Amazon Ads Agent: Nagiging Agentic ang Retail Media sa unBoxed 2026

Laging may isang bentahe ang retail media kaysa sa iba pang digital advertising: nasa tabi ito ng pagbili. Sa unBoxed 2026, nagdagdag ang Amazon ng ikalawang bentahe. Naglagay ito ng AI agent sa harap ng halos lahat ng ginagawa ng isang advertiser sa platform nito, mula sa pagbili hanggang creative hanggang pagsukat.

Ano ang nangyari

Inililista ng sariling buod ng Amazon, ang The 11 biggest takeaways from unBoxed 2026, ang mga anunsyo. Ang sentro ay ang Amazon Ads Agent, isang pinag-isang buying experience na pinagsasama ang dating DSP at Ads Console at sumasaklaw sa Sponsored ads, Full-Funnel Campaigns at DVA+, na may conversational AI experience sa pinalawak na closed beta.

Hinahayaan ng Full-Funnel Campaigns ang AI na pamahalaan ang channel mix, creative, audience at optimisation sa video, display at audio. Sinasabi ng Amazon na nakakita ang mga beta tester ng 67% na mas mataas na long-term return on ad spend at 29% na mas mababang gastos sa pagkuha ng new-to-brand na customer. Lumilikha ang mga AI creative tool sa loob ng Ads Agent ng display ads at video mula sa mga umiiral na product asset; sinasabi ng Amazon na ang mga advertiser na gumamit ng mga ito ay nakakita ng hanggang 71% na mas malawak na product coverage at hanggang 15% na paglago ng benta kumpara sa kanilang mga naunang resulta.

Sa pagsukat, nagbibigay ang Ads Agent ng access sa halos 1,000 metric sa pamamagitan ng mga conversational query, na lumilikha ng mga business review na may visualisation at peer benchmark. Ginagawang Amazon Marketing Cloud SQL ng isang AMC Expert Tool ang mga request sa natural na wika. Inanunsyo rin ng Amazon ang isang Ads MCP Server (Lite) upang makapagtrabaho ang mga panlabas na agent sa Amazon Ads, ang Branded Conversations para sa pagpapakita ng mga pagkakaiba ng brand sa loob ng Alexa for Shopping, at ang Sponsored Services, na may Yelp bilang anchor partner para sa mga lokal na serbisyo. Lahat ng numero ng performance ay sariling numero ng Amazon.

Bakit ito mahalaga

Dalawang pagbabago ang namumukod-tangi.

Ang una ay nagiging pag-uusap na ang interface sa ad platform. Ang paghingi ng business review sa simpleng wika, sa halos isang libong metric, ay nag-aalis ng maraming nakakapagod na trabaho. Nangangahulugan din ito na hinuhubog ng tanong mo ang sagot na makukuha mo. Dati, gumugugol ang mga analyst ng ilang oras sa pagpapasya kung aling hiwa ng data ang patas. Pinadadali ng isang chat box na laktawan ang hakbang na iyon.

Ang ikalawa ay inaako na ng platform ang buong funnel. Kapag ang AI ang pumipili ng channel mix, creative at audience, at ang parehong platform ang sumusukat sa resulta, kailangang maging malinaw ang mga advertiser kung aling mga desisyon ang ipinagkakatiwala nila at paano nila beberipikahin ang mga resulta.

Ang sinasabi ng aking pananaliksik

Isinulat ko ang tensyong ito sa pagsukat sa e27, sa Every dashboard is green. So why can't anyone say what worked? Hindi awtomatikong nagbubunga ng mas mahusay na pag-unawa ang mas mahuhusay na reporting tool. Gagawing mas madali pa ng natural-language analytics ang paggawa ng mga dashboard. Nagiging mas mahalaga, hindi mas kaunti, ang disiplina ng pagtatanong ng "kumpara saan?".

Sa creative na panig, nakatuon ang aming pananaliksik sa paghula at pagpapaliwanag ng performance. Sa Fusing Predictive and Large Language Models for Actionable Recommendations in Creative Marketing (ACM TOIS 2025), pinagsama namin ang performance prediction at mga LLM upang ang isang creative score ay maging rekomendasyong maaaring aksyunan. Makapangyarihan ang paglikha ng display at video mula sa mga product asset sa malawakang saklaw, ngunit kalahati lamang ng loop ang paglikha. Ang kabilang kalahati ay ang pagkaalam kung aling variant ang susuportahan at bakit, at dapat pag-aari ng brand ang kaalamang iyon, hindi lamang ng optimiser ng platform.

May punto rin tungkol sa long tail. Sinasabi ng Amazon na ang mga advertiser na gumamit ng mga AI creative tool nito ay nakaabot ng mas malawak na product coverage. Sa aking pananaw, ang long-tail coverage ang lugar kung saan pinatutunayan ng AI ang halaga nito: ang libu-libong SKU at niche audience na hindi kailanman susulatan ng indibidwal na ad ng anumang human team. Tinalakay ko ang long-tail at lower-funnel optimisation sa Forbes sa Low-Funnel Ad Optimization On Social Media Platforms. Totoo ang oportunidad, basta't lumalaki rin kasabay nito ang quality control.

Ang dapat gawin ngayon ng mga retail media team

• Pagpasyahan ang iyong delegation map. Isulat kung aling mga lever ang maaaring kontrolin ng Ads Agent (bid, channel mix, creative variant) at alin ang nangangailangan ng pag-apruba ng tao.
• Magtanong ng mas mahuhusay na tanong sa conversational analytics. Laging hingin ang paghahambing: laban sa nakaraang panahon, laban sa isang holdout, laban sa isang peer benchmark, at itala kung alin ang ginamit mo.
• Gamitin ang AI creative para sa coverage, pagkatapos ay magbawas. Lumikha ng mga asset para sa long tail ng mga produkto, ngunit suriin ang performance at alisin ang mahihinang variant ayon sa iskedyul.
• Panatilihin ang sarili mong talaan ng mga resulta. I-export ang mahahalagang resulta sa sarili mong pagsusuri upang maihambing mo ang Amazon sa ibang mga channel sa parehong batayan.
• Galugarin nang maingat ang MCP. Episyente ang pagkonekta ng sarili mong mga agent sa Amazon Ads, ngunit bigyan sila ng pinakamakitid na pahintulot na gumagana.

Ginawa ng Amazon na kayang sumagot ng ad platform. Ang mga team na pinakamakikinabang dito ay ang mga patuloy na nagtatanong dito ng mahihirap na tanong.

FAQ