广告投放的65%已经交给AI。Meta Advantage+「完全自动化」之后，营销人员真正的工作

65%的广告投放人员，已经在用Advantage+

2026年4月，一个事实已成定局。Meta广告主中65%已经导入Advantage+（DigitalApplied）。

三个人里有两个人，已经把广告投放交给了AI。听到这个数字，可能有人会说”我还没动手”。这份谨慎我能理解。我一开始也是这样。

但数字从不说谎。

导入Advantage+的广告主，CPA（获客成本）最多削减了32%（AdStellar）。这是通过整合广告系列带来的效果。如果你每月广告费是100万日元，相当于32万日元的效率改善。

你的竞争对手正在享受这份红利。在这种情况下继续手动投放，与其说是”维持现状就好”，不如说等同于”接受了32%的劣势”。

为什么会如此普及？理由很简单：“设置轻松”加上”效果显著”。回想一下传统的广告投放——设定目标受众的年龄、性别、兴趣关注；准备多个版本的创意素材；选择投放位置，制定竞价策略。Advantage+把这些流程都交给了AI，在减少工作量的同时改善效果。如今几乎没有不用的理由了。

读到这里你可能会想”那广告投放人员是不是不需要了？“，别担心。先说结论：被取代的是”作业”，而不是”判断”。这个区别正是今天这篇文章的核心。

在AI聊天广告系列的第一篇中，我解读了对话数据开始被用于广告定向的结构。第二篇介绍了决定Advantage+成果的”输入质量”的7种类型。

第三篇这次把视角提升了一层。在65%的人都在用的世界里，营销人员还剩下什么工作？基于对”完全自动化”内涵的准确理解，我将为你呈现需要打磨的3种判断力。

只要”URL+预算”，广告就能跑起来。完全自动化的真相

Meta计划在2026年内完成广告的”完全自动化”（Marketing Dive）。

完全自动化具体指什么？

输入业务的URL和预算目标。仅此而已。AI会一站式处理创意生成、受众选择、版位优化、竞价管理（VXTX）。

img: Meta Advantage+ fully automated workflow diagram. Left side shows “URL + Budget” input box, right side shows “Delivery Optimization”. Middle shows creative generation, audience selection, placement | type: diagram | style: clean infographic with arrows and labeled boxes, blue and orange palette

具体想象一下。假设你在运营一个电商网站。把新商品的页面URL粘贴到Advantage+上。输入”每月广告预算50万日元，目的是网站销售”。

然后AI会自动从URL读取商品图片、文案、价格信息。生成多个版本的广告创意。以适配Facebook Feed或Instagram Reels（短视频）的尺寸进行投放。持续针对购买概率高的用户优化竞价。

以往广告运营人员需要花费一整天的流程，几分钟就能完成。AI 24小时不停歇地持续优化。和早上看数据再做调整的运营方式，密度完全不同。

目前”URL→即时投放”的完全形态正在部分广告主中测试。不过，定向和预算的自动化已经作为标准功能运作。只要加上创意的完全自动生成，“完全自动化”就完成了，可以说拼图已经基本齐备。

这里值得关注的是Meta的意图。完全自动化对中小企业和个人经营者的影响尤其大。“因为没有广告投放技能所以一直不敢动手”的这一类人，现在只要贴个URL就能投广告。投放者增加了，Meta的广告收益也会增长。这是对双方都有利的结构。

另一方面，参与者增加了，竞争也会更激烈。如果所有人都用同一个AI，差异化的关键就在于”给AI喂什么”。

想想看，用做菜来比喻的话，相当于所有人都能用上同一台高性能烤箱。这种情况下，决定差距的不是烤箱的性能，而是要烤什么、选什么食材的判断。广告界也正在发生完全相同结构的变化。

如果一切都被AI替代，那留给营销人员的还有什么？

20张图片变成视频。Video Generation 2.0的实力

完全自动化中冲击力最大的要素，是创意生成的自动化。

Meta的Image-to-Video（图像转视频）功能值得关注。最多可以从20张商品图片自动生成视频广告（1ClickReport）。已有400万以上的广告主在使用，不再是实验阶段，而是作为标准工具在发挥作用。

“想做视频广告，但没钱拍摄”——这个一直困扰中小企业和自由职业者的烦恼，这个功能正面回应了。只要有静态图片，视频广告就能跑起来的时代到来了。

2026年正在推出的Video Generation 2.0有三个特点。

多场景生成。把多个镜头用电影感的转场连接起来，剪成一支视频的功能。只要上传5张商品图片，每张都能构成不同的镜头。15秒左右的视频广告，无需拍摄团队即可完成。

动态文字叠加。从广告文案自动提取文字，带动画地叠加到视频上的功能。比如”限时8折”的字样会一边淡入一边显示在商品图片上。静图横幅的设计工作完全不需要了。

智能裁切。根据投放位置自动检测商品并居中放置的功能。Reels是9:16竖版，Feed是1:1正方形。给每个投放面手动调整尺寸的工作归零了。

img: Comparison table of Video Generation 2.0’s three features. Left column lists “Multi-scene generation”, “Dynamic text overlay”, “Smart cropping”, right column shows traditional manual work (shoot | type: diagram | style: clean infographic with arrows and labeled boxes, blue and orange palette

“AI做的视频不会显得很廉价吗？“这个疑问很合理。我最初也这么想。实际确认输出后会发现，有时候质量比人类设计师赶工做的横幅还要高。特别是面向Reels的竖版视频，可以说是AI的擅长领域。

当然，对需要严格控制世界观的品牌广告并不适合。但如果是直接追求转化的直效广告，质量已经足够了。“哪类用途可以交给AI”——这种判断力，正是今后营销人员需要的技能。

自动化无法替代的”3种判断”

下面进入正题。

Advantage+自动化的是”执行”这一层。包括定向、创意生成、竞价、版位优化。这些方面AI更快、更准、不知疲倦。最好承认这不是人类能赢的领域。

另一方面，交给AI之前的”判断”，仍然是人类的工作。在跨过65%分水岭的世界里，这种判断力的差距将直接关系到成果的差距。

判断1：选择卖什么

把”URL+预算”交给Advantage+时，给哪个URL是由人来决定的。

这个月主推哪款商品？考虑季节性，库存的优先顺序是怎样的？结合竞争对手的动向，把哪个服务页面设为落地页？这些决策只有理解业务上下文的人才能做。

比如说你在运营服装电商。4月是主推春季新品，还是先清理库存特价品？是优先利润率，还是优先现金流？这种判断需要AI没有的”经营意图”。

AI擅长优化给定URL的广告。但是，这个URL是不是正确的选择，AI无法判断。这就是剩下35%的第一个要点。

实际上，我在支援对象那里见过的失败案例多数是”明明在最好的商品页投了最高的预算，却没卖出去”。原因都一样：“那个商品并不是当下顾客需要的东西”。不是AI错了，而是喂给它的素材选错了。

判断2：想触达谁的精细度

“定向不是AI做吗？“很多人会这么想。确实，Advantage+的受众选择精度很高。

需要注意的是，AI优化的是面向”容易转化的人”的投放。和品牌”真正想触达的人”，未必一致。

是想优先开拓新客户的阶段？还是想提高老客户LTV（客户终身价值，即一名顾客一生中带来的总利润）的阶段？把这种战略级别的判断交给AI，容易偏向短期的CPA优化。这可以称为”自动化的陷阱”——数字越好越难察觉。

我的经验是，把全权交给Advantage+，投放容易偏向对老用户的再营销。短期CPA是下降了，但新增获客的盘子没扩大。所以才需要人类先决定”这个月要把6成投入新客开拓”这种战略性判断。

系列第二篇里讲解的”输入质量”，正是和这种判断直接相关。给AI的信号设计得粗糙，优化方向就会偏。反过来，仔细设计一方数据和CAPI（转化API，通过服务器发送给Meta的数据）。这样AI就会按预期工作。

判断3：守护品牌一致性的眼力

Video Generation 2.0很出色。但是，生成的创意是否符合自家品牌指南，AI很难判断。

颜色调性、用语风格、世界观统一。这些难以数值化，所以不容易成为AI的优化对象。批准”这个AI生成的广告可以发”——这种判断只有理解品牌的人才能做。

举个具体的例子。我曾让AI为一个主打高端感的品牌生成广告。CTR（点击率）很好。但是，输出的创意用了流行的字体和休闲的配色。成品和品牌形象相去甚远。只看数字是”成功”，但考虑到品牌损害的风险，这是”不能放过的失败”。

Meta也计划在完全自动化后的工作流中保留创意审核（AdTaxi）。Meta自己也不推荐”完全甩手给AI”。这个事实很有分量。

建立审批流程，将成为自动化时代品牌管理的基础。不要吝啬审核所花的时间。这种判断的积累，会把AI产出的海量创意，培育成具有”自家味道”的东西。

img: Triangular diagram showing the three judgment skills of marketers. Top vertex: “What to sell (product selection)”, bottom left: “Who to reach (strategic targeting)”, bottom right: “Brand consistency (creative | type: diagram | style: clean infographic with arrows and labeled boxes, blue and orange palette

我用Advantage+发现的”剩余35%“的价值

“道理我懂，但实际怎么样呢？“可能有人会这么想。

我自己用Advantage+跑过广告，有些事可以分享。

最初说实话很怕。把定向交给AI，那种感觉就像松开方向盘开车。会觉得”自己设置才放心”。在营销行业越久，这种”放手的恐惧”应该越强。

实际试了之后，AI的精度超出了想象。点击率比手动设置时改善了，CPA也下降了。“啊，原来可以放手”——那个瞬间我现在还记得。

另一方面，发现的东西也不少。

AI会量产”数字好看的广告”。但是，并不会做”作为品牌想发的广告”。某一天，我看着生成的创意感觉”数字是好，但不是我们的世界观”。

那种违和感，正是需要人类判断的理由。AI能优化CTR和CPA。但对”投放了这个广告，自己能引以为豪吗”这个问题，AI不会回答。

意识到第二篇介绍的”输入质量7种类型”之后，给AI的素材质量变了。结果生成的创意方向也改善了。与其说是”管理”AI，不如说是”递好素材让AI做好工作”的感觉。

我觉得这种思路不限于广告。我平时用的Claude Code也一样，下达指令的方式不同，输出的质量也会变。即使AI性能相同，输入信息的精度不同，结果也会大不一样。

如果要说现在就能开始的事情，请打开自家Advantage+的设置画面。确认广告系列的整合度，如果有分散的广告组就合并成一个。光是这样CPA就会变。整合前后的数值用截图留下，也可以用于公司内部汇报。

还有一件，请确认Advantage+的”资产自定义”功能。预先输入品牌色和字体设置，生成创意的方向就会更稳定。这正是第二篇讲解的”输入质量”的实践。5分钟就能完成的设置，今天就请试一下。

总结——65%的分水岭，你站在哪一边迎接

Meta Advantage+的采用率达到了65%。2026年内”只要URL+预算”的完全自动化正在走向实现。从图片自动生成视频的技术，也已经有400万以上的广告主在用。

这股趋势不会停。2025年大约50%的采用率，仅仅几个月就达到了65%。年底超过80%也不奇怪。

但是，自动化越推进，人类判断的价值就越高。这不是矛盾，而是结构上的必然。正因为AI接手了”执行”，决定”执行什么”的判断力的稀缺性就上升。

65%的分水岭——请记住这个词。在过半数广告投放人员转向交给AI的今天，决定差距的不是”把什么交给AI”。而是”交给AI之前要决定什么”的精度。

第一篇理解了”对话数据成为广告燃料”的结构，第二篇学习了”输入质量决定成果”的机制。这次第三篇梳理了”自动化之后的判断力”。这3点是否掌握，即使同样用Advantage+，结果也会出现差距。

最后留下今天就能确认的3个问题。

商品选择：这个月给的URL，真的是这个月该卖的商品页面吗？
战略定向：AI的优化方向和想触达的人群是否一致？
品牌审批：生成的创意以自家名义发布，不会觉得难堪吗？

如果对这3条都能立刻回答”是”，你已经站在65%的另一边了。如果不能立刻回答，请先从那里着手。一个一个来就好。不需要一下子全部改变。

我自己也还在反复试错中。和AI的相处没有”完美的正确答案”。但站在65%的一边，磨练只有自己能做的35%。这个过程，我会继续在这里分享。

AI聊天广告系列这次告一段落。下次预定带来”GEO实践指南2026——用最初的40〜60字改变引用率的方法”。会把被AI引用的文章写法，落到实操步骤上来介绍。