重點摘要
- Google AI 驅動的廣告活動 (如 Performance Max) 確實能帶來平均 13% 的營收增長,顯示自動化擴量的潛力。
- 營收增長的背後伴隨著顯著的 CPA (單次獲取成本) 上升,意味著廣告主正在用更高的邊際成本換取業績。
- 演算法傾向於優先收割 “低垂果實” ,但隨著預算規模擴大,它被迫進入更高競爭強度的版位,導致效率遞減。
作為一名長期在數據海裡衝浪的分析師,我看過太多行銷人員對著 Dashboard 上綠色的營收數字沾沾自喜,卻忽略了 ROAS (廣告投資報酬率) 與 CPA 正在亮紅燈的殘酷現實。Search Engine Land 這份關於 Google AI Max (即 Performance Max 為首的 AI 廣告系列) 的最新研究報告,精準地擊中了目前數位廣告界的痛點,那就是自動化確實能帶來規模化 (Scale),但這份規模化是有 “溢價” 的。我們不能再單純把 Google 的 AI 當作省力的自動駕駛工具,它更像是一匹如果不勒緊韁繩就會把預算吃到精光的野馬。這份報告指出的 “營收增長 13% 但 CPA 上升” 現象,正是演算法邏輯下的必然結果,而如何解讀這背後的數據權衡,才是區分專業投手與一般操作員的關鍵。
營收增長的代價,規模化與效率的零和博弈
在廣告投放的數學模型中,規模 (Volume) 與效率 (Efficiency) 往往呈現反比關係。研究數據顯示的 13% 營收增長並非憑空而來,它是演算法突破了原本手動投放的受眾邊界所換取的成果。過去我們依賴精準關鍵字與特定興趣受眾,這保證了低 CPA 但限制了天花板。AI 的邏輯則是無孔不入,它會在 YouTube,Gmail,Display 等多個版位尋找潛在轉化。
然而,這種擴張本質上是 “侵略性” 的。當系統發現高轉化率的受眾池被撈乾後,為了達成你設定的 “極大化轉化價值” 目標,它勢必會向轉化率較低、點擊成本較高,或是處於行銷漏斗上層 (Upper Funnel) 的受眾出價。這就是為什麼我們看到 CPA 上升的原因。對於追求市佔率的品牌來說,這 13% 的增長或許值得犧牲利潤率;但對於利潤微薄的電商而言,盲目追求這多出來的營收,可能會導致整體的淨利潤不增反減。數據不會說謊,但會誤導,我們必須計算的是 “增量 ROAS” (Incremental ROAS),而非整體的混合數據。
演算法的黑盒效應與歸因迷思
Google AI 廣告最強大的地方在於機器學習,最令人詬病的也是其黑盒屬性。CPA 的上升除了受眾擴張外,還隱藏著歸因模型 (Attribution Model) 的陷阱。AI 廣告極度依賴數據信號 (Data Signals),為了證明自己的有效性,它往往會搶佔 “最後一哩路” 的功勞。
我們常觀察到,PMax 廣告系列上線後,品牌關鍵字 (Brand Search) 或有機搜尋 (Organic Search) 的流量與轉化往往會出現波動。如果 AI 只是在收割那些 “本來就會購買” 的用戶,並將其歸功於自己的投放,那麼這 13% 的營收增長中,有多少是真正的 “淨增量” ?又有多少是蠶食了原本低成本的自然流量?如果加上 CPA 上升的因素,實際的投產比可能比報表上看到的更難看。冷靜的分析師不會只看 Google Ads 的後台數據,我們必須對比 Google Analytics 4 中的 “以數據為準” (Data-driven) 歸因模型,甚至進行 Conversion Lift Test (轉化增量測試),才能拆解出 AI 的真實績效。
台灣市場實務觀察,高飽和競爭下的 AI 賽局
將視角拉回台灣市場,這個現象會被進一步放大。台灣的電商滲透率極高,數位廣告版位早已進入存量競爭階段。在歐美市場,AI 或許還能挖掘到廣闊的長尾流量,但在台灣,受眾池相對擁擠且重疊度高。當大家都開啟 PMax 或類似的 AI 廣告功能時,本質上就是多個 AI 在同一個池子裡進行高頻競價。
根據我近期的操盤觀察,在台灣執行全自動化投放時,CPA 飆升的幅度往往高於全球平均。原因在於台灣消費者對於 Display (多媒體) 版位的廣告疲勞度較高,而 AI 為了消耗預算並尋找轉化,經常會將大量預算配置到這些低點擊率但高曝光的版位,最終導致獲客成本被拉高。
因此,在台灣操作 AI 廣告,絕對不能採取 “Set and Forget” (設定後不理) 的策略。高階的投手必須懂得 “餵養數據”。你不能只給系統 “購買” 這個訊號,因為這會讓 AI 為了達成購買而不計代價。我們應該導入 “利潤數據” 或 “高價值客戶名單” 作為第一方數據信號,強迫 AI 去尋找那些 LTV (終身價值) 更高的用戶,而不僅僅是尋找一次性的便宜轉化。透過設定 “新客獲取價值” (NCA) 的參數,我們可以人為地調控 CPA 的容忍度,告訴演算法: “我可以接受高 CPA,但前提是你必須帶給我全新的客人。”
從投手轉型為架構師,駕馭 AI 的三道防線
面對 CPA 上升的趨勢,我們不能因噎廢食地關閉 AI 廣告,而是要從 “操作者” 轉型為 “架構師”。要優化這 13% 增長帶來的副作用,我們需要建立三道數據防線:
第一道是 **資產群組 (Asset Group) 的邏輯隔離**。不要把所有雞蛋放在同一個籃子裡。將高利潤產品與引流產品分開建立 Campaign,並針對不同受眾信號 (如競品關鍵字受眾,網站訪客受眾) 撰寫特定的文案資產。這樣即使 CPA 上升,我們也能清楚知道是哪個產品線或受眾群體在失血,而非看著整體帳戶乾著急。
第二道是 **排除機制的嚴格執行**。AI 的天性是貪婪的。我們必須透過 Account-level 的否定關鍵字清單,嚴格限制 AI 搶食品牌字流量。同時,定期檢查 “版位報告” (儘管 Google 隱藏得很深),將那些花費巨大但轉化率極低的 App 或垃圾網站版位排除,這是控制 CPA 最直接的手段。
第三道是 **價值導向的出價策略 (Value-Based Bidding)**。這是最核心的解法。放棄 tCPA (目標單次獲取成本),轉向 tROAS (目標廣告投資報酬率)。並進一步將 “利潤” (Margin) 整合進 Conversion Value 中。如果你的產品 A 利潤是 20%,產品 B 是 50%,傳回給 Google 的價值不該都是營收金額,而應該是加權後的利潤值。讓 AI 演算法基於 “賺多少錢” 而非 “賣多少錢” 來優化,這樣即使 CPA 上升,你的淨利潤依然能獲得保障。
延伸閱讀：AI Max increases revenue 13% but drives higher CPA: Study