同一組素材跑太久？91APP 如何用 AI 素材生成對抗廣告疲勞

你有沒有遇過這種情況：某一組廣告素材上線的第一週效果很好，ROAS 漂亮，點擊率也正常，但到了第三、四週，數字開始有了變化，CTR 往下掉、CPC 往上提升，轉換率也跟著縮水。你沒有改出價，受眾沒有換，預算也沒有動。

很多人的第一反應是去看競品有沒有突然殺進來，或是懷疑演算法出了問題。但大多數時候，答案很簡單：是因為消費者已經看膩了你的廣告。

這就是廣告疲勞。它不是一個偶發的投放意外，而是數位廣告一定會碰到的結構性問題。

廣告疲勞到底是什麼

廣告疲勞指的是受眾因為反覆接觸同一組廣告素材，對它的反應從「有興趣」逐漸變成「視而不見」，最後甚至演變成主動迴避。

這個過程在心理學上有個清楚的解釋，叫做「習慣化（habituation）」：大腦對於反覆出現的刺激，會自動降低處理優先級。你的廣告第一次出現的時候，它是新訊息；第五次出現的時候，它已經是背景雜訊；第十次，它讓人煩躁。

問題是，廣告主通常不知道同一個用戶到底看了幾次。因為每個平台的頻次是獨立計算的，你在 Meta 設了頻次上限，不代表這個人在 YouTube、Google GDN 或 TikTok 上沒有看到同一組素材。跨平台重疊曝光的累積，也是讓疲勞加速的原因。

根據平台研究，社群媒體上的廣告疲勞通常在七天內累積曝光達到三到四次之後開始出現，達到五到七次就會有明顯的成效衰退。Meta 自己的內部數據也顯示，頻次超過 2.5 就進入危險區。而如果你同時在多個平台投放，同一個人每週看到你廣告的次數很可能遠超過這個數字。

台灣市場為什麼特別容易中招

全球的廣告疲勞問題都存在，但台灣市場有幾個特點讓這件事更加棘手。

第一是行動化程度極高。根據 DMA 2024 年的報告，台灣數位廣告行動端佔比已經達到 77.9%。行動裝置上的瀏覽節奏遠比桌機快，用戶滑動速度快、注意力停留短，對重複素材的容忍度本來就比較低。

第二是台灣社群媒體的滲透率高，同一批受眾同時活躍在 Meta、Instagram、YouTube、TikTok 上。品牌的預算往往分散在這幾個平台，但缺乏跨平台統一管理頻次的機制，導致累積曝光次數根本沒辦法精準掌控。

第三是台灣品牌對素材更新的速度普遍不夠快。業界實務的建議是 Facebook/Instagram 每一到兩週換一次素材，TikTok 甚至建議每週更換一次。但台灣許多品牌受限於設計人力，往往一組素材撐兩到三個月，然後才驚覺成效為什麼這麼差。

這三件事加在一起，讓廣告疲勞在台灣的電商廣告投放環境裡幾乎是系統性的常態，而不是少數案例。

疲勞對品牌的傷害，比你以為的還要深

很多人覺得廣告疲勞頂多就是效果變差，停掉素材換一組就好。但它實際上造成的損傷分成兩層。

第一層是立即的成效損耗。廣告疲勞出現後，CTR 可能下滑 35%，CPC 同步上升 20%，你在用更多的預算換更少的點擊。更糟的是，平台演算法本身也會懲罰低互動的廣告，系統會自動降低這組素材的分配，讓它的觸及越來越差，形成惡性循環：廣告沒效果，平台給它更少流量，更沒效果。

第二層是長期的品牌傷害。這一層才是真正值得警惕的地方。研究數據顯示，76% 的消費者表示反覆看到同一則廣告會讓他們對這個品牌的印象變差，而另一項調查指出有將近半數的消費者在看到某個廣告太多次之後，明確決定不購買該品牌的產品。

換句話說，你花預算買了曝光，換來的不是品牌好感，而是品牌排斥。這不是浪費錢那麼簡單，這是在主動稀釋你長期累積下來的品牌資產。

你可能會說，那停掉素材、換一組不就好了？但問題是，你換一組新素材，多快能確定切角是對的？你有沒有足夠的測試量？你有沒有資源在沒有效果數據支撐的情況下持續產出新素材？這才是大多數品牌真正卡住的地方。

問題的核心不是「生更多圖」，是「知道該生什麼」

市面上現在有很多 AI 圖片生成工具，但做廣告素材跟做圖是兩件不同的事。一張 AI 生成的漂亮圖不等於有轉換力的廣告。廣告素材要有效，需要的是正確的切角：你在跟誰說話、你強調什麼訴求、你的標題文案觸碰的是哪一個痛點或慾望。

這個判斷不是靠拍腦袋，也不是靠創意直覺，而是靠數據。

91APP 的 AI 素材生成系統（AI-Creative System）解決的核心問題就在這裡。它的起點不是「我來幫你生圖」，而是「我來告訴你，這個商品應該對哪些人說什麼」。

具體來說，系統會整合三類數據：品牌的會員資料、91APP 累積的零售行為數據（SKU、行為、特徵、成效），以及廣告投放的行銷資料。這三層數據透過 DCR 技術整合，不識別化、不複製，然後用來演算出每個商品真正推動轉換的屬性。

舉例來說，同樣是一支保濕洗卸精華，對 25 到 34 歲的女性，推動她們成交的關鍵是保濕、初步抗老的功效訴求，成分上關注杏仁酸和 A 醇；對 35 到 44 歲的女性，訴求轉移到抗老和修復，成分改為玻尿酸和傳明酸。同一個商品，對兩個受眾群，需要完全不同的切角和文案。

這件事如果靠人工判斷，要花多少時間、做多少訪談和測試才能收斂？91APP 的系統是用零售數據直接算出來的，每一組切角都有數據支撐，而不是猜出來的。

切角確定了，才到素材生產這一步

很多人理解的 AI 廣告素材，就是把商品圖丟進去、設定風格、生成圖片。但普通 AI 工具生出來的東西，常見的問題是：產品變形、中文字怪異、品牌 logo 加不上去、AI 感太重、不符合台灣市場的審美、版權疑慮等。這些問題在實際投放環境裡，直接影響上架品質和法規合規性。

91APP 的系統在圖像生成這一層用的是「Image-Layered Model」的架構，把素材拆成五個獨立的層次去控制：

商品層負責鎖定主體，確保產品在生成過程中不會變形，形狀、標籤、光澤、角度都被保護住。商標層自動套入品牌識別，包含品牌 logo 和法定警語，這層不動。背景層根據切角即時生成對應情境，可以是不同的色調、場景、人物配置。文字層根據主視覺動態調整文案排版，字體、字元大小、粗細、版面都跟著優化。特效層疊加光影、粒子、季節氛圍等視覺元素，增加素材的視覺張力。

哪些層是固定的（控制項），哪些層是 AI 根據切角即時生成的，兩者分開，這才是「工業化標準生成」的意思，不是讓 AI 亂發揮，而是在有規範的框架內批量產製符合品牌規格的素材。

整個系統又與 Google 原廠技術合作，人像、文字、內容、圖片的版權都受到保障，避免了一般 AI 工具最讓品牌主頭痛的 IP 侵權疑慮。

從生成到投放，形成完整的閉環

廣告素材不是生完就沒事了，它需要進入投放、收集成效數據，然後把這些數據回饋回去，讓下一輪的切角優化更準確。

91APP AI-Creative 的作業流程分成8個步驟：

1. 整合零售資料
2. 商品屬性分析
3. 素材切角生成
4. 產製創意素材
5. 素材優化閉環
6. 投放之後的成效數據會回傳到資料庫
7. 開始運算新一輪的切角
8. 每一次的迭代都比上一次更接近真正推動轉換的訴求

這個閉環的意義在於，素材不再是「製作好、投出去、等結果」的單向流程，而是一個持續學習的系統。隨著數據累積越來越多，系統對商品的掌握會越來越精準，素材的命中率自然也會提高。

在媒體配置的實務建議上，「高效速成」的配置是每一到兩週更新一次素材，至少準備五種不同切角；「最高成效」的配置則要求靜態素材 15 張、影片 5 支，同時加入短秒影音搭配語音旁白，更新頻率約兩到三週，方型、橫式、直式尺寸都要備齊。這些標準跟前面提到的業界研究結論基本一致，而且是在台灣市場實際操作驗證過的。

用數字說話：解決疲勞之後發生了什麼

有一個美妝保養品牌，本身有好產品，但缺乏廣告和設計的執行能力，導致內部溝通成本高，產出的素材成效低於業界平均。導入 91APP 全案企劃顧問服務之後，採取一站式拆解產品賣點、交付可直接投遞的廣告素材的方式，最終素材上線後業績提升了 135%，同時降低了超過 50% 的溝通成本。

另外一個案例是保健食品品牌，原本的問題是廣告投資量大，但人力被大量素材的日常產製工作消耗掉，根本沒有餘裕去挖掘和測試新的切角，業績增長進入瓶頸。導入 AI 圖像生成工具之後，廣告測試規模擴大了 50%，購物季的 GMV 年增率達到 36%。在更完整的分析案例中，同一個客戶的素材製作效率提升了 300%，廣告投放效益提升了 61%。

這些數字的背後有一個共同點：品牌不再被「素材不夠用」這件事卡住，可以把資源放在真正重要的事情上，也就是測試更多切角、找到真正有效的訊息組合。

當素材的問題解決了，投放才能真正發揮效益

廣告投放有一個常被忽略的前提：自動化演算法需要足夠多樣的素材才能正常運作。Meta 的 Advantage+ Shopping Campaign、Google 的 Performance Max，這些自動化投放工具的優化邏輯，是讓系統去找出哪一組素材對哪一批受眾最有效，然後自動分配流量。但如果你丟進去的素材只有三到五張而且切角都差不多，系統能探索的空間就很有限，自然學不出好的結果。

反過來，當你有足夠多樣的素材，切角清楚分散，系統才能真正做到它宣稱的那些事。這也是為什麼 Meta 的實際案例顯示，每週不重複素材量達到 80 到 100 組的時候，ROAS 可以提升到兩倍。

廣告預算花在刀口上，不是靠出更高的價格搶流量，而是靠讓演算法有足夠好的素材可以工作。當素材的多樣性和更新頻率跟上之後，自動化投放的效率才會真正釋放出來，而不是讓你花了預算，換來把客戶一點一點推走的疲勞印象。

#廣告創意與內容表現 #廣告投放 #品牌溝通 #AI