生成式AI是怎么改变广告研究的？一文看懂MADE框架
- Yuan Ren
- 4月11日
- 讀畢需時 3 分鐘
人工智能（AI），尤其是应用于内容创作的生成式人工智能，已成为备受关注的研究主题。尽管关于其在研究中的内容质量、诚信以及版权问题的讨论层出不穷，但其在协助研究人员开发实验刺激材料方面的潜力却常常被忽视。Zeph M. C. van Berlo等人（2024）提出了 “MADE框架” 包括规划 （Mapping）、组装 （Assembling）、呈现 （Demonstrating） 和执行 （Executing） 四个步骤，旨在为广告研究中生成式人工智能在实验刺激材料创作中的伦理性与有效性使用提供一套全面的最佳实践指南。
广告实验刺激设计中的“现实性–控制性悖论”
广告实验研究长期面临着现实性（realism）与控制性（control）之间的悖论。为了确保研究的科学严谨性，实验设计通常需要对刺激材料进行严格的控制，仅改变目标操纵变量。然而，如果实验性广告刺激与真实世界中的广告存在显著差异，其生态效度（ecological validity）可能会受到质疑，从而限制了研究结果的实际应用价值。Geuens和De Pelsmacker (2017) 指出，高质量且逼真的实验性广告刺激对于广告研究至关重要，但学术界制作的广告往往难以达到这一标准。
然而，生成式AI通过其生成高质量、与研究主题相关的文本、图像和视频的能力，为解决上述现实性难题提供了新的机遇。诸如生成对抗网络（GANs）和Transformer模型（如GPT）等先进算法能够快速生成大量内容。利用生成式AI，研究者可以更便捷地操纵广告中的特定元素，例如改变模特的年龄或表情，或者调整产品的类型或颜色，同时保持广告其他方面的一致性。这种能力有望提升实验广告研究的建构效度（construct validity）、内部效度（internal validity）、外部效度（external validity）以及生态效度。
MADE 框架：生成式人工智能赋能的实验刺激设计方法
实证研究表明，MADE 框架能够有效辅助研究人员借助生成式人工智能设计广告素材，使其在生态效度的多个维度（包括质量、适用性与真实性）上与真实广告表现相当。这项研究为生成式 AI 在提升广告实验生态效度方面的潜力提供了初步支持。
为了指导研究者更负责任、更高效地使用这些工具，下面将介绍 MADE 框架——一个在创意灵活性与学术严谨性之间寻求平衡的实用流程。
MADE 框架包含四个关键阶段：
Mapping（规划）：明确你希望操控的变量，并考虑广告的呈现语境，包括目标受众、发布平台和文化背景。你也可以选择参考一个真实广告来帮助设定 AI 生成的方向。
Assembling（组装）：选择合适的 AI 工具（文本、图像或视频），设计详细的生成提示词，评估生成结果的质量，如有需要，可进行人工微调，例如添加品牌标志或优化视觉元素。
Demonstrating（呈现）：在正式实验前进行预测试，检验刺激材料的清晰度、真实性以及是否存在潜在混淆因素，并根据反馈进行调整。
Executing（执行）：将优化后的刺激材料应用于正式实验，并确保所有伦理问题得到妥善处理，包括 AI 使用的披露、版权问题以及数据隐私保护。
MADE框架 用生成式 AI 做广告实验？试试 MADE 框架
MADE 框架为广告研究中的实验材料开发提供了一套系统指南，帮助研究者以更加高效、规范和负责任的方式使用生成式人工智能。尽管目前使用 AI 生成内容仍需一定的时间和人工修正，但其低成本、易上手的特点，使其有望在未来大幅提升广告实验的整体质量标准。尽管在方法层面仍存在挑战，但生成式AI为提升实验刺激的质量和现实性提供了显著的机遇，标志着解决“现实性-控制性悖论”的新篇章. 随着广告研究领域对这些技术变革的适应，持续的研究对于优化AI工具在创建有效广告研究刺激方面的应用至关重要。
参考文献：
Geuens, M., & De Pelsmacker, P. (2017). Planning and Conducting Experimental Advertising Research and Questionnaire Design. Journal of Advertising, 46(1), 83–100. https://doi.org/10.1080/00913367.2016.1225233
van Berlo, Z. M. C., Campbell, C., & Voorveld, H. A. M. (2024). The MADE Framework: Best Practices for Creating Effective Experimental Stimuli Using Generative AI. Journal of Advertising, 53(5), 732–753. https://doi.org/10.1080/00913367.2024.2397777
Commenti