本文重点：

• Kokai Zuma升级了哪些AI广告能力，以及Koa助手如何参与实际投放工作。
• CPA平均改善32%的数据意味着什么，如何理性看待AI优化效果。
• AI深入广告执行后，外贸投放人员应如何调整工作方式。
• 外贸卖家如何结合业务数据，更合理地使用AI进行广告投放。

---

假设你是户外储能品类的外贸投放负责人。打开广告后台，发现某个广告系列的转化率突然下滑，于是导出数据交给AI分析。AI很快给出一份报告，可能将问题指向曝光频次过高、素材表现衰退或流量质量变化。但报告给完，工作并没有结束。你还需要重新登录广告后台，逐项核查相关设置，再根据分析结果调整投放策略。

Kokai Zuma想要改变的，正是这条链路。8月27日，The Trade Desk正式推出Kokai Zuma，这是其Kokai广告体系的一次重要升级。对外贸投放人员来说，这并不是简单多了一个AI工具，而是原本由人工完成的部分广告工作，正在被重新分配。

Kokai Zuma升级了什么？

The Trade Desk是一家专门做程序化广告技术的公司，他们有个平台，主要用来帮广告公司做广告规划、购买和效果评估。Kokai是他们推出的一个AI广告平台，而Zuma是Kokai的一次大升级。表面上看，Zuma就是增加了AI助手、受众构建和自动调整这些功能。但真正重要的是，这些功能背后的技术更强大了。这次升级让他们的预测引擎、AI基础设施和实时数据处理能力都变得更强大，能更好地预测广告效果、分析广告活动，还能调整广告频次。以前AI就像个“分析工具”，就是广告人员把数据给AI，AI负责整理、分析，然后给出建议。但Zuma不一样，它能让AI直接参与广告投放的各个环节，这就让AI在广告工作中能做得更多了。

Koa助手，让AI参与更多实际广告工作

这次更新中，Koa助手能帮广告主完成更多具体任务，比如广告活动创建、受众构建、广告表现分析和投放问题排查等。但这里得区分普通生成式AI和智能体AI。

普通生成式AI的工作模式是人问问题，AI分析后给出答案。比如，广告人员把投放数据给AI，让它分析最近转化率下降的原因，AI会整理数据并给出可能的原因。但接下来该改什么、去哪个设置页面、是否执行调整，还得人工完成。

智能体AI更侧重完整闭环任务。人提出业务目标，AI先理解任务，调取对应投放数据，完成分析判断，调用平台工具处理部分工作，再根据结果继续迭代。放到广告投放场景中，整个工作流程就变了。

以前，我们拿到广告数据后让AI分析，得到调整建议，再由投放人员阅读研判，登录后台手动调整。但现在，系统会先确定广告目标，读取并解析投放数据，定位问题，输出投放方案，部分调整直接自动执行，最后反馈投放结果。

当然，这并不意味着AI能完全接管广告账户。具体功能的开放范围和自动化程度还是受平台权限和产品阶段限制的，重要投放决策还是需要人工监督。

Kokai Zuma带来哪些新的广告能力？

AI辅助受众构建

受众选择一直是程序化广告投放中比较耗费人工的一项工作。过去，投放人员通常需要根据产品特点和历史数据筛选人群，再不断组合、测试和调整。人群范围太窄，可能限制广告触达；范围太宽，又可能带来大量无效流量。

Koa助手可以结合平台数据资源，帮助广告主发现新的相关受众，并拓展原有目标人群。举个外贸投放场景，假设一家企业正在向美国市场推广户外储能产品，过去主要针对露营和房车相关人群投放。随着广告数据积累，AI可以帮助投放人员从已有数据中寻找新的受众方向。

这里真正节省的不是一次点击，而是大量人工筛选、组合和测试的时间。但AI给出的受众方向仍然需要结合产品价格、市场需求和利润空间判断。一个受众“可能会转化”，并不意味着它一定适合企业长期投放。

AI优化广告频次和投放效果

广告频次这个细节指标很重要。如果频次太高，同一个用户频繁看到广告，就可能浪费预算，还让广告显得烦人；如果频次太低，又可能让人记不住品牌。以前，投放人员得靠历史表现和实时数据来判断要不要调整，还得手动改设置。不过，Koa可以结合广告目标和实时投放表现，自动调整广告。这类工作数据多、变化快，得一直盯着，所以特别适合AI来做这些重复的工作。

广告活动和投放问题排查

创建广告活动也有好多重复的工作。Koa助手可以帮广告主根据目标完成广告活动创建，减少新建投放计划时重复填写基础设置的工作量。

问题排查解决了另一个常见问题。当广告消耗异常、曝光降了或转化表现突然变了，投放人员得检查预算、受众、广告设置、流量表现等多个方面。如果AI能快速看数据，帮忙缩小问题范围，投放人员就不用在后台数据里一项一项查了。这意味着AI介入的时间提前了。以前更多是广告结束后再分析“发生了什么”；现在AI开始在投放前和投放过程中参与创建、分析和问题排查。

广告衡量和报告体系升级

Zuma还升级了广告效果衡量和报告能力，包括转化提升分析、广告报告、报告构建工具、投放设置查看等。这些功能看起来没那么显眼，但对自动调整很重要。因为AI开始参与广告调整后，广告主更需要知道做了哪些改动、为什么改、改了有没有效果。只有能追踪这些变化，AI优化才不会变成一个黑盒。

CPA平均改善32%，AI优化开始进入效果验证阶段

功能之外，The Trade Desk公布的一组数据也值得关注。The Trade Desk表示，启用Koa优化能力后，其平台分析显示，CPA平均改善32%，官方表述为”average 32% improvement in CPA performance”。

这个数字得理性看待。首先，这数据是来自The Trade Desk自己的平台分析，不是第三方独立测试的，所以不能直接说所有广告账户都能得到32%的CPA改善。其次，CPA降了也不代表利润就增加了。

比如说，假设一家外贸企业某个产品的CPA从30美元降到20美元，看起来投放效率明显提高了。但如果同期物流成本涨了、退货率也增加了，或者广告带来的订单都是低利润产品，那最终利润可能没怎么增长。

所以，对外贸卖家来说，32%这个数字真正值得关注的地方，不是“自己能不能复制32%”，而是它说明了一个事情：AI已经开始从分析和建议，进一步进入真实广告投放的执行环节，并且能产生可以被衡量的结果。

外贸卖家如何应对AI驱动的广告优化？

AI工具多了以后，真正的问题不在于“用不用AI”，而是哪些工作适合交给AI，以及怎么防止AI把错误的方向执行得更快。要回答这两个问题，得先明白一个核心道理：AI能看到什么数据，就会依据什么数据做判断。只给AI广告数据，它关注的自然是广告指标；要让AI的判断更贴近实际生意，就需要补充更多业务数据。基于这个道理，下面这些建议能帮外贸卖家慢慢建立起更有效的人机协作流程。

先明确广告目标，再启用AI优化

AI优化需要有个明确的目标。广告是为了拉客户、提升转化率、控制成本，还是测试新市场，目标不同，投放方向也不同。所以在用AI之前，得先搞清楚这次推广的主要目标、要考核的关键指标，以及成功的标准。比如，测试新市场时，前期可能更看重有效流量和转化质量；进入稳定投放阶段后，可能更关注成本控制和投入产出比。目标越明确，AI就越容易按照预期方向开展工作。

把广告数据和真实业务数据连接起来

这是外贸卖家尤其要注意的一点。广告后台通常能看到曝光、点击、花费和转化，但这些数据没法完全反映一笔订单最终能不能赚钱。一套完整的评估体系需要融合多维度信息。广告数据用来评估投放效率，网站和销售数据用来判断真实转化水平，产品成本、物流、关税和退货记录一起算业务实际利润，市场和竞品信息用来判断外部竞争环境。

对于那些同时在多个海外市场做生意的外贸公司来说，除了广告平台上自己能看的数据，还可以通过查公开的网页、市场信息和对手的情况来补足更多的信息。用1024Proxy的IP服务，能更稳当地从不同地方收集到公开的市场信息，这有助于选产品、分析对手和调整广告策略，提供更多数据参考。

不同市场不要使用同一套AI策略

对于那些在好几个海外市场做生意的人来说，不同国家的数据、竞争环境和用户行为可能完全不一样。与其把所有市场都放进同一套自动化规则里，不如按国家来分开评估。有些市场已经积累了足够多的历史数据，转化表现很稳定，可以稍微放开自动化权限；有些市场还在起步阶段，样本量比较少，应该先看看AI输出的优化方向；还有一些市场虽然广告CPA表现不错，但整体利润偏低，就需要结合业务数据重新考虑投放策略。这样做并不是限制AI，而是避免在数据不足或业务逻辑还没验证的市场里进行过度自动调整。

建立固定的人工复核流程

比较稳妥的工作方式可以是：AI先进行分析，检查背后的依据，然后人工判断合理性，先在小范围内执行，持续跟踪结果，再决定是否扩大自动化范围。尤其是预算大幅调整、受众范围变化、新市场测试等重要操作，更应该保留人工判断。如果平台提供不同程度的自动化权限，可以先从风险较低的功能开始，观察AI的实际表现，再逐步扩大使用范围。这样做的核心不是“不相信AI”，而是让自动化建立在真实数据验证之上。

把人工时间从重复操作转向市场判断

当AI开始负责数据整理、找出异常、生成报告和优化部分投放后，投放人员就能把更多时间放在更有价值的工作上。我们需要把精力集中在业务方向性问题上，判断哪些市场值得追加预算，哪些产品适合加大推广力度，找出用户购买和流失的真正原因，关注当地竞争对手的动态，确保广告策略与库存、物流、利润的整体目标一致。这些问题决定了生意的方向，而不仅仅是某个广告指标。虽然AI可以处理大量数据，但最终还需要人来判断这些数据背后的商业意义。

把AI优化变成持续循环，而不是一次性设置

AI优化不是设置一次参数就结束了。海外市场的竞争环境、用户喜好、季节需求和产品表现都会变。更合理的做法是，业务数据不断回流，交给AI分析研判，执行相应的优化，持续观察实际业务结果，再根据新数据启动新一轮迭代。如果第一次优化没达标，就得回到数据和业务目标重新检查。AI真正的价值不在于“一次把广告做好”，而在于持续的数据反馈中不断调整。

AI不会马上替代广告人员，但会改变他们的工作方式

从Kokai Zuma的升级可以看出，AI正在承担越来越多的数据处理和广告投放工作。过去，投放人员得花好多时间看报表、查异常、调参数和修改设置；现在AI帮忙干这些重复活儿，人就能把更多精力放在市场判断、预算分配、产品策略和效果复盘上。

但这并不意味着广告人员的作用会降低。相反，随着AI参与的环节越来越多，人更需要做好目标设定、数据判断和风险控制。广告后台的数据也不应该成为唯一依据，还需要结合产品、利润和市场变化来判断一个广告活动是否真正有效。

未来广告人员需要关注的，不只是“怎么操作广告后台”，而是能不能设定合理目标、提供可靠数据，并判断AI给出的结果是否符合实际业务需求。AI负责处理更多数据和执行工作，人负责目标、策略、监督和最终判断。这不是简单的“谁取代谁”，而是广告投放工作的分工正在重新调整。

结语

Kokai Zuma的发布，真正值得关注的并不是The Trade Desk增加了多少AI功能，而是智能体AI正在进一步进入广告投放的实际工作流程。从受众构建、广告活动创建，到投放优化、问题排查和效果分析，AI参与的环节正在增多。

对于外贸卖家来说，不需要为了追赶趋势就把所有广告工作交给AI。更实际的做法是，先把广告目标、业务数据和人工复核机制建立起来，再逐步把适合自动化的重复工作交给AI。未来广告投放的竞争，可能不只是比谁拥有更强的工具，而是比谁能更快地形成一套有效的人机协作流程。

AI可以越来越快地执行，但决定它往哪里走的，仍然是人。