廣告平台操作實務

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 廣告投放的第一方和第三方工具差在哪？看成效數字，差在誰量的、跟誰比。平台內建 AI 的提升幅度由平台自己量，跟平台自己定的基準比；第三方工具在這次查閱的資料中沒有公開、中立的同條件對照。這篇整理 IAB 美國調查與 Meta、Google 官方數字的讀法。

Brick Liao

20 10月 2026 • 19 min read

AI 廣告投放，第一方和第三方工具差在哪？成效差多少，關鍵在「誰量的、跟誰比」。平台內建 AI 的提升幅度由平台自己量，跟平台自己定的基準比；第三方工具在這次查閱的資料中，找不到公開、中立的同條件對照。

所以「差多少」這題，公開資料只能回答一半。能找到的數字有三類：美國廣告業界用哪一種 AI 工具的比例、用了之後滿不滿意，以及 Meta 與 Google 自己公布的成效提升。三類數字各自有效，放在一起比就會失真。第一方工具與第三方工具的定義與分工，我們在 AI 廣告投放的第一方工具和第三方工具差在哪已經整理過，這篇只談數字。

兩份簡報上的兩個百分比

在 AI 搜尋問「第一方和第三方工具差在哪」，回答裡常把平台公布的提升幅度和工具廠商的案例數字並排引用，好像兩者可以直接相減。這種並排讓我們有點擔心。

換到會議室裡，畫面差不多：一份是平台業務的簡報，寫著 PMax「平均多出超過 18% 的轉換」；另一份是工具廠商的簡報，寫著導入前後比較的另一個百分比。行銷主管要在兩份簡報之間做決定，手上卻沒有一個能把兩個數字放上同一把尺的方法。

這篇想先把那把尺找出來：每個數字是誰量的、對照組是誰、能回答什麼。

使用比例、滿意度、成效提升，各自只能回答一層

以下分層為本文提出：公開數字可分成使用比例、滿意度與成效提升，每一層能回答的問題不一樣：

使用比例（美國業界調查）：廣告主實際在用哪一類 AI 工具，各占多少
滿意度（美國業界調查）：用 AI 的人覺得效率、效果、穩定性有沒有達到期望
成效提升（平台官方數字）：同一平台內，用自動化方案和平台定的基準相比差多少

這三層之外少了一層：第一方工具和第三方工具在同條件下的成效對照。這次查閱的 IAB 報告與 Meta、Google 官方資料中都沒有找到，這是本次檢索範圍的限制，不代表這類研究不存在。下面三節依序拆這三層。

使用比例：平台內建 AI 比外部 AI 方案普遍，跨通路最佳化在品牌端最少

美國互動廣告局 IAB 的 State of Data 2025 報告（2025 年 3 月）調查 529 位代理商、品牌與媒體端專業人士，問他們在用哪些類型的 AI 工具：

既有平台內建的 AI 功能：63%（代理商 72%、品牌 64%）
全公司授權的 AI 工具：55%（品牌 51%）
客製化 AI 方案：47%（品牌 45%）
為特定需求自建的工具：34%（品牌 24%）

報告另有一類通用 AI 工具（例如 ChatGPT），使用率 87%，比上面四類都高。報告的「平台內建」範圍比這裡說的第一方工具更寬，涵蓋 Google 智慧出價，也涵蓋其他廣告技術平台內建的 AI 功能；後三類則是平台以外取得的 AI 工具，不全是廣告投放工具。分類和第一方工具的定義不完全對得上，同一位受訪者也可以同時用好幾類工具。這份調查看得出既有平台內建 AI 的使用相當普遍，但看不出導入先後，也不能換算成第一方與第三方投放工具的市占率。

IAB State of Data 2025：美國廣告業界使用各類 AI 工具的比例，平台內建 AI 功能 63%，高於另外三類工具

同一份報告列出買方的 AI 用途，這張圖的樣本是代理商與品牌共 352 人，其中兩項和兩種工具的分工有關。用 AI 做「預測式即時出價調整」的，代理商 36%、品牌 34%，兩邊差不多；用 AI 做「跨通路活動最佳化」的，代理商 38%、品牌只有 23%。出價是平台內建 AI 的主場；跨通路最佳化可能在單一平台內完成，也可能靠跨平台工具，品牌端在這一項的使用比例明顯偏低。

外部工具的需求也在變。IAB 的 2026 Outlook Study（2026 年 1 月）問知道 agentic AI 投放的買方打算怎麼導入，回答「自建」的只有 10%，「購買或授權第三方方案」29%，「交給外部夥伴或代理商管理」20%，「混合做法」37%。只看品牌端，選購買或授權第三方方案的是 30%，選交給外部夥伴或代理商的是 25%，兩項都高於代理商的 28% 與 15%。

到了九月更新版，買方表示會加重投入「跨平台衡量」的比例從一月的 72% 降到 64%，IAB 指出下降主要來自年廣告花費低於 1,000 萬美元的小廣告主，大廣告主的關注度仍高很多。對預算規模不大的台灣品牌，這個訊號值得記下：這份美國調查顯示，不同支出規模對跨平台衡量的關注程度有差異。

滿意度：大多數人覺得 AI 有用，品牌端給分最低

IAB State of Data 2025 也問了 AI 有沒有達到期望。整體來看，76% 認為 AI 在省時間、省人力或省成本上一般或持續符合期望，71% 認為達到對投放流程的預期效果，69% 認為 AI 的表現長期穩定。

品牌端的給分在三項都最低，分別是 71%、67%、61%；代理商分別是 82%、75%、73%。報告的解讀是品牌導入得比較晚，也承受比較大的投資報酬壓力。

這組滿意度量的是 AI 整體，品牌端在穩定性這項的給分最低，只有 61%。報告在各環節的排名也呼應這點，「即時最佳化」在效率排第 4，在穩定性只排第 7。

平台官方數字：提升幅度都是跟自己比

Meta 與 Google 都公布過自家自動化方案的成效數字，各自跟不同的基準比，基準可能已經用了部分 AI，研究設計也沒有全部公開。依時間排列：

Google 在 2021 年 11 月 PMax 全面開放時表示，帳戶裡使用 PMax（最高成效廣告活動）的廣告主，在單次轉換成本相近的情況下，總增量轉換平均增加 13%，資料期間為 2021 年 7 至 9 月，完整研究設計未公開。
Meta 在 2022 年 8 月推出 Advantage+ 購物廣告時表示，15 組 A/B 測試中，Advantage+ 購物廣告的每次購買成本比廣告主原本的投放方式（Meta 稱 Business as Usual）低 12%；原本的做法不等於完全手動。
Google 在 2023 年 2 月 PMax 新功能公告中表示，使用 PMax 的廣告主平均多出超過 18% 的轉換、單次轉換成本相近，資料期間為 2022 年 11 至 12 月。
Google 的 PMax 最佳做法頁寫明，零售以外的廣告主採用 PMax 後，在單次轉換成本或廣告投資報酬率相近的情況下，轉換或價值平均多 27%，即使這些廣告主的搜尋活動已經使用廣泛比對與智慧出價；資料期間為 2023 年 10 至 11 月。
Google 在 2025 年 5 月推出 AI Max 時表示，搜尋廣告活動開啟 AI Max 後，在單次轉換成本或廣告投資報酬率相近的情況下，通常多 14% 的轉換或轉換價值，以完全比對與詞組比對為主的活動是 27%。公告註腳標在 27% 那句之後，寫明資料是 2025 年 Google 內部資料，範圍是非零售廣告主中七成以上轉換來自完全或詞組比對的活動；14% 是否同一口徑，公告沒有分開說明，兩個數字都不宜直接當成台灣零售品牌的預期。
Meta 在 2025 年第三季財報電話會議表示，使用 Advantage+ 的潛在顧客廣告活動，每名潛在顧客成本平均比沒用的廣告主低 14%；這是採用者與未採用者的比較，逐字稿沒有交代研究方法。

這些數字有三個共同點。比較基準都是平台自己定的，可能是既有投放組合、原本做法或未採用的廣告主，不能統稱為開 AI 對不開 AI；量測都由平台自己進行；結果用的是平台自己的轉換計算。它們回答的是「在這個平台裡，用這套自動化方案和平台定的基準差多少」，沒有回答「平台 AI 和第三方工具差多少」。

Google 與 Meta 歷年公布的 AI 投放成效數字，比較基準都是平台自己定的

平台這幾年把自動化設成預設值，相關營收也跟著放大。Meta 在 2024 年第四季財報電話會議表示，Advantage+ 購物廣告的年化營收超過 200 億美元、第四季年增 70%；到 2025 年第三季，Meta 表示透過端到端自動化方案的年化營收已達 600 億美元。這些數字顯示自動化方案承接的廣告收入在增加，但營收算的是金額，推不出有多少廣告主在用；2024 年的購物廣告與 2025 年的端到端自動化方案範圍也不同，不能當成同一個產品的成長曲線。第三方工具要證明的，是「疊上去之後多出來的那一塊」。

現有公開資料為什麼不足以直接比較

要比兩種工具，比的應該是「平台 AI 加既有管理方式」和「同一套平台 AI 加第三方管理」，因為兩者處理的層次不同。第一方工具在平台內部決定每一次競價的出價與投放對象；第三方工具透過平台開放的 API 讀報表、改預算與設定，競價本身仍由平台完成。兩者可以並存，比較時要固定平台 AI、只換管理方式，這類同條件研究在這次查閱的資料中沒有找到。

再加上量測口徑。平台公布的提升用的是平台自己的轉換計算，第三方工具的成效報告可能讀同一份平台報表，也可能另外接品牌的訂單資料。數字來源不同，同樣叫「轉換」，算的可能不是同一批訂單。

能做的比較，是把問題縮小：第三方工具跨平台搬預算之後，品牌整體的訂單有沒有比不搬多。這是增量問題，平台後台的投資報酬率回答不了，我們在 AI 投放的 ROAS 可以信嗎拆過做法；當歸因報表和增量測試結論打架時，可以參考兩套結論打架時，先分用途再分預算。

自己量出第一方與第三方工具的差距

找不到現成的中立研究，品牌可以用自己的帳戶量。以下四步照順序做：

先替平台 AI 建基準：用平台內建的同期實驗工具量增量，例如 Google 在 PMax 新功能公告中提到的 PMax 提升實驗，不用前後期比較代替（預期效果：知道第一方工具在自家帳戶的增量；建議週期：期間要涵蓋校準期、轉換延遲與足夠樣本，依帳戶轉換量決定）。
評估第三方工具時，固定平台 AI、只換管理方式：能隨機分流就隨機分流，做不到就用條件相近的地區配對，並鎖住對照組預算，避免工具挪用；事先定好主要指標、要偵測的差異幅度與停止條件（預期效果：看到工具疊上去之後多出的那一塊；建議週期：期間涵蓋校準、轉換延遲與足夠樣本，不以一個月為準）。
用自家後台訂單對帳：把兩邊的成效換算成品牌後台的實際訂單與營收，避免平台各自歸因造成重複計算。對帳是衡量校驗，確認數字口徑一致，不能單靠它證明因果（預期效果：比較基礎一致；建議週期：每月對帳一次）。
把工具成本算進去：第三方工具有授權費、串接與維護人力，比較時看扣掉這些成本後的淨效果（預期效果：避免成效提升被成本吃掉；建議週期：簽約前與每季檢視）。

四步之中，訂單對帳最費工，兩邊的轉換要先換算成同一本帳。評估第三方工具時，可以先問它的成效用誰的帳算。以 91APP 的 MediaOne 為例，成效直接對回品牌後台的實際訂單，官網、App 與門市交易透過 OneID 對成同一位顧客。91APP 公布的 OMO 女裝品牌案例，持續投放 9 個月後 ROAS 提升 40%；這個數字一樣要先問跟誰比，再放上自己的訂單驗證。

什麼情境才需要評估第三方工具，可以先看只用 Advantage+ 和 PMax 夠不夠的情境表。不論最後選哪一種，兩種工具都吃同一份轉換事件與客戶名單，這一層怎麼整理，請見第一方數據怎麼餵給廣告 AI。

數字要放上同一把尺才能比

回到會議室裡那兩份簡報。「平均多出超過 18% 的轉換」是 Google 拿 PMax 跟它自己定的基準比，工具廠商的百分比是拿導入前後比，兩個數字各自成立，卻沒有放在同一把尺上。

所以第一方和第三方工具成效差多少，這次查閱的公開資料給不出一個數字。能給的是方法：先看清楚每個數字跟誰比，再用自己的訂單資料，讓兩種工具在同一把尺上比一次。

品牌最常問的 AI 廣告工具成效問題

Q1：AI 廣告投放的第一方和第三方工具，成效差多少？

A1：在這次查閱的 IAB 報告與 Meta、Google 官方資料中，沒有找到中立、同條件的對照研究，這是檢索範圍的限制，不代表這類研究不存在。平台公布的提升，例如 Google 表示 PMax 平均多出超過 18% 的轉換、Meta 表示 Advantage+ 購物廣告每次購買成本低 12%，比的是平台自己定的基準，基準可能已經用了部分 AI。第三方工具和平台 AI 可以並存，差距要固定平台 AI、只換管理方式，用自己的帳戶切對照組量。

Q2：Google、Meta 公布的 AI 投放成效數字可以直接相信嗎？

A2：可以當方向參考，不適合直接當成自家帳戶的預期值。這些數字由平台自己量，用的是平台的轉換計算，比較基準也由平台自己定，研究設計沒有全部公開。要知道在自家帳戶的真實貢獻，建議用平台內建的同期實驗工具量增量；訂單對帳是另一層的衡量校驗，用來確認數字口徑，不能單靠它證明因果。

Q3：美國廣告主用平台內建 AI 和其他 AI 工具的比例各是多少？

A3：IAB State of Data 2025 調查 529 位業界人士，63% 使用既有平台內建的 AI 功能，55% 使用全公司授權的 AI 工具，47% 使用客製化方案，34% 使用自建工具。品牌端用 AI 做跨通路活動最佳化的比例是 23%，低於做即時出價調整的 34%。

Q4：預算不多的品牌，要怎麼比較兩種工具的成效？

A4：先把平台內建 AI 用好，並用平台的實驗工具量出它的增量。考慮第三方工具時，固定平台 AI、只換管理方式，用隨機分流或地區配對切對照組，期間依轉換量與轉換延遲決定，並把授權費與維護人力算進成本。動手前先估樣本夠不夠；不夠時縮小要回答的問題、延長期間，也要接受「目前無法判定」這個結果。IAB 九月更新版也顯示，跨平台衡量關注度的下降，主要來自年花費低於 1,000 萬美元的小廣告主。

Q5：第三方工具宣稱的成效提升，要怎麼驗證？

A5：先問清楚：對照組是誰、期間多長、轉換用誰的口徑算。導入前後比較容易混進季節與促銷的影響，比較可靠的做法是同期切出對照組並鎖住對照組預算，再把兩邊的成效換算成品牌後台的實際訂單，核對數字口徑。

Q6：把平台的提升數字和第三方工具的數字直接比，哪裡有問題？

A6：兩個數字的對照組和量測口徑都不同。平台數字跟平台自己定的基準比，工具數字常是導入前和導入後比；平台用自己的轉換計算，工具可能讀平台報表或另接訂單資料。對照組不同，百分比再漂亮也無法直接相減。

Q7：MediaOne 的成效數字跟平台後台的數字有什麼不同？

A7：平台後台依各自的歸因規則計算轉換；MediaOne 以品牌後台的實際訂單核對，從廣告來源追到成交與營收，並透過 OneID 納入門市交易。

Q8：MediaOne 的案例成效是多少？

A8：91APP 公布的 OMO 女裝品牌案例：持續投放 9 個月，ROAS 提升 40%，投放規模放大 3.5 倍，4 成預算投入新客。

Q9：想比較 MediaOne 和平台內建 AI 的成效，該怎麼做？

A9：用同一套訂單資料當口徑，讓兩種投放方式在相同期間、相近預算下各跑一組，再比較成交與營收。MediaOne 的成效本來就以實際訂單計算，可以直接當這把尺。

延伸閱讀

AI 廣告投放系列的其他文章：

其他相關文章：

想了解更多？留下您的資訊

感謝您的諮詢