，通过模型去判断，最终是否转化，一般是用判别模型，常用的算法有k近邻法、感知机、决策树、逻辑斯蒂回归模型、最大熵模型、支持向量机、boosting方法和条件随机场等这里用逻辑斯蒂回归模型（Logsit模型）去判断。
用了一个f(x)=x函数，作为激励函数，而在逻辑斯蒂回归中，采用sigmoid函数作为激励函数，在这里假设用户转化的概率为P，为不转化就是1-P，我们成P/(1-P)是转化发生的几率，给这个几率取对数，定义为Logit（P)，所以会有：
转化为y=1是对数几率为输入x线性函数，那么就有
取logit函数的反函数，也被称为logistic函数也就是sigmoid函数
图形如
通过图像，我们可以发现，当z趋于无穷大的时候，取值是趋于1的，当z趋于无穷小的时候是趋于0的，这里的1和0分别代表转化和不转化，可以根据过往的数据去求出权重和阈值，比如大于0.5的就转化，小于0.5的就不转化。
将二项逻辑斯蒂回归也可以推广到多项逻辑斯蒂回归，对于wX+b，X就向量，是代表创意，最总我们会得到一个类似AX1+BX2+b结构的参数，而每个X代表不同的创意，比如这里的AX1+BX2+b表示影响这个判别模型主要是X1和X2这两个因素，也就是训练后模型可能告诉你：
转化与“主图 A” + “红色背景”显著相关。
那下一轮创意的策略就是：
- 保留主图 A 的风格
- 全部使用红色/红色系渐变背景
- 继续生成新的 4000 张 Banner
- 再投放，再训练模型，再优化
这就是自动化循环的DCO。
创意与用户匹配优化（第二种 DCO）
第二种 DCO 更像“商品推荐系统”：
- 不同用户看到不同的 Banner
- 系统根据用户特征 + 创意特征 自动匹配最有可能促成转化的素材
- 类似于“你喜欢蓝色 + 男性用户 + 消费能力高 → 展示主图C + 冷色系背景 + 品牌主打款”
这类是目前 DSP 最常做的 DCO，也是最常见的一类应用。
哪些行业最适合程序化创意？
- 电商：产品多、活动多、素材需求巨大，是最典型的应用行业。
- 游戏行业：大量买量，广告量级巨大，变化快，素材生命周期短。
- 手机/电子产品发布会：新品上市期预算大、节奏快、需要海量素材。
未来随着 AI 作图更成熟，预计更多在线设计工具也会往 PCP 方向发展。
