先用 Demo 找到正确产品形态
围绕 20—25 个游戏手工 Demo 和电商类目实验，确定“新生成短剧 A 面 + 复用商品/游戏 B 面”的主形态，并明确对象不能在缺少参考时被模型臆造入画。
CASE 03 / AIGC WORKFLOW · AD CREATIVE2026.03 — 至今
字节跳动 · 商业化
原生广告 AIGC
Short Drama Native Ad Workflow把广告创意从手工试验，变成可复用、可评估的 Agent 工作流。
01排产
先决定做什么
选择商品或游戏按新投、扩量、补量等业务优先级进入生产。
准备短剧候选池同步角色、场景、情绪和可用片段。
避免重复生产查历史记录，已经做过的组合不再重复。
02匹配
找到能自然承接的剧情
先找可能合适的短剧用卖点、人物和剧情语义召回候选。
再判断是否真的合适比较人物、情绪、场景与广告卖点是否自然。
03创意
设计广告怎样进入剧情
选择承接方式确定剧情怎么转向商品或游戏，不显得生硬。
写故事与台词明确人物动机、冲突和卖点出现时机。
拆镜头与分镜把创意变成可以逐镜生成的制作说明。
04生产
生成并拼成完整广告
生成短剧原生 A 面沿用短剧人物、场景和情绪。
接上商品或游戏 B 面裁切、拼接并完成音画后处理。
失败节点单独重跑不用因为一个镜头出错而整条重做。
05验证
审核后看是否真正投放
先检查内容与画面剧情、人物、产品一致性和生成质量。
再经过业务与商安审核只有通过的素材才能进入推送。
追踪投放结果看创意是否创建、在投并产生消耗。
成片不好，具体改哪里定位匹配或生成问题→修改规则与提示词→观察审核与投放漏斗生产量和业务价值分开判断
先定义真正的问题。
客户自提广告直接插入短剧，会在人物、场景和情绪上产生割裂；但原生素材又高度依赖人工读剧、理解商品/游戏卖点、选择承接套路和编排镜头。真正的问题不是“能不能生成视频”，而是能否持续产出可审核、可投放、可回收的内容。
80.1%206 条批次全维通过
26.5→0.8%召回 Badcase
1,800+系统日均生产 VID
三个关键产品判断。
把经验沉淀为可运行系统
把短剧/商品/游戏知识、召回精排、创意策略、故事大纲、镜头设计、视频脚本、生成与质检拆成结构化节点；单节点可重跑，审核失败可定点回流。
用评测和漏斗约束扩产
建立召回评测、节点 Review、成片 CQC、商安与投放回收七层检查；把 Badcase 归因到匹配、剧情、人物、生成或链路节点，而不是只继续加 Prompt。
03 / PRODUCT SYSTEM
把能力组织成闭环。
不只展示页面步骤，也展示数据如何流动、模型如何协作，以及产品如何把不确定性收进反馈回路。
系统先决定哪些商品或游戏值得生产，再选择能自然承接卖点的短剧片段；创意、生成、审核和投放结果都能回到具体步骤继续优化。
用户输入系统处理结果输出反馈改进
01
确定生产对象按新投、扩量、补量等业务优先级排产
02
选择合适短剧看人物、场景与情绪能否自然接住卖点
03
设计承接创意确定广告怎样进入剧情、不显得生硬
04
拆成脚本与镜头把创意拆成故事、台词、镜头和分镜
05
生成并拼接成片生成短剧原生 A 面，再接商品或游戏 B 面
06
审核投放与回收检查内容与画面，追踪是否真正进入投放
成片不好，具体改哪里
定位匹配或生成问题→修改规则与提示词→观察审核和投放漏斗
↰ 回到上游持续校准04 / OUTCOME
结果，以及仍需验证的部分。
- 游戏 206 条阶段进审批次中，165 条十项审核维度全部通过，全维通过率 80.1%。
- 电商 120 个商品的召回评测中，明显不适配占比由 26.5% 降至 0.8%，优质候选由 24.6% 提升至 48.4%。
- 在独立剧本评测中，优质广告脚本占比由 35.0% 提升至 77.5%。
- 系统已形成千级日供给能力；继续通过“生产—审核—推送—在投—消耗”漏斗定位创意承接和流量结构问题，生产量不直接等同于业务价值。
指标来自不同日期与成熟度的阶段批次，不做跨批次环比或单一 Prompt 因果归因；生产规模为系统结果。公开页面不展示内部系统名、账户标识、原始截图或经营金额。