91APP Marketing Hub

廣告平台操作實務

Google Ads 廣告自動化怎麼做？從 Smart Bidding 到自動規則的完整教學

Google Ads 廣告自動化分成出價、投放與維運三種，各自能交給機器的程度不一樣。本文用官方文件的邏輯拆解 Smart Bidding、Performance Max 與自動規則、Scripts 的分工，並說明餵給演算法的第一方資料為什麼決定成效上限，給台灣零售品牌一份可落地的教學。

廣告平台操作實務

Meta 廣告自動化怎麼做？用帳戶的三個層級，把每天兩小時的手動調整變成規則

Meta 廣告自動化的重點，是把資深投手的判斷寫成規則，而不是把方向盤直接交給演算法。本文用 Campaign、Ad Set、Ad 三個層級拆解自動化該做什麼，並說明比「自動調整」更重要的護欄機制，給台灣零售品牌一份可落地的教學。

技術與數據優化

Meta Ads CLI、Meta MCP、Meta Marketing API 差在哪？搞懂三者，再決定 AI 怎麼幫你投廣告

Meta 在 2026 年 4 月推出官方 AI Connectors，讓行銷人能對 AI 講一句話就開廣告。但市場第一時間就把 CLI、MCP、Marketing API 三者搞混，以為換成 MCP 就能多做功能。這篇一次劃清三者關係：CLI 與 MCP 是同一批官方工具的兩種操作介面、能力等價，複雜形式與細部受眾仍要回到完整 Marketing API；而 AI 投得好不好，很大一部分上限在你餵它的第一方數據乾不乾淨（前提是追蹤與受眾同步設定正確）。

技術與數據優化

AI Agent 工具怎麼選？企業級平台選型，先看你的資料住在哪

2026 年 AI Agent 工具選擇變多，但 Gartner 預測逾四成 agentic AI 專案會在 2027 年底前被取消，失敗原因不只在模型能力。這份指南帶台灣品牌用「資料住在哪」這條線，看懂 Agentforce、Copilot Studio、Gemini Enterprise Agent Platform 等企業級平台的定位差異，並釐清選型前該先確認的資料、權限與維運責任。

AI Agent

Ask Advisor 這類 agent 再強，也救不了破碎的第一方數據（2026）

2026 年行銷圈的新聞幾乎全押在 AI agent 上，Ask Advisor、各家 Ads MCP 接連登場。但 agent 給的答案好不好，取決於它腳下那塊地基：資料有沒有歸戶、線上線下是不是同一個人。本文拆解 agent 的能力、連接、地基三件事，用 Google Marketing Live 2026 與 Google Ads MCP 的具名事件，說清楚為什麼乾淨的第一方數據，才是所有廣告自動化真正的起點。

Google Marketing Live

衡量大改版 2026：Meridian 進 GA、Qualified Future Conversions、ABS 怎麼重算歸因

GML 2026 把行銷衡量從回看已發生，推向預測未來價值。Meridian 開源 MMM 進 Analytics 360、Qualified Future Conversions 限量 pilot、Attributed Branded Searches 品牌搜尋歸因，三件事一起讓歸因基準開始移動。這篇拆解口徑怎麼變、案例怎麼比、台灣零售品牌該先校準哪幾件事，才不會在數字重算時被自己的報表誤導。

Agentic Commerce

Universal Cart 與 agentic commerce：當結帳發生在 Google 而不是你官網（2026）

2025 年假期，兩成網購銷售由 AI 與 agent 促成。Google 在 GML 2026 發表 Universal Cart，讓購物車橫跨 Search、Gemini、YouTube、Gmail，底層接上 UCP 與 AP2 協定，結帳可以直接發生在 Google。當購買行為離開官網，第一方數據的所有權與 OMO 歸戶邏輯都要重想。這篇拆解 Universal Cart 的三個層次、國際品牌的實際數字，以及台灣品牌在結帳外流時，如何把會員牢牢認回來。

Google Ads

Asset Studio＋Veo＋Nano Banana：一條龍生成廣告創意的極限與風險（2026）

Google Marketing Live 2026 把 Asset Studio 推上舞台，一句 brief 或一個網址就生出腳本、橫直影片與配音，2026 夏季全球英文版上線。生成成本趨近於零，但能生不等於能轉換。這篇拆解一條龍創意的三層結構、創意疲勞的機制，以及台灣品牌把產能變成成效的做法。

Google Ads

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。

Google AI Mode

AI Mode 裡的新廣告格式：當廣告變成一個會回答的 agent（2026）

Google Marketing Live 2026 把廣告變成一個會回答的 agent：使用者在廣告內問答、Gemini 從你官網抓答案、交出預填名單，先在汽車、教育、房產測試。這篇拆解兩件事：新格式怎麼運作，以及名單進來之後，台灣品牌靠什麼把它接成生意。

廣告報告自動化

用 Claude 定期自動跑廣告報告：跨平台月報從吃掉兩週到自動排程產檔

每月初手動拉 Google、Meta、GA4 三個後台再拼成一張表，以我們協助品牌客戶的經驗，一份跨平台月報從撈數到交付常吃掉約兩週。用 Claude 接上 MCP 再加排程，人工搬運可以降到近乎零，機器在每月固定時間數分鐘內把報告產好。這篇拆解怎麼組、自然語言怎麼查、唯讀邊界與資料乾淨度這兩道前提，以及為什麼報告品質最後取決於你的第一方數據。

Ads MCP

Google、Meta、TikTok 都推了 Ads MCP：台灣電商先接哪一個（2026）

Google 在 2025 年秋天先開了唯讀版的官方 Ads MCP，Meta、TikTok 則在 2026 年春天三個月內接力推出，讓 AI 代理人能讀取甚至操作廣告帳戶。三家在讀寫、託管、成熟度上差很多。這篇拆解三平台的真實差別，並說明台灣電商決定先接哪一個的關鍵，其實藏在自家第一方數據的成熟度裡。

Google Ads

Google Ads 開了官方 MCP，卻只給 AI「看」不給「動」：2026 讀懂唯讀背後的設計選擇

Google 開源了官方 Google Ads MCP server，讓 AI 用自然語言查廣告帳戶，卻刻意設成唯讀：能看報表、不能改預算。這不是技術做不到，是設計選擇。這篇拆解 MCP 是什麼、三個工具、唯讀的理由、自架與寫入的路徑，最後收斂到一件真正卡住台灣品牌的事：餵給 agent 的第一方數據夠不夠乾淨。

Google Marketing Live

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。

Meta 廣告

Meta Ads CLI 是什麼：官方 AI Connectors 如何把重複的廣告投放變成可自動化的指令

Meta 在 2026 年 4 月推出 Meta Ads CLI，把廣告投放的 campaign、成效、商品目錄、Pixel 設定變成可腳本化、可交給 AI 代理的指令。這篇寫給行銷主管：當重複操作被自動化，廣告投手的價值會移到策略、受眾治理與資料判斷，而餵給機器的受眾標籤品質才是成效關鍵。

第一方資料

第一方資料才是 AI 代理的燃料：受眾標籤品質決定 Meta 廣告自動化的成效上限

Meta Ads CLI 上線後，AI 代理能自動拉成效、建受眾、審查 Pixel 與 CAPI 訊號，但這些動作全都吃第一方資料。這篇拆解指令層、訊號層、受眾層三層結構，說明為什麼受眾標籤品質，才是 Meta 廣告自動化真正的成效上限。

Meta Ads CLI

Meta Ads CLI 與 AI Connectors 上線：當廣告投放開放給 AI 代理，台灣零售品牌拿什麼贏

Meta 在 2026 年以開放測試推出 Ads CLI 與 AI Connectors，把廣告投放開放給支援 MCP 的 AI 代理呼叫。當廣告執行被自動化，台灣零售品牌的競爭優勢會從「會不會操作平台」，移到餵給 AI 代理的第一方數據與受眾標籤品質，以及人的判斷。這是理解整個轉變的系列總論。

廣告平台操作實務

成效追蹤自動產報表：用 AI 代理與 CLI 拉 Insights，把週報變一鍵

成效追蹤自動化正在改寫行銷團隊的一週。Meta Ads CLI 與 AI 代理讓拉取 insights、跨維度切分、輸出 JSON 與表格、生成週報幾乎變成一鍵完成。但報表拉得快，不保證看得對，門檻已經移到選對指標與誠實面對歸因。這篇談自動化工作流怎麼搭、指標與歸因怎麼判讀，以及成效如何回寫成受眾標籤，讓週報從交差文件變成會累積的決策資產。

廣告平台操作實務

AI 廣告工作流工具箱：CLI、MCP 與 AI skill 的分工與選型

一套 AI 廣告工作流該配哪些工具？本文拆解 CLI 終端執行、MCP 對話式閘道與 AI skill 三層分工，說明官方連結器的第一方認證邊界、資安與治理原則，並點出工具只負責搬運、投放精準度仍取決於受眾標籤與第一方數據品質的選型邏輯。

OMO 全通路洞察分析

OMO 方案卡在門市現場？低摩擦執行與檔期節奏怎麼設計

再完整的 OMO 方案，只要加重門市店員負擔或違反現場限制就跑不動。這篇談門市落地的隱形天花板，以及怎麼設計低摩擦、業績能歸戶的機制，搭配多波段檔期溝通節奏與跨部門協作的 lead time 控管。

OMO 全通路洞察分析

會員支付不是綁卡衝一波：用儲值金做出「資金沉澱」的留存

用信用卡活動衝支付數字，常常只是把支付方式換一個，錢沒留下來。這篇談會員支付經營的另一條路：用儲值金做出資金沉澱與預付鎖定，喚回沉睡的支付用戶，也談何時不該急著推儲值。

91APP EngageOne

告別分眾疲乏：用年齡×品類×購物週期把名單越切越準

同一份高含金名單反覆全域投放，回報會一路衰退。這篇談分眾疲乏的來源，以及怎麼用年齡、品類、購物週期的多維交叉分眾，搭配不同分群不同 KPI 的漏斗設計，把名單越切越準、把訊息越打越有效。

OMO 全通路洞察分析

紙本回饋券、實體 DM、儲值金：把被低估的實體第一方資產變成 OMO 燃料

紙本回饋券、每月寄出的實體 DM、儲值金，都是門市每天產生卻沒進會員數據的第一方資產。這篇談怎麼把這些實體資產數位化歸戶，用可攜式價值與跨通路券，讓線上線下的會員經營真正接起來。

OMO 全通路洞察分析

門市會員註冊 APP 卻從不線上買？用 OMO 健康度找出不跨通路的真正障礙

門市會員註冊了 APP，卻幾乎不在線上買。與其加碼推播，不如先用會員 OMO 健康度分群，找出他們不跨通路的真正障礙：消費習慣、線上線下商品落差、觸及不到純實體客。先做障礙地圖，再決定怎麼經營。

OMO 全通路洞察分析

導入顧客數據平台卻「無感」？實體品牌先重排價值指標與 OMO 量測

實體為主體的品牌導入顧客數據平台，半年後常覺得「無感」。問題多半不在工具，而在價值指標錯位與 OMO 量測斷點。這篇拆解無感的可能原因，以及接手品牌前 30 天該先重排哪些可感知的價值指標與線下歸因方式。