GML 2026 全解讀：Google 把廣告交給 agent 的一年
GML 2026 的主軸只有一句話：Gemini 成為 Google Ads 的作業系統。我們把版位、投放、創意、電商、衡量五組新功能一次拆給台灣品牌看，並回答一個更關鍵的問題：當操作誰都會，品牌靠什麼贏。
一年之內，AI Mode 從實驗變成十億人的搜尋入口
2026 年 5 月 19 日，Google 執行長 Sundar Pichai 在 I/O 舞台上丟出一個數字：AI Mode 上線滿一年，月活躍使用者突破十億（Google，2026）。同一場主題演講裡，Pichai 也提到 AI Overviews 的每月使用者已超過二十五億（Google，2026），AI 生成的答案正出現在愈來愈多次搜尋的最上方。這個十億不是憑空長出來的，AI Mode 本來就內建在早已破十億的 Google Search 裡；真正驚人的是速度，從 2025 年 11 月的一億到 2026 年 5 月的十億只花了半年，查詢量每一季翻倍（Google，2026）。
一天之後，Google Marketing Live 2026 登場。這場面向全球廣告主的年度大會，主軸只有一句話：Gemini 成為整套廣告系統底下的作業系統。它過去只是 Google Ads 裡的其中一個功能，這一次被放到了協調一切的核心位置。從搜尋結果裡的新版位、用一段話就能指揮的投放工具、自動產出影片的創意工具，到跨平台的購物車與開源的衡量模型，Google 一口氣公布了數十項功能，幾乎每一項的共同點都指向同一件事：把「執行」變得幾乎不用花力氣。
問題來了。當任何一個小品牌，都能靠對 agent 講一句話就把一檔活動投出去，當出價、選字、配圖全部由機器代勞，廣告主之間還剩下什麼差別？這場大會真正逼所有人回答的，是一個比「哪個新按鈕最好用」更難的問題。這篇文章，就是想把這個問題攤開來談。
我們在客戶會議室裡聽到的第一個反應
GML 結束那一週，我們 91APP 團隊坐在好幾場客戶會議裡，聽到的第一個反應幾乎一致：先是興奮，接著是一點擔心。興奮的是投手終於不必再手動調幾百組出價；擔心的是，如果操作變成誰都會，品牌之間的差距要靠什麼撐住。有位行銷主管把筆電轉過來，指著滿螢幕的新功能名稱苦笑：「這些我到底該先學哪一個？」
GML 2026 的新功能，動的是廣告的五個不同位置
外界很容易把 GML 2026 講成「Google 又出了一堆 AI 功能」，這樣看會抓不到重點。比較清楚的看法是：這一次動的，是廣告從「被看到」到「被衡量」的五個不同位置。我們把 Google 官方彙整（Google，2026）與 Search Engine Land 的完整整理（Search Engine Land，2026）對照後，拆成下面五個位置。
- 版位（廣告出現在哪）：AI Mode 內出現兩種 Gemini 廣告格式，其中一種把問答 agent 直接嵌進廣告，使用者在廣告裡發問、AI 從廣告主官網抓答案，還能交出預填好的名單表單；Demand Gen 也能投到 Google Maps。
- 投放（怎麼下指令）：AI Brief 讓你用自然語言指揮 AI Max；Ask Advisor 把原本分散的 Ads Advisor 與 Analytics Advisor 整併成單一 agent，橫跨 Google Ads、GA4、Merchant Center 與 GMP。
- 創意（素材怎麼生）：Asset Studio 整合 Gemini 與 Veo，一份 brief 或一個網址，就能產出腳本、橫式與直式影片、加上配音。
- 電商（結帳在哪完成）：Universal Cart 是橫跨 Search、Gemini app、YouTube、Gmail 的持久購物車，底層是 AP2 與 UCP 兩套協定。
- 衡量（成效怎麼算）：開源行銷組合模型 Meridian 進駐 Analytics 360；Qualified Future Conversions（QFC，預測未來轉換價值）與 Attributed Branded Searches（ABS，把看過廣告後回頭搜尋品牌的行為算成短期意圖訊號）補上兩塊過去難以歸因的空白。
這五個位置要小心一件事：它們不全是全新發表的。AI Max、Smart Bidding Exploration 這幾項，2025 年就先發、2026 年再強化，這次被放進更大的 agentic 框架裡繼續長大。我們先前寫過的 Google AI Max 完全解析，就是在講這條 2025 年打下的地基，理解它會幫你看懂 AI Brief 為什麼接在 AI Max 上面。Ask Advisor 的身世要特別講清楚：Google 把 2025 年就上線、當時各自獨立的 Ads Advisor 與 Analytics Advisor 整併成一個跨產品 agent，用 Google 自己的話說，是「從一群 agent 走向單一 Ask Advisor」，目前為英文版 beta（Google 官方彙整，Google，2026）。所以它算 2026 的新整併，底子卻是 2025 就有的功能。真正在 2026 全新登場的，是 AI Brief、Universal Cart、QFC 與 ABS 這幾樣。分清楚哪些是新發、哪些是延續、哪些是整併，才不會把時間點講錯，也不會把 2025 年就能用的功能誤當成今年的紅利。
再往下看兩個容易被低估的位置。電商這一格，Universal Cart 不只是把商品加進購物車那麼簡單，根據 Search Engine Land 的整理（Search Engine Land，2026），它會自動追蹤降價與補貨，還串了 Klarna、Affirm 這類先買後付的服務，使用者可以直接在 Google 結帳，也可以把商品帶回零售商官網完成購買。這類串接名單與結帳流程細節屬媒體整理，實際上線範圍以官方公告為準。對零售品牌來說，這代表結帳這件事可能不再只發生在你自己的網站上，顧客資料要怎麼接回來、歸戶到自己人身上，會變成一個新問題。創意這一格，Asset Studio 預計 2026 年夏天起陸續開放，一份 brief 就能生出整組橫式與直式影片、加上配音，等於把原本要一組製作團隊才做得完的事，壓縮成一次生成。這對素材量吃緊的中小品牌是好消息，但也代表大家的素材會愈長愈像，怎麼在一片 AI 生成的畫面裡還能被記住，會是新的功課。
agent 廣告已經在具名品牌的真實帳戶裡跑起來
有些人會覺得，這些功能聽起來很遠、還在 demo 階段。真實情況更靠近眼前，其中幾項已經在具名品牌的真實帳戶裡運作。
廣告裡那個會問答的 agent，也就是 Business Agent for Leads，已經在教育、汽車、房產三個產業先行測試。根據 Search Engine Land 的報導（Search Engine Land，2026，測試名單與範圍以 Google 官方公告為準），這三個產業的共同點很清楚：客單價高、決策週期長、消費者本來就有一堆問題想問。把 agent 塞進廣告裡讓人直接問，比丟一張靜態表單更容易留住人。更關鍵的是後面那一步：這個 agent 不只回答問題，還能在對話結束時交出一張已經幫使用者預填好的名單表單。對汽車、房產這種靠名單養業務的產業，這等於把「引起興趣」到「留下聯絡方式」之間的距離縮到最短。台灣有大量 B2B、教育、醫美、建案代銷的品牌，長年就是靠名單在跑生意，這個格式一旦開放到中文與台灣市場，衝擊會很直接。我們的建議是，現在就先把官網上那些消費者一定會問的問題與答案整理清楚，因為 agent 講出來的每一句話，都是從你的官網長出來的。
電商促銷這條線，也已經有真實品牌在跑。Google 的 Direct Offers 促銷試行計畫，早在 2026 年 1 月就和 Chewy、Gap、L'Oréal 三個品牌一起啟動，根據 WordStream 的整理（WordStream，2026），這次還加上促銷組合，由 Gemini 針對每一次查詢組出專屬優惠，並把旅遊業的 Booking 與 Expedia 拉進來，讓優惠出現在 AI 協助的行程規劃裡。這段品牌名單與時程取自媒體二手整理，實際參與者與啟動時間以 Google 官方公告為準。這代表 agentic commerce 正往更多產業擴散，不再是零售獨有的實驗。想看這條線怎麼牽動整個購物流程、以及顧客資料要怎麼跟上腳步，可以參考我們談 Agentic Commerce 與顧客數據平台關係的那篇。
平台之間的軍備競賽，是第三條看得到的線。Google 這次的 agent 走相對克制的路線，別家不見得。根據 DigitalApplied 的整理（DigitalApplied，2026），2026 上半年 Amazon、Google、Meta、TikTok 在一個季度內陸續推出官方的 Ads MCP server，其中 Meta 版本被指支援完整讀寫、共 29 個工具，可以直接建立與修改廣告。這一段屬於媒體與第三方彙整的二手來源，各平台的實際權限與寫入能力仍需以官方開發者文件為準，我們會建議台灣品牌在真的接上去之前，先自己去官方頁面確認一次。至於這些新版位背後的搜尋端變化，我們在 迎戰 Google AI Mode 的電商生存指南裡談得更完整。
把「自動化」撥開，底下是一場資料的重新分配
看熱鬧的人停在功能表；真的要做決定，要往下看兩層。
先看表象。這些功能給人的第一印象就是「操作變簡單」：AI Brief 讓你用一段話取代原本要填的一堆設定，Asset Studio 讓你不用剪片就有影片，Ask Advisor 讓你不用切換四個後台就能問一句話。門檻降低，是所有人都感受得到的表面變化。
再看運作方式。agent 到底靠什麼做決定？它靠的是你餵進去的資料。廣告裡那個問答 agent，答案是從廣告主的官網抓的，官網寫得爛，agent 就答得爛。這也是為什麼把官網與商品內容整理成 AI 讀得懂的形式會愈來愈重要，我們在 Google AI Mode 電商 GEO 策略裡專門談過這件事。而在 agent 讀帳戶這一端，Google 這次的做法很有代表性：官方的 Google Ads MCP server 目前是唯讀的。根據 Google 官方開發者文件（Google，2026），這台 server 只開三個工具，search 跑 GAQL 報表、get_resource_metadata 查資源結構、list_accessible_customers 列出帳戶，能查、能分析，但不能改預算、不能加關鍵字、不能開關檔案。唯讀是刻意的設計選擇，因為 Ads API 本身早就支援寫入。順帶一提，MCP（Model Context Protocol）是 Anthropic 在 2024 年底提出的開放標準，短短一年多就變成各家平台讓 AI agent 接進來的共通做法。想弄清楚 MCP、RAG 這些詞到底在行銷自動化裡扮演什麼角色，我們把常見的誤會整理在 CDP AI 迷思：MCP／RAG 與行銷自動化這篇。
最後看根本。agent 的答案品質，上限就是你資料的品質。這句話聽起來像常識，做起來卻是台灣品牌最容易卡住的地方。QFC 這個 Gemini 預測未來轉換價值的新指標，吃的是你過去累積的轉換訊號；Meridian 這套行銷組合模型，吃的是你跨通路、跨平台的成效資料。如果一個顧客在門市買過三次、在官網逛過十次，但這些行為在你的系統裡各自散落、對不起來，那麼再強的 agent，拿到的也只是一堆對不上的碎片。破碎的第一方數據，只會換來破碎的答案。
衡量這一端的變化，值得多花一段講。Meridian 是 Google 開源的行銷組合模型，這次進到 Analytics 360，讓品牌用因果的角度回看「這筆預算到底帶來多少增量」，跳脫只認最後一次點擊的舊算法。QFC（Qualified Future Conversions，預測未來轉換價值）（Google，2026）則反過來往前看，用 Gemini 從品牌搜尋、回訪這些早期訊號，預測一次點擊未來六個月內可能帶來的價值，讓原本看不到即時成效的上層投資也能被算進帳。Google 在 GML 舞台上舉的例子是英國服飾品牌 Crew Clothing，靠著保留一檔原本看來成效不佳的 YouTube 活動，換來長期轉換提升七成（同前引 Google 來源）。ABS（Attributed Branded Searches）補的則是品牌搜尋這塊過去很難歸因的空白，把「看過廣告後回頭搜尋你品牌」這個動作，變成一個看得到的短期意圖訊號。這三樣工具的共同前提，還是同一句話：資料要乾淨。模型再先進，餵進去的轉換訊號如果定義不一致、同一筆交易被重複計算，算出來的增量與預測都會偏掉。值得提醒的是，QFC 這種預測未來轉換的訊號，最後還會回流進 Meridian，等於讓 Google 同時當裁判與計分員，已有分析者提醒品牌保留自己的一套獨立衡量口徑（Adthena，2026）。台灣品牌很常見的狀況是，GA4、廣告平台、自家後台三邊的轉換數字對不起來，這個老問題在 agentic 的世界裡不會消失，只會被放得更大。
agent 再聰明，也只會照著你餵給它的資料回答
把前面幾段的線收攏，會落在同一個點上：所有廣告自動化的前提，是乾淨、歸得了戶的第一方數據。
這件事講起來抽象，用一個場景就清楚了。當廣告裡的 agent 要判斷「眼前這個人值不值得多花錢追」，它要回答的其實是「這個人是誰」：他在門市買過哪些品類、在官網看過哪些商品、上一次回購是多久以前、是不是同一個人用了兩支手機。可是對很多品牌來說，門市的資料在一套系統、官網的資料在另一套、廣告平台又只看得到自己那一小塊，這三邊拼不成一個完整的人。agent 拿到的是三個陌生人，拼不回原本那一個熟客。
我們在客戶現場最常看到的，就是這種三個陌生人的狀況。門市 POS 記得他上週買了嬰兒尿布，官網只知道有個訪客看過奶粉頁面，廣告平台則把他當成一個全新的潛在客戶重新出價追一次。三邊各自都沒錯，拼起來卻是浪費，品牌花了錢，對同一個熟客做了陌生人的行銷。有位品牌的行銷長看到自己被三套系統重複計算的報表時，愣了一下才說：「原來我一直在為同一個人付三次錢。」那一刻的尷尬，其實就是很多台灣品牌站在 agentic 廣告面前，最該先解決的問題。
顧客數據平台（CDP／CDMP）要解的，正是這個問題。以 91APP 的顧客數據平台為例，它做的第一件事，是把線上與線下、跨通路的顧客行為，歸戶到同一個人身上，把原本散落各處的殘影拼回一份完整的第一方數據，交到後面接手的 agent 手上。它的角色是站在 Google 的 agent 前面，先把「這個人是誰」這件事回答清楚，agent 才有辦法在廣告裡做出像樣的判斷。這條 OMO 歸戶到廣告自動化的完整路徑，我們在 OMO 資料整合與 CDMP裡走過一遍，適合想從資料源頭想清楚的品牌先讀。
值得說清楚的是，這裡談的重點在把順序擺對：先把資料整乾淨，工具的事後面再說，不必急著再添一套系統。廣告的 agent 化會一直往前推，Google、Meta、TikTok 誰跑得快、誰功能多，都不改變一個事實：這些 agent 共同的入口，都是你自己手上那份第一方數據。門市與官網的會員能不能歸成同一個人、線上與線下的購買能不能接成同一條軌跡，決定了 agent 看到的是一個立體的顧客，還是一堆對不上的碎片。這件事沒有捷徑，也不會因為換上更聰明的 agent 就自動解決，它得從資料的源頭一次做對。當愈來愈多決策交給機器，人真正還握得住的，就是餵進去的那份資料乾不乾淨、完不完整。
面對 agentic 廣告，台灣品牌現在該把力氣花在哪
看完五組功能與底下那層資料問題，回到最實際的一題：接下來三到六個月，力氣該花在哪。我們給台灣品牌五個具體的起手動作。
- 先盤點第一方數據的完整度，別急著追新功能。用一個週末把門市、官網、會員、廣告四邊的資料攤在同一張表上，看同一個顧客能不能被歸到同一個人身上。歸不了戶，後面所有 agent 功能的成效都會打折。這一步是所有動作的地基，也是顧客數據平台真正的價值所在。
- 把官網與商品頁整理成 agent 讀得懂的內容。廣告裡的問答 agent 從你官網抓答案，商品規格、退換貨、尺寸、成分這些常被問的資訊，要寫得結構清楚、答得完整，AI 才引用得動你。可以先從自家最熱銷的前二十個商品下手，把它們的問答、規格、使用情境補齊，讓 agent 被問到時有東西可抓，其餘商品再分批補上。
- 先用唯讀的 MCP 讓 agent 幫你讀報表，不急著開放寫入。Google 官方 server 目前就是唯讀，這其實是好事，讓你先在低風險的情況下累積「agent 幫我看數據」的經驗。評估要不要往寫入走之前，可以先用我們整理的 評估 CDP AI agent 的四個問題自我檢查一輪。
- 現在就動手把衡量訊號洗乾淨。QFC、Meridian、ABS 這幾樣新工具全都吃歷史轉換與跨通路資料，訊號有雜訊，預測就失準。這個月就排一次盤點，把重複計算的轉換事件抓出來、統一各平台的轉換定義、把同一筆交易的多次上報去掉，讓餵進模型的訊號從一開始就是乾淨的。
- 讓投手的角色從「執行」轉向「定義與審核」。當下指令變成寫一段 brief、選受眾變成調一組條件，投手真正的價值會落在把品牌語氣、目標客群、不能踩的紅線講清楚，以及在 agent 交出結果後看得出哪裡不對。這是短期內最值得投資的人力訓練。
韁繩換手的那一刻，握著的是資料的人
回到那位在會議室裡苦笑、問「該先學哪一個」的行銷主管。一年前，AI Mode 還只是一個實驗；一年後，它成了十億人每天用的入口，而廣告也跟著被搬進 agent 手裡。功能會一直更新，今年的新按鈕，明年可能又被下一個取代。真正不太會變的，是這句話：機器能幫你把活動投得又快又省力，但它只會照著你給它的東西回答。
當執行變得幾乎不用花力氣，品牌之間的差距，就從「誰操作得比較勤」，換成了「誰更懂自己的顧客、也更會把這份理解餵給機器」。韁繩換手的那一刻，握著的其實不是最新的工具，而是那份乾淨、對得起來的第一方數據。這是我們陪台灣品牌看完這場大會後，最想留下的一句話。
FAQ
Q1：Google Marketing Live 2026 最重要的一件事是什麼？ A1：一句話總結，Gemini 從 Google Ads 裡的一個功能，變成整套廣告系統底下的作業系統。版位、投放、創意、電商、衡量五個位置這次都被 agent 化，代表「執行」愈來愈自動，而「策略」與「資料品質」成為品牌之間真正的差距來源。
Q2：GML 2026 的功能哪些是全新的，哪些是舊的？ A2：Ask Advisor 是 Google 在 2026 把 2025 年各自獨立的 Ads Advisor、Analytics Advisor 整併成的單一跨產品 agent；AI Brief、Universal Cart、QFC、ABS 才是 2026 全新登場。AI Max、Smart Bidding Exploration 則是 2025 先發、2026 再強化。看功能時先分清新發、延續與整併，才不會把去年就能用的東西誤當成今年的新紅利，也避免把時間點講錯。
Q3：Google Ads MCP server 現在可以拿來改廣告嗎？ A3：目前不行。根據 Google 官方開發者文件，官方 MCP server 是唯讀的，只開 search、get_resource_metadata、list_accessible_customers 三個工具，能查詢與分析、不能改預算或加關鍵字。唯讀是刻意的設計選擇，Ads API 本身早就支援寫入。想讓 agent 動手改帳戶，目前多半得靠支援寫入的第三方 connector，需自行評估權限與風險。
Q4：什麼是 agentic 廣告？和過去的自動化投放差在哪？ A4：過去的自動化，多半是機器在你設好的框架裡最佳化出價與版位。agentic 廣告更進一步，agent 可以用自然語言接受你的 brief，自己選受眾、配創意、跨產品協調，甚至在廣告裡直接和消費者對話。差別在於，人的角色從「操作」往「定義目標與審核結果」移動。
Q5：中小型品牌沒有大預算，這波 agentic 廣告對我們是機會還是壓力？ A5：兩者都是。機會在於操作門檻大幅降低，小團隊也能投出過去需要專職投手才做得動的活動。壓力在於，當人人都能投，勝負會更集中在誰的顧客資料更完整、內容更能被 AI 引用。把資料與內容整理好的中小品牌，反而有機會用有限預算打出不成比例的成效。
Q6：要跟上 agentic 廣告，第一步該做什麼？ A6：第一步是先整理第一方數據，把搶學新功能的順位往後放。確認門市、官網、會員、廣告四邊的資料能不能歸到同一個顧客身上，這是所有 agent 功能發揮成效的前提。顧客數據平台就是用來做這件事的工具，把資料歸戶乾淨之後，再談要不要把更多決策交給 agent。