如何用Nano Banana Pro批量生成廣告素材?電商模板化投放4大實戰策略

import openai
import asyncio
import aiohttp
import json
import os
from typing import List， Dict， Optional
from dataclasses import dataclass
from enum import Enum
import hashlib
from datetime import datetime

class Platform（Enum）:
    """廣告平臺枚舉"""
    TAOBAO = {"name": "淘寶"， "size": "800x800"， "ratio": "1:1"}
    JD = {"name": "京東"， "size": "800x800"， "ratio": "1:1"}
    PINDUODUO = {"name": "拼多多"， "size": "750x750"， "ratio": "1:1"}
    WECHAT_MOMENTS = {"name": "微信朋友圈"， "size": "1280x720"， "ratio": "16:9"}
    DOUYIN = {"name": "抖音"， "size": "1080x1920"， "ratio": "9:16"}
    XIAOHONGSHU = {"name": "小紅書"， "size": "1242x1660"， "ratio": "3:4"}

@dataclass
class AdTemplate:
    """廣告模板數據類"""
    name: str
    prompt_template: str
    style: str
    platform: Platform
    negative_prompt: Optional[str] = None

@dataclass
class ProductData:
    """產品數據類"""
    sku: str
    name: str
    category: str
    selling_points: List[str]
    price: float
    discount: Optional[str] = None
    reference_images: List[str] = None

class NanoBananaProAdGenerator:
    """Nano Banana Pro 廣告素材批量生成器"""

    def __init__（self， api_key: str， base_url: str = "https://api.apiyi.com/v1"）:
        self.client = openai.OpenAI（api_key=api_key， base_url=base_url）
        self.cache_dir = "./ad_cache"
        self.output_dir = "./generated_ads"
        os.makedirs（self.cache_dir， exist_ok=True）
        os.makedirs（self.output_dir， exist_ok=True）

    def _generate_cache_key（self， product: ProductData， template: AdTemplate） -> str:
        """生成緩存鍵"""
        data = f"{product.sku}_{template.name}_{template.platform.name}"
        return hashlib.md5（data.encode（））.hexdigest（）

    def _check_cache（self， cache_key: str） -> Optional[str]:
        """檢查緩存"""
        cache_file = f"{self.cache_dir}/{cache_key}.json"
        if os.path.exists（cache_file）:
            with open（cache_file， 'r'， encoding='utf-8'） as f:
                cache_data = json.load（f）
                return cache_data.get（'image_url'）
        return None

    def _save_cache（self， cache_key: str， image_url: str， metadata: Dict）:
        """保存緩存"""
        cache_file = f"{self.cache_dir}/{cache_key}.json"
        cache_data = {
            "image_url": image_url，
            "generated_at": datetime.now（）.isoformat（），
            "metadata": metadata
        }
        with open（cache_file， 'w'， encoding='utf-8'） as f:
            json.dump（cache_data， f， ensure_ascii=False， indent=2）

    def build_prompt（self， product: ProductData， template: AdTemplate） -> str:
        """構建提示詞"""
        selling_point = product.selling_points[0] if product.selling_points else "優質商品"
        discount_text = product.discount if product.discount else "熱賣中"

        prompt = template.prompt_template.format（
            product_name=product.name，
            category=product.category，
            selling_point=selling_point，
            price=product.price，
            discount=discount_text，
            style=template.style，
            platform=template.platform.value["name"]
        ）

        return prompt

    async def generate_single_ad（
        self，
        product: ProductData，
        template: AdTemplate，
        use_cache: bool = True
    ） -> Dict:
        """生成單個廣告素材"""

        # 檢查緩存
        cache_key = self._generate_cache_key（product， template）
        if use_cache:
            cached_url = self._check_cache（cache_key）
            if cached_url:
                return {
                    "success": True，
                    "from_cache": True，
                    "product_sku": product.sku，
                    "template": template.name，
                    "platform": template.platform.name，
                    "image_url": cached_url
                }

        # 構建提示詞
        prompt = self.build_prompt（product， template）

        try:
            # 調用 API 生成
            response = self.client.images.generate（
                model="nano-banana-pro"，
                prompt=prompt，
                size=template.platform.value["size"]，
                n=1，
                response_format="url"
            ）

            image_url = response.data[0].url

            # 保存緩存
            metadata = {
                "product": product.name，
                "sku": product.sku，
                "template": template.name，
                "platform": template.platform.name，
                "prompt": prompt
            }
            self._save_cache（cache_key， image_url， metadata）

            return {
                "success": True，
                "from_cache": False，
                "product_sku": product.sku，
                "template": template.name，
                "platform": template.platform.name，
                "image_url": image_url，
                "prompt": prompt
            }

        except Exception as e:
            return {
                "success": False，
                "product_sku": product.sku，
                "template": template.name，
                "platform": template.platform.name，
                "error": str（e）
            }

    async def batch_generate（
        self，
        products: List[ProductData]，
        templates: List[AdTemplate]，
        max_concurrent: int = 10，
        use_cache: bool = True
    ） -> List[Dict]:
        """批量生成廣告素材"""

        tasks = []
        for product in products:
            for template in templates:
                tasks.append（self.generate_single_ad（product， template， use_cache））

        # 控制併發數
        results = []
        for i in range（0， len（tasks）， max_concurrent）:
            batch = tasks[i:i + max_concurrent]
            batch_results = await asyncio.gather（*batch）
            results.extend（batch_results）

            # 進度顯示
            print（f"進度: {min（i + max_concurrent， len（tasks））}/{len（tasks）} 已完成"）

        return results

    def generate_report（self， results: List[Dict]） -> Dict:
        """生成生成報告"""
        total = len（results）
        success = sum（1 for r in results if r.get（"success"））
        from_cache = sum（1 for r in results if r.get（"from_cache"））
        failed = total - success

        # 按平臺分組統計
        by_platform = {}
        for result in results:
            if result.get（"success"）:
                platform = result["platform"]
                if platform not in by_platform:
                    by_platform[platform] = 0
                by_platform[platform] += 1

        return {
            "total_tasks": total，
            "success_count": success，
            "from_cache_count": from_cache，
            "new_generated_count": success - from_cache，
            "failed_count": failed，
            "success_rate": f"{（success/total*100）:.1f}%"，
            "by_platform": by_platform
        }

# 使用示例
async def main（）:
    # 初始化生成器
    generator = NanoBananaProAdGenerator（
        api_key="your_api_key_here"
    ）

    # 定義廣告模板
    templates = [
        AdTemplate（
            name="主圖模板"，
            prompt_template="""電商主圖設計:
產品: {product_name}
類別: {category}
核心賣點: {selling_point}
價格: ¥{price}
促銷標籤: {discount}

設計風格: {style}
平臺: {platform}

設計要求:
1. 產品居中，佔比60-70%
2. 白色或淺色純淨背景
3. 左上角紅色促銷標籤
4. 右下角顯示價格
5. 專業商業攝影質感

高質量電商主圖，適合{platform}平臺。"""，
            style="簡約現代"，
            platform=Platform.TAOBAO
        ），
        AdTemplate（
            name="社交媒體模板"，
            prompt_template="""社交媒體廣告設計:
產品: {product_name}
賣點: {selling_point}
優惠: {discount}

設計風格: {style}，生活化場景
文字: 產品名稱和賣點文案

設計要求:
1. 生活場景中展示產品使用
2. 溫馨自然的氛圍
3. 上方顯示產品名稱
4. 底部顯示核心賣點
5. 適合{platform}平臺分享

真實感強，吸引目光。"""，
            style="清新自然"，
            platform=Platform.XIAOHONGSHU
        ）
    ]

    # 準備產品數據
    products = [
        ProductData（
            sku="BT-001"，
            name="藍牙耳機 Pro Max"，
            category="數碼配件"，
            selling_points=["主動降噪"， "40小時續航"， "HiFi音質"]，
            price=299.0，
            discount="限時5折"
        ），
        ProductData（
            sku="WB-002"，
            name="保溫杯商務款"，
            category="生活用品"，
            selling_points=["24小時保溫"， "316不鏽鋼"， "防漏設計"]，
            price=159.0，
            discount="買一送一"
        ）
    ]

    # 批量生成
    print（"開始批量生成廣告素材..."）
    results = await generator.batch_generate（
        products=products，
        templates=templates，
        max_concurrent=5，
        use_cache=True
    ）

    # 生成報告
    report = generator.generate_report（results）

    print（"\n" + "="*50）
    print（"生成報告"）
    print（"="*50）
    print（f"總任務數: {report['total_tasks']}"）
    print（f"成功: {report['success_count']} （{report['success_rate']}）"）
    print（f"從緩存讀取: {report['from_cache_count']}"）
    print（f"新生成: {report['new_generated_count']}"）
    print（f"失敗: {report['failed_count']}"）
    print（f"\n各平臺分佈:"）
    for platform， count in report['by_platform'].items（）:
        print（f"  {platform}: {count} 張"）

    # 保存結果
    with open（"generation_results.json"， "w"， encoding="utf-8"） as f:
        json.dump（results， f， ensure_ascii=False， indent=2）

    print（f"\n詳細結果已保存到 generation_results.json"）

if __name__ == "__main__":
    asyncio.run（main（））

保證批量生成素材質量一致性需要三個層面的控制:

模板層控制:

• 使用標準化提示詞模板，確保描述語言一致
• 在模板中明確禁止的元素（否定提示詞）
• 固定品牌色調、Logo位置等核心視覺元素

流程層控制:

• 實施自動化質量檢查（圖像識別驗證關鍵元素）
• 設置質量閾值，不合格自動重新生成
• 建立人工抽檢機制（抽檢 10% 樣本）

數據層控制:

• 使用高質量、一致性強的參考圖
• 產品數據規範化（統一字段格式和命名）
• 記錄生成參數，便於復現和優化

通過 API易 apiyi.com 平臺的質量管理功能，可以設置自動化質量檢查規則，不符合要求的素材會自動進入人工審覈隊列或觸發重新生成。

批量生成中的失敗處理是保證系統穩定性的關鍵:

預防措施:

• 驗證輸入數據完整性和格式正確性
• 設置合理的 API 調用超時時間
• 控制併發數量避免觸發限流

失敗處理策略:

• 實現指數退避重試機制（第1次等1秒，第2次等2秒，第3次等4秒）
• 最多重試 3 次，仍失敗則記錄到失敗隊列
• 定期批量處理失敗隊列（人工介入或調整參數）

監控告警:

• 實時監控成功率，低於 90% 觸發告警
• 記錄詳細錯誤日誌便於問題排查
• 生成失敗報告，分析失敗原因分佈

代碼示例:

async def generate_with_retry（task， max_retries=3）:
    for attempt in range（max_retries）:
        try:
            result = await generate_single_ad（task）
            if result["success"]:
                return result
        except Exception as e:
            if attempt == max_retries - 1:
                # 最後一次失敗，記錄到失敗隊列
                save_to_failed_queue（task， str（e））
            else:
                # 等待後重試
                await asyncio.sleep（2 ** attempt）

是的，不同產品類別的廣告素材需求差異很大，建議建立「分類模板庫」:

標準品類模板 （適用大多數產品）:

• 3C 數碼類: 科技感、功能展示、參數突出
• 服裝鞋包: 場景化、模特展示、搭配建議
• 美妝個護: 質感展示、使用效果、成分說明
• 食品飲料: 食慾感、新鮮度、口味描述
• 家居日用: 場景融入、使用場景、材質展示

特殊品類定製:

• 奢侈品: 高端感、細節特寫、品牌故事
• 母嬰產品: 安全感、溫馨場景、材質認證
• 健康保健: 專業背書、數據支持、權威認證

模板複用策略:

• 同類別產品共享模板，只替換產品信息
• 跨類別的通用元素（如促銷標籤）可以複用
• 定期分析各類別轉化數據，優化模板庫

建議初期爲每個主要類別準備 3-5 個核心模板，根據實際效果逐步擴充和優化。

大部分情況下可以，但建議建立「分級審覈」機制:

自動投放 （佔比 70-80%）:

• 使用驗證過的成熟模板
• 產品信息完整準確
• 自動化質量檢查全部通過
• 歷史數據表現良好

快速審覈 （佔比 15-20%）:

• 新模板首次使用
• 高價值產品/重要活動
• 涉及品牌敏感信息
• 人工抽檢 2-3 分鐘通過

嚴格審覈 （佔比 5-10%）:

• 特殊品類（醫療/金融/教育）
• 涉及明星/IP 授權內容
• 超大規模投放（百萬級預算）
• 法務/品牌部門聯合審覈

平臺規範檢查:
在投放前務必驗證:

• 圖片尺寸和格式符合平臺要求
• 文案中無違禁詞
• 無侵犯第三方版權內容
• 廣告標識和免責聲明完整

通過 API易 apiyi.com 平臺的「智能審覈」功能，可以自動檢測素材是否符合各大廣告平臺的規範，包括尺寸驗證、違禁詞檢測和內容安全掃描，大幅提升投放效率。

建立完整的效果追蹤體系是優化素材生成策略的關鍵:

素材級指標:

• CTR （點擊率）: 衡量素材吸引力
• CVR （轉化率）: 衡量素材說服力
• CPC （單次點擊成本）: 衡量投放效率
• ROI （投資回報率）: 衡量整體收益

模板級指標:

• 不同模板的平均 CTR/CVR 對比
• 各模板在不同品類的表現差異
• 模板迭代前後的效果提升

追蹤方法:

1. 爲每個生成的素材分配唯一 ID
2. 在廣告投放時記錄素材 ID 與投放數據關聯
3. 定期（日/周）彙總各素材的表現數據
4. 建立數據看板可視化展示

優化閉環:

生成素材 → 投放測試 → 收集數據 →
分析表現 → 優化模板 → 再次生成

代碼示例:

# 記錄素材元數據
metadata = {
    "asset_id": "AD-2026-001"，
    "template": "主圖模板A"，
    "product_sku": "BT-001"，
    "generated_at": "2026-01-19"，
    "platforms": ["淘寶"， "京東"]
}

# 定期拉取投放數據
ad_performance = fetch_ad_performance（
    asset_id="AD-2026-001"，
    date_range="last_7_days"
）

# 分析並優化
if ad_performance["ctr"] > 0.05:  # CTR > 5%
    mark_template_as_high_performing（"主圖模板A"）

API易 apiyi.com 平臺提供素材效果追蹤 API，可與主流廣告平臺（騰訊廣告/巨量引擎/阿里媽媽）打通數據，自動關聯素材 ID 和投放效果，生成優化建議報告。