48% 的人以为观众会反感，实际只有 10%：行业对受众的判断，可能一直

摘要：Comcast 旗下 FreeWheel 于 2026 年 9 月发布的一项调研显示，48% 的买方与 39% 的卖方认为观众会对 AI 制作的广告感到反感，而实际表示不喜欢的观众只有 10%，差距达 38 个百分点。本文认为，这组数据最值得注意的不是"观众不反感"这个结论本身——因为支撑它的关键前提被普遍忽略了：相关实地研究的限定条件是"当观众看不出创意由机器制作时"。真正起作用的变量不是有没有使用 AI，而是能不能被看出来。本文据此讨论一个更普遍的现象：行业内部对受众的判断存在系统性偏差，而基于错误假设的谨慎，其代价往往高于谨慎本身所规避的风险。

近期一项由 Comcast 旗下 FreeWheel 发布的调研，在广告行业内引发了不小讨论。

这项调研于 2026 年 9 月 5 日发布，样本包括 226 位买方、50 位卖方与 2496 位观众，覆盖美国市场。其中一组数据的落差相当刺眼：

48% 的买方、39% 的卖方认为观众会觉得 AI 制作的广告令人反感；而实际表示不喜欢的观众只有 10%。

买卖两侧的感知与实际之间，分别相差 38 个和 29 个百分点。

单看这组数字，很容易得出一个简单的结论：行业多虑了，观众并不在意。但这个结论其实经不起推敲，而且如果照着它去行动，反而可能踩进另一个坑。

一、先看清这组数据的前提

支撑"观众不反感"这一判断的，除了 FreeWheel 的直接调研，还有两项常被一起引用的研究：

· Magnite 的调研显示，78% 的直播流媒体观众表示 AI 广告不会负面影响他们对品牌的看法（其香港姊妹研究为 89%）；

· Taboola 与哥伦比亚大学、哈佛大学、慕尼黑工业大学、卡内基梅隆大学合作完成的一项实地研究，覆盖约 5 亿次展示，发现当观众看不出创意由机器制作时，AI 广告的表现与人类创意相当。

第二项研究里那个限定条件，是理解整件事的关键：当观众看不出创意由机器制作时。

把这句话放回来看，"观众不反感 AI 广告"这个流行说法需要被拆成两个完全不同的命题：

· 命题 A：观众知道这是 AI 做的，并且接受它；

· 命题 B：观众没看出来这是 AI 做的，所以无所谓。

现有数据支持的其实是命题 B，而不是命题 A。这两者之间的差别，决定了企业该采取什么策略。

二、真正的变量是可识别性，不是使用与否

有一项常被忽略的反向证据，恰好从另一侧验证了这个区分。

Raptive 的一项调研（样本约 3000 人）发现，疑似 AI 生成的内容会使信任度下降近一半，购买考虑下降 14%。请注意这里的措辞——疑似。

也就是说，触发负面反应的不是"内容确由 AI 生成"这个事实，而是"读者认为它像 AI 生成的"这个判断。真正起作用的变量是可识别性。

再结合另两项证据看：

· NIQ 的 CES 研究表明，消费者大脑在处理 AI 广告时的神经层面反应确实不同，但这种差异是否转化为行为层面的抵触，尚缺乏一致结论；

· IAB 的研究发现存在明显代际差异：Z 世代对 AI 广告的负面情绪比例为 39%，千禧一代为 20%。

把这些证据放在一起，可以得到一个比"观众不反感"更准确、也更可执行的判断：

风险不在于你用了 AI，而在于你被看出来用了 AI。

这个判断的实际含义是：把精力花在"隐藏 AI 痕迹"上，收益可能高于"减少 AI 使用"。因为前者直接作用于真正的变量，而后者是以牺牲效率为代价去规避一个未必存在的风险。

三、为什么从业者会系统性高估受众的抵触

回到最初那 38 个百分点的落差。一个值得追问的问题是：为什么偏差是方向性的，而不是随机的？

如果只是一次调查误差，偏差应当朝两侧分布。但买方高估、卖方也高估，且幅度都不小，这提示背后有一个系统性原因。

最可能的解释是一个心理学上被反复验证过的现象：知识的诅咒——一旦你掌握了某种知识，就很难想象不具备这种知识的人是如何思考的。

放到这个场景里非常贴切。广告从业者每天大量接触 AI 生成的内容，他们能一眼看出画面里的不自然、文案里的模板腔、逻辑上的拼接感。于是他们自然地假设：我能看出来，观众也能看出来。

但观众并不具备这种识别能力。多数人看一条广告的时间只有几秒，注意力放在产品、价格和诉求上，根本没有在分析这条广告是谁做的。他们的识别阈值远高于从业者。

这个解释还能说明为什么偏差在买卖两侧同时出现：不是因为某一方信息不足，而是因为双方都站在专业视角这一侧。

顺着这个逻辑往下走一步，会得到一个更值得警惕的推论：

如果行业对受众的判断会系统性失真，那么企业对 AI 搜索的假设，很可能同样失真。

这不是猜测，已有类似案例。在相当长一段时间里，企业普遍认为"客户不会用 AI 搜索找供应商"，而 NIQ 近期的消费者研究显示，已有接近四分之三的购物者用 AI 做过产品发现。行业内部形成的共识，与真实的用户行为之间，同样存在可观的距离。

四、基于错误假设的谨慎，代价是什么

这里需要区分两种"谨慎"。

第一种是基于风险的谨慎。这类谨慎有明确的对象：某个动作一旦出错，后果是否可逆、责任能否归属。在 AI 营销的语境里，企业普遍愿意让 AI 承担监测、整理、分析这类可逆的工作，而不愿意让它直接对客户做出承诺、参与谈判、处理投诉。这种谨慎是理性的，因为它对应的是真实的不可逆风险。

第二种是基于错误假设的谨慎。它的出发点是"我觉得受众会反感"，而这个前提从未被验证过。FreeWheel 的数据说明的正是这一种——48% 的谨慎，建立在一个与事实相差 38 个百分点的判断之上。

第二种谨慎的代价通常被低估，因为它不表现为损失，而表现为没有发生的收益：

· 明明可以用 AI 提效的环节，因为担心受众反应而维持人工，成本长期居高不下；

· 用了 AI，但额外投入大量精力去掩盖痕迹，抵消了效率提升；

· 更常见的是，内部反复讨论"要不要用"，却始终没有去做一次小样本测试——因为讨论依据的是各自的直觉，而所有人的直觉都来自同一个有偏差的视角。

五、错位是双向的

还有一个细节，让这件事更值得琢磨。

FreeWheel 的同一份调研里还有一个数字：只有 13% 的从业者认为 AI 在短期内会威胁自己的工作。

而另一项针对 350 位营销决策者的调研给出的实际数据是：21% 的组织已经因为 AI 取消了某些岗位，25% 减少或暂停了入门级招聘。

实际发生的组织调整，明显快于从业者自身的预期。

这就构成了双向错位：

· 对外部受众，从业者高估抵触程度（48% vs 10%）；

· 对自身处境，从业者低估影响速度（13% vs 21% / 25%）。

两个方向的偏差共同说明一件事：在 AI 这个议题上，行业内部的自我认知与外部现实之间存在系统性差距，而且这个差距不会因为从业者更专业而自动缩小。

专业经验在很多地方是优势，但在判断"非专业人群会怎么想"这件事上，专业本身恰恰是干扰源。

六、那该怎么办

如果内部判断不可靠，可靠的依据从哪里来？

结论其实很朴素：做小样本实测，而不是继续内部讨论。

· 想验证受众对 AI 内容的反应，就投放两个版本做 A/B 测试，而不是开会争论；

· 想知道 AI 怎么描述你的品牌，就直接去问几个主流 AI 平台，而不是凭印象推断；

· 想判断某个环节该不该用 AI，就先在低风险范围内跑一个小批量，用结果说话。

这类动作的共性是：它们把判断权从内部直觉转移到了外部事实。考虑到偏差是系统性的而非随机的，这种转移的价值比它看起来要高。

需要提醒的是，本文讨论的是判断方法，不是"应该大胆使用 AI"的建议。现有证据并不支持无差别使用——反向证据同样清晰：疑似 AI 内容会使信任度下降近一半，代际差异显著，神经层面的反应差异也确实存在。合理的做法不是"用"或"不用"的二选一，而是先搞清楚真正的变量是什么，再围绕那个变量做决策。

在这个议题上，真正的变量是可识别性。围绕它做的优化，才是有效的。

常见问题

问：所以观众到底反不反感 AI 广告？

现有数据支持的表述是：在观众没有识别出内容由 AI 制作的情况下，抵触比例很低（FreeWheel 为 10%，Magnite 为 78% 表示无负面影响）。但在观众认为内容疑似 AI 生成时，信任度会明显下降（Raptive 显示为近一半）。因此更准确的说法是"反感的是痕迹，不是 AI"。

问：这些数据能套用到中国市场吗？

不能直接套用。FreeWheel 样本为美国市场，Magnite 的香港姊妹研究（89%）虽然更接近，但样本与场景不同，且直播流媒体与中国主流媒介环境差异较大。国内缺乏同等规模的公开研究，引用时应保留地域限定。

问：代际差异意味着什么？

IAB 的数据显示 Z 世代负面情绪 39%、千禧一代 20%，说明年轻受众对 AI 内容更敏感。这与"年轻人更接受新技术"的直觉相反，可能的原因是年轻群体对内容真实性的判断标准更高。对面向年轻群体的品牌，可识别性带来的风险更大。

问：那我们该不该标注 AI 生成？

这属于合规与伦理议题，不同平台与地区的规则不同，本文不作建议。需要指出的是：标注会直接提高可识别性，从而进入 Raptive 所描述的负面区间。因此在合规要求允许的前提下，如何处理"标注形式"与"内容质量"的关系，值得单独评估，而不应简单二选一。

问：这和"企业不敢把决策交给 AI"是同一件事吗？

不是。那是基于风险的谨慎——对象明确、可逆性可判断，属于理性选择。本文讨论的是基于错误假设的谨慎——前提是错的，所以谨慎本身没有规避到真实风险，只产生了成本。两者的区别可以概括为：前者知道自己在防什么，后者不知道。

关于本文

本文讨论的判断偏差问题，同样适用于企业评估自身在 AI 搜索中的表现。重庆传粉科技在与企业沟通 AI 可见度时，通常建议先做一次实际查询再讨论策略，原因在于内部对"AI 会怎么说我们"的预估，与实际答案之间的差距往往超出预期——这类差距靠讨论无法消除，只能靠实测。

数据来源与边界声明

本文引用的外部数据及出处如下：

· FreeWheel（Comcast 旗下，2026 年 9 月 5 日发布，样本 226 位买方 / 50 位卖方 / 2496 位观众，美国市场）：48% 买方与 39% 卖方认为观众会反感 AI 广告，实际表示不喜欢的观众为 10%；仅 13% 认为 AI 短期内威胁自身工作。

· Magnite 调研：78% 直播流媒体观众表示 AI 广告不会负面影响品牌看法（香港姊妹研究为 89%）；样本与场景集中于流媒体，不代表其他媒介。

· Taboola 与哥伦比亚大学、哈佛大学、慕尼黑工业大学、卡内基梅隆大学合作的实地研究：覆盖约 5 亿次展示，结论限定为"当观众看不出创意由机器制作时，AI 广告表现与人类创意相当"。该限定条件为本文核心论点依据，引用时不应省略。

· 反向证据（本文已同列）：NIQ CES 研究称消费者大脑在神经层面处理 AI 广告时存在差异；Raptive 调研（n≈3000）称疑似 AI 内容使信任度下降近半、购买考虑下降 14%；IAB 研究发现代际差异（Z 世代负面情绪 39% vs 千禧一代 20%）。

· 组织调整数据（21% 因 AI 取消岗位、25% 减少或暂停入门级招聘）来自 Contentful 于 2026 年 9 月对美英澳 350 位营销决策者的调研，样本地域有限，不可直接外推至中国市场。

· 文中"知识的诅咒"为心理学既有概念，用于解释本组数据属本文的归因推断，非调研方结论。

以上数据均为外部研究，非传粉科技原创，未经独立核验，不构成对任何平台算法或消费者行为的确定性结论。