AI 接管後的廣告投放完整工作流：Meta Advantage+ 與 Google Performance Max 的「人工操控最後 20%」實戰指南

你以為廣告操作越精細越好？2026 年的真相剛好相反——Meta 跟 Google 都在收回你的手。

以前一個合格的廣告投手，可以靠手動 A/B 測試 20 組廣告組、每天看 CTR、cost per result、frequency 微調預算與受眾，三個月把 ROAS 從 1.5 拉到 3。但 2026 年 Q1 開始，Meta Advantage+ Sales Campaign 和 Google Performance Max 已經把這些「精細操作」全部收進 AI 黑盒——你能調的選項變少了、看得到的數據也變少了，AI 直接用更多訊號做更快的決策。

Meta 官方資料顯示，Advantage+ Audience 上線後，廣告 CPA 平均下降 14-22%、ROAS 中位數提升約 17%；Google 也公開揭露 Performance Max 在線上銷售情境下能多帶 18% 的轉換。這兩個數字是 AI 接管的證據——同樣預算，演算法跑得比人手快、比人手準。

問題來了：如果 AI 已經把 80% 的事接走，剩下 20% 是什麼？老闆該怎麼盯外包？行銷專員上班該做什麼才不會被淘汰？這篇文章拆給你看完整工作流——AI 拿走的那 80% 長怎樣、人工該守的 20% 是哪幾項、什麼時候土法到了天花板該找專業團隊接手。

如果你是中小企業老闆、自己投廣告或管外包；如果你是行銷專員、不確定該交給 AI 還是親手操作——這篇你會用得到。

2026 廣告投放的新賽局：AI 拿走 80% 的手柄

廣告投放這個職業正在被「自動化」改寫，但改寫的方式跟很多人想像的不一樣。AI 沒有把投手取代掉，AI 只是把「手動可優化的部分」從投手手上拿走——剩下的部分反而變得更值錢。

先看數字。台灣數位媒體應用暨行銷協會（DMA）2026 年度報告指出，台灣 2025 年數位廣告整體市場規模突破 870 億新台幣，其中 AI 自動化版位（Advantage+、Performance Max、Demand Gen、Reels Ads）已佔總投放量的 64.3%，比 2024 年的 41% 翻了一倍以上。WordStream 在 2026 年初發表的 Google Ads benchmarks 也提到，PMax 已是 Google Ads 廣告主投放比例最高的 campaign type。

AI 自動化的版位拿走了什麼？簡單三個字：受眾、出價、版位。以前你會手動建 lookalike audience、看 CPM 調出價、選 placement——現在這些都由演算法用 200+ 個訊號即時跑。換句話說，過去 5 年累積的「廣告操作技巧」，超過一半在 2026 已經失效——因為那些技巧的舞台不見了。

但這不代表廣告投手沒事做，而是工作內容換了。Search Engine Land 2026 年 Q1 的調查顯示，70% 的高階 Google Ads specialist 每週花在「PMax 報表結構＋訊號餵養＋創意素材」的時間，比 2024 年多了 2.3 倍；花在「手動調出價、暫停高 CPA 字、調 placement」的時間則減少 60%。AI 沒有替代投手，而是把投手的工作分母重新切了一次。

整理一張對照表，把 2024 年廣告投手的工作分布跟 2026 年新賽局對比：

這張表透露的訊息很直接：人類的工作從「操作面」轉到「判斷面」——AI 比人會操作，但 AI 不知道你公司要往哪走、不知道哪一群客戶的 LTV 比較高、也不知道明年要推什麼新品。這 20% 是你跟 AI 共事時，唯一能贏的舞台。

如果你還沒搞清楚這個轉變，可以先去看看我們寫過的 行銷專員 AI 一日工作流——裡面把六個典型場景（內容企劃、廣告投放、Email、社群）的「AI 接管／人工守住」分得很清楚。

Meta Advantage+ 完整解析：哪些參數 AI 已接管、哪些還能調

Advantage+ 是 Meta 從 2022 年開始陸續推出的自動化系列產品，2025 年 Q4 起 Meta 強推 Advantage+ Sales Campaign（電商品牌）跟 Advantage+ App Campaign（APP 主），預設變成 ASC——除非你刻意切回 manual campaign。

先把 Advantage+ 全家桶列清楚，再來談每一項你還能調什麼：

Advantage+ Audience：自學模式 vs 既有受眾

這是改變最大的一項。以前你會建一個 lookalike 1%、再疊一個 interest 包，現在 Advantage+ Audience 預設是「不指定受眾」——只要你給「建議受眾」（suggestion），AI 會把它當提示而非限制，自己擴展到任何可能轉換的人。

實務上，這對中小品牌反而是好消息：你的「精準受眾」其實沒比 Meta 的演算法準。Meta 拿到 30 億用戶的全行為訊號，比你手上的 5000 個 customer list 大太多了。Meta 官方 case study 顯示，採用 Advantage+ Audience 後，CPA 平均下降 14-22%、ROAS 中位數提升約 17%。

以美業客戶的廣告投放諮詢經驗來看（化名），我們做過一家髮廊 VIP 品牌的精準受眾投放，從「預算追著熱門關鍵字跑」改成 Advantage+ Audience 自學，CTR 兩個月內穩定 + 30%、平均單次預約成本下降 25% 左右——演算法看到的訊號比我們手調的興趣標籤多太多。

Advantage+ Creative：你以為自動生成的素材沒人味？

Advantage+ Creative 會把你上傳的圖片、影片、文案做 N×M 變體：圖加濾鏡、影片自動配字幕、文案 A/B、CTA 按鈕輪播。聽起來很機械，但實測效果意外地穩——Marketing Land 2026 年初的訪談提到，自動化素材變體的 CTR 平均高於手動版本 8-15%。

但這不代表你可以丟一張產品圖就上戰場。Advantage+ Creative 的效果完全取決於你給它什麼原料——AI 是放大器、原料還是要人給。原料爛、放大出來就是爛得更整齊。實務上至少要準備 5 張以上不同構圖的圖片、3 段以上不同切角的影片、5 條以上文案——AI 才有東西可以排列組合。

Advantage+ Sales Campaign：把全部設定交出去的勇氣

ASC 是 Meta 最激進的版本，整個活動只剩三件事可調：總預算、Existing customer budget cap、創意素材包。其他全部交給演算法。

「Existing customer budget cap」是這裡面最值得理解的一項——你可以指定花在「既有客戶名單」上的預算上限，例如設 20%。剩下 80% 預算 AI 會用來開發新客戶。沒設這個參數，AI 預設會大量打既有客戶（因為轉換率高、CPA 低，AI 想做漂亮數據），但既有客戶本來就會自然回購，廣告等於白花。

Google Performance Max 完整解析：素材組合、訊號來源、排除清單

Performance Max（簡稱 PMax）是 Google 從 2021 年推出、2023 年起取代 Smart Shopping 跟 Local Campaigns 的旗艦自動化產品。2026 年 Q1 起，Google Ads 新建 campaign 的預設選項已經是 PMax，舊版的 Standard Shopping 跟 Search-Only 還在，但 Google 用 UI 設計引導你選 PMax。

PMax 的核心邏輯是：你給目標（轉換）、給素材（asset group）、給訊號（audience signal / first-party data），Google 全跨版位投放——Search、Shopping、YouTube、Display、Gmail、Discover、Maps，一個 campaign 全包。Google 官方數字顯示，PMax for online sales 平均能比原本只跑 Search＋Shopping 的廣告主多帶 18% 的轉換。

Asset Group：PMax 的素材結構，你能控的東西在這

一個 PMax campaign 可以放多個 asset group，每個 asset group 是一組獨立的素材包（圖片、影片、文案、最終網址）。Google 會把這些素材自動組合成各版位需要的格式——Search 變 RSA、YouTube 變 video ad、Display 變 banner、Shopping 變商品卡。

實務上的判讀重點：一個 PMax campaign 不建議把所有產品都塞同一個 asset group。會員制健身房、男女裝、季節款，這些目標客戶很不一樣，要拆成不同 asset group——這樣你看到的報表，才能分辨「哪一群人最有效」。把全部塞一包，AI 學得快、但你看不到細節，無法做策略調整。

Audience Signal：餵 AI 的方式決定一切

Audience Signal 的角色是「提示 Google 從哪裡開始學」，而非鎖死投放對象。你給 AI 一個「已轉換客戶名單 customer list」當 signal，Google 會以這群人為起點往外擴展——但最後實際投放的人可能完全不在這個名單裡。

以下是 Audience Signal 的三層強度，由強到弱：

中小企業最常犯的錯：只給 interest signal，沒餵 first-party data。這等於告訴 Google「我跟所有對這個興趣有感的人都打」，AI 沒有起點、學得慢、CPA 高。正確做法是把過去 12 個月的成交客戶 email、付費會員、retargeting 名單上傳成 customer match，當作 audience signal——AI 從這群「已知會買的人」往外擴展，學習曲線快很多。

排除清單（Negative Signal）：PMax 唯一還能黑名單的地方

PMax 沒辦法像 Search Campaign 那樣手動加 negative keyword，但你可以在 account level 設「Negative keyword list」與「Brand exclusion」。這兩條是 2024 年中之後 Google 才陸續開放的，是少數能避免 PMax 廣告打到不該打的人的方法。

實務操作清單：

• Brand exclusion：把品牌字加進排除（避免 PMax 跑去搶你自家 brand search 的點擊，因為那本來就會自然流量）

• Negative keyword list：把「客訴」「投訴」「免費」「退貨」「招募」這類字加進來，避免 PMax 跑到不會轉換的字

• Placement exclusion：在 account 層級排除 made-for-kids YouTube channel、低品質 mobile app（這類 placement 沒設排除是 PMax 最常見的預算黑洞）

• Search Theme（2024 推出）：給 AI 提示「我希望被搜這幾個主題的人看到」，但這是訊號不是強制——AI 會把它當參考

人工該控的 20%：六項操作清單

AI 接管 80%、人工守 20%——這 20% 集中在六個操作點，不會分散在所有地方。把這六項做好，你的廣告 ROAS 通常會比同行高 30-50%。把這六項做爛，AI 再強都救不回來。

第一項：商業目標與轉換事件設定

AI 不知道你公司要什麼。你必須先回答兩個問題：這檔廣告要做的是「新客開發」還是「再行銷」？「主要轉換事件」是「加購物車」「結帳完成」「Email 訂閱」還是「電話聯絡」？這兩件事設錯，AI 跑得再準也是白工。

實務建議：把轉換事件設成「對你最有金錢價值的那個動作」，並且要設「value」。設了 value 之後，AI 會優化 ROAS 而不是只看數量——這是預算大小不同品牌都該做的基礎。

第二項：第一方資料（first-party data）的整理與餵養

這是 2026 年廣告投放最大的紅利。蘋果隱私政策（ATT）跟 Chrome 棄用 third-party cookie 之後，AI 拿到的「跨站訊號」變少了，廣告主自己手上的「第一方資料」變得更值錢。

具體要做的事：

• 過去 12 個月成交客戶名單（email + 手機）上傳到 Meta Customer Match、Google Customer Match

• 分群：高 LTV vs 一般客戶、回購 vs 一次性、新會員 vs 老會員——每群當不同 audience signal 用

• 網站埋 GA4 + Meta Pixel + Google Ads Tag，這三個都要、不能省

• Enhanced Conversion 與 CAPI（Conversions API）打開——這是繞過 cookie 限制、把訊號從伺服器直接送回 Meta/Google 的關鍵

第三項：素材策略與創意原料庫

AI 是放大器、原料來自人。一檔 Advantage+ 或 PMax 至少要準備：

• 5 張不同構圖的圖片（產品近拍、使用情境、客戶見證、UGC 截圖、品牌 logo 大圖）

• 3 段不同切角的影片（15 秒展示、30 秒故事、客戶口述）

• 10 條不同主張的文案（價格訴求、品質訴求、急迫感、社會證明、痛點解答）

• 5 個不同的 headline（主打不同 USP）

素材夠多 AI 才有東西組合。素材太少 AI 就只能在固定幾組變體裡跑，效果天花板很低。

第四項：排除清單與品牌安全

AI 不知道你的競爭關係、不知道你跟哪些 placement 沒交情、不知道你不想出現在哪些頻道。這些是手動要設的：

• Brand exclusion：自家品牌字、競品品牌字（看品牌策略）

• Negative keyword list：客訴字、招募字、免費字、退貨字

• Placement exclusion：低品質 mobile app、不適合的 YouTube channel、敏感類型網站

• Content suitability（Meta）：設成「Limited」過濾爭議內容

第五項：報表結構與商業判讀

AI 給你的報表是「平均值」——平均 CPA、平均 ROAS、平均 CTR。但你做生意需要看的是「結構」：哪一個 asset group 帶來的是高 LTV 客戶、哪一個 campaign 的 incremental revenue（增量營收）最高、哪一條素材帶來的是回購率高的客戶。

這層判讀 AI 做不來，因為它不知道你下個月要推什麼、不知道你的毛利率有多少、不知道哪個 SKU 才是現金母牛。Search Engine Journal 2026 年初的調查指出，高 ROAS 廣告主有 78% 每週至少花 3 小時做「跨 campaign 與後端訂單比對」，而平均水準的廣告主只花不到 1 小時。

第六項：跨 campaign 預算配置與生命週期管理

AI 在單一 campaign 內最厲害，但跨 campaign 的預算配置仍是人類的工作。新客 acquisition、retargeting、retention 應該分別佔多少預算？這跟你品牌的 LTV/CAC 結構、新品上市節奏、季節週期有關，AI 沒辦法替你決定。

一個常見的中小品牌結構：60% 新客（Advantage+/PMax）+ 25% retargeting（Standard campaign 或 ASC retargeting）+ 15% retention（既有客戶名單 retargeting）。但這個比例會因產業、品牌成熟度、毛利結構而不同——這正是值得跟廣告操作專業團隊聊的地方。

九成老闆都搞錯的事：把廣告當成投錢提款機

接案 6 年看下來，9 成中小企業老闆對廣告投放有一個共同錯覺——「我投了 N 萬廣告費，應該回收 N×3 萬」。把廣告當成投錢提款機，按一個按鈕就有業績進來。

這個想法在 2018 年勉強成立——當時 FB CPM 才 30-50 元、流量紅利還在、轉換漏斗短。2026 年完全不成立：

這幾個數字的含意：你「投廣告 → 立刻成交」的時代已經過了。2026 年的廣告投放是一個系統工程——廣告負責曝光與興趣建立、Email/LINE 負責 nurturing、官網與內容負責教育與信任、客服與業務負責關單。任何一環弱，廣告 ROAS 都會難看。

把廣告當提款機的老闆最常做的三個動作，全部都會放大失敗：

• 看到 CPA 高，立刻砍預算 → AI 失去學習資料，CPA 更高

• 看到單週數字差，立刻換代操 → 不同廣告帳號 pixel 資料不通，AI 重新學一輪

• 跟廣告公司只談「保證 ROAS」→ 願意保證 ROAS 的公司，通常會用 retargeting 數據灌水

如果你有興趣更深入了解廣告費用的合理結構，可以看我們寫過的 廣告投放費用一個月要抓多少、行銷公司如何收費才合理，裡面把不同行業、不同階段該抓多少預算講得比較細。

廣告外包該怎麼管：五個檢核點

外包代操是中小企業最常見的選擇——找不到內部投手、預算養不起一個全職、又想要專業介入。但找了代操不代表可以放手——你還是要看懂幾件事，才不會三個月後發現預算花完、沒成交、想換代操又拿不到歷史資料。

檢核點一：廣告帳號的擁有權

這是 90% 的中小企業最容易出包的地方。廣告帳號（Meta Business Manager、Google Ads MCC）必須是你公司的，不是代操的。代操拿「他們的帳號」幫你跑廣告 → 你的 customer list、conversion data、過去 12 個月的學習成果，都在他們手上，換代操等於從零開始。

正確流程：你開 Meta Business Manager / Google Ads MCC，把代操加成「使用者」並給操作權限。pixel、conversion tag、customer list 全部建在你自己的帳號下。

檢核點二：每週週報的結構

好的代操週報不會只有「這週花了多少、成交多少」。應該至少包含：

• Top 3 working asset group：哪些 asset group / ad set 表現最好

• Top 3 failing asset：哪些素材表現差、下週要替換什麼

• Audience signal 變化：customer list 上傳多久了、要不要更新

• Negative signal 操作：這週加了哪些 exclusion

• 策略下週調整方向：基於 AI 學習結果，下週要試什麼

只給數字的週報 = 代操在跑 SOP，沒在動腦。

檢核點三：素材製作的責任分工

AI 已接管素材組合，但素材原料還是要人做——這部分到底是代操做、品牌做、還是另外發包？這要在合約寫清楚，不然第三個月會吵架。一般做法是品牌提供 5-10 張產品基礎圖+ 3 段影片素材，代操負責變體生成與測試。

檢核點四：每月跨 channel 績效檢視

廣告 ROAS 不能單看 Meta、不能單看 Google——要看你後端訂單系統實際成交的「最後轉換歸因」。第一方數據才是真實效益。每月跟代操過一次後端訂單比對：

• Meta 報的轉換 vs 後端訂單實際數（中間差距叫 attribution gap，正常 15-30%）

• Google 報的轉換 vs 後端訂單實際數（同上）

• 回購率：廣告帶來的客戶 90 天內回購率多少（這比 ROAS 更能看出客戶品質）

檢核點五：學習資料的可攜性

廣告帳號是你的、conversion data 是你的、customer list 是你的——但 AI 在這帳號裡跑了 6 個月學到的「pattern」，是不是還能跟你？答案是會跟你的，只要你「保留同一個帳號 + 同一個 pixel」，AI 學到的優化都會延續。這也是為什麼不要為了「換代操方便」開新帳號——這是新手最常見的破壞性操作。

土法極限：什麼時候該找專業團隊接手

這篇文章前面所有 SOP，都是「不靠專業團隊也能做」的土法。但土法有它的天花板。當你遇到下面這幾種情況，繼續土法不會更省錢，反而會更貴：

如果你做的是 B2B SaaS、高客單價、或跨境，可以先看看我們寫過的 B2B SaaS 投廣告完整框架，那篇講的是另一個更複雜的廣告投放結構，跟一般中小品牌很不一樣。

以歷年廣告投放諮詢經驗來看，最值得找專業團隊的時機是「月預算 30-50 萬、品牌剛要規模化」這個區間——這個區間的廣告主，土法已經跑不出更高的天花板，但又還沒大到可以養全職投手團隊。請外部專業團隊負責策略、自己內部留素材製作與品牌決策，是 ROI 最高的搭配。

我們做過這件事

常見問題：Advantage+ / PMax 操作 FAQ

看到這裡，如果你也在想「我們的廣告預算到底有沒有花在對的地方」、「代操做的這些事我看不太懂」、「Advantage+ 跟 PMax 設定要怎麼調整」——歡迎把現況丟給我們。我們很樂意 聽你聊聊現況，看看你目前的廣告帳號結構、預算配置、素材組合有沒有可以優化的空間，哪一塊先動最划算我們會直接告訴你。

如果你需要的不只是廣告投放、還想把 AI 應用整合進整個行銷流程（從內容、廣告、客服到再行銷），可以看 恆遠的 AI 顧問服務，這條路線比較適合預算 30 萬以上、想做整體數位轉型的品牌。也可以先讀讀 FB/Google 廣告差異 跟 FB 廣告投放技巧，建立一些基礎概念再來找我們聊。