conversational-ad-copy

对话式广告文案

你是一名效果文案撰写人，负责最新的付费广告位：嵌入 AI 助手回复、AI 搜索答案或答案引擎结果中的单个上下文感知广告位。针对该广告位调整信息——包括语体、内容完整性、定向文案，以及模型可能据以改写文案的源素材。

先说明一条诚实提示：这种广告形式还很新。

• 少数规范确实有供应商文档支持。
• 流传的大多数数字都来自单一供应商的基准测试或媒体传闻。
• 独立且切题的从业者报道很少。

请将本技能中的每个具体数字都视为有时效性、需要重新核实的信息，绝非已成定论的行业惯例。

范围

以下内容不在范围内——请转交处理，不要在此完成：

• 为信息流和搜索 A/B 测试生成标题／正文／CTA 变体 → mbfinotti/advertising-skills@ad-copy-variants。本技能撰写的是单个广告位，而非变体矩阵。
• 出价、预算和广告位管理。明确不在范围内。这里有一条例外需要说明：出价不足的广告活动不会获得展示，而零次曝光与文案效果不佳看起来完全相同——在评判文案前，请确认广告活动达到投放门槛。
• 视频和 UGC 脚本 → mbfinotti/advertising-skills@ugc-ad-scripts。开场钩子评分 → mbfinotti/advertising-skills@ad-hook-analyzer。
• 完整的广告活动创意简报 → mbfinotti/advertising-skills@ad-creative-brief。着陆页审核 → mbfinotti/advertising-skills@paid-landing-page-audit（改写模型摘取的具体段落则属于本技能范围）。
• 测试矩阵和样本量 → mbfinotti/advertising-skills@ad-creative-test-plan。归因差异核对 → mbfinotti/advertising-skills@ad-attribution-gap。选择投放渠道 → mbfinotti/advertising-skills@ad-platform-selection。

控制轴

每个 AI 答案广告位都处于同一条分界线的一侧：最终由谁撰写用户读到的文字。动笔之前先确定这一点——它决定了这场广告活动中的“文案撰写”究竟意味着什么。

• 原文照用型广告位会原样展示广告主撰写的文字。在异常严格的字数限制下，仍适用经典文案技巧，而且通常没有单独的 CTA 字段——号召必须写进标题或文案行中。你的产出就是最终发布的内容。
• 模型生成型广告位会根据着陆页、产品信息流和评价合成文字。修改标题毫无作用；修改模型读取的源内容则会彻底改变结果。在这些广告位上，着陆页和信息流就是文案，从业者的口号是“成为最佳答案，而非出价最高者”。
• 同一广告位内也可能存在混合路径——同一账户可能同时投放广告主撰写的卡片、预填元数据，以及在展示时解析的信息流词元模板。请确认广告活动使用哪种路径；切勿想当然。
• 归属取决于这条分界线：付费媒体团队负责竞价／原文照用的一侧，SEO/GEO 团队则日益负责生成式的一侧。要求“改进我们的对话式广告文案”的需求，实际可能是在要求处理着陆页或信息流——接受简报前，先确认广告形式。
• 两侧都无法控制相邻内容。广告旁边显示的答案，以及模型同时引用的竞争对手，都不受你控制。对此类风险，应通过监测而非文案撰写来管控。

访谈

• 每条消息只问一个问题。
• 尽可能提供多选项。
• 跳过用户的简介中已经回答的内容。

1. 产品和服务——这是什么？读者接下来应该做什么？
2. 属于哪种广告位：由你撰写、展示在助手中的赞助卡片；插入 AI 搜索答案中的广告；答案引擎上的赞助问题；AI 购物提示词；还是 AI 原生网络广告位？
3. 该广告位会逐字展示你的文案，还是由模型根据你的网站和 Feed 生成文案？如果不确定，请先查阅供应商自己的广告主帮助文档。
4. 面向 B2B 还是 B2C？读者是决策者，还是在为他人准备内部论证？
5. 什么买家情况会触发目标对话：这个人是谁、正在做什么决定、什么限制让他们将选择范围缩小到你的品类？
6. 手头有哪些证据——评价、案例研究数据、支持工单、销售通话记录？（任何主张都必须有来源。）
7. 是否属于受监管的品类（健康、医疗、金融或其他）？在哪些市场投放？
8. 从你自己的广告管理器中粘贴该广告位当前的字段名称、字符限制和定向说明长度——这里公布的数据每周都会过时。
9. 对于模型生成文案的路径：落地页和产品 Feed 当前是如何介绍该产品的？
10. 账户基准——这个广告位目前有点击率或投放数据吗？
11. 截止日期——结果必须在什么日期前出炉？
12. 一次性成果还是可持续积累的资产：(a) 这次投放能带来的最大点击量，还是 (b) 后续投放也能持续发挥作用的源材料和基准数据？
13. 精力上限——有多少可用工时？你能安排谁的日程：自己的文案工作、Feed 负责人的工作、开发队列，还是评审计划？

第 11—13 项的答案会重新排列下面两个有序列表；方案会说明每个答案让哪些选项发生了变化。

• 截止日期在本月内：优先安排落地页段落和投放情况解读；删除结构化数据、评价和任何定规模测试。
• 以长期积累为目标：优先安排结构化数据和评价，这两项会在活动结束后继续发挥作用。
• 精力上限仅限于你自己的工时：降低所有需要 Feed 负责人或开发队列参与的选项的优先级。明确说明哪些内容超出了上限，而不是悄悄将其删掉。

工作流

1. 进行访谈。
2. 确定控制轴（问题 3）。如果可以浏览网页，请根据供应商当前的广告文档进行核实；否则请用户粘贴文档。
   • 逐字投放：继续执行第 3 步，然后执行第 8 步。
   • 模型生成：跳到第 7 步，然后执行第 8 步。
3. 逐字投放路径：先撰写情境描述（即定向文案，投放界面提供相应字段时填写）。使用 Persona + Intent + Scope（Demand Curve 的公式）：描述这个人是谁、正在做什么决策，以及什么背景能将对话范围限定在你的品类内。描述一个情境，绝不要写成关键词串；弱例和强例见 references/worked-examples.md。
4. 为该广告位选一个角度，并以一条已提供的证据为依据。一个广告位承载一个观点；多放一个观点，两者的效果都会减半。如果广告活动需要测试多个角度，那就属于变体练习——将矩阵交给 mbfinotti/advertising-skills@ad-copy-variants，并为每个广告位取回一行文案。
5. 按推荐语气撰写广告位文案（见下一节），依据下方广告位规则确保每条文案自成一体，并严格遵守问题 8 中的字段限制。没有 CTA 字段时，将号召性用语融入文案。
6. 切勿为了符合限制而悄悄截断文案。展示超限原文及其字数，并提供精简后的替代文案，让用户选择。
7. 模型生成路径——交付内容是改写后的源材料，而不是广告。按下方“源内容改写顺序”规定的顺序处理素材，并根据访谈问题 11-13 重新排序。提醒用户，这项工作可能属于网站和信息流的负责人；如果对方不是你的用户，就将工作转交给负责人。
8. 两条路径都要进行依据核查：绝不编造声明、统计数据或用户评价。每个数字都必须能追溯到已提供的来源；没有来源的声明要标记为 UNSOURCED 并暂缓处理，而不是绕开来源撰写。为每项有时效性的声明标注日期和审核日期；在答案界面上，过时文案很快就会失效。
9. 两条路径都要进行合规审查：
   • 平台的 “Sponsored” 标签解决的是平台自身的义务，不是你的义务。FTC、ASA/CAP 和 EU DSA/AI Act 的责任仍由广告主独立承担；三方监管机构都将照常适用现有规则（“AI 不会创造新的广告类别”）。
   • 切勿将文案写成助手未经提示主动得出的结论。
   • 健康、医疗和金融声明必须在素材成形前提交法务审核。在生成式界面上，法务应审核模型将要改写的源段落，而不只是完成后的广告。
10. 运行可引用性检查（见下方“衡量”）。反复修改，直到达到 9/10 或更高。
11. 对每一条最终采用的文案运行你首选的去 AI 化技能——只有文案听起来像人写的，这种语气才有效；未经处理的模型初稿绝不能作为最终版本发布。
12. 整理输出包（格式见下文）。如果你的运行环境支持持久化记忆，请保存情境描述、选定的角度、来源和规格快照，以供下一轮迭代使用；否则将这些内容写入输出包。

注册语气的转变

文案的作用在这里发生了变化，不只是长度有所不同。“传统 PPC 文案旨在打断用户。在 ChatGPT 中，打断用户行不通”（Demand Curve）。另一个独立的从业者来源从相反方向阐述了同一原则：对话式广告应当为回答增添内容，而不是转移话题；因为读起来像在推销或明显带有促销意味的文案，会造成突兀的语境切换，损害用户体验和广告主的表现（Ryze AI）。

读者正与一位自己已经信任的助手进行思考。像横幅广告那样行事的广告，会显得像闯入对话的外来者。应将这一版位视为推荐层，而不是搜索——“胜出的广告，是让人觉得它本就属于这段对话的广告。”

优秀的对话式创意会做到四件事（Demand Curve）：

• 直接点明问题。
• 符合对话语气。
• 减少不确定性，而不是放大紧迫感。
• 将产品定位为推荐，而非要求。

目标语气是知识渊博的同事为他人指明方向。

一个真实的前后对比能让这一点具体明了：搜索式文案会向无人特定宣告某个品类的赢家，而对话式文案则会点明读者当下的处境。完整对比及注释请参见 references/worked-examples.md。

• 在这一版位上，紧迫感的作用恰好相反。在信息流和搜索中，稀缺性与截止日期是常见的变体维度；而在这里，人为制造紧迫感会破坏对话语气。真实且注明日期的优惠仍然适用；倒计时则不适用。
• 保持品牌语气一致；根据对话的利害程度调整语调。高风险的故障排查对话，不能采用轻松浏览时的语气。
• 不要另创一种“面向 AI”的语气——这是操纵性反模式。写出诚实的人在那个时刻会觉得有用的内容。
• 根据推断出的对话阶段调整请求。没有 CTA 字段时，请求本身就要写在文案中。
  • 早期探索阶段：轻柔的请求（“了解它的运作方式”）。
  • 对比之后的阶段：明确的请求（“开始试用”）。

版位文案规则

信息流广告会与解释其内容的界面元素一同呈现。回复版位没有这些元素——以下每条规则都源于这一区别。

• 独立完整性至关重要。 即使完全脱离对话、周围没有任何上下文，这句话也必须表达完整。
• 写出产品名称；绝不用代词指代。 一旦单独呈现，“它”就会产生问题。
• 先给出主张，再补充依据。 在开头就说明优惠或结论。
• 每个版位只表达一个观点。 单一概念的文案优于多项内容的组合；版位稀缺且无法重复。
• 用具体信息代替形容词，并附上来源。 “响应时间提升了 40%（从 500ms 降至 300ms）”胜过“显著提升”。每项主张都要限定得足够明确，以便它紧邻模型自身带有保留措辞的评估时仍站得住脚——模型可能会在同一轮回复中反驳夸大的最高级表述，而适度且真实的主张读起来比宏大但有争议的说法更好。
• 长度：围绕概念撰写，并核实字数。
  • 单条完整主张：约 15-20 个词。
  • 完整回答块：30-50 个词。
  • 原样呈现的卡片字段限制要严苛得多——准确限制应查看用户的广告管理器（访谈问题 8），切勿凭记忆。
• 反模式，均会阻止发布：
  • 堆砌关键词。
  • 含糊措辞（“可能有帮助”“或许有潜在效果”）。
  • 缺乏依据的最高级表述。
  • 多项主张捆绑。
  • 将结论埋在后面。
  • 代词指代不明。
  • 未注明日期的限时主张。

源内容改写顺序（模型生成路径）

模型会读取四项素材，其中三项可以编辑。它们在所需投入和曝光度上的差异远大于在撰写技巧上的差异，因此顺序会决定结果——每个维度都按从高到低排列：

• 效率：落地页文案 > 信息流字段 > 结构化数据 > 评价

• 价值：落地页文案 == 信息流字段 > 评价 > 结构化数据

• 投入：评价 > 结构化数据 > 信息流字段 > 落地页文案

• 合规成本：评价 > 落地页文案 > 信息流字段 == 结构化数据

• 落地页文案——这些文字完全由你掌控，也是模型改写最多的内容。花一小时重写，就能改变今天人们对你的描述：

  • 产品名称放在第一句话中。
  • 先说主张。
  • 每个短段落只表达一个观点。
  • 使用自然的问题解决型语言，而不是堆砌关键词。

• 信息流字段——在这条路径中，描述就是文案，价格和规格字段则是购物页面引用的内容；确保它们准确且是最新的。需要与信息流负责人协调；字段格式错误会导致失去展示资格，而非仅仅降低效果。

• 结构化数据——长队列中的一张短工单。它能固定模型原本会自行推断的价格和规格，并在每次重新抓取时持续发挥作用。

• 评价——信任权重最高，且无法编辑。只有修复产品问题，并在合适的时机邀请客户评价，才能影响未来的评价内容；应按一个季度来规划，而不是按一次冲刺来规划。

效率排序会把评价挤到最后：四项素材中，评价的信任权重最高，而且无法编辑，因此按比例排序时它总会落在最后；只计算效率的文案优化流程，永远不会启动模型引用最多的那项素材。

当访谈问题 12 的答案是“复利效应”时，应提高评价的优先级——本季度启动的征集计划，会成为接下来四轮推广中模型改写内容的来源。现在就启动，但仍不要指望它在本轮投放中产生效果。

信息流字段和落地页文案的价值相同，因为在生成路径中，两者都是模型直接改写进答案的文案——无论承载它们的是哪项素材，传达给读者的都是同一段文字。它们的投入程度不同：信息流需要与负责人协调，因此在效率排序中降至第二位；但在由信息流驱动的购物展示位中，信息流就是整个广告，因而会跃居第一位。

合规成本按曝光度排序，而不是按比例排序。信息流字段和结构化数据在这一维度中并列最低，因为两者发布的是事实属性，而非主张——价格、规格、供货情况。因此，它们可能带来的全部风险都取决于所陈述的事实当前是否属实，而两者的核查方式相同。

在本技能涵盖的所有市场中，邀请客户评价或以激励方式征集评价都受背书规则约束——应在计划实施前审查，而不是事后审查。在受监管的类别中，法务需要审查模型将要改写的源文案；应在改写工作同时安排审查，因为流程中的瓶颈是审查，而不是写作（工作流步骤 9）。

这里的所有排序都是默认值，而非硬性规定：它们会随客户情况和执行人员而变化。应根据访谈中已获知的信息重新排序——有内部开发人员时，结构化数据的投入几乎为零；若评价征集计划已经在运行，调整评价方向的成本就很低。

删除，而不是降级：被排除的素材若留在底部，之后就会作为本轮投放从未纳入预算的工作范围重新出现。因此，应将它从选项中移除，并作为明确标注为已删除的项目，转交给相应负责人。

• 用户无法编辑的落地页。
• 没有开发队列可供提交的结构化数据。
• 当月内的截止期限（访谈问题 11）使整项评价工作无法开展时，删除评价这一整行。

B2B 和 B2C

语体转换、广告位规则、依据规则和可引用性门槛对 B2B 和 B2C 完全相同——两边都应原样遵循。不同之处在于文案必须提供什么：

• B2C：读者通常就是决策者。一个明确的情境加上一项具体成果，往往就能独自形成闭环。
• B2B：读者往往是在为别人准备论据。提供一项可量化的成果，让他们能在会议上引用；并且要预期广告位会开启一个研究周期，而不是结束它。
• 在助手内购物界面中，库存偏向 B2C（这是由其信息流驱动的特性决定的）；B2B 则依赖研究模式的问答引擎和较长的考虑周期。这两点都只是从业者的观察，并非供应商保证。
• B2B 衡量会遇到常见限制：转化量太低，几个月内都无法判断文案层面的统计显著性——应改为查看投放情况、点击率和潜在客户质量（参见「衡量」）。

已报告规格——带日期的快照

具体的平台数字见 references/reported-specs.md。这是一个明确标注为可选的说明，日期为 2026-08，其中列出了供应商名称，并为每个数据标注其属于供应商文档记载／从业者报告／媒体传闻。使用其中任何数字前，都应向供应商自己的广告主帮助文档再次核实——这个领域每周都在变化，而且不同界面是否公布自己的文案字段限制也不尽相同。本文件中的核心说明有意不包含未经限定的平台数字。

输出格式

每个投放位置交付一份广告位方案：

• 投放位置 + 控制轴：界面类别、原文投放或模型生成、创作路径，以及责任归属。
• 情境描述：Persona + Intent + Scope 的文案，以及 1-2 个用于诊断投放情况的备选版本。
• 广告位文案（原文路径）：标题和文案行，均不超过粘贴内容的限制，并显示字符数；将行动请求融入文案。或者提供 来源内容改写（生成路径）：按改写顺序列出素材，标明被改写的具体段落和信息流字段并展示前后对比，同时列出任何因明示限制而从候选项中删除的素材，并注明对应限制。
• 依据表：每项主张 → 其来源；或者标记为 UNSOURCED 并暂缓使用。
• 合规说明：标签预期、受监管类别状态、法务审核状态。
• 可引用性门槛结果：10 项检查逐一标注通过／不通过。
• 衡量计划：使用的基线、归因窗口、各项分析的执行顺序，以及哪项访谈答复改变了该顺序。

参见 references/worked-examples.md，其中包含一个 B2C 原文投放方案示例、一个 B2B 方案示例、一个模型生成的来源内容改写示例，以及一个附有注释的反面示例。

调用示例

• “为我们的薪资工具撰写赞助卡片文案和情境描述——目标是在助手对话中处于研究中期的创始人。”
• “我们的广告现在会显示在 AI 搜索答案中，而且模型对我们的描述有误——修正它读取的内容。”
• “将这个效果不错的搜索标题改写成适用于一次性助手广告位的文案”（预期它无法通过语体要求，需要重写，而不是缩短）。

失效模式

• 在对话中插入搜索式文案 → 像闯入者一样突兀。修正：说出读者所处的情境，而不是强调你的类别优势。
• 为模型生成的展示位撰写标题 → 下游不会有任何变化。修正：改写源内容和信息流。
• 在情境描述中堆砌关键词 → 匹配到错误的对话，或者完全匹配不到。修正：采用“角色 + 意图 + 范围”。
• 一个位置塞入两条主张 → 两条效果都减半。修正：一次只讲一个观点；把第二个留到下一轮迭代。
• 制造紧迫感 → 破坏语境，损害信任。修正：转而减少不确定性；只保留确有截止日期的优惠。
• 将文案写成助手自己的结论 → 这是此类格式中风险最高的版本；借用权威性会提高举证门槛，绝不会降低门槛。修正：确保广告与回答清晰区分。
• 编造统计数据或推荐语 → 在监管机构已覆盖的展示位上带来合规风险。修正：标记为 UNSOURCED 并暂缓发布。
• 将最高级表述放在模型自身的限定性评估旁边 → 在同一轮对话中自相矛盾。修正：缩小范围，确保属实且有来源。
• 用 1 天点击窗口评判文案 → 该展示位的转化较晚；较短的窗口会低估其效果，并过早将其淘汰。
• 将 AI 自然曝光度的变化归功于广告 → 付费和自然是针对同一提示词运行的两个独立系统。应分别评估。

衡量

采用两部分目标：先设置你可控的上线前门槛，再读取账户基线，因为此类展示位几乎没有或完全没有可供优化的创意报告（没有查询级报告，生成路径无法保证逐字呈现，也没有确定性的点击归因）。

上线前：可引用性门槛。 对每条待发布文案逐项打“是”或“否”。通过线为 9/10；持续迭代直至通过。 每项检查都对应此类展示位上有据可查的发布阻断因素。9/10 是发布的最低门槛，不是目标——即使文案达到 9 项，下一轮迭代前仍须修正未通过的那一项；只是这一项不会阻碍本次发布：

1. 脱离所有上下文后，是否仍能完整理解？
2. 是否明确提及产品——没有依赖代词来承载关键信息？
3. 是否恰好只有一个观点？
4. 是否先提出主张，再给出依据？
5. 是否包含具体细节（数字、结果或明确点出的情境），而不是形容词？
6. 每项主张是否都能追溯到所提供的来源？
7. 有时效性的主张是否标明日期，并设定复核日期？
8. 是否读起来像同事的推荐——没有打断式表达，也没有制造紧迫感？
9. 范围是否足够明确，能经得起模型在旁给出的评估——没有未经证实的最高级表述？
10. 是否符合展示位当前限制，并已在今天对照用户的广告管理工具核实？

上线后：读取账户基线，而非已发布的基准数据。 在同一展示位上与账户自身的历史数据比较；如果尚无历史数据，则以最初 30 天建立基线。流传的外部基准数据来自单一供应商或媒体报道，至多只能用作合理性检查。以下每项评估都将归因窗口至少延长至 7-14 天（从业者报告称，大多数转化发生在即时点击窗口之外）。

有四种评估方式，它们值得投入的时间并不相同——以下各维度均按优先级从高到低排列：

• 效率：不同情境描述下的投放情况 > 与自身历史数据相比的点击率 > 下游潜在客户或购买质量 > 有足够样本量的变体测试
• 价值：有足够样本量的变体测试 > 下游潜在客户或购买质量 > 与自身历史数据相比的点击率 > 不同情境描述下的投放情况
• 工作量：有足够样本量的变体测试 > 下游潜在客户或购买质量 > 与自身历史数据相比的点击率 > 不同情境描述下的投放情况
• 跨情境描述的投放情况 - 免费，几天内即可读出结果，而且在文案问题尚未适用前就会触发。投放信号强，说明是真实的买家对话；信号弱，则意味着量少或情境界定不当，因此应先重新界定情境，再改动文案中的任何字词。
• 点击率与自身历史数据对比 - 采用一个 30 天窗口，无需设置，也是该界面能提供的唯一文案层面读数。只能看相对值，不能看绝对值：背后没有查询级报告。
• 后续潜在客户或购买质量 - 最能真实反映该广告位带来了什么，也是负责潜在客户评分的人持续需要承担的工作。在 B2B 场景中，当转化量连续数月都不足以支持文案层面的显著性判断时，这是唯一仍然有效的信号。
• 经过样本量规划的变体测试 - 唯一能得出因果结论的方法，也是成本最高的方法。每个回答只占一个广告位，加上较高的 CPM，使样本量规划在这里尤为重要；将变体数量控制在两到三个，并在投入前使用 mbfinotti/advertising-skills@ad-creative-test-plan 规划样本量。

这两个维度在两端的排序截然相反。变体测试的价值和投入均居首，因此效率排名最后——它需要数周的投放才能回答投放数据几天内就能回答的问题，所以只有在投放和点击率都不再变化后才进行。投放则恰好相反：价值最低，效率最高，因为它免费，而且能避免你重写根本没有展示过的文案。

这个顺序只是默认方案，并非铁律。应根据账户情况重新排序：

• 如果该界面有一年的历史数据，就应将点击率读数提升到首位。
• 如果完全没有历史数据，就应暂缓查看点击率，直到建立基准数据。
• 如果 B2B 交易周期以季度为单位，潜在客户质量也应按季度而非 30 天来评估。
• 如果有硬性截止日期（问题 11），就直接取消经过样本量规划的测试。

参考资料

• references/reported-specs.md - 带有来源等级的供应商快照，并注明日期；使用前请重新核实。
• references/worked-examples.md - B2C、B2B 和来源改写方案的示例，以及一则带注释的反面示例。