Google AI Max、Meta Andromeda 收走受眾操作權後，廣告主只剩三個能贏的地方

當投放平台把受眾操作收進 AI，廣告主能控制的只剩三件事。把這三件事做穩，才是自動化時代真正的成效來源。

平台把方向盤收走了一半

過去一年，兩大投放平台不約而同做了同一件事：把「選受眾」這件原本由廣告主操作的工作，收進演算法裡。

Google 在 2025 年 5 月發表的 AI Max for Search，用 AI 接手了搜尋字比對、素材組合與到達網址的選擇，讓系統去找你關鍵字清單以外、卻可能成交的查詢，並自同月稍晚起向全球廣告主推出 beta。Meta 更早一步，在 2024 年 12 月公開了 Andromeda，一具廣告檢索引擎，每一次曝光前，它會從數千萬支廣告裡先篩出幾千支候選，再交給後面的排序與競價。

Meta 工程團隊講得很直白：沒有通過檢索這一關的廣告，就算排序再好、出價再高，也贏不了，因為它根本沒被選進候選名單，等於隱形。

對廣告主來說，這代表細切受眾、層層堆疊興趣標籤的時代結束了。當平台把方向盤收走一半，能決定成敗的旋鈕只剩下三個。問題是，多數品牌還在懷念那些被收走的旋鈕，沒去顧好還握在手裡的這三個。

為什麼我們想把這件事講清楚

我們團隊最近陪幾個品牌看廣告帳號，最常聽到的一句話是「以前我還能細調受眾，現在平台不讓我動了，那我到底還能做什麼」。

這個焦慮可以理解，但方向有點偏。平台收走了操作的細節，成效的決定權仍留在品牌手上。一檔廣告跑得好不好，關鍵已經轉移到你餵給系統的材料上。這篇想把「還能做什麼」說清楚。

平台接管了什麼，你還握著什麼

把投放這件事拆開，可以清楚看到哪些被平台接管、哪些還留在廣告主手上。

被接管的那一欄，再怎麼想辦法繞過都沒有意義，平台不會把控制權還給你。值得花力氣的是右邊那一欄。種子名單的品質、素材角度的多樣性、目標的校準，這三件事就是自動化時代廣告主真正的槓桿。它們有個共通點：全都是「輸入」，是你餵給系統的材料，落在系統執行之前的環節。

AI 越強，越會放大這些輸入的品質。同一套 Andromeda、同一套 AI Max，餵進乾淨的名單與多角度的素材，跟餵進雜亂的名單與三張換色的圖，跑出來的結果天差地遠。

AI Max 與 Andromeda，指向同一個道理

AI Max：半透明的黑箱，成效取決於餵進去的訊號

AI Max 是疊在搜尋廣告上的功能組合，保留了較多搜尋報表與控制權，在既有關鍵字結構上疊加 AI 擴展；PMax 則是跨版位的 campaign 類型，透明度與控制方式都不同。Google 官方數據指出，開啟 AI Max 的廣告主通常多拿 14% 的轉換或轉換價值，若帳號原本以精準與詞組比對為主，提升幅度可到 27%（此為 Google 內部非零售類資料）。Google 同期推出的 Smart Bidding Exploration，也讓出價系統去探索原本被忽略的早期意圖查詢。

但事情有另一面。實務上，AI Max 開啟後仍要看搜尋字、素材與落地頁的表現，不能只看曝光增加；它也需要穩定的轉換訊號與價值型出價才能發揮完整能力。結論很清楚：AI Max 開了不保證有效，成效押在你餵進去的轉換訊號與素材品質上。系統負責找，找得準不準，看你給的料夠不夠好。

Andromeda：素材變成新的受眾

Andromeda 帶來的改變更根本。當檢索引擎在投放鏈的最前端就做個人化配對，它評估的是每個人的互動、轉換與內容偏好，直接把人對到最可能有共鳴的素材，跳過了傳統把人塞進幾個大受眾分類的做法。Meta 的數據顯示，檢索系統的 recall 提升 6%、特定區隔的廣告品質提升 8%，原本沒用 Advantage+ creative 的廣告主在開啟 AI 定向後，ROAS 增加了 22%。

這帶出一個對廣告主很重要的轉變：素材開始承擔一部分過去由受眾設定負責的工作。當系統用素材本身去配對人，廣告裡的角度、證據、訴求、情境，做的定向工作比那些被收走的手動旋鈕還多。你的素材組合，就是 Andromeda 拿去學習的對象。素材角度越多元、越能對上不同人群的動機，系統能配對的空間就越大。

共同點：操作權上移，輸入品質決定成敗

AI Max 與 Andromeda 來自不同平台、用不同技術，但走的是同一個方向：把操作權往上收進演算法，把成敗交給廣告主餵進去的輸入。這也說明了，當每個品牌都用同一套平台、同一批自動化工具，能拉開距離的，是誰餵得起更好的名單與素材。

自動化接手了執行，沒接手你的輸入

把表象往下追，這一切的邏輯其實很單純。平台自動化接手的是「執行」，例如比對、出價、配對、優化，這些重複、規則明確的工作交給機器又快又好。但它沒接手、也接不了的是「輸入」，也就是你決定餵什麼名單、給什麼素材、設什麼目標。三個槓桿全都落在輸入這一端。

這正是 AI Skill 能派上用場的地方。這裡說的 Skill，指的是把投放前的判斷寫成團隊可複用的檢查表與執行規則，不需要再多買一套工具。三個槓桿的判斷，過去常靠某個資深投手的手感，換個人接手品質就掉。把它們寫成 可重複呼叫的技能，例如「種子名單怎麼篩」「素材角度清單怎麼列」「tROAS 怎麼依最近實際值設定」，團隊每次就照同一套標準跑，不再因人而異。技能負責把判斷標準化，而判斷的材料，也就是名單與素材，仍然來自品牌自己。

這裡有個陷阱要避開：技能不會幫你生出好名單，它只是讓「怎麼用名單」這件事變得穩定一致。料還是要你自己準備。

三個槓桿裡，最難也最值錢的是種子名單

三個槓桿之中，素材角度和目標校準靠經驗與紀律可以補，最難、也最難被對手複製的是種子名單的品質。種子名單的好壞，直接等於你的第一方會員資料的好壞。

平台的種子機制都吃名單：Google 的 PMax 用客群訊號、Meta 的 Advantage+ 用種子受眾，餵進去的若是以實際轉換為準、歸戶乾淨的名單，系統的擴展才有對的起點。這也是顧客數據平台（CDMP）在做的事。以 91APP 服務的零售品牌來說，常見的做法是先把官網、App、門市的會員行為歸到單一身分，再依購買意圖把會員分層，產出一份高購買意願的名單當種子。素材角度同樣能從這些會員分群的人群故事推導，不同分層的動機不同，對應的素材切角也不同。

順序一樣不能顛倒。乾淨的第一方名單，才是平台檢索與擴展發揮成效的先決條件。種子餵得爛，Andromeda 配得再準，也只是更有效率地把預算花在錯的人身上。

平台越自動，越要顧好這幾件事

對台灣零售品牌來說，比起抱怨平台收走了操作權，把力氣放回還握在手裡的槓桿更實際。以下幾件事，決定了同一套 AI Max 或 Andromeda 在你帳號裡跑出什麼結果。

1. 把種子名單換成「以實際轉換為準」的第一方名單：互動、觀看名單通常最弱；我們團隊建議每包至少準備一千人以上，較有機會提供穩定的學習訊號（預期效果：種子起點變準、擴展不亂跑；建議週期：投放前先備好，名單每月更新一次）。
2. 一次準備幾個「真的不同」的素材角度：重點是切角數量，不是圖的張數，換色換字不算多樣；讓 Andromeda 有不同人群動機可以配對（預期效果：素材覆蓋更多人群、降低素材疲勞；建議週期：每檔期備好梯隊，兩週檢視一次）。
3. 目標校準在合理範圍，大改後忍住學習期：我們團隊的起手建議是把 tROAS 設在最近實際值正負兩成內，目標離實際太遠系統會學歪，頻繁大改會把學習期一直重置（預期效果：出價穩定、成效波動收斂；建議週期：學習期約七到十四天內不大動）。
4. 把這三件事寫成技能或標準流程：種子篩選、素材角度清單、目標校準各自做成一份 SKILL.md，讓全隊照同一套跑（預期效果：成效不再綁在某個人的手感上；建議週期：先把最常做的一項標準化，再逐步擴大）。
5. 投放前先確認訊號鏈沒斷：轉換追蹤、回傳設定若掉了，平台的 AI 會在錯誤的訊號上放大偏差，這時調名單調素材都是在雜訊上優化（預期效果：確保後續優化建立在真實數據上；建議週期：每次大改版或上新檔前檢查）。

這幾件事沒有一件需要你會操作平台的隱藏功能，但每一件都決定了自動化幫不幫得上你。

平台收走的是微調，不是你要去哪

自動化會繼續往前走，平台能調的旋鈕只會越來越少。但平台調整的是投放的過程，品牌仍然決定餵進去的名單、素材與目標。種子名單、素材角度、tROAS 校準，這三件事決定了預算最後花到誰身上，而它們都還握在你手裡。

台灣零售品牌長年累積的會員資料與門市軌跡，正是驅動演算法最好的燃料。會員資料越完整、素材角度越清楚，自動化就越有機會把預算用在對的人身上。當大家都用同一套引擎，最後拉開差距的，是你加進去的東西。

品牌最常問的自動化投放與 AI Skill 問題

Q1：Google AI Max 跟 Performance Max 有什麼不同？ AI Max 是疊加在搜尋廣告上的 AI 優化層，保留了搜尋廣告的透明度與控制權，你仍看得到搜尋字、仍能用否定關鍵字，AI 只是在既有關鍵字結構上幫你擴展。Performance Max 則是橫跨 Google 所有版位的 campaign 類型，控制權和透明度的方式都不同。簡單說，AI Max 偏半透明，PMax 的自動化程度更高。

Q2：Meta Andromeda 到底改變了什麼？ Andromeda 是 Meta 的廣告檢索引擎，負責在每次曝光前，從數千萬支廣告裡篩出幾千支候選。它的影響是把個人化提前到投放鏈最前端，用素材本身去配對人，取代過去靠廣告主細切受眾的方式。結果就是受眾細分的效果下降，素材角度的多樣性變成決定成敗的關鍵。

Q3：平台都自動化了，廣告主還能做什麼？ 還有三個槓桿：餵什麼名單當種子、給什麼素材角度、設什麼目標（tROAS）。這三件事平台接不了，因為它們是你餵給系統的輸入，不是系統內部的操作。把這三件事做穩，比研究平台的隱藏設定更重要。

Q4：AI Skill 在廣告投放裡能幫上什麼？ 廣告投放有很多判斷過去靠資深投手的手感，例如怎麼篩種子名單、怎麼列素材角度、怎麼設 tROAS。把這些判斷寫成 SKILL.md，團隊就能每次照同一套標準跑，不會因為換人而品質下滑。技能負責把判斷標準化，但名單和素材這些材料還是要品牌自己準備。

Q5：種子名單為什麼這麼重要？ 因為平台的擴展是從你的種子往外長的。種子若是以實際轉換為準、歸戶乾淨的第一方名單，系統擴展的起點就準；種子若雜亂，再強的演算法也只是更有效率地把預算花在錯的人身上。種子名單的品質，直接等於你的第一方會員資料的品質。

Q6：預算有限的品牌也適用嗎？ 適用，而且更該專注。預算有限時更不能把錢浪費在雜訊上。先確認訊號鏈沒斷、種子名單夠乾淨、素材有幾個真的不同的角度，這些都不需要額外的廣告預算，卻直接決定每一塊錢花得值不值得。把基本功做好，小預算也能讓自動化幫上忙。

延伸閱讀

1. Google AI Max for Search 完整操作指南
2. Meta Andromeda 登場：當 AI 讀懂了人心，素材軍火庫才是突圍關鍵
3. AI 生圖不等於廣告素材：立足視角下的工業化增長邏輯
4. Meta 廣告成效不好？別再照抄 AI問答給的資訊，根本問題要看這 3 層

想了解如何把品牌的第一方會員資料整理成餵得動 AI 投放的種子名單，歡迎與 91APP 團隊聊聊。