MCP × Google Ads：AI 把廣告月報從 2 週壓到 2 分鐘

Google Ads 開發者關係團隊的 Matt Landers 在最新一集 Ads DevCast 講了一句讓我愣住的話——

「我已經超過六個月，沒親手寫過一行程式碼了。」

你聽到這句話會覺得怎樣？
如果你是寫 code 的工程師，你會怕。
如果你是下廣告的行銷人，你應該要笑。
笑完了要開始動。

先講那個「兩週 vs 兩分鐘」的場景

想像一下，你是電商公司的行銷經理。週一早上打開信箱，老闆丟一句：「上個月花 50 萬但轉換率低於 1% 的 campaign，今天下班前我要看到。」

以前你怎麼辦？

跟工程師排單，排到兩週後。自己開 Google Ads 後台，欄位點到手指快抽筋，撈完還要跨平台對 GA 的資料，一個 campaign 一個 campaign 手動 join。弄到晚上十點交出去，老闆看兩秒：「幫我換個 group by。」

這是廣告投手、電商老闆、行銷經理過去十年都在過的日子。

重點是什麼？

MCP（Model Context Protocol，模型上下文協定）這東西，現在把這條苦日子直接砍斷。

講白話，MCP 就是給 AI 一張「門票」，讓它直接刷進 Google Ads API 和 GA API 的後台拿資料。以前你的 Gemini（或 ChatGPT、或 Claude）回答廣告問題，它只能憑訓練資料用猜的。現在 MCP 接上去，它是真的去你帳戶撈數字回來。

這就像從「搜尋引擎」進化到「私人財務顧問」。

以前你問 Google「ROAS 低的原因」，它丟你一堆教學文章。
現在你問你的 AI「幫我看上個月 ROAS 低於 2 的活動，跨 GA 比對 bounce rate」，它真的去後台跑出來給你。

差在哪？差在「可執行」。

舉個我超有感的例子：落地頁相關性驗證

你跑廣告最怕什麼？

CTR 很高、CPC 很便宜、但就是不轉。

老手的直覺都知道：一定是 landing page 跟 ad copy 沒對齊。但要「證明」這件事，以前是地獄。

你得去 Ads API 撈高 CTR 的廣告 → 跳到 GA API 撈對應 URL 的 engagement → 用 gclid 或 UTM 把兩邊資料 join 起來 → 自己判斷這 90% 的 bounce rate 到底是文案騙點擊、還是落地頁爛。

整條流程走下來，半天起跳。

現在呢？你一句話：「幫我比對 CTR 前 10 名廣告的落地頁，engagement rate 低的給我改善建議。」

AI 自己去兩邊撈、交叉比對、給出「你的廣告寫『永續運動鞋 $50』但 landing page 賣『皮革靴』，建議換成 XXX」這種直接的診斷。

一杯咖啡的時間。

講真的，月報我做到怕

我自己做行銷這幾年，最痛的不是下廣告，是交月報。ROAS、assisted conversion、各 channel 的 attribution，五個分頁跨平台撈，Excel 公式接到最後自己都忘記哪條是哪條。

以前這樣一份月報，我要弄兩個晚上。如果當年有 MCP，一杯咖啡就搞定。

省下的不是那兩個晚上。重點在於——那兩個晚上的腦力你拿去幹嘛了。

還有一個被低估的神技：Smart Bidding 訊號優化

Google 的智慧出價很強，但它強不過你餵它的資料。

你只追蹤「表單送出」當轉換？AI 就只學會「誰會送表單」。
但你 GA 裡其實塞了一堆高意圖訊號——待在定價頁超過 2 分鐘、滑到 FAQ 最底、反覆看同一個商品——這些你沒設 primary conversion，Smart Bidding 就看不到。

白白浪費一批高意圖流量沒餵進模型。

以前要抓這些「隱形高意圖事件」，你得 GA 全站盤一遍。現在用 MCP 直接問：「找 GA 裡還沒送進 Ads、但與轉換相關性最高的事件 Top 5。」

AI 撈、排序、建議，完事。

最重要的一件事：Copilot，不是 Autopilot

但這邊有個大前提要講清楚。

主持人 Cory 在節目裡講得很好：這東西是副駕駛，不是自動駕駛。它幫你盯車道、提醒你打方向燈、警告你旁邊車要撞上來。但它不會幫你開車。

嘉賓 Matt 自己舉過一個例子——他在優化 query 效能，AI 一直在關聯式資料庫裡面死磕。Matt 知道該用 OLAP，一句話切過去，AI 秒懂秒改。

問題來了：如果 Matt 不懂 OLAP，他會跟 AI 糾纏多久？

你知道為什麼「領域知識」在 AI 時代反而更值錢嗎？

因為 AI 降低了「執行」的門檻，但墊高了「判斷」的門檻。

以前廣告投手的價值在「會操作後台、會寫 query、會拉報表」。
現在後台會自己操作、query 會自己寫、報表會自己拉。

那你的價值在哪？

在於你知道「這數字不對勁」、「這假設要再驗證」、「這 AI 建議不能照做」。

4 條現在就能動的事

話說到這，切入重點。

► 本週就裝一個 MCP server：Google Analytics MCP 和 Google Ads MCP 官方都有文件。行銷人會卡在 OAuth 認證那關，Matt 團隊有出 YouTube 教學。別再講「我不是工程師」，這兩小時是你這半年最值得的投資。

► 把你最煩的那份報表拿出來，試著用一句話叫 AI 做：上個月的跨 channel attribution？高 CTR 低 CVR 的 campaign list？把它寫成 prompt 丟給 MCP 接好的 AI。跑不出來記下卡在哪裡——那就是你該補的領域知識。

► 重新盤點你的轉換事件：打開 GA4，檢查還有哪些高意圖事件沒設成 primary/secondary conversion。停留時間、滾動深度、內部搜尋、加入收藏，這些都是餵 Smart Bidding 的好料。

► 開一份「AI 做不到」的技能清單：每次你用 AI 做一件事覺得它「差一口氣」、需要你補判斷，記下來。這份清單就是你未來兩年的不可取代性。

收尾

AI 不會搶走廣告投手的工作。
但會搶走「只會拉報表的廣告投手」的工作。

這兩件事是不一樣的。

Matt 在節目最後講了一句我很喜歡的話，大意是：「給 AI 一個你原本覺得它不可能做到的任務，看它怎麼表現。」

這年頭就是試、試、試。試到你找出它的邊界，你就知道你的價值在哪一側。

兩年後會有兩種廣告人：

一種把 AI 當 Copilot，省下的時間拿去做策略、做創意、做客戶洞察。
另一種還在手動撈資料、跨平台 Excel 接到死。

你要當哪一種？