科技革新促成消費者行為不斷改變，也提供品牌更多用戶訊號及購買意向。隨著 AI 時代來臨，行銷人們亦不斷深究如何透過 AI 工具有效判讀數以億計的用戶資訊、理解消費者變化趨勢，以及探索高價值潛在客戶，進而推動業務增長。
Google AI x 媒體投放，行銷人從守株待兔到主動出擊、搶佔先機
在今年度 Google Marketing Live Taipei 商業盛會中，Google 大中華區成效產品專家 Alan Poon 談及 AI 策略，提醒行銷人們應將重點放在企業，而非 AI 工具本身。「Put Google AI to work for you 這句話中，最重要的其實是『YOU』。」比起單純制定 AI 策略，行銷人們更應該要「讓 AI 執行你（企業）的策略」——Google AI 便是為此目的而存在。
為了幫助行銷人解決行銷難題，Google 在 2024 年推出了一系列 AI 賦能的媒體投放功能。以搜尋廣告（Search Ads）為例，Google AI 能幫助行銷人掌握用戶分享的資訊、協助深入分析其搜尋背後的意涵。一轉過往商家只能站在被動角度等待消費者搜尋，有了 Google AI，商家能更精準地根據用戶的習慣及喜好主動提供個性化推薦，以提升廣告成效。
最高成效廣告（Performance Max）則透過全自動的 AI 功能不斷學習、適應消費者行為的變化，幫助企業在各管道接觸潛在消費者，成為企業專屬的 AI。根據 Google 的調查數據，使用全 AI 自動化的最高成效廣告並搭配搜尋廣告，可以讓企業的轉換率平均提升 27%。
此外，為了協助企業解決在廣告投放中難以精準觸及多種客群的挑戰，Google 推出了客戶生命周期（User Lifetime）解決方案，利於企業開發新客戶、喚醒沉睡客戶、維繫忠誠客戶，甚至是重點經營高價值客戶。企業可以透過提供第一方數據，如客戶名單、網站代碼等，賦予 Google AI 能力，針對上述不同類型的客戶投放廣告、出價，並根據不同目標提供衡量指標。在未來，企業能夠結合不同廣告投放策略使用客戶生命週期方案，讓 AI 輕鬆辨別價值及階段各異的客群，以此客製化廣告素材、提供專屬優惠，進而達到「大型客製化」的效果。
最後，Google 宣布今年將在最高成效廣告和標準購物廣告活動中推出「利潤最佳化」功能。企業將能夠在 Google Merchant Center 設定產品價格時一併提供產品成本數據，進而在同一廣告中活動開啟利潤最佳化功能，輕鬆優化銷售額及利潤。Google 的模擬測試結果顯示，利潤最大化功能將可為商家的廣告活動總獲利平均提升高達 15%。
收集 x 運用 x 保護，解鎖 Google AI 資訊潛能，為成效衡量效力
有了好的 AI 工具，行銷人也需要學會給予明確的指令。在數位廣告領域中，第一方資料就是給 AI 的明確指令。然而，Google 大中華區 衡量分析專家 James Lei 注意到，真正能有效應用這些資料的品牌仍然有限。從過往經驗出發，James 整理了行銷人在使用廣告產品時常面臨的三項挑戰及解決方案：
挑戰一：不知道該收集哪些資料
品牌一項重視資料收集，但並不總是清楚該在 Google Ads 上收集哪些資料。為此，Google Ads 介面中推出新的建議功能—— AI Essential，給予行銷人即時的建議和明確的策略調整方案。從網站和 App 收集的第一方資料，到調整廣告出價策略，AI Essential 的建議能夠讓企業更有效地達成行銷和商業目標。James 提醒企業，無論是自行操作還是委外進行廣告投放，定期檢查和調整資料收集的完整性，將能為 AI 建構充分的應用資料基礎。
挑戰二：不知道如何運用這些資料
行銷人常遇到的第二個困難，是如何在大量資料中將商業需求轉化為 AI 能夠理解的指令。其實，行銷人可以從資料中選出關鍵用戶群體進行有效分類，例如將客戶區分為新、舊、流失，及高價值，接著將名單上傳至 Google Ads 進行比對，結合 AI 在廣大用戶中找到相似客群，以實現更精準的廣告投放。此外，Google Ads 後台也能做到匯總標籤及其表現，幫助品牌發現新的受眾及提高廣告效果。
而面對難以高效上傳及比對大量資料的挑戰，Google 推出了 Google Ads Data Manager，幫助品牌在多種 CRM 及 CDP（包括 Google Cloud 的 BigQuery 平台）系統中，將整理好的標籤自動上傳到 Google Ads。透過介面設定，品牌能夠整合資料與內部 ETL 系統，讓 Google AI 即時優化廣告成效。
挑戰三：缺乏對資料整合的信任
為了推進 AI 效率，需要企業提供珍貴的第一方資料，勢必會引起資訊安全的顧慮。可以放心的是，Google 服務的使用者擁有對資料的調整和控制權，且 Google Ads 收集的數據也將受到嚴格的保護。無論是在來自網頁、App，或是透過上傳所收集到的個人資訊資料，都將經業界標準 SHA256 方式進行雜湊加密後才提供至 Google。進行比對時，比對對象及檔案的處理方式等，也都經嚴密保護。因此，行銷人可以放心解鎖 Google AI，令其為成效衡量效力。
精彩案例：佳格食品 x Google AI，以資料驅動媒體投放，分眾策略使成效飛昇
本次 Google Market Live Taipei 商業盛會特邀佳格食品集團資深產品經理 Stella Chen，分享佳格食品如何運用官方購物網站「佳格健康 GO」的第一方會員資料驅動 Google AI、擴大數據應用成效的案例。
透過數據來認識線上消費者的行為模式
Stella 認同數據的重要性，並和參與者分享佳格健康 Go 透過數據認識線上消費者行為模式的歷程：「第一方資料的運用對於數位廣告至關重要。」此次佳格食品嘗試使用 Google AI 工具，設立了三項欲達成的商業目標——「找到更多潛力新客」、「喚醒沉睡客進行轉換」、「客戶終身價值增長」，同時規劃 Google AI 驅動數據成效的四個步驟。
首先，為了奠定 Google 廣告機器學習的基礎，佳格整理了第一方顧客的定義與分群，進而找出高價值會員輪廓。佳格此次使用 Google 的 pLTV（Predicted Life Time Value）模型，根據會員資料的購買時間、回購時間與購買金額，演算並預測出每位會員的終身顧客價值。佳格根據演算結果彙整的高價值顧客名單，搭配顧客最後一次購買的時間資料，進一步將名單區分為高價值新客與高價值沉睡客，同時運用 CRM 會員資料更新既有顧客與沉睡顧客名單。
接著，佳格透過 Google AI 匹配的每一種會員區隔與分眾策略，比對足夠的數據量體，再上傳至廣告後台進行顧客生命週期最佳化設定。在這個階段，能讓機器學習同步認知顧客分群定義以及最新的顧客輪廓，奠定演算基礎、降低未知顧客數據。
第三步，佳格對廣告活動設定了清楚的指令。在找尋更多潛力新客時，佳格使用最高成效廣告活動，設定強化轉換，並考量一般新客與高價值新客對品牌貢獻能力的不同，分別為這兩群受眾設定不同的轉換價值加權，提高系統的出價區隔。
最後，針對喚醒沉睡客的需求，佳格則以關鍵字搜尋廣告活動為主要手段，賦予高價值沉睡的客戶較高的轉換價值加權。
佳格提供的第一方分眾名單幫助 AI 學習顧客樣貌與價值，加上清楚的廣告指令設定，讓廣告活動成功協助實現品牌的三項商業目標。此次獲取潛力新客的效果極佳，不僅在最重要的收益指標 ROAS 增加 16%、獲客成本 CPA 更減少了 6%，而新客購買金額占比和平均購買金額皆有顯著成長。喚醒沉睡客的目標也取得良好成效，購買金額佔比提升了 7 個百分點，新客與沉睡客整體購買金額佔比則共增加 12 個百分點。最後，此次廣告互動的顧客終身價值，與其他 Google 廣告活動相比，增加了 64% LTV 增幅，且顧客與網站互動的時間也增長了 23%，顯見此次 AI 模型試驗的成功。
「任何 AI 模型的成功，都需要高品質的數據。」Stella 總結道。Google 的機器學習遍佈各廣告格式、受眾訊號及智慧出價，幫助佳格在新、舊客戶策略上皆達成更具規模化的輸出，後續亦能持續透過 Google Ads Data Manager 定期更新品牌端名單，成為不斷優化 Google 機器學習的活水。
身為一個年資相對較輕，沒有大型綜合電商數據資本的品牌電商網站，佳格健康 GO 成功透過第一方會員資料驅動 Google AI。品牌的第一方資料使 Google AI 能夠有效判讀不同型態會員的行為輪廓價值，並讓 Google Machine Learning 訊號更加精準。此次佳格的成功案例足見資料及媒體策略結合 AI 的重要性。在品牌電商沒有海量顧客資訊的情況下，仍可以驅動 Google 大數據為品牌運算，挖掘更多高價值顧客，達到「以小博大」的成效。
