程序化購買是什麼？零售品牌在 Meta、Google 之外買廣告，先看懂 DSP、私有交易與每一塊錢的去向

程序化購買便宜在帳面，損耗在供應鏈

程序化購買的單價看起來便宜，供應鏈上的費用與無效曝光，卻可能吃掉一半以上的預算。美國全國廣告主協會（ANA）在 2023 年 12 月發表一份程序化供應鏈報告，調了 21 家大型廣告主的交易紀錄（log-level data），從廣告主把錢放進 DSP 開始，一路追到廣告出現在消費者面前為止。結論寫在 ANA 的程序化透明度專頁上：進入 DSP 的每 1 美元，只有約 36 美分轉成符合研究品質條件、能有效觸及消費者的廣告支出。ANA 算出這 36 美分時，扣掉的是交易費用，以及看不見的曝光、無效流量、無法衡量的曝光與 MFA 網站上的花費。

程序化購買（programmatic buying）指的是用軟體與資料，自動完成廣告版位的挑選、競價或議價、投放與回報。交易可以是所有買方一起搶的公開競價，也可以是只邀特定買方的私有交易，或先談好價格與數量的保證交易。

台灣零售品牌最熟悉的 Meta，主要賣的是自家生態系裡的版位；Google 除了自家版位，也透過多媒體廣告聯播網把廣告送到數千個合作網站與 App，旗下的 Display & Video 360 本身就是一套 DSP。接下來談的，是品牌透過 DSP 走進開放網路，直接面對成千上萬個發布商的那條路。

版位多、單價看起來便宜，這兩點讓不少品牌在社群廣告成本墊高之後，把目光轉向程序化購買。ANA 那份報告提醒的是另一面：鏈條越長，每一段都會分走一點，最後真正花在消費者眼前的錢，可能不到一半。

那張比社群廣告便宜一截的報價單

我們看這份報告時，腦中浮現一個不少行銷主管都遇過的畫面：會議桌上攤著一張程序化廣告的報價單，每千次曝光成本（CPM）比社群平台低了一截，旁邊附上幾十個知名媒體的 logo。大家多半先心動，接著開始擔心：這麼便宜，買到的到底是什麼？

報價單上的 CPM 是「買到一千次曝光」的價格，但其中有多少次是真人、在可見範圍內、出現在品牌願意出現的網站上，報價單沒有寫。把報價單背後那條供應鏈攤開，品牌在簽下去之前，就能知道每一塊錢可能流到哪裡。平台內建的 AI 投放夠不夠用、要不要再加第二套工具，則是另一個要分開做的判斷。

讀懂程序化報價單，要看交易方式、技術鏈與資料來源

本文為了協助品牌讀懂報價單而提出一個三層評估框架。後面的案例與行動建議，都會回到這三層。

1. 交易方式：同一個版位可以用不同的方式成交。公開競價（open marketplace，又稱 RTB 即時競價）是所有買方逐次一起搶，價格最低、環境最難控制；私有交易市集（PMP）是媒體只邀請特定買方參與的封閉競價；程序化保證交易（PG）則是買賣雙方先議定價格與保證量，再用程序化方式執行。
2. 技術鏈：買方用 DSP（需求方平台）出價，賣方用 SSP（供應方平台）把版位送進拍賣，雙方透過 IAB Tech Lab 制定的 OpenRTB 規格交換「這是什麼版位、要不要買、出多少」的資訊。中間每多一個轉手，就多一筆費用與一層看不見的地方。
3. 資料來源：決定「這次曝光值不值得出價」的依據，可能來自 DSP 自己的資料、第三方資料商，或品牌帶進來的自家會員名單。第三方資料這些年其實換了名字繼續被包裝使用，品牌買到的受眾標籤從哪來，值得問清楚。

三層裡，品牌最容易只看交易方式那一層的價格，忽略技術鏈的轉手與資料來源的品質。ANA 的報告剛好把這幾種損耗都量了出來。

錢流向哪裡，研究資料已留下線索

ANA 2023：交易成本 29%，生產力損失 35%

ANA 報告的完整版（報告 PDF）把進入 DSP 的錢分成兩大塊損耗。交易成本主要是 DSP 與 SSP 的費用，占原始廣告預算的 29%；媒體生產力損失包括看不見的曝光、無效流量、無法衡量可見度的曝光，以及花在 MFA 網站（Made for Advertising，專為賺廣告費而生的低品質網站）上的錢，合計占 35%。兩塊扣完，剩下的就是那約 36 美分。

同一份報告還有一個數字讓我們印象很深：參與研究的廣告主，平均每檔活動跑在 44,000 個網站上。一檔活動散在四萬多個網站，行銷團隊幾乎不可能逐一確認內容與品質。報告沒有計入代理商費用與品牌安全成本，ANA 在報告中也註明，算進去之後的比例會更低。

PMP 不會自動比較安全

私有交易市集（PMP）不保證庫存比較乾淨，很多品牌聽到「私有交易」卻會直覺這樣以為。ANA 2023 年的研究沒有支持這個直覺：在研究分析的 PMP 裡，有 14% 的支出流向 MFA 網站，跟整體平均的 15% 幾乎沒有差別。報告也發現，網域數超過 500 個的 PMP，品質跟公開競價相近，價格卻大約是兩倍。

IAB Tech Lab 的策展工作小組，把策展交易（curation）定義為運用技術與資料挑選、組織庫存，替廣告主組成合用的庫存包。刊在 IAB Tech Lab 網站上的一篇策展交易文章，作者進一步主張：一個 PMP 要同時具備獨特資料、與庫存的穩固連結、持續的成效調整，才算真正經過篩選，只是掛上 PMP 的名字，不代表裡面的庫存被挑過。對品牌來說，該問的是「這個交易包裡有哪些網站、怎麼挑的」，PMP 這個名稱本身說明不了品質。

可見度高、無效流量低，仍然可能是垃圾內容

報表上的可見度與無效流量指標，擋不住 AI 垃圾內容。2026 年 7 月，TAG、ANA 與驗證商 Fiducia 發表一份分析（TAG、ANA 與 Fiducia 新聞稿），第一次以統計方法估算程序化廣告裡的 AI 垃圾內容，也就是以 AI 大量生產、幾乎沒有人類貢獻、只為賺廣告費的內容。在 2026 年第一季的基準資料裡，AI 垃圾內容占開放網路程序化支出的 1.3% 到 2.4%，跟同期 1.1% 的 MFA 支出比例相當。

這份分析最讓人意外的地方在於：AI 垃圾內容在傳統品質指標上表現比乾淨庫存還好。同一份分析顯示，它的無效流量率只有 0.05%，乾淨庫存是 0.32%；可見度 77.2%，高於乾淨庫存的 74.9%。換成品牌熟悉的語言，就是報表上「可見度高、假流量低」的曝光，仍然可能出現在沒有人真正在讀的網站上。

分布也很不平均。同一批資料裡，不同廣告主花在 AI 垃圾內容上的比例，從 0.11% 到 13.84% 都有，集中在長尾網站與部分交易平台；知名發布商幾乎是零。新聞稿點出的差異，跟廣告主買進多少長尾網站與哪些交易平台的庫存有關。

台灣市場：總量進入高原，新版位在長

台灣數位廣告總量成長趨緩，透過程序化交易的新版位卻在長。台灣數位媒體應用暨行銷協會（DMA）2026 年 8 月公布的 2025 年數位廣告量統計，總量 661.77 億元、年成長 3.92%，DMA 形容市場已進入成長高原期。結構上，影音廣告以 199.64 億元、30.17% 的占比，首度超越展示型廣告；包含零售媒體與程序化戶外廣告的「其他類」，因為基期低，年成長達 30.98%。

DMA 在報告裡歸納的趨勢之一，是程序化戶外廣告、零售媒體聯播網、聯網電視這些新版位「量能仍小，但成長動能明確」。其中程序化戶外廣告本身就是用程序化方式交易，DMA 也提到零售媒體能運用會員與交易數據即時進行廣告競價。電商平台這幾年把點數與會員關係一路變成零售媒體收入，也是同一個方向。我們的判斷是，程序化購買比較可能成為社群與搜尋廣告之外的補充，在預算往影音、連網電視與零售場域移動時，越來越常碰到。

便宜的曝光為什麼常常最貴

把上面四份資料放在一起，可以看出一個共同的機制：程序化購買的價格是按曝光算的，成本卻應該按「有效觸及」算。

用一個示意算式說明。假設報價單上的 CPM 是 100 元，若純粹借用 ANA 2023 年美國大型廣告主樣本裡約 36% 的比例示範算法，每一千次符合品質條件的曝光，成本大約是 100 ÷ 0.36，接近 278 元。另一個 CPM 150 元的交易包，如果有效比例能做到 60%，每千次有效曝光約 250 元，反而比較便宜。（示意試算：36% 來自美國大型廣告主樣本，台灣活動要用自己報表裡的數字代入。）

這個差距從哪裡來，可以對應回三層框架：

1. 交易方式決定了你跟誰一起搶、對環境有多少控制。
2. 技術鏈決定了中間有幾手、每一手抽多少。ads.txt 讓媒體公開「誰有權賣這個網站的版位」，App（包含連網電視上的 App）則對應 app-ads.txt；sellers.json 讓 SSP 公開「每個賣方帳號屬於哪家公司」。要看單次曝光經過哪幾家轉售商，還要檢查競價請求裡的 SupplyChain 物件；要核對實際被抽走多少費用，則需要 log-level 資料。
3. 資料來源決定了出價的對象對不對。出價依據如果是泛泛的興趣標籤，買到的曝光再便宜，也可能落在不會買的人身上。

衡量端還有一層容易被忽略的落差。程序化廣告後台回報的轉換，多半是「看過或點過廣告的人後來買了」，這跟「因為廣告才買」是兩回事。歸因報表說賺錢、增量測試卻說沒差，兩者回答的本來就是不同問題，判讀時要先分清楚用途。

帶自己的名單進場之前，先決定帶哪幾群人

品牌若要在開放網路上辨識既有會員，常見做法是把第一方資料交給資料上線（onboarding）服務或資料淨室，在允許的範圍內比對；其他投放也可能運用情境、裝置或發布商提供的訊號。不論走哪一條，名單本身的品質，決定了這筆程序化預算是花在對的人身上，還是又回到泛受眾。

以 91APP CDMP 的做法為例，品牌可以先把線上線下的會員資料歸戶，再依消費行為貼上標籤，用實際購買資料回算每個標籤族群的 LIFT 值，也就是這群人的購買率比全店平均高幾倍。這一步回答的是「哪幾群人值得考慮帶進去」。

要注意的是，倍數適合當入場門檻，排序要看預期帶客數。倍數高的族群如果只圈得到幾百人，進到開放網路之後比對得到的人更少，預算很快就花不出去。預期帶客數，是這群人的購買率比對照基準多出來的部分，乘上可以圈到的人數。示意來說，倍數 4 倍、只有 300 人的族群，若對照購買率是 1%，算出來是（4% − 1%）× 300，約 9 人；倍數 3 倍、有 2,500 人的族群，約是（3% − 1%）× 2,500，約 50 人，後者該排在前面。這兩個數字比的是名單規模與歷史購買傾向；廣告究竟多帶動多少成交，要靠對照組驗證。

名單挑好之後，CDMP 的標籤也能拿來當排除條件，例如把近期剛買過、還在使用週期內的會員排除在拉新活動之外，讓程序化預算集中在還沒成交的人身上。

下第一筆程序化預算前，先拿到網站清單與對照組

1. 要求看到網站清單與交易紀錄：簽約前確認能否拿到按網域列出的曝光與花費，最好能拿到 log-level 資料。拿不到網站清單的交易包，等於不知道錢花在哪（預期效果：能找出長尾與可疑網站；建議週期：每月檢視一次網域報表）。
2. 先從可控的交易方式開始：第一檔可以比較直接向媒體採購、PG、經過驗證的 PMP，以及只投放白名單網站的公開競價，依預算門檻、網域透明度、能不能拿到交易紀錄來選，並抽查這些網站的 ads.txt 或 app-ads.txt 是否列出你的賣方（預期效果：先把垃圾內容與 MFA 擋在門外；建議週期：活動開跑前一次，之後每季更新）。
3. 問清楚 PMP 裡有什麼：遇到 PMP 或策展交易包，請對方說明包含多少網域、篩選標準、更新頻率。網域數動輒上千的交易包，要特別確認它跟公開競價差在哪（預期效果：避免用高出許多的價格買到公開競價等級的庫存；建議週期：每個新交易包上線前）。
4. 帶名單，按預期帶客數挑：把第一方會員依購買行為分群，倍數當門檻、預期帶客數當排序，挑出前幾群帶進 DSP，並設定已購客排除；同時確認會員告知內容與資料使用的合法依據，電子郵件或手機號碼經過雜湊後仍可能屬於個人資料（預期效果：預算集中在比對得到、又有購買潛力的人；建議週期：每檔活動前重新計算一次）。
5. 留一組對照組量增量：活動規劃時就保留一組不投放的對照組，才分得出哪些成交本來就會發生，再用兩組的購買率差距判斷程序化廣告是否真的帶動成交（預期效果：分清廣告帶動的成交與自然發生的成交；建議週期：每檔主力活動都做）。

那張報價單，可以換一種方式讀

回到那張報價單。CPM 低一截不是壞事，壞在只看這一個數字就簽下去。ANA 後續針對直接合約的研究指出，照著最佳做法調整供應鏈，進入 DSP 的每 1 美元，有效的部分可以從約 36 美分提升到 50 美分以上。

這中間的差距，大部分不靠更貴的工具，靠的是問對問題：網站清單在哪、經過幾手、帶的是誰的名單、怎麼知道有效。程序化購買的版位會越來越多，影音、連網電視、零售場域都在長。能把每一塊錢的去向問清楚的品牌，會是最先在這些新版位上找到划算位置的人。

品牌最常問的程序化購買問題

Q1：程序化購買是什麼？跟 Meta、Google 廣告有什麼不同？

A1：程序化購買是用軟體與資料，自動完成廣告版位的挑選、競價或議價、投放與回報，交易方式包括公開競價、私有交易市集與程序化保證交易。Meta 主要販售自家生態系的版位；Google 除了自家版位，也透過多媒體廣告聯播網與旗下的 DSP 購買合作網站與 App 的版位。品牌透過 DSP 走進開放網路時，版位選擇多，但供應鏈較長，品質需要自己把關。

Q2：PMP 私有交易市集一定比公開競價安全嗎？

A2：不一定。依 ANA 2023 年程序化供應鏈研究，研究樣本中的 PMP 有 14% 支出流向 MFA 網站，整體樣本為 15%；網域數超過 500 個的 PMP，品質與公開競價相近，成本約為兩倍。判斷重點在交易包包含哪些網站、如何篩選，PMP 這個名稱本身說明不了品質。

Q3：預算不多的品牌，適合做程序化購買嗎？

A3：可以從小規模開始，先比較直接向媒體採購、程序化保證交易、經過驗證的私有交易，以及只投放白名單網站的公開競價，集中在少數經過確認的媒體，不必一開始就投放到上萬個網站。預算有限時，名單品質與網站品質比曝光量更重要，並要確認對方能提供按網域列出的報表。

Q4：程序化廣告多久看得出成效？

A4：依活動目的與流量而定。以轉換為目標的活動，要累積到足以比較的轉換量，並搭配不投放的對照組比較購買率，才能判斷是否真的帶動成交。只看後台回報的轉換數，容易把本來就會購買的顧客算進廣告成效。

Q5：要把會員名單帶進程序化廣告，需要準備什麼？

A5：需要可比對的識別資料，例如經雜湊處理的電子郵件或手機號碼，以及清楚的分群依據。雜湊不等於匿名，品牌仍要確認告知內容、資料使用的合法依據、平台條款與保存方式。名單通常要經過資料上線或資料淨室比對，才能在開放網路上被辨識，比對率受資料格式與完整度影響，建議先整理會員資料、統一格式。

Q6：報表上可見度高、無效流量低，就代表廣告買得好嗎？

A6：不一定。TAG、ANA 與 Fiducia 在 2026 年發表的分析指出，AI 垃圾內容的無效流量率為 0.05%、可見度 77.2%，表現都優於乾淨庫存，卻仍是幾乎沒有人類貢獻的低價值內容。除了可見度與無效流量，還要看網站清單與內容品質。

延伸閱讀

1. MarTech 與 AdTech 差在哪？行銷科技與廣告科技的分工與整合
2. 廣告代操還是自己投？數位廣告代理商外包與自建的分界判準
3. 第一方數據怎麼餵給廣告 AI？Advantage+ 受眾建議與 PMax 客戶名單的實務