游戏买量如何破局？基于AI的素材生产工作流
AppGrowing AppGrowing 2026年6月18日 09:03 广东
买量的同学都发现了，最近信息流⾥突然冒出⼤量 AI ⽣成的漫剧式游戏素材，⼏分钟讲
完⼀个反转故事，末尾突然弹出“点击下载同款游戏”；你好奇点进去⼀看，素材转化率
⾼得离谱，⽽你的团队还在⽤⽼⼀套“抽卡⾼光+美⼥主播”反复洗量？
AI漫剧素材，解决了传统买量最⼤的两个死⽳：素材同质化 + 定向能力差。
但问题来了，AI漫剧素材凭什么能成为破局点？「内容即定向」到底怎么落地？AI到底
怎么嵌⼊“分析-创作”全流程？中⼩团队没有技术团队，能不能⽤AI快速产出⾼转化素
材？
本⽂是⼀期 AppGrowing在三⽶星球 （⼀个游戏⼈/互联⽹⼈终⾝成⻓的学习平台）上
的直播分享转录——
最近⼀些游戏开始做轻剧情开头，甚⾄有团队设⽴了AI漫剧素材岗。
看到别⼈⽤新技术有量，我也想做，这是很正常的思维。但⽹上⼀搜，很多⼈会告诉
你，当作“技巧”去照搬，在当下变化特别快的节奏⾥，“技巧”未必⾛得远。因为现实中，有很多⽐技巧更重要的事：漫剧前景多⼤？是花更多精⼒做漫剧类素材，
还是继续深挖游戏实机玩法视频？哪个路线效果更好？技术采购要不要付费？
若回答不上来，如何在团队内推进这个项⽬？
因此，我们今天核⼼讲「信息流推荐算法的底层变化」。 这能让你学会判断：AI内容能⾛
到哪、能取代多少旧素材、哪些事情未来会越来越不重要。
先给⼤家看⼀段漫剧⻛格的素材：
源：《三⻆洲⾏动》投放素材
这个投放素材为什么好？
吸睛、有质感、⻆⾊故事……说这些都对，也都不对。
最底层原因，是整个信息流推荐算法有个巨⼤变化。过去推荐算法：计算⼀个视频⽂件的完播率、曝光率、转化率、下载率等指标，通过表
现判断它是好是坏，就像凭成绩判断学⽣好坏⼀样。那时，⼤家可以"抄模板"，只要表
⾯模仿得像“好学⽣”，就能得到资源倾斜。
因此，爆款素材很重要，虹吸效应特别强。
但今天的推荐算法变了：它不再单纯依赖标签数据，而是会识别内容，基于语义做推
荐。就像⼀个更好的⽼师，在根据学⽣的⽇常⾏为、谈吐、看的书等各种东西，综合判
断学⽣是什么样的⼈。这时“成绩”可能没那么重要。
⽐如刚刚的视频，让你⽤语⾔描述的话，⼤概只能讲⼏句话，⼏⼗个关键词，但在AI这
⾥，⼀帧画⾯就有上千个向量化特征——背景有酒柜、洋酒瓶、铁⻔、地下室环境、⼈
物⾐着、科幻场景、CG⻛格、西⽅男性……如果你最近刷抖⾳时，有相似的偏好——⽐
如你可能在关注海外某游戏的CG——那算法就会优先把三⻆洲⾏动的这条素材推给你。
此时，这条素材更接近于原⽣内容，⽽不是⼀条打断你刷视频体验的⼴告。
用户得到好的体验，平台有更广阔的商业化空间，这是一个必然的未来。
投放必须适应这⼀变化做出改变。
包括现在为什么严抓同质化、上暗⽔印？很简单，过去那套玩法相⽐之下太低效了，要
慢慢淘汰。
不依赖⼈群圈选，算法直接通过素材的内容特征找受众，这会衍⽣⼀系列新玩法。举个例⼦：多数投⼿直觉上认为，⼥性擦边开头会吸引男性，⽽⾮优质年轻⼥性⽩领。
然⽽，当素材中有「吃绿⾊⻝物、打卡、节⻝」等视觉特征，被推送给「关⼼美背、⻢
甲线、瑜伽」的⼈，这反⽽是能定向到⼥性的⼀条素材。
怎么利⽤这⼀规则？
重点来了：
第⼀步，⽤ AI 逆推参考竞对爆量素材的向量化特征；
第⼆步，让AI基于分析结果，结合⾃⼰的产品信息，⽣成新脚本+视频⽣成提⽰词；
第三步，丢给 Seedance2.0，你就得到⼀条具有相似情境上下⽂（Context）和定向能
⼒的全新素材。
这玩法⽬前在电商和游戏已有⼤品牌在⽤，⾮常有效：回到刚刚那个漫剧视频，怎么做借鉴？逆推它提⽰词→还原→或⽤它思路做⾃⼰游戏素
材，理论上所有游戏都能⽤这⽅式做。给⼤家看实操例⼦：我最近玩《永劫⽆间》，打开游戏，把⼈物故事复制出来，让AI写成
30秒左右视频脚本，AI 逆推画⻛/⾊彩/场景提⽰词和⼈物描述（外观、年龄、体型、⾐
服、⽓质、动作、表情、光影等），⽤AppGrowing的「AI 仿拍」功能直接做视频⽣成：
归纳、沉淀提⽰词体系和参考图体系，通过分镜做控制，这能让你轻松做出超过15秒的
⾼质量视频。
剧情类素材为什么不少游戏公司做？第⼀已取得商业结果；第⼆符合游戏发展和推⼴趋
势，你的玩家更喜欢在短视频刷到你相关的好内容（UE/剧情），⽽不是刷到"领红包"素
材。00:29
很多时候我们说投⼿要有直觉、编导要有⽹感，这种"感觉"其实就是推荐算法层⾯的
——具有什么特征的内容会被什么样的⼈喜欢。
当你发现竞对有某类内容特别⽕，可直接让AI基于推荐算法原理逆推它在算法眼⾥最本
质的样⼦，结合⾃⼰游戏做成脚本→⽣成视频→投放，给⼤家两段提⽰词可以直接⽤：
看⼀个素材好在哪，不能只凭感觉，否则编导、设计、投⼿如何配合？⼤家对这个“感
觉”的理解都不⼀致，对吗？
但反过来，我们根本不需要做“在⼈类眼⾥”⼀样的素材复刻，只需要做“在算法眼⾥
⼀样”的就⾏了。因此，让 AI 基于向量化特征逆推 + AI素材⽣成，⽐如将某个玩法素材
改成动画剧情版本，⼈眼⾥不同、算法⾥则是有效堆量：00:15
上条这条玩法素材的本质：暴⻛雪来临前修好屋顶（危机叙事）→有安全但天灾寒冷只
有靠⽕炉活→虽暂时安全但知迟早被发现（紧张感），起承转合做得好，但把「玩法」裂
变1000条，意义不是很⼤，因为对玩法感兴趣的⼈始终是有限的。有些⼈的抖⾳信息流
⾥，就是不爱看游戏界⾯和玩法过程。
「风格」也是一种创新方向。
假设我们是《三国·冰河时代》，也可以把友商的这条视频结合⾃⼰游戏故事信息→⽣成
脚本→再⽣成视频。它会有相似节奏，只是危机从「其他玩家」变成了「敌军压境」
等，以适配你的游戏背景。00:12
⽣成流程分两步：
第⼀步：把竞对素材丢给提⽰词，AI分析它被算法推荐的真实特征并归纳⽣成⽤脚本；
第⼆步：告诉AI你是什么游戏，让它改脚本→调优后给带台词脚本的视频⽣成提⽰词→
丢给视频⽣成模型（Seedance2.0），基本不⽤抽卡，稳定性⾼，三条⾄少两条达标。有⼈问：AI本⾝创意能⼒有限怎么办？
这正是我们讲第⼀点（识别推荐算法底层逻辑）和第⼆点（需要营销⼤数据）的原因。
⼤模型设计是为讨好⽤⼾，给相对经典剧情创意，但我们要做信息流时，市场热门方向
时刻在变——因为人的兴趣偏好在变——你今天爱刷宠物小精灵明天爱刷别的，可能也
不会有什么特别原因。
必须靠数据，结合市场热度及时跟进。这也是 AppGrowing 跟 AI 结合起来的独特价
值，让⼤量信息流素材数据成为 AI 模型的上下⽂（Context）。
有⼈觉得流程复杂：看素材→分析→AI分析→AI给提⽰词→⽣成→抽卡。为什么要这么
设计？
熟练⽤⼩⻰虾的朋友，或者简单安装个腾讯的workbuddy，就可接⼊有⽶云的Skill（安
装 agclaw 即可），可让AI⾃⾏规划任务、调⽤数据，⽐如每天早上分析前⼀天的2000条
素材→找100条值得借鉴→结合游戏⽣成100个⾼质量视频⽚段，在你9点上班前准时完
成，放在桌⾯给你。
可这样的话，⼈还重要吗？
当然。甚⾄⼈的策略和审美判断（Taste）更重要了。
⽐如，你可以做恶俗的剧情，吸引⼀些喜好恶俗的玩家，素材转化率虽然不错，可这⼀
内容定向的⼈群LTV如何？对「⽅向」的把握，对产品和团队的了解，是⼈⽆可取代的地
⽅。
⼤判断：⼀年后整个信息流市场，⾄少有30%素材是AI⽣成，团队需要标配AI素材能⼒
来快速验证策略⽅向——⽽不是每周⼀开个会，讨论、遴选、制作，⼀周后才进⼊投放
测试。AI⼯具出现，让策略意识更强的⼈⽣产⼒更强。
相反，如果觉得"信息流算什么，我就每天抄爆款瞎剪碰运⽓"，那很危险，平台不喜欢
低质混剪和物理堆量，你也⽆法找到好策略⽅向迭代（根本不存在于你脑海），慢慢可能
被淘汰。就像纺织机出来后⼤量⼿⼯织⼯消失，市场只剩⾼奢和⼯业化标准品（优⾐库
类），没有中间层⼿⼯仿制品位置。
你必须理解游戏规则才能玩好游戏，
工作也一样。修改于2026年6月18日
Q&A环节
Q：推荐AI相关书籍？
燕尾：《娱乐⾄死》《必然》《技术元素》（凯⽂·凯利）、《⽂化性动物》、《叙事经济学》、
《游戏与⼈》，不过⽐起书籍，游戏⾏业从业者建议多玩各种游戏。
Q：审美/taste有技巧提升吗？
燕尾：100%有技巧。⾸先了解推荐算法原理和向量化特征——明⽩算法怎么匹配内容特
征和⽤⼾特征后，你再去看短视频内容会很有意思。⽐如战神短剧（兵王回乡）⼩镇⻘
年度很⾼——因为他们⽣活环境没有霸总/⽩领/财阀，但有当兵回来开⼩店很⻛光的邻居
⼤哥，这是他们能理解共情的。审美（Aesthetics原意感知学）是对"别⼈怎么感觉⼀件
事"的判断能⼒——你能知道别⼈怎么理解事情时taste就好。再加上多玩各类游戏、多接
触不同⽤⼾群体。不要只依赖"我觉得好"，让AI先帮你分析画⾯向量特征再看才懂计算
机怎么"看"素材。
Q：年轻⼈⼊⾏建议？
燕尾：不要花太多时间迷信学校教的（营销课本可能是5年前甚⾄更旧的案例），尽早放
下"我不可能搞懂某件事"的畏难⼼理⾃⼰去研究——不需要会编程但要知道计算机语
⾔/markdown/API/Skill/提⽰词⼯程是什么、去年今年提⽰词差异。
