當人們不再親自瀏覽資訊，數位廣告的價值還剩下什麼？

注意力沒有消失，只是原本的計價方式開始失靈

「注意力經濟」通常被理解為一場時間競爭。每個人一天只有二十四小時，因此新聞、社群媒體、影音平台與搜尋引擎，都在爭奪這段有限時間中的一部分。這個概念可以解釋為什麼 TikTok 能夠從傳統社群媒體手中搶走使用者時間，卻很難完整解釋 AI 所帶來的變化，因為 AI 不一定要讓使用者停留得更久，才能創造更多價值。過去，我可能需要打開十篇文章才能理解某個產業事件；現在，只需要向 AI 提出一個問題，就能在幾分鐘內取得整理過的結果。資訊消費的成果可能相近，但產生這項成果所需的瀏覽行為大幅減少。

這意味著，我們需要區分「注意力本身」與「廣告能夠從注意力中取得的收益」。傳統數位廣告大致依賴三個條件：使用者造訪頁面所創造的曝光供給、平台透過搜尋與瀏覽行為推測出的意圖訊號，以及使用者願意接觸廣告的時機。AI 的出現，讓這三個條件開始朝不同方向變化。一個回答可能取代多次頁面造訪，減少原本可出售的廣告版位；但多輪對話又可能讓平台更清楚地理解使用者的預算、偏好與購買限制。與此同時，使用者對 AI 的期待是完成任務，而不是持續瀏覽內容，這又限制了平台能夠插入多少廣告。

假設一個人準備購買筆電。在傳統搜尋流程中，他可能分別搜尋「2026 筆電推薦」、「輕薄筆電比較」、「16GB RAM 夠用嗎」，最後打開幾篇開箱文章。這個過程包含多次搜尋、頁面曝光與潛在的廣告接觸。但如果他直接告訴 AI：「預算三萬元、主要剪輯短影音、要方便攜帶、不考慮蘋果，幫我挑三台。」AI 不需要從十幾次瀏覽紀錄推測他的目的，因為需求、預算、用途與排除條件已經存在於同一次對話之中。對廣告系統而言，這可能是一個更容易理解，也更接近決策的商業情境。

然而，理解意圖並不等於一定能產生更高的廣告收益。廣告平台仍然需要判斷這次對話是否適合顯示贊助內容、是否存在符合需求的廣告主，以及呈現廣告會不會破壞使用者體驗。

AI 可以提高單次商業接觸的潛在價值，卻不保證提高廣告接觸的總次數。

如果一次 AI 對話取代十次網頁造訪，即使新的廣告曝光更有價值，也不代表它足以補回原本十次造訪所創造的全部廣告收入。平台需要解決的，不只是如何向使用者呈現廣告，而是如何讓較少的商業接觸機會，產生足以支持其營運成本的收益。

搜尋活動下降，被替代的究竟是哪一種資訊消費？

使用者究竟有沒有因為 AI 而減少瀏覽網站？目前最有參考價值的證據之一，來自 Marketing Science Institute（MSI）於 2026 年發布的工作論文《The Impact of LLM Adoption on Online User Behavior》。研究團隊分析超過一百萬名使用者在 2022 至 2023 年間的桌面瀏覽行為，觀察採用大型語言模型前後，傳統搜尋及網站使用方式的變化。研究發現，早期 LLM 的使用已對傳統搜尋形成替代效果，採用者的傳統搜尋活動逐漸比採用前下降超過兩成，部分小型網站造訪與展示廣告曝光也出現下降。

這個結果需要放在正確的時間背景下理解。2022 至 2023 年的生成式 AI，主要仍是問答工具，當時的模型尚未普遍具備今天這種持續搜尋、操作瀏覽器、呼叫工具及執行複雜任務的能力。因此，這份研究能提供的是早期替代效果的證據，不能直接把研究中的比例當成 2026 年代理工具的實際影響。

另一個值得注意的地方，在於被替代的究竟是什麼。我們過去將搜尋、閱讀新聞、比較商品與使用社群媒體，全部歸類為上網活動，但它們背後的使用動機並不相同。有些行為是為了完成任務，另一些行為則是為了享受過程，兩者對效率的要求存在根本差異。

例如查詢某項法規、比較產品規格，或掌握一個產業事件的最新進展，通常是以取得資訊為目的。使用者真正需要的是答案，搜尋與閱讀只是完成任務的手段。相較之下，觀看演唱會片段、參與朋友的討論，或漫無目的地瀏覽社群動態，則有很大一部分價值存在於體驗過程本身。

當 AI 能夠以更低的時間成本提供相近的資訊結果，最先受到影響的自然可能是那些原本需要使用者反覆搜尋與閱讀的任務型活動，但這不代表所有內容消費都會受到相同程度的替代。一個人可能願意讓 AI 摘要十篇新聞，卻未必願意讓 AI 代替自己觀看電影或參與社群互動。

點擊率的變化，讓我們能夠進一步觀察這個過程。Pew Research Center 在 2025 年分析 900 名美國成年人的瀏覽資料，發現 Google 搜尋結果出現 AI 摘要時，使用者點擊傳統搜尋結果的比例約為 8%；沒有 AI 摘要時則約為 15%。同一份研究也發現，只有約 1% 的 AI 摘要搜尋會點擊其引用來源，而且出現摘要時，使用者結束該次瀏覽工作階段的比例較高。

這並不等於 AI 摘要直接造成點擊減少，因為會觸發 AI 摘要的查詢，本身就可能與其他查詢不同，但它確實呈現了一個值得研究的行為模式：當搜尋引擎已經提供足夠完整的資訊，使用者就不一定需要前往原始網站。

Seer Interactive 的追蹤研究同樣觀察到，受到 AI Overview 影響的查詢在 2025 年經歷明顯的點擊率壓縮；不過，2026 年初部分數據開始回升或趨於穩定，並非持續單向惡化。這個轉折相當重要，因為它意味著 AI 並不必然持續侵蝕所有搜尋點擊。

使用者可能逐漸形成新的分工：簡單資訊直接閱讀摘要，需要深入了解或完成交易時，再前往其他網站。因此，比起籠統主張搜尋正在消失，更值得追蹤的是哪些任務在 AI 回答之後就結束，哪些任務仍然需要人類進入下一個介面。這條界線將決定未來不同類型網站的商業價值，也會影響不同廣告形式受到替代的程度。

當資訊被使用，內容生產者卻收不到流量

把觀察範圍擴大到整個網路，AI 帶來的變化比單一搜尋平台更加複雜。Sensor Tower 的《State of Web 2026》指出，2025 年 AI 助理網站的造訪量年增 86%，使用時間也年增 101%，成為成長最快的網站類別之一。同時，搜尋引擎與社群平台仍維持龐大的流量規模，兩者合計產生約 2.4 兆次年度造訪。搜尋與瀏覽器類別的使用時間年減約 7%，社群媒體則減少約 1%。

這些數字不能直接證明使用者把多少分鐘從 Google 或 X 轉移至 ChatGPT，因為研究並非對同一群人進行完整的時間替代實驗，但它呈現了新的流量分配格局：AI 助理快速成長，既有大型平台仍然強勢，而部分資訊型網站開始承受更明顯的壓力。

同一份報告還提到，2026 年第一季，生成式 AI 帶來的推薦流量約占報告涵蓋網站造訪的 0.7%。這個比例尤其容易被誤解，因為它量測的是 AI 平台向外部網站導流的規模，而不是 AI 助理本身占全部網路使用的比例。

換句話說，即使有愈來愈多人透過 AI 消費資訊，這些活動也不一定會轉化為外部網站所能觀察到的流量，甚至可能出現相反情況：AI 的使用量持續成長，但外部網站仍然收不到多少造訪。對內容產業而言，這是比點擊率下降更根本的問題，因為資訊的實際使用與網站能夠量測到的商業接觸，開始變成兩件不同的事。

在傳統開放網路中，搜尋引擎、內容網站與廣告主之間存在一套不完全對等、卻能持續運作的關係。搜尋引擎依靠網路內容回答使用者需求，網站透過搜尋取得讀者，再利用廣告、訂閱、聯盟行銷或商品銷售維持經營。搜尋平台並不一定直接支付內容供應者，但搜尋導流至少提供了一條讓內容創作者自行變現的路徑。AI 的介入，使這條路徑開始變得不穩定。

假設一家科技媒體投入人力，採訪某款新產品，建立規格比較、評測與市場分析，AI 可以利用這些公開資訊回答消費者的問題，而消費者可能在閱讀摘要後就完成初步決策。資訊仍然產生了價值，但讀者沒有造訪原站，媒體便可能失去原本的廣告曝光、訂閱轉換與後續商業機會。

這可以稱為一種「價值實現與價值回收的分離」。資訊供應者負責生產內容，AI 平台負責整合與分配內容，商業價值則可能集中在後者所控制的介面。當越多資訊透過少數 AI 系統抵達使用者，內容網站便越難直接觀察自己究竟影響了多少人。更深一層的問題，是這套機制是否能長期維持。

如果原始內容的收益持續下降，部分內容供應者可能減少投入採訪、測試與研究，轉而生產成本較低、容易被搜尋與引用的內容。短期看來，AI 平台仍然可以利用大量既有資訊提供服務；長期而言，若高品質原始資訊的供給誘因不足，AI 能夠取得的資訊品質也可能受到影響。

這不代表所有 AI 服務都必然需要向所有網站支付費用。授權、訂閱、直接導流、交易分潤及資料合作，都可能形成不同的補償模式。真正需要解決的是，當 AI 從資訊中取得商業價值，原始資訊的生產者是否仍有足夠誘因持續生產。這也是為什麼 AI 搜尋的爭議，不能只停留在 SEO 排名與網站流量，它同時是內容供應鏈的可持續性問題。倘若一個商業模式能夠持續消費外部生產的知識，卻無法讓資訊生產者合理回收成本，那麼即使模型的檢索能力不斷提升，整個資訊生態的長期品質仍然可能面臨下降的風險。

從曝光到決策，廣告究竟在為什麼付費？

從經濟學角度來看，廣告是一種交換。廣告主願意支付費用，是因為接觸某位潛在消費者，有機會增加未來的銷售、品牌認知或其他商業成果。傳統數位廣告把這種機會拆成容易交易的單位，例如曝光、點擊、觀看與轉換。網站可以透過頁面瀏覽量創造廣告庫存，平台可以透過點擊或轉換競價分配版位。但這套制度存在一個隱含前提：廣告效果與使用者可觀察到的接觸行為，具有某種可供量測的關係。AI 介入後，這條關係變得更難觀察，因為使用者可能在沒有開啟原始網頁的情況下，就已經接收資訊、形成偏好，甚至完成大部分的購買決策。

可以用兩個情境理解其中的差異。第一個情境，使用者花十五分鐘閱讀五篇旅遊攻略，期間看到十幾個廣告，最後沒有訂房；第二個情境，使用者花三分鐘要求 AI 比較飯店，得到符合預算與交通需求的選項，接著完成預訂。第一個情境可能創造較多廣告曝光，第二個情境卻更接近實際交易。

因此，廣告的價值不應只從使用者停留多久判斷，而要回到這次接觸究竟能增加多少商業成果。對廣告主而言，真正值得支付的成本，取決於廣告帶來的增量轉換、每次轉換的經濟貢獻，以及投放過程中的風險，而不只是報表裡顯示了多少次曝光或點擊。

廣告帶來的轉換，有多少原本就會發生？

這裡的「增量」是關鍵。假設某位消費者本來就打算購買一款產品，即使沒有廣告，也會完成交易。此時廣告雖然可能得到一次點擊與一筆歸因訂單，卻不代表它真的創造了這筆銷售。反過來說，一次 AI 對話可能沒有帶來立即點擊，卻讓使用者第一次注意到某個品牌，並在數天後透過其他管道購買。這筆價值同樣可能存在，只是很難被傳統的最後點擊歸因完整捕捉。因此，AI 對廣告市場最重要的改變，未必是讓每次點擊更貴，而是讓「平台能觀察到的行為」與「廣告真正影響的決策」之間出現新的距離。

不過，對廣告平台而言，收益還有另一項限制，那就是可供出售的廣告機會。傳統搜尋引擎的廣告供給往往與查詢及搜尋結果頁高度相關，但 AI 助理需要考慮對話是否產生商業意圖、是否適合出現廣告，以及有沒有足夠相關的贊助內容。

一個每天向 AI 問二十道數學題的人，可能貢獻大量使用量，卻幾乎沒有適當的商業廣告機會；另一個每週只使用兩次 AI 的人，可能正好在比較高單價保險、旅遊服務或企業軟體，因而具備較高的潛在商業價值。這意味著 AI 廣告的市場規模，不能直接從使用者數、訊息數或搜尋量線性推算。

從單位經濟來看，AI 廣告收入仍然可以簡化理解為「可投放機會、實際展示比例與平均收益」共同作用的結果。即使 AI 對話能提供更精準的意圖訊號，如果適合投放的情境不夠多，或是使用者對贊助內容的接受程度有限，平台就未必能創造足夠的廣告收入。這也是為什麼 AI 商業化不能只討論 CPC 是否高於搜尋廣告，還必須考慮廣告填充率、實際投放量與使用者留存。當資訊取得變得更加有效率，廣告平台需要回答的是：被壓縮的注意力，能否透過更高的商業效率重新創造價值？

ChatGPT 與 Google，正在出售不同的商業入口

2026 年，AI 廣告逐漸從市場預測變成實際運作的業務。OpenAI 自 2 月開始測試 ChatGPT 廣告，並陸續擴大市場與購買方式。10 月 21 日，官方宣布廣告服務已涵蓋 89 個國家，累計超過十萬家廣告主曾在平台上執行廣告活動，同時 ChatGPT Ads 在推出不到兩百天後，達到十億美元的年化收入運行率。這是收入速度的年化指標，不能直接視為已經認列的一整年營收；十萬家廣告主也指累計參與者，不代表同時有十萬家持續投放。

比起這些市場規模數字，更值得研究的是 OpenAI 究竟如何把原本以回答問題為主的 AI 產品，改造成具有獨立廣告供給與競價能力的商業媒體。

OpenAI 在 10 月 21 日發布的技術文章《How we built ChatGPT's novel ad stack for user trust and relevance》中，揭露了 ChatGPT 廣告系統的部分運作方式。傳統搜尋廣告收到的是明確的查詢事件，使用者搜尋一個詞，系統檢索廣告、排序、競價，最後決定顯示什麼；但在 AI 對話中，使用者的需求可能經過多輪交流才逐漸形成。例如，一個人最初只是在規劃週末旅行，接著詢問天氣、交通與行李，最後才開始尋找適合的登山鞋。

如果只看最後一句提問，廣告系統可能無法理解完整需求，因為這次購物意圖其實建立在前面整段對話的背景之上。

因此，OpenAI 建立了一套與回答生成分離的廣告系統，利用模型整理對話意圖、轉換為語義檢索表示，再經過候選廣告召回、資格過濾、品質評估與競價程序，決定是否顯示廣告。這套設計有一個值得注意的轉變：過去，廣告系統主要根據使用者已經表達出來的搜尋需求配對廣告；現在，它可以在多輪對話中辨識逐漸形成的需求。

不過，意圖辨識更深入，也讓系統必須避免新的錯誤。一個人在討論某個品牌，未必表示他準備購買；研究競爭對手，也不表示對方的產品適合自己。AI 系統必須辨別假設、否定、既有背景與當前真正的需求，否則即使成功辨識出相關品牌，也可能在錯誤的情境中顯示廣告。

Google 的商業化路線則有所不同。根據 Google Ads 的官方說明，符合條件的搜尋、購物與 Performance Max 活動，可以參與 AI Overviews 或 AI Mode 的廣告競價。廣告可依使用者查詢及生成式回答的上下文配對，並依現有的 CPC 或轉換導向機制計費。Google 已經擁有成熟的搜尋廣告市場、廣告主基礎、競價系統與大量交易意圖訊號，因此它面臨的問題，是如何在 AI 改變搜尋介面的過程中，保留既有廣告業務的經濟價值。

OpenAI 則從對話產品出發，逐步建立廣告庫存、競價與成效衡量能力。前者正在改造既有市場，後者正在建立新市場，但兩者最終都試圖掌握同一個商業機會：在使用者尚未完成決策之前，提供與需求相關的商品或服務。

這裡有個容易被忽略的區別。AI 平台能夠出售贊助曝光，不代表廣告主能直接購買自然回答中的推薦位置。OpenAI 與 Google 都明確表示，贊助廣告與自然回答的產生機制分離，付費不會改變自然回答內容。

因此，品牌需要面對的是兩種不同的競爭：一種是透過公開資訊、第三方評價與產品資料，爭取進入 AI 自然產生的候選清單；另一種則是透過廣告競價，讓贊助訊息出現在合適的對話情境。兩者都可能影響消費者的最終選擇，卻不能在量測時被當成同一件事。這也是為什麼 GEO 與 AI 廣告應該建立各自獨立的成效指標，而不是將所有 AI 曝光歸類為單一的新行銷管道。

從注意力中介到決策中介，平台真正想掌握的是什麼？

回顧過去二十年的數位廣告市場，可以發現少數平台之所以建立龐大的商業價值，不只是因為它們擁有大量使用者，而是因為它們控制了消費者接觸資訊的入口。Google 掌握搜尋入口，Meta 掌握社交與內容分發入口，Amazon 則掌握大量站內商品搜尋與購買場景。這些入口都能讓平台在特定階段觀察或影響消費者的選擇。

AI 的特殊之處，在於它可能將原本分散在不同網站與服務中的多個階段，整合進同一個任務流程。過去，使用者可能先在 Google 搜尋，再到 YouTube 看評測、Reddit 參考意見，最後前往電商網站購買；但在代理式工作流程中，AI 可以替使用者完成資訊檢索、條件比較、候選排序，並在取得授權及系統支援的情況下，進一步協助完成交易。

於是，平台競爭的核心可能逐漸從「誰掌握流量入口」，擴張為「誰掌握決策與行動的入口」。這條決策鏈大致包含三個階段：資訊發現、決策形成與行動執行。在資訊發現階段，AI 負責找到符合需求的商品與服務；在決策形成階段，AI 進一步比較條件、排除不適合的選項，協助使用者縮小候選清單；到了行動執行階段，系統則可能協助預訂、詢價、購買或操作其他服務。目前的 ChatGPT 廣告主要仍屬於前兩個階段周邊的贊助觸及，但代理式商務的長期發展，可能讓第三階段變得更加重要，因為它已經不只是影響消費者的選擇，而是有機會直接參與交易。

試想未來某位使用者告訴 AI：「幫我找台北到東京最划算的機票，避開紅眼航班，價格合理就替我完成訂購。」如果系統真的可以取得航班資訊、比較條件並執行授權後的預訂，使用者就不一定需要親自打開多家航空公司或旅遊平台的網站。此時，商業價值不一定來自讓使用者看見某個廣告，而可能來自商品資料的可取得性、服務商能否成為候選，以及交易能否順利完成。從這個角度看，未來的商業競爭可能同時存在三種模式：付費觸及使用者、讓 AI 在自然比較中納入品牌，以及在授權工作流程中完成交易。這三種模式的收益歸屬與計價方式，可能完全不同。

McKinsey 在 2026 年 6 月的《The Agentic Advertising Economy: From Attention to Action》中，指出 AI 正在改變廣告市場中的價值分配。其針對 182 位美國廣告與行銷決策者的調查顯示，超過半數受訪者已投資嵌入 AI 生成內容的廣告形式；重新配置至 AI 相關形式的預算中，約四成來自傳統搜尋與開放網路等既有來源。這裡需要注意，調查呈現的是受訪者的預算配置與預期，並不代表整體廣告市場已經發生相同比例的移轉。但它至少揭示了市場開始將 AI 視為一個獨立的商業接觸入口，而不只是原本搜尋與社群媒體的附屬功能。

當平台掌握更多決策過程

真正值得深入討論的，是當平台控制的範圍逐漸擴大，它究竟可以取得什麼樣的競爭優勢。過去，不同平台掌握的是不同階段的資訊：搜尋引擎知道使用者搜尋了什麼，媒體知道使用者閱讀了什麼，電商平台則知道使用者最後購買了什麼。當某個 AI 平台同時掌握需求理解、商品比較、交易介面與部分成交結果時，它便可能取得更完整的決策回饋。這對廣告主具有吸引力，因為它可能改善歸因與轉換衡量；對市場競爭而言，卻未必全然是好事。

如果平台同時控制資訊呈現、廣告競價、交易入口與成效報告，廣告主就可能越來越依賴平台提供的數據，卻更難從外部驗證其決策與投放效果。

原本屬於多個服務商的能力，可能被整合進少數具有完整資料與交易閉環的平台。當平台控制的不只是曝光機會，而是從需求到購買的整段流程，它所擁有的競爭優勢，就不再只是流量，而是對交易路徑的控制能力。不過，這不是必然走向壟斷的單一路徑。開放式代理工具、跨平台 API、獨立支付與交易基礎設施，以及使用者同時採用多種 AI 服務的行為，都可能限制單一平台的控制力。因此，真正值得關注的競爭指標，不只是各家 AI 的使用者數，而是消費者是否能自由更換代理人、商家能否接觸多個代理平台，以及交易與資料是否具有可攜性。

當 AI 替人類挑選商品，代理人應該忠於誰？

當 AI 開始替人類比較與選擇商品，數位廣告還會遇到一個傳統媒體沒有如此直接面對的問題：代理人究竟應該忠於使用者，還是向它支付費用的廣告主？這涉及經濟學中的委託代理問題。使用者委託 AI 完成某項任務，是因為相信系統會依照自己的需求與利益行動；廣告主支付費用，則是希望增加自身商品被接觸、考慮及購買的機會。這兩種利益不必然完全衝突，一則真正符合需求的廣告，也可能幫助使用者找到原本不知道的商品。但如果商業激勵開始影響代理人對選項的判斷，利益衝突就會出現，而且這種衝突比傳統網站上的廣告排序更加難以察覺。

代理人的利益衝突如何出現？

假設使用者希望 AI 找出最便宜且符合條件的飯店，而某家飯店願意支付最高的廣告費。若 AI 因此把這家飯店當成客觀上的最佳選項，使用者便無法判斷推薦究竟來自自身需求，還是商業利益。這也是為什麼自然回答與付費廣告的區隔如此重要。截至目前，OpenAI 表示 ChatGPT 的廣告系統與回答生成分離，廣告主不能藉由投放改變自然回答的內容；Google 對其 AI 搜尋中的贊助內容，也提出類似的區隔原則。因此，現階段不能把 AI 廣告直接描述成「付費購買 AI 推薦」，但這並沒有消除整個商業模式的根本張力。

如果 AI 產品的價值來自替使用者過濾不必要的資訊，廣告收入卻依賴創造新的商業接觸機會，平台就需要在兩者之間維持平衡。過多的廣告可能降低使用者信任，過少的廣告則限制商業化規模。這使「使用者信任」不只是產品倫理，也可能成為長期的經濟約束。

一個頻繁提供不相關贊助內容的 AI 助理，也許能在短期創造更多曝光，卻可能讓使用者轉向其他工具，甚至選擇付費使用沒有廣告的服務。另一方面，過度依賴商業平台提供的排名與歸因結果，也可能讓廣告主無法獨立評估真正的增量效益。因此，AI 廣告市場是否能夠長期成長，除了相關性與轉換效率，還取決於平台能否建立可被外部理解、查核與信任的商業規則。

一份兩週觀測：AI 究竟替我省下了什麼？

前面的研究能支持產業趨勢，卻還無法直接回答我最初的疑問。當我不再親自閱讀大量來源頁面，究竟少看了多少廣告？而那些省下來的時間，又流向什麼地方？為了將這個問題變成可觀察的現象，我設計了一份十四天的個人紀錄。研究不以推估市場規模為目的，而是觀察同一位使用者，在直接瀏覽與 AI 代理閱讀兩種模式下，資訊取得效率、來源接觸與廣告曝光的差異。這份研究不能替代大型樣本的行為分析，但至少能將「AI 讓我更有效率」這種主觀感受，轉換成可以持續追蹤的實際指標。

兩週觀測怎麼進行？

研究期間預計為 2026 年 11 月 10 日至 23 日。A 模式由我親自使用 X、搜尋引擎與新聞網站蒐集資訊；B 模式則交由 AI 工具搜尋與整理相同類型的資訊。兩種模式交替進行，並盡可能以相近主題與任務難度配對，減少單純因為當天新聞量不同而造成的差異。觀測主題固定為 AI 搜尋、電商與台灣行銷，兩種模式都設定相同的資訊蒐集目標。

除了原本的來源頁數、使用時間、可見廣告數與資訊回想分數，我還會增加資訊可追溯性與時間去向兩項紀錄，分別觀察摘要是否能夠被原始來源驗證，以及 AI 省下的時間是否被轉移到其他具有廣告的媒體。

這裡需要先說明研究的限制。廣告數量只能代表我觀察到的可見版位，不等於廣告系統後台認定的有效曝光，更不能直接換算成廣告收入；回想測驗也存在學習、出題偏誤與題目難度差異，因此只能作為探索性指標。研究規模僅有一人、十四天，結果不具備母體推論能力，也無法完整排除不同日期的資訊供給差異。但這個設計至少能幫助我們區分三個不同的問題：AI 是否讓資訊蒐集需要的來源頁面造訪減少、是否在縮短時間成本的同時維持相近的資訊理解效果，以及原本可能產生廣告曝光的時間究竟流向什麼地方。

第三個問題尤其重要，因為一個人從 X 省下二十分鐘，並不代表廣告市場直接失去二十分鐘的注意力。他可能轉而觀看 YouTube，也可能去處理完全不接觸廣告的工作。如果時間被重新分配至其他廣告支持服務，整體廣告曝光未必同步下降；但如果這些時間被轉移到不具有廣告的工具或工作流程，原本可變現的注意力就可能真正減少。因此，資訊取得效率的提升，與廣告市場可以回收多少收益，是兩個必須分開量測的結果。研究目前尚未執行，我不預設任何一種結果會成立，而是希望先透過個人觀測建立初步框架，再判斷哪些現象值得投入更大規模的研究。

代理人普及後，數位廣告會變成什麼樣子？

如果把時間尺度拉長，AI 對數位廣告的影響可能不只是現有版位的重新分配。我認為至少存在三種值得觀察的市場演變方向，而且它們可能同時發生，而不一定按照固定順序出現。最接近現況的，是 AI 成為新的廣告媒體，但仍沿用既有的競價邏輯。AI 平台辨識使用者需求，從符合條件的贊助內容中選擇合適的廣告，再依點擊、曝光或轉換等機制向廣告主收費。廣告仍然直接呈現給人類，只是出現的時間從瀏覽頁面，轉移到對話中的商業相關情境。在這個市場中，AI 廣告可以被理解為搜尋廣告與情境式廣告的延伸，其規模取決於可投放對話量、商業意圖密度、廣告相關性與使用者接受程度。

當 AI 參與選擇與交易

第二種變化則來自 AI 逐漸成為決策中介。隨著使用者越來越習慣讓 AI 整理資訊、比較品牌，部分商業價值可能向決策形成階段集中。對品牌來說，問題會從「如何取得更多曝光」，進一步變成「如何在消費者縮小候選清單之前，成為可被發現與評估的選項」。在這個階段，公開商品資料的完整性、價格及庫存更新、第三方評價、品牌聲譽，以及服務可驗證性，都可能變得更加重要。這些因素未必能透過廣告預算直接購買，它們更接近 SEO、GEO、商品資料治理與數位品牌資產的交集。因此，未來行銷預算不一定只從 Google Ads 轉向 ChatGPT Ads，也可能有一部分被投入改善商品資訊與 AI 可取得的品牌資料。

更長期的變化，可能出現在消費者不再需要逐項操作交易的情境。如果 AI 代理人能夠依照使用者的授權條件，自行比較方案、確認庫存、提交訂單與完成付款，部分商業接觸就可能發生在系統與系統之間。例如，代理人替企業採購雲端服務時，可能更重視產品 API、價格條款、SLA、身份驗證及採購流程，而不是傳統網頁上的視覺廣告。對商家而言，能否被代理人正確找到、理解、驗證與操作，將直接影響交易機會。這裡的商業模式未必仍是傳統 CPC，它可能包含交易手續費、服務分潤、代理平台費用或新的商業資料分發機制。

不過，這些模式目前仍存在高度不確定性。代理人的授權邊界、錯誤責任、付款安全與平台互通性，都是大規模普及之前需要解決的問題。

更重要的是，若商業利益能夠直接改變代理人的選擇，便可能重現前面提到的委託代理衝突。因此，未來的代理式商務不只是技術能否完成交易，更是市場能否建立可信任的選擇與交易制度。真正值得研究的不是某種新的計價模式會不會完全取代 CPC，而是當商業決策從使用者手中部分轉移至代理系統時，哪些服務仍然需要購買人的注意力，哪些服務則會開始競爭機器對商品與交易條件的判斷。

對行銷者而言，現在應該開始量測什麼？

這些變化還沒有形成一套完全成熟的新廣告制度，但對行銷者而言，現在已經可以建立一些觀測基準，而不需要等到代理式商務全面普及。首先，應將 AI 自然可見度與付費廣告成果分開。LS-Labs 先前整理 ChatGPT 廣告案例時，引用 SE Ranking 對商業提問的觀測：在其樣本中，出現廣告的版位裡，只有 3.63% 的廣告主也同時出現在回答引用之中。這是特定測試樣本的版位層級觀測，並非所有廣告主的整體比例，更不能由此推論廣告與自然推薦之間存在因果關係。

但這個結果足以提醒我們，付費廣告與 AI 回答引用，是不同的可見度機制，應該分開建立測量方式。

其次，AI 廣告需要更重視增量效果，而不是單純比較 CPC 與 ROAS。如果一個品牌原本就會被 AI 自然列入候選清單，額外投放廣告究竟增加了多少新客、詢價或訂單？如果不能回答這個問題，廣告報表中的轉換就不一定代表真正的新增收益。較可靠的方式，是在條件允許時使用對照組、分區投放或其他增量測試，並把轉換追蹤延伸至實際成交與毛利。

同時，企業也需要開始管理供 AI 使用的商品與服務資訊。一個網站即使有足夠的傳統搜尋流量，如果產品規格過時、服務條款不清楚、庫存難以確認，或第三方資訊與官網內容相互矛盾，AI 仍可能無法可靠地將它納入比較。

這不只是為了讓品牌被 AI 引用。當 AI 逐步參與更多消費決策，資訊的可信度、完整性與可操作性，都可能變成商業競爭的實際條件。LS-Labs 的 GeoCheck 可以作為建立品牌 AI 回答能見度基準的其中一項工具，但這類觀測仍應固定測試題目、模型、時間與評估標準，不能將單次結果直接視為品牌的整體市場表現。更重要的是，企業需要逐漸把 AI 的自然推薦、廣告曝光與實際轉換視為三個不同的觀測層次，否則很容易將品牌原本就具備的市場影響力，錯誤歸因於某一次付費投放。

廣告沒有消失，只是注意力與商業價值不再由同一個入口掌握

回到文章最初的問題，當人們不再親自瀏覽資訊，數位廣告的價值還剩下什麼？我認為，它剩下的不是單純的曝光，而是品牌能否在消費者形成選擇的過程中，創造額外商業價值的能力。過去，廣告產業將這項能力拆解為曝光、點擊與轉換，並建立了一套相對成熟的交易與衡量制度，但 AI 正在改變這些指標背後的行為。人們可能閱讀更少的原始頁面，卻取得相同甚至更多資訊；可能沒有接觸某個品牌的網站，卻已經受到其公開資訊影響；也可能在尚未點擊任何廣告之前，就透過 AI 完成大部分的產品比較。這些變化並不一定使廣告失去價值，卻讓傳統用來觀察與交易廣告價值的方式，逐漸無法完整反映真實的決策過程。

對內容產業而言，這意味著被使用不再保證被造訪，資訊價值與收益回收開始分離。對廣告主而言，被曝光不再足以代表進入決策，甚至被點擊也不一定等於創造了新增需求。對 AI 平台而言，則是一個更難處理的問題：如何在替使用者過濾資訊的同時，建立能夠支持營運、又不破壞信任的商業模式。最值得注意的，是三者之間的權力分配正在發生變化。過去，網站控制內容，平台控制流量，廣告主購買接觸消費者的機會。現在，AI 可能逐漸掌握資訊如何被整合、哪些選項被呈現，以及消費者下一步採取什麼行動。

但這並不意味著 AI 平台可以任意決定消費者應該購買什麼。使用者的信任、品牌的可信度、市場競爭與代理人的授權邊界，都會限制這種權力。

或許未來最重要的廣告問題，不再只是「如何讓更多人看到我」，而是「當消費者把資訊判斷交給 AI，我是否仍有機會被公平地發現、理解與選擇」。我最初只是想節省每天刷 X 的時間，但當我不再造訪那些內容來源時，突然意識到原本由我親自完成的資訊選擇，已經有一部分交給 AI 決定。真正值得研究的，或許正是這個看似微小的轉變：當人類將資訊選擇交給代理人，數位廣告的競爭就不再只發生於人的注意力之上，也開始發生於代理人替人類作出選擇之前。而決定下一代數位商業秩序的，可能正是誰能參與這段選擇過程，以及誰有權決定它應該如何運作。