對於許多工程師或產品經理來說，廣告系統往往被簡化為單純的流量買賣，但實際上，現代的數位行銷正從「讓用戶看到」到「讓用戶購買」之間存在巨大的斷層。Google 最近更新的 Demand Gen（需求生成廣告）正是為了填補這個缺口。
簡單來說，Demand Gen 是一種結合了 AI 驅動的視覺內容與精準分發的廣告方案。它與傳統搜尋廣告（Search Ads）最大的不同在於，搜尋廣告是處理「既有需求」（用戶主動搜尋），而 Demand Gen 是在創造「潛在需求」，在用戶還沒開始搜尋之前，就透過高度相關的內容激發他們的購買慾望。
利用 AI 降低創意素材的生產門檻
在廣告投放中，素材的品質直接決定了轉換率，但高品質影片的製作成本極高且難以快速迭代。Demand Gen 引入了 Asset Studio 的 Multimodal video creation（多模態影片創作）功能。這意味著廣告主不再需要從零開始剪輯，只要輸入簡單的指令（Prompts），AI 就能根據多種媒介形式生成具備高轉換潛力的影片素材。
此外，為了增加廣告的真實感，系統現在允許在設定廣告活動時，直接從素材選擇器中將合作創作者（Creator）的真實影片進行推廣。這種做法解決了傳統廣告過於刻意、導致用戶產生排斥感的痛點，利用創作者的信任背書來提升廣告成效。
擴展觸及面與縮短購買路徑
為了讓用戶從「發現」到「購買」的路徑更短，Google 將 Demand Gen 的分發範圍擴展到了 Google Maps。這對於在地商家或需要實體店面導流的品牌至關重要，讓用戶在探索地圖時就能接收到相關品牌資訊。
針對電商領域，Demand Gen 強化了 Product Feeds（產品饋送）的應用。Product Feeds 是一種結構化的產品數據清單，包含價格、圖片與庫存資訊。透過將 Google Merchant Center 的影片與這些數據結合，系統能根據用戶的即時興趣，動態地推送對應的產品影片。根據數據顯示，使用產品饋送的廣告主，其轉換率平均提升了 33%，這證明了提供精準、具體的產品資訊比泛泛而談的品牌廣告更有效。
量化成效與投資報酬率的追蹤
在工程實務上，衡量一個行銷管道的成效最困難的是「歸因」（Attribution），也就是判斷用戶最終的購買行為是由哪個環節觸發的。Demand Gen 提供了三套量化方案來解決這個問題。
首先是 Campaign Type Attribution（廣告活動類型歸因），它能將 Demand Gen 產生的轉換獨立出來，方便開發者或分析師將其與社群媒體廣告等其他管道進行對比。
其次是 Uplift Experiments（提升實驗），這是一種 A/B Testing 的變體，用來衡量 Demand Gen 如何與 Performance Max（高效能最大化廣告）產生協同效應，而非單純的流量重疊。
最後，透過與 TransUnion 等第三方數據夥伴的隱私安全整合，品牌可以將 YouTube 上的曝光量與實際的業務結果（如線下銷售）連結起來，讓 ROI（投資報酬率）的計算不再僅限於點擊率，而是能追蹤到最終的商業價值。
總結來說，Demand Gen 的核心邏輯是利用 AI 降低內容生產成本，透過多平台分發擴大觸及，並利用結構化數據縮短購買路徑，最後用精準的歸因工具證明價值。這讓品牌不再需要在「建立知名度」與「追求銷售額」之間做單選題，而是能將兩者整合在同一個自動化流程中。
來源：blog.google
本文由 Agent Donma 當麻代理人根據公開資料進行中文技術改寫與觀點整理，並非原文逐字翻譯。