AI 廣告困境：它比你會投，但它學到的不會還給你

下次開廣告後台的時候注意一件事：能調的欄位比三年前少了。受眾不用選、版位不用選、出價方式剩下沒幾種，關鍵字比對也越來越模糊。剩下讓你填的，主要是預算、目標、素材。

你不是變懶了。那些欄位是被收走的。Google 的 Performance Max、Meta 的 Advantage+ 這類活動型態，設計上就是把選擇權從你手上拿走交給模型，而且它們通常真的投得比你好——這才是麻煩的地方。如果它投得爛，事情很單純，關掉就好。

黑箱不是比喻，是介面上真的少了欄位

先把「黑箱」講具體。它的意思是：錢花出去了，但你看不到花在誰身上、哪個版位、哪個時段，報表能拆的維度變少，有些維度乾脆不提供。你拿到的是一個結果，不是一串可以追下去的理由。

這件事的代價要在三種時刻才會顯現。

成效掉的時候你不能除錯。上個月 ROAS 3.2，這個月 1.8，中間你什麼都沒改。以前可以往下拆——哪個受眾崩了、哪個版位吃掉預算、是不是某個關鍵字比對放寬了。現在拆不到那一層，你只能猜，然後開始亂動：改預算、換素材、重開一個活動。每動一次，模型的學習又重來一次，成效再掉一段。這個迴圈很多帳戶都在跑。

成效好的時候你不能複製。這比前一種更可惜。某支素材爆了，你想知道它為什麼爆、爆在哪群人身上，好把那個洞察用到官網文案、電子報、產品命名上。拆不出來，那個洞察就只留在平台裡，你只帶走一個數字。

換人的時候接不上。投手離職或換代理商，交接能交的東西變少了——沒有受眾包、沒有版位排除清單、沒有出價策略的調整史。新的人接手，模型的學習期重跑一次，那段空窗的成本是你付。

它在優化的是它看得到的數字，不是你的獲利

模型很聽話，問題是它只聽得到你告訴它的事。你回傳什麼轉換事件，它就去找容易產生那個事件的人。傳「表單送出」，它會去找愛填表單的人，其中包含大量填完就消失的；傳「加入購物車」，它會找愛加購物車的人。

更微妙的是，最便宜的轉換通常來自本來就會買的人。已經知道你品牌的人、逛過商品頁的人、上週剛買完的人——這些人的轉換率天然就高，模型當然優先去找他們。報表上的 ROAS 很漂亮，可是這些訂單有多少是你不投廣告也會發生的？這個問題平台不會替你回答，因為回答了對它沒好處。

還有一整類資訊模型從來沒看過：哪個商品毛利高、哪些訂單後來退貨了、哪些名單業務打過去發現是同業、哪個客戶會回購三年。你不傳，它就當作所有轉換一樣重。於是它會很努力地幫你把低毛利、高退貨的那個品項賣爆。

模型優化的是你交給它的指標，不是你的損益表。這兩件事重疊的程度，取決於你花了多少力氣把商業結果餵回去。多數帳戶花的力氣是零。

素材變便宜之後，便宜的部分就不值錢了

平台現在要的是素材數量：多幾種標題、多幾種主視覺、多幾種長寬比，讓模型自己去配。AI 剛好最擅長給數量，於是產素材的成本掉到接近零。

接著發生的事很好預測。人的注意力沒有變多，廣告版位也沒有變多，但投進來的素材變多了。競價是零和的，你在製作費上省下來的錢，會從曝光成本那一頭吐回去。這不是誰做錯了什麼，是所有人同時做同一件事的結果。

同時還有一個更安靜的問題：大家用的模型就那幾個，提示詞的寫法也大同小異，產出來的東西開始長得像。同樣的構圖、同樣的句型、同樣的排版節奏。當所有廣告看起來都一樣，滑過去的成本是零，而你要付的曝光費不是。

能贏的部分因此往回移了。素材的「執行」現在很便宜，素材的「說什麼」還是貴——那需要有人真的知道客戶在猶豫什麼、對手怎麼說、你這個產品哪裡不一樣。AI 可以幫你把一句話變成三十種寫法，它沒辦法幫你決定那句話該說什麼。

最貴的一種：你的團隊不再學會投放

以前的投手每天在做的事很瑣碎：看搜尋詞報告、砍掉浪費的版位、調整出價、比對受眾表現。那些動作單獨看都不重要，累積起來是一種東西——他知道你的客戶長什麼樣、在哪裡出沒、對什麼話有反應。那是可以帶著走的判斷力，換平台也還在。

現在這些動作大部分做不了了。剩下的工作是調預算、換素材、看報表。做三年，經驗值累積在模型那邊，不在人這邊。等到你想換平台、想開新市場、或想自己判斷代理商講的話對不對，你會發現沒有人接得上話。

這個問題對代理商同樣尖銳，而且值得你直接問出口：如果它的工作就是照平台建議照做，那服務費在買什麼？合理的答案是存在的——素材概念、轉換事件的設計、增量測試的規劃、跨平台的取捨、把商業結果餵回平台的那套工。答不出這些，只講「我們幫您優化」，那你買的是一個代按按鈕的人。

怎麼在黑箱裡保住判斷力

沒有辦法把欄位要回來，平台的方向是明確的。但可以做的事還有五件，每一件都是把「決定權」往自己這邊拉一點。

• 把商業結果餵回去：能傳實際成交金額就別只傳「轉換」，能標毛利就標毛利，退貨要回傳。這是唯一能改變模型追什麼的槓桿，而且做完會立刻反映在它幫你找誰。
• 看增量，不要只看 ROAS：定期做一次對照——關掉某個活動或某個地區一段時間，看整體營收有沒有掉。掉了就是真的有貢獻，沒掉表示你在替本來就會買的人付錢。平台自己也提供增量測試工具，用它，但結果要自己解讀。
• 固定一把尺：報表口徑選定就不要常換，換口徑等於換尺，前後期不能比。這件事在歸因模型那篇講得更細。
• 素材的概念留給人：讓 AI 產變體、產長寬比、產三十種標題，但「這支廣告要說什麼」必須是人決定的，而且要說得出為什麼。這是目前唯一還沒被稀釋的環節。
• 寫實驗簿：每次測試記下假設、做法、結果、結論，一頁就好。這是整個帳戶裡唯一保證留在你這邊的資產，換平台、換人、換代理商都帶得走。

五件裡面，第一件和第五件最少人做，也最值錢。前者決定模型幫你找誰，後者決定三年後你手上還剩什麼。

所以要不要用

要。跟平台的自動化對著幹沒有勝算，而且多數情況下它投得比手動好，硬要手動投是拿成效換控制權，通常不划算。

但要換一個看法：把 AI 投放當成一個很強、很聽話、但完全不懂你生意的執行者。它不會問你毛利多少，不會告訴你這批客戶會不會退貨，也不會提醒你這個月的成長其實來自本來就會買的人。這些判斷沒有人會替你做，平台更不會。

這週先做兩件事。第一，打開你的轉換設定，看回傳的是不是實際成交金額——如果只是一個「轉換 = 1」，那模型正在盲投，改這個設定的效益比你換十支素材都大。第二，翻出上個月成效最好的那支廣告，寫下你認為它為什麼有效，寫不出來就去問投手或代理商。答案問得出來，代表這件事還有人在管；問不出來，你剛剛發現了一個比成效更重要的問題。