手動 CPC 曾經是 Google Ads 操盤手的基本功——你親自設定每個關鍵字的出價，根據數據慢慢調整，一切在掌控之中。但現在，如果你還在完全依賴手動出價，可能已經在競爭上讓出了一個很大的空間。
原因不是 Google 強迫你改，而是 Smart Bidding 背後的機器學習模型在過去幾年發生了質變。它能在每次廣告競價前的幾毫秒內，同時評估超過 70 個信號——用戶的設備、搜尋時間、地理位置、過去搜尋行為、落地頁特徵——然後決定這次要出多少錢。這種即時運算能力是人工根本做不到的。
問題不在於要不要用 Smart Bidding，而在於用哪種、什麼時候切換、怎麼避開常見的坑。
tCPA、tROAS、Maximize Conversions，三者有什麼本質差異？
這幾個策略表面上都叫「AI 出價」，但背後的優化目標完全不同，搞混了就會跑偏。
Maximize Conversions（最大化轉換次數）
這是最簡單的一種：告訴系統「在我的預算範圍內，盡量帶來最多轉換」。系統不在乎每次轉換的成本，只在乎數量。
適合剛開始累積轉換數據的帳號，或是有明確預算上限、希望快速跑量的活動。風險是如果預算設定太高，可能會接受品質較差的點擊來湊轉換數字。
Target CPA（目標每次轉換成本，tCPA）
設定一個你願意接受的轉換成本目標，系統會嘗試讓整體 CPA 靠近這個目標。有些轉換可能比目標貴，有些便宜，但平均值會趨向你設定的數字。
這是 B2B、服務業、教育行業最常用的策略——你知道一個 Lead 大概值多少，就用 tCPA 框住成本。
Target ROAS（目標廣告投資報酬率，tROAS）
這是電商的最愛。你告訴系統「我希望每花 1 元廣告費，帶回 X 元的銷售額」。系統會根據預測的轉換價值來出價，高價值商品或高意圖的用戶會得到更積極的出價。
Maximize Conversion Value（最大化轉換價值）
和 Maximize Conversions 概念類似，但目標從「最多轉換數」改為「最高總轉換價值」。適合商品客單價差異很大的電商，系統會優先搶高客單價的訂單。
| 策略 | 優化目標 | 適用場景 | 建議最低月轉換量 | 需要轉換價值？ |
|---|---|---|---|---|
| Maximize Conversions | 轉換數量最大化 | 新帳號、預算有限 | 15+ | 否 |
| Target CPA | 控制每次轉換成本 | B2B、服務業、Lead Gen | 30+ | 否 |
| Target ROAS | 控制廣告投報率 | 電商、有客單價差異 | 50+（建議） | 是 |
| Maximize Conversion Value | 總轉換價值最大化 | 高低客單混合電商 | 30+ | 是 |
AI 出價的機器學習是怎麼運作的？
白話說：系統學習的是「什麼樣的人、在什麼情況下搜尋，最終會轉換」。
每一次廣告曝光和轉換，都是一筆訓練數據。系統會學到「週三晚上 9 點、用 iPhone、在台北市搜尋這個關鍵字的人，轉換率比週一早上高 40%」，然後自動在那個情境下出更高的價格。
但這個學習需要足夠的數據量。如果你的帳號一個月只有 5-10 次轉換，系統找不到統計規律，輸出就會很不穩定。這也是為什麼 tCPA 建議至少有每月 30 次轉換才切換，tROAS 更嚴格，建議 50 次以上。
數據量不足時，系統可能會做出奇怪的決策：把預算集中在少數「看起來像轉換用戶」的人身上，忽略其他潛在客群；或是出價過於保守，曝光量大幅下降。
切換到 AI 出價前，你必須知道學習期這件事
切換出價策略，會觸發一個「學習期（Learning Period）」，通常持續 1-2 週。在這段時間，系統正在用新策略重新摸索最佳出價模式，表現可能比切換前差、數據波動大。
這是正常的，不要在學習期看到數字下滑就慌張切回去——那樣只會讓學習期重新計算，陷入惡性循環。
學習期觸發的時機：
- 第一次啟用 Smart Bidding
- 更換出價策略（例如從 Maximize Conversions 換成 tCPA）
- 大幅調整目標值（例如 tCPA 從 NT$500 一次改到 NT$300）
- 轉換追蹤設定有重大變更
- 預算有超過 20% 的劇烈調整
重點原則：學習期內，避免頻繁修改設定。
如果你真的需要調整目標值，建議每次調整幅度不超過 15-20%，給系統一週時間適應，再決定是否繼續調整。
我們幫一家 B2B 軟體公司從手動 CPC 切換到 tCPA，執行前先確認帳號有穩定的月轉換量（約 45-50 次 Trial Sign-up），學習期完整跑了 2 週，期間克制沒有做任何調整。學習期結束後第 3 週，CPA 比切換前的手動水準下降了 35%，而且轉換量還微幅成長。
從 Google Ads 後台設定出價策略
實際操作的路徑是這樣的：進入 Google Ads 後台，選擇目標廣告活動（Campaign）後，點選左側「設定」，在「競價」欄位找到「出價策略」。這裡可以看到目前使用的策略類型，點選「變更出價策略」就能切換。
如果你要設定 tCPA，系統會要求你輸入一個目標 CPA 金額。這個數字建議參考過去 30 天的實際平均 CPA，第一次設定可以略高於實際均值（例如實際均值 NT$800，先設 NT$1,000），給系統足夠的空間學習，之後再逐步往下調。
設定 tROAS 時，同樣建議第一次設定比實際 ROAS 稍低一點（例如實際達到 400%，先設 300%），讓系統有餘裕爭取更多流量，再根據成效往上調整。
切換完成後，後台活動清單中的出價策略欄位會顯示目前使用的策略，旁邊如果有「學習中」標籤，就代表學習期還沒結束。
哪種出價策略最適合你？決策樹
選策略不是看哪個「聽起來最厲害」，而是要對應你目前帳號的狀況：
Step 1：你的廣告目標是什麼？
- 帶進更多詢問 / Lead → 考慮 tCPA 或 Maximize Conversions
- 帶進更多電商銷售額 → 考慮 tROAS 或 Maximize Conversion Value
Step 2：你的帳號每月有多少轉換數？
- 少於 20 次 → 先用 Maximize Conversions 跑量，等數據夠再換
- 20-50 次 → tCPA 可以試，但目標值設寬鬆一點
- 50 次以上 → tCPA、tROAS 都可考慮，數據越多越穩
Step 3：你的商品客單價是否差異很大？
- 是（例如同時賣 NT$299 的配件和 NT$8,000 的主機）→ tROAS 或 Maximize Conversion Value 更適合
- 否（客單價相對穩定）→ tCPA 通常已足夠
關於出價策略的底層邏輯，可以搭配這篇Google Ads 出價策略完整指南一起看，裡面有更詳細的各策略比較。如果你正在考慮是否要從手動出價全面切換，智慧出價 vs 手動出價深度比較這篇有非常具體的數據分析。
AI 出價策略常見的三個錯誤
錯誤 1：目標設得太激進
剛切到 tCPA，馬上把目標設成比現在低 40% 的數字。系統為了達到這個目標，可能會大幅縮減曝光範圍，最後你得到的是「CPA 達標、但轉換量掉了一半」的結果。
錯誤 2：學習期頻繁調整
學習期第 5 天看到 CPA 跑歪，立刻調整目標值 → 學習期重置，再等 2 週。然後又不放心又調一次……這種操作方式等於每次都讓系統從頭學習，永遠進不了穩定狀態。
錯誤 3：轉換追蹤沒設好就切 Smart Bidding
Smart Bidding 的品質完全取決於轉換數據的準確性。如果你的轉換有重複計算、追蹤遺失、或是把「頁面瀏覽」誤記為轉換，系統學到的是錯誤的數據，出價自然偏掉。切換前請先確認 GA4 + Google Ads 轉換追蹤設定是否正確，可以參考Google Ads 轉換追蹤設定完整教學做一次全面檢查。
另外，如果你同時使用 Performance Max 活動，需要特別注意 Smart Bidding 在 PMax 和一般搜尋廣告之間的信號共用機制，可以參考這篇 Google Ads PMax 完整操作指南了解細節。
什麼時候可以相信 AI，什麼時候要人工介入？
Smart Bidding 的 AI 越來越強，但它看不到你知道的事情：競業活動、季節性促銷計畫、產品庫存變動、品牌策略改變。
適合交給 AI 的：日常競價調整、時段 / 設備 / 受眾的自動優化、數據穩定期間的出價維持。
需要人工介入的：設定合理的目標值（這個判斷需要業務知識）、重大活動期間的預算調整（清倉促銷、限時折扣）、新產品上市時的初期策略、轉換追蹤問題的排查。
把 Smart Bidding 想成一個很厲害的操盤助手，它處理執行層面，你負責策略方向和品質把關。這個分工關係抓對了，才能真正把 Google Ads AI 出價的效果發揮出來。