AI 廣告投手還要做什麼？從智慧出價、Advantage+、PMax 到 AI Max，廣告投放把參數一路交給平台

廣告投放經歷三階段：手動設定、平台自動化（智慧出價、Advantage+、PMax），再到 AI agent 代理操作。平台接手更多決策，agent 再接手後台操作，投手的工作從調參數轉向設目標、管素材、設煞車。

以下三階段的分法為本文提出，用來對照每個時間點品牌手上還握著哪些設定。三種做法在今天的帳號裡仍然並存，後一個階段出現，不代表前一個階段被淘汰。

十年之間，出價、受眾、素材依序交給了系統

2016 年 7 月，Google 把以轉換為目標的自動出價統一命名為智慧出價（Smart Bidding），讓系統在每一次競價時計算出價。這個名稱涵蓋的，是出價這一項決定。

約九年後，Meta 在 2025 年第三季財報會議上說明，銷售、應用程式與潛在顧客三種目標的廣告活動，一建立就預設打開端到端自動化，由系統自己決定給誰看、放在哪裡。從出價開始，受眾、版位、素材組合，愈來愈多決定交給了平台。

帳號健檢時，資深投手最可能問的一句話

「那現在到底還能調什麼？」是資深投手看帳號時常冒出的疑問。熟悉的設定都還在後台上，但在自動化活動裡，動了之後的效果不像以前那麼明顯。

這個疑問很合理，因為工具確實換了好幾代。把時間線攤開來看，每一代收走了什麼、留下了什麼，答案就會清楚很多。

平台自動化接手決策，AI agent 接手操作

1. 手動設定階段：受眾、出價、版位、素材與受眾的配對主要由人設定，平台在這些設定內競價執行。較多逐項設定與維護工作由人負責。
2. 平台自動化階段：依產品不同，系統接手的範圍也不同：智慧出價主要處理出價；Performance Max 與 Advantage+ 的相關功能接手較多受眾、版位與素材組合的決策；AI Max 主要擴充搜尋字詞的比對，並自動調整廣告文字與到達網址。品牌主要提供目標、預算、素材與轉換資料。
3. AI agent 代理操作階段：建立活動、拉報表、調整設定這些後台操作，開始可以交給 AI agent 透過平台開放的 API 與工具執行。決策演算法仍在平台裡，agent 改變的是誰來按那些按鈕，平台上的設定沒有因此變少，但 agent 實際能動到哪些設定，取決於工具開放的權限，品牌要多決定一件事：授權 agent 做到哪裡。

從官方公告看，平台在哪些時間點接手了什麼？

以下時間點皆取自 Google 與 Meta 的官方公告或官方說明文件，來源連結附在表格下方各段的對應處。

平台自動化：從出價一路擴到整個活動

Google 在 2021 年 11 月 2 日的公告中，宣布 Performance Max 開放給全球廣告主，並宣布原本的智慧購物廣告與本地廣告要在隔年整併進 PMax。PMax 讓單一活動就能涵蓋 YouTube、多媒體、搜尋、探索、Gmail 與地圖等 Google 廣告版位。

Meta 那一側，Meta 新聞中心 2022 年 8 月的公告宣布 Advantage+ 購物廣告推向全球，官方說明它省去手動建立廣告的步驟，一次最多自動測試 150 種創意組合。兩年後，Meta 工程團隊公開了支撐 Advantage+ 的 Andromeda 檢索系統。

搜尋廣告也持續增加自動化功能。Google 在 2025 年 5 月 6 日發表 AI Max for Search，用廣泛比對與不依賴關鍵字的技術，把搜尋廣告擴張到原本關鍵字沒有覆蓋的查詢。投手不必逐一新增關鍵字，系統也能把廣告配對到更多相關查詢。AI Max 的功能與設定細節，可參考 Google AI Max 完全解析。

AI agent 代理操作：平台開門，但先裝了煞車

AI agent 代理操作的起點，是平台開始讓 AI 直接操作後台。Google 在 Google Marketing Live 2025 的公告彙整中，把 Google Ads expert 列為 beta 功能，說明它能加速建立活動、產出成效報表，並主動找出問題。

同年 10 月，Google 開源了 Google Ads API 的 MCP 伺服器，讓支援 MCP 的 AI 應用程式能用自然語言讀取廣告資料，但第一版是唯讀，只能做報表與診斷，不會改動帳號。這個設計選擇的意義，我們在 Google Ads 官方 MCP 為何只給看不給動那篇談過。

2026 年 4 月 29 日，Meta 推出 Ads CLI，讓開發者與 AI agent 在命令列建立、編輯與分析廣告活動。官方特別寫明，透過它新建的活動、廣告組合與廣告預設是暫停狀態，要另外改成啟用才會上線。兩家平台都開了門，也都先裝了煞車。不過預設暫停保護的是新建的廣告，修改既有活動的預算或狀態，仍要靠品牌自己設權限、金額上限、操作紀錄與人工確認。Ads CLI 對分工的影響，可以參考 Meta Ads CLI 與官方 AI Connectors 的解讀。

平台接手決策的原因：它握有品牌看不到的資料

平台自動化接手愈來愈多決策，背後有一致的邏輯。平台手上有每次競價的即時資料，以及使用者在平台上的互動行為，品牌在後台看不到這些資料的完整細節。決策依據集中在平台那一側，由平台直接運算，反應速度比人手動調整快；但能不能提升品牌的成效，仍取決於目標、資料、素材與驗證結果。

代價是操作層的透明度：品牌能直接調的參數變少，也看不到每次競價的決策過程。所以每一代自動化推出之後，品牌的施力點都在往同一個方向移動：控制交給系統的輸入，以及驗證系統的輸出。

AI agent 階段沒有改變這個邏輯。agent 操作的仍是平台的後台，出價與受眾的決定還是在平台的演算法裡。agent 省下的是操作工時，判斷要交給系統什麼、什麼時候要煞車，仍然需要人。

輸入這一側，是品牌自己的資料

平台自動化之後，品牌交給系統的輸入裡，第一方資料是品牌能主動改善的一項：完整回傳的購買事件、近期購買會員的名單、乾淨的商品目錄。這些資料交給 Advantage+ 或 PMax 當受眾建議與學習依據，系統擴張時的起點會更接近現有客群，能不能找到有價值的新客仍要驗證。

到了 AI agent 階段，同一份整理好的資料，也是 agent 能拿來操作的材料。agent 讀得到的帳號資料越乾淨，就少一個讓它判斷出錯的來源，但它建議或執行的調整仍要有人核對。第一方資料怎麼影響自動化的成效，可以參考受眾標籤品質決定 Meta 廣告自動化成效上限。

投手仍要管目標、素材、資料與授權

1. 設目標：目標 ROAS 或目標單次成效從歷史達成水準抓起，小幅調整，避免頻繁大改讓系統一再重新學習（各平台的學習期規則不同，以官方說明為準）。
2. 管素材：維持素材庫的數量與差異度，定期替換疲乏的素材，讓系統有選項可以配對。
3. 整理資料：確認購買事件完整回傳、受眾名單定期更新、商品目錄正確，這些是品牌能主動改善的學習資料。
4. 設煞車與授權：用預算上限、排除名單、品牌安全設定與人工確認點，並決定 agent 能讀、能建、能改到哪一層，降低系統或 agent 做出不合預期動作的風險。

這四件事裡，最吃時間的常是素材與跨平台的日常調整。91APP 的 MediaOne 把這兩塊交給 Agent：Creative Agent 依商品資訊延伸多版本素材，Campaign Agent 依成效調整 Meta 與 Google 之間的預算，每一次調整與帶來的成效都列在報表上。投手看得到 agent 動了什麼，目標、素材方向與驗證仍握在自己手上。

投手角色的轉變，這裡點到為止；平台收走受眾權後廣告人的施力點，在延伸閱讀第一篇有更完整的拆解。

能調的變少了，該想的變多了

回到那位投手的問題：「那現在到底還能調什麼？」從 2016 年到 2026 年，平台接手的決定確實愈來愈多。但每交出去一個決定，就多一個需要想清楚的問題：要給系統什麼資料、要它朝哪個目標學、什麼情況要停下來。

這些問題沒有平台會替品牌回答，這是投手往後最值錢的工作。

品牌最常問的廣告投放演進問題

Q1：廣告投放是怎麼從手動走到 AI 的？ A1：大致經歷三個階段：手動設定受眾、出價與版位；平台自動化，由智慧出價、Performance Max、Advantage+ 與 AI Max 依各自範圍接手出價、受眾、搜尋比對或素材組合等決策；再到 AI agent 代理操作，由 agent 透過平台開放的 API 與工具執行建立活動、拉報表等後台操作。

Q2：Advantage+、PMax、AI Max 是什麼時候推出的？ A2：依官方公告，Google Performance Max 在 2021 年 11 月對全球廣告主開放；Meta Advantage+ 購物廣告在 2022 年 8 月推向全球；Google AI Max for Search 在 2025 年 5 月發表。更早的 Google 在 2016 年 7 月以智慧出價的名稱統稱以轉換為目標的自動出價。

Q3：AI 投放之後，廣告投手還要做什麼？ A3：投手的工作從調參數轉向：設定合理的目標值、維持素材庫的數量與差異度、確保轉換事件與受眾名單完整且即時，以及設定預算上限、排除名單、人工確認點與 AI agent 的授權範圍，降低系統做出不合預期動作的風險。

Q4：小品牌需要跟著用 AI agent 操作廣告嗎？ A4：不一定。小品牌可以先評估平台內建的自動化，能不能減少重複設定的工作。AI agent 適合帳號多、需要跨平台拉報表或重複操作量大的團隊。導入前要先確認權限範圍，從唯讀查詢開始，再逐步開放寫入。

Q5：平台自動化之後，品牌還有哪些控制權？ A5：品牌仍控制四類輸入：商業目標與預算、素材、轉換事件，以及第一方受眾名單。另外還有排除設定與預算上限這類邊界控制。系統擴張得再遠，品牌提供的資料仍是品牌能直接改善的學習依據。

Q6：交給 AI agent 操作廣告有什麼風險？ A6：主要風險是 agent 在沒有人確認的情況下改動預算或上線廣告。平台本身也在防範，Google Ads API 的 MCP 伺服器第一版只能讀取，Meta Ads CLI 新建的廣告預設為暫停。預設暫停只保護新建的廣告，修改既有活動仍要靠品牌自己設權限、預算上限與人工確認點。

Q7：MediaOne 的 AI Agent 各自做什麼？ A7：Creative Agent 依商品資訊生成多版本素材與符合品牌語氣的文案；Campaign Agent 整合 Meta、Google 投放，依成效調整跨平台預算，並檢視素材與廣告組合。成效最後以 OneID 串聯的實際訂單核對。

Q8：投手用了 MediaOne 之後，工作會變成什麼？ A8：重複的設定與調整交給 AI 全天候執行，投手把時間放在 ROAS 目標、預算規劃、商品與素材方向，以及檢視 AI 做過的調整是否合理。這和平台自動化一路演進的方向一致：能手動調的參數變少，需要判斷的事情變多。

Q9：MediaOne 會不會讓品牌看不到 AI 做了什麼？ A9：MediaOne 的報表會列出 AI 做了哪些調整，以及這些調整帶來的成效，品牌可以逐項回看，作為下一次設定目標與預算的依據。

延伸閱讀

AI 廣告投放系列的其他文章：

• AI 廣告投放和傳統投放差在哪？自動化廣告是什麼，品牌的控制權搬到資料與驗證
• AI 投放的 ROAS 可以信嗎？平台同時花錢又報成績，成效判讀要看增量與自家訂單對帳
• AI 廣告投放和以前差在哪？Meta、Google 官方成效數字比較了什麼
• AI 廣告投放能接手哪些工作？受眾與出價交給平台，目標、資料、品牌安全與驗證仍由品牌負責
• AI 廣告投放的第一方工具和第三方工具差在哪？Advantage+、PMax 與跨平台工具的分工
• 只用 Advantage+ 和 PMax 夠不夠？電商什麼時候需要第三方 AI 廣告工具
• 第一方數據怎麼餵給廣告 AI？Advantage+ 受眾建議與 PMax 客戶名單的實務
• AI 廣告投放第一方和第三方工具成效差多少？美國調查與 Meta、Google 官方數字的正確讀法
• AI 廣告投放的反應速度差在哪？平台 AI 每次競價出價，第三方工具受報表與 API 節奏限制
• Meta AI 廣告素材哪些該開？Advantage+ 生成素材依改動程度分級，開到真的多賣為止
• Meta 訊息廣告怎麼提升成交？AI 客服接手後，從對話到訂單的轉換清單
• Meta 廣告新客怎麼算？Advantage+ 拉新要分清官網首購與品牌首購

其他相關文章：

1. AI agent 工具廣告投放怎麼用？平台收走受眾權後，廣告人的四個施力點
2. GML 2026 全解讀：Google 把廣告交給 agent 的一年
3. Meta Advantage+ 把受眾自動化之後，你還能操作什麼？用第一方標籤當種子的打法

更多 Meta 與 Google 廣告的實務拆解，可以在 廣告平台操作實務專欄 找到。