AI Brief × AI Max：用「你自己的話」指揮 Google 投放（2026）
Google Marketing Live 2026 端出 AI Brief，讓你用自然語言指揮 AI Max。但同一套自動化，有人 ROAS 大漲、有人被導錯頁。差別不在會不會填那個框，而在你講不講得清楚自己的客群。這篇拆解 AI Brief 三種指令、AI Max 現況與 Search 先上的順序，並說明訊號品質為什麼是投放自動化的真正前提。
2026 年 9 月，一個沿用超過十年的 Google 廣告設定要開始走入歷史。Google 在官方公告確認：Automatically Created Assets（自動產生素材）與 campaign-level broad match（廣告活動層級廣泛比對）會從 9 月起自動升級成 AI Max；而 Dynamic Search Ads（動態搜尋廣告，DSA）的全面自動遷移，則從原訂的 9 月延後到 2027 年 2 月，理由是廣告主希望有更多時間準備、避免衝擊 Q4 旺季（見 Google 官方 DSA 升級 AI Max 說明）。
同一場 Google Marketing Live 2026，Google 端出的是漂亮數字：Lufthansa Group 導入 AI Max 後 ROAS 增加 24%、IKEA 非品牌點擊提升 65%（媒體轉引自 keynote，數字以 Google 現場說法為準，見 Search Engine Land 對 GML 2026 的整理）。但同一天，另一群人的反應剛好相反：做付費搜尋的實務工作者公開抱怨，AI Max 會把某個很具體的商品型號查詢，導到一個籠統的分類頁，而不是那個商品頁，偏偏「把精準查詢送到對的商品頁」正是舊 DSA 最可靠的本事（見 ppc.land 對 GML 2026 的現場整理，此為媒體整理，實際狀況以你自己的帳戶為準）。
同一套自動化，有人 ROAS 大漲，有人被導錯頁面。工具明明一樣，差別到底在哪裡？
我們在 91APP 團隊最近的客戶會議上，最常被問的一句話是：「AI Brief 那個框，我到底要填什麼？」不少品牌主打開後台，看到 Google 要他們「用自己的話」描述品牌與客群，反而愣住，甚至有點尷尬：講得出自家產品，卻講不清楚自己的客人是誰。這篇文章想把這件事講明白。
這一輪的重點，是把控制權從「操作」搬到「輸入」
過去投 Google 搜尋廣告，我們花最多時間在操作層：挑關鍵字、寫多組標題、拆廣告群組、調出價。GML 2026 之後，Google 把這些工作大量收進 AI Max 與 Performance Max 兩條自動化主線，讓系統做比對、生成與優化，而人負責的，變成往上游給出「輸入」：目標、品牌、客群、界線。這一輪要看懂的東西，可以拆成三層。
- 控制權往上游移動。Google 官方的說法是把投放焦點從「設定廣告活動」轉向「訓練模型」，campaign structure 不再是第一順位，餵給系統的創意品質、商品 feed 準確度、受眾訊號才是決定成效的關鍵。AI Max 本身是 2025 年先發、2026 年延續強化的「加購式」增強層，它掛在既有的搜尋廣告上，管三件事：搜尋詞比對、標題與描述的文字客製、以及最終到達網址的擴展；而 AI Max 已在 2026 年 4 月 15 日正式結束將近一年的公開 beta、進入正式版（見 Google 官方 2026 年 4 月 15 日 AI Max 升級公告）。若你還不熟 AI Max 的基礎設定與版位邏輯，我們在 Google AI Max 完全解析 已經拆過一輪，本篇聚焦的是 2026 年新增的指揮方式，不重寫基礎。
- AI Brief 把三種指令收進同一個框。AI Brief 是 GML 2026 的新東西（不是 2025 舊功能），由 Gemini 驅動，讓廣告主「用自己的話」去引導 AI Max。它把過去零散的 Text Guidelines 升級成一個對話式的輸入層，把訊息、比對、受眾三種指令整合在一起。三種指令各自管的事情如下：
| AI Brief 指令類型 | 白話講它在管什麼 |
|---|---|
| Messaging Guidelines（訊息指引） | 管廣告能講什麼、不能講什麼，例如「絕對不要提到價格」 |
| Matching Guidelines（比對指引） | 管系統該優先接住哪些搜尋，例如「優先健康、天然的日常補貨需求」 |
| Audience Guidelines（受眾指引） | 管對哪一群人、用什麼調性溝通 |
- 這三種指令好不好用，前提是你講得出客群。Messaging 要你說清楚品牌邊界，Matching 要你說清楚想接住哪種需求，Audience 更是直接要你描述「這是講給誰聽」。這三格填得準不準，取決於品牌對自己客人的理解夠不夠具體，這也是很多人卡住的地方。
值得停下來想的是，同樣一個框，行銷團隊能不能用一句話說清楚「我們要的是誰、不想碰什麼」，往往比後台任何微調都關鍵。說得清楚，系統就照著把預算集中在你要的人身上；說得含糊，它也只能用含糊的方式接流量。
同一套 AI Max，為什麼有人賺有人賠
Google 在 GML 2026 舞台上放的是成功案例。Lufthansa Group 導入 AI Max 後 ROAS 提升 24%，IKEA 的非品牌點擊提升 65%、帶動 28% 的增額 ROAS（來源同前，Google keynote 現場數字、媒體轉引）。Google 另外給出一個更能對照的官方數字：在相近 CPA/ROAS 的前提下，使用完整功能組合（搜尋詞比對加文字客製加最終網址擴展）的 AI Max 廣告活動，相較只用搜尋詞比對，平均多出 7% 的轉換或轉換價值（見 Google 官方 2026 年 4 月 15 日 AI Max 升級公告；此為 Google 內部數據，適用非零售廣告主，Search Engine Journal 亦有整理）。
同一時間，第一線的反應卻沒那麼漂亮。前面提到的實務工作者反映，AI Max 在最終網址擴展這件事上，會把精準的商品型號查詢導向籠統的分類頁，讓「精準查詢對應精準商品頁」這個舊 DSA 的強項打了折扣（來源同前，ppc.land 整理）。這不是說 AI Max 不能用，而是提醒一件事：兩造差距的來源，往往不是功能本身，而是餵進去的商品 feed 是否乾淨、到達網址結構是否清楚、受眾訊號是否精準。
這裡要提醒台灣品牌一件事：這些數字都是平均值，比較基準與適用對象各不相同。AI Max 在 2025 年 5 月首度公開 beta 時，Google 給的說法是非零售廣告主相較只用搜尋詞比對平均多 14% 轉換或轉換價值，另有一個 27% 的版本，適用於轉換高度倚賴完全比對與詞組比對的帳戶（見 Google 官方 2025 年 5 月 AI Max for Search 公告）；到 2026 年 4 月的升級公告，官方主打的口徑改成在相近 CPA/ROAS 前提下、完整功能組合相較只用搜尋詞比對平均多 7%（見前引 Google 官方公告）。GML 2026 舞台上又出現另一個版本：採用 AI Max 或 Performance Max 的廣告主平均多 15% 轉換、ROAS 相近（見 WordStream 對 GML 2026 的整理，此為第三方媒體整理）。同一個功能、多個數字，差別在和誰比、比什麼、什麼時候。看這類數字時先問清楚這三件事，別把單一百分比當成保證。
把這個落差放進一個具體的投放情境會更清楚。假設一個同時經營官網與百貨櫃點的服飾品牌，主打高單價的羊毛大衣，型號、材質、版型都很明確。開了 AI Max 的最終網址擴展後，如果商品 feed 裡每個型號都有獨立、乾淨的商品頁，系統接到「深藍色雙排釦羊毛大衣」這種精準查詢時，能穩穩地把人送到那一頁；但如果 feed 裡只有「女裝外套」這種粗分類，型號全擠在同一個列表頁，同樣一句查詢就會被導到一個列了上百件商品的頁面，使用者還得自己再找一次。兩個帳戶用的是同一套 AI Max、同一份 7% 的官方平均值，最後成效卻可能差一大截。差別不在功能開了沒，而在餵進去的 feed 精不精細。這也是 Lufthansa 與 IKEA 案例的另一面：舞台上的好成績，背後往往是先把商品資料、到達頁與受眾訊號都整理乾淨的品牌，引擎的馬力才用得到對的地方。
把兩組畫面擺在一起看，結論很直接：AI Max 是一台馬力更大的引擎，Lufthansa 與 IKEA 給的是好油，導錯頁的帳戶給的是雜訊。引擎變強，會把好訊號放大成好成效，也會把壞訊號放大成錯誤投放。這也是為什麼同一場發表會，Google 給的數據和實務圈的抱怨可以並存。兩邊都是真的，只是他們餵進去的東西不一樣。
表面是自然語言，底層是你給模型的訊號品質
AI Brief 讓人最有感的，是「終於可以用講的」。表象上，它把一個需要操作技巧的系統，變成一段對話：你像對一家代理商交創意 brief 一樣，描述品牌、受眾、界線，Gemini 幫你把它翻成廣告能執行的規則，還會給預覽。
往下一層看機制，AI Brief 做的是把你的自然語言拆解成三類約束，回填到 AI Max 的運作裡。Google 也說明了遷移細節：既有的 Text Guidelines 在採用 AI Brief 後，會自動轉成 Messaging Guidelines；上線順序是英文先行，先在 AI Max for Search 開放，接著才輪到 Performance Max 與 AI Max for Shopping（機制與順序同見 Google 官方 AI Max 新功能公告）。換句話說，繁體中文市場與 PMax 的完整支援會晚一步到，台灣品牌現在能做的是先把輸入內容想清楚，等開通就能直接上。
再往底層看，一個殘酷的事實浮出來：模型只會照你給的訊號辦事。AI Brief 再聰明，也只能在你描述的框裡運作。你把客群講得含糊，它就用含糊的方式接住流量；你把商品 feed 餵得雜亂，它就把預算分到你不想要的品項。所謂「多 7% 轉換」的官方對照，是完整功能組合相較只用搜尋詞比對、在相近 CPA/ROAS 前提下算出的平均值；它比的是功能設定完不完整，不是保證你一定會漲。訊號一旦破碎，被放大的就是誤差。這一點在衡量端也一樣：搞懂哪些行為算「有意義的轉換訊號」，是讓自動出價學對方向的前提，我們在 廣告微轉換 Micro Conversions 裡拆過怎麼定義這些訊號。
把這件事放回會議室的畫面就更清楚了。當我們陪品牌實際去填 AI Brief 的三格，最容易寫壞的就是受眾那格。有人填「所有對我們產品有興趣的人」，這種描述等於什麼都沒說，系統只能用最寬的方式去猜；有人填「25 到 34 歲、喜歡質感生活的女性」，聽起來具體，卻常常和真正在回購的那群人對不上。真正能餵準的描述，長得像「過去 90 天在門市與官網都買過、客單價高於平均、最近一次購買在 30 天內」這種來自實際購買行為的分群。前兩種靠想像，後一種靠資料，成效的差距往往就在這裡悄悄拉開。而 Matching Guidelines 也是同樣的道理：你愈能講清楚「想接住哪種需求」，系統把精準查詢導錯頁的機率就愈低，這正是前面實務工作者抱怨的那個痛點能不能被壓下來的關鍵。
值得一提的是，Google 在同一時期也把「機器讀資料」這條路鋪得更明確：官方推出唯讀（read-only）的 Google Ads MCP server 開發者文件，讓 AI 工具能查詢帳戶分析、但暫時不能改預算或開關廣告。唯讀是 Google 目前的設計選擇，不是技術做不到。這條線和 AI Brief 是同一個方向：把資料與判斷交給模型之前，資料本身乾不乾淨，會直接決定機器給出的答案品質。
廣告自動化跑得動，前提是你的第一方數據是乾淨的
把上面三段收攏，會發現 AI Brief 的三格指令裡，最難、也最值錢的是 Audience Guidelines。你要能描述「這群人是誰、他們處在什麼購買階段、該用什麼調性接住」，而這些描述不能靠感覺，要靠資料。問題在於，多數品牌的顧客資料是破碎的：官網一份、門市一份、LINE 一份、廣告平台又各自為政。當 agent 讀到破碎的第一方數據，就只能給出破碎的答案。
這正是顧客數據平台的價值所在，也是 91APP CDMP 這類 OMO 顧客數據平台想解的題：把線上線下的會員歸成同一個人，讓第一方數據乾淨、可用、可被廣告系統理解。用 AI Brief 的語言來說，這件事等於幫你把 Audience Guidelines 的原料備好：哪一群是高價值回購客、哪一群是只在檔期出現的沉睡會員、哪一群跨通路買、哪一群只在門市買，這些分群才有辦法變成準確的受眾描述餵給 AI Max。我們把這套歸戶邏輯整理在 OMO 資料整合 CDMP，也在 Agentic Commerce 與 CDP／CDMP 談過為什麼「乾淨的第一方數據」會是所有廣告自動化與 AI 代理人的共同前提。
用一個常見的零售畫面來說：同一位顧客，早上在官網用 email 註冊會員、中午在門市刷了聯名卡結帳、晚上又點開 LINE 官方帳號的推播。在沒有歸戶的情況下，這三筆行為在系統眼裡是三個不相干的人，你要餵給 AI Brief 的受眾描述自然就散掉了。歸戶做好之後，這三筆會收斂成同一個人的完整輪廓：他買什麼、多久買一次、線上線下怎麼交錯、對哪種訊息有反應。這個輪廓才是 Audience Guidelines 真正能用的原料。也因為如此，我們常跟客戶說，投放自動化的準備工作，有一大半其實發生在廣告後台之外。
方法論映射到 AI Brief 的實際填法，會像這樣：Messaging Guidelines 對應品牌內部早就有的溝通紅線；Matching Guidelines 對應你最想接住的品類需求；Audience Guidelines 則直接吃顧客數據平台分群的成果。三格的品質天花板，其實是被你的資料整合程度決定的。資料愈乾淨、歸戶愈完整，你能對 AI Max 講的話就愈精準，它幫你花的每一塊錢也就愈接近你真正的意圖。
投放自動化的成敗，決定在你餵進去的訊號
台灣品牌現在不必急著把每個新功能都打開，但有幾件事值得依序處理。
- 先盤點客群，再碰 AI Brief。開一份文件，把品牌的溝通紅線（例如不能講的療效字、不能承諾的價格）寫成 Messaging 草稿，把最想接住的 3 到 5 種需求寫成 Matching 草稿。這份草稿等英文版開通、或未來繁中支援到位時可以直接貼進去。花在這份草稿上的時間，遠比之後在後台反覆微調划算，因為它決定的是系統理解你的起點，起點錯了，後面調再多也是繞路。
- 依 Google 的官方順序卡位：AI Brief 是英文、Search 先行，之後才到 PMax 與 Shopping。先把 AI Max for Search 的完整功能組合（搜尋詞比對、文字客製、最終網址擴展）跑順，因為 Google 官方數字顯示，在相近 CPA/ROAS 前提下，完整組合相較只用搜尋詞比對平均多 7% 轉換（見 Google 官方 2026 年 4 月 15 日 AI Max 升級公告）。同時留意 2026 年 9 月 ACA 與廣泛比對會自動升級、DSA 延到 2027 年 2 月的時間表，提早規劃、別等系統替你改設定。
- 把商品 feed 和到達網址結構整理乾淨。前面導錯頁的抱怨，一部分指向最終網址擴展這個功能本身，會把精準查詢導到分類頁（見前引 ppc.land 整理）；另一個可能原因，是 feed 與到達頁對不上：品名寫得含糊、分類階層混亂、熱銷型號沒有獨立的到達頁，都會讓系統更容易把精準查詢丟到籠統的分類頁。精準查詢要有精準商品頁承接，這是最終網址擴展能不能發揮價值的前提，也是相對容易著手、卻常被忽略的一件事。
- 用乾淨的第一方數據餵 Audience Guidelines。把線上線下會員歸成同一個人，做出可用的分群，這是顧客數據平台（例如 91APP CDMP）能幫上忙的環節，也是讓 AI Max 的受眾描述從「大概是這種人」變成「就是這一群人」的關鍵。實務上可以先從幾個最有生意意義的分群做起：高價值回購客、跨通路都會買的會員、只在檔期出現的沉睡客，把這幾群的輪廓寫成清楚的受眾語言，比一次想涵蓋所有人有用得多。
- 把衡量口徑先講好。Google 這一輪也在改歸因與衡量邏輯，跨平台的成效比較會愈來愈需要對齊定義；我們在 Meta 2026 歸因大改版 談過同一件事在 Meta 端怎麼變，跨平台一起看才不會各說各話。建議在導入 AI Max 之前，先和團隊把「一筆轉換怎麼算、看幾天回溯、線上線下怎麼併」講定，之後不管 Google 端怎麼把工作自動化，你都還握著判斷成效好壞的那把尺。少了這把尺，數字漲了你不知道是真的變好還是歸因被重算，數字跌了也找不到原因。
會議室裡那個講不清客群的尷尬，才是真正要解的題
回到開頭那個畫面：同一套 AI Max，有人 ROAS 大漲，有人被導錯頁。工具給了每個人同一支麥克風，但麥克風不會幫你想好要說什麼。AI Brief 把門檻從「會不會操作」降到「講不講得清楚」，卻也把真正的考題攤在桌上：你到底了不了解自己的客人。
會議室裡那句「這個框我要填什麼」背後那個卡住的瞬間，其實是好事。它逼著品牌把一直含糊帶過的問題講清楚。過去這些問題可以靠一堆關鍵字和不斷微調的操作技巧遮過去，現在遮不住了：系統把執行的活攬了過去，只把最核心的一題留給人，那就是你到底了不了解自己的客人。當你能用自己的話，準確描述你的客人是誰、想接住哪些需求、該說什麼、不該說什麼，機器就會照著放大。指令再自然，也放大不了你還沒想清楚的東西。用自己的話指揮投放的前提，是你先把話想清楚。
常見問題
Q1: AI Brief 是 GML 2026 全新的功能，還是舊功能改名？ AI Brief 是 Google Marketing Live 2026 發表的新功能，由 Gemini 驅動，讓廣告主用自然語言指揮 AI Max。它把過去的 Text Guidelines 升級整合成訊息、比對、受眾三種指引；而 AI Max 本身是 2025 年先發、2026 年延續強化的既有功能，兩者要分清楚。
Q2: AI Brief 台灣現在能用嗎？ 依 Google 官方說法，AI Brief 採英文先行、AI Max for Search 先開放，之後才輪到 Performance Max 與 AI Max for Shopping，會在接下來數月陸續推出。繁體中文市場與 PMax 的完整支援會晚一步，建議台灣品牌先把要填的內容準備好，等開通即可上線。
Q3: 我一定要升級 AI Max 嗎？不升級會怎樣？ 會分階段被動升級。Google 官方公告，2026 年 9 月起 Automatically Created Assets 與廣告活動層級廣泛比對會自動升級成 AI Max；動態搜尋廣告 DSA 的全面自動遷移則延到 2027 年 2 月。與其被動被改設定，不如提早自行升級、把設定對齊自家需求。
Q4: AI Max 開了之後，為什麼有人導到錯的頁面？ 可能原因之一，是最終網址擴展這個功能本身會把精準查詢導到分類頁，這是實務工作者對它的主要抱怨；另一部分則和商品 feed 或到達頁結構有關。當精準的商品型號查詢找不到對應的商品頁，系統就可能導到籠統的分類頁。把 feed 整理乾淨、讓精準查詢有精準頁面承接，能改善這個狀況。
Q5: AI Brief 的受眾指引要怎麼填才會準？ 關鍵是先有乾淨、可用的顧客分群。把線上線下會員歸成同一個人，分出高價值回購、跨通路購買、沉睡會員等群體，再把這些描述填進受眾指引。這通常需要一個能整合第一方數據的顧客數據平台把原料備好，機器才有辦法接得準。
Q6: 開了 AI Max 完整功能，成效一定會變好嗎？ 不保證。Google 官方數字是在相近 CPA/ROAS 前提下，使用完整功能組合相較只用搜尋詞比對，平均多 7% 轉換或轉換價值，這是平均值、且前提是訊號正確。自動化會放大你餵進去的訊號品質：訊號乾淨就放大成效，訊號雜亂就放大誤差。