Amazon Ads Agent：零售媒体在 unBoxed 2026 迈向智能体化

零售媒体相对于其他数字广告，一直有一个优势：它紧挨着购买行为。在 unBoxed 2026 上，Amazon 又增加了第二个优势：它在广告主于其平台上所做的几乎所有事情前面——从购买到创意再到效果衡量——都放上了一个 AI 智能体。

发生了什么

Amazon 官方总结The 11 biggest takeaways from unBoxed 2026列出了各项发布。核心是 Amazon Ads Agent：一个统一的购买体验，合并了原有的 DSP 与 Ads Console，覆盖 Sponsored ads、Full-Funnel Campaigns 和 DVA+，其对话式 AI 体验正处于扩大范围的封闭测试中。

Full-Funnel Campaigns 让 AI 在视频、展示和音频广告中管理渠道组合、创意、受众与优化。Amazon 称，测试用户的长期广告支出回报提高了 67%，获取品牌新客的成本降低了 29%。Ads Agent 内置的 AI 创意工具可以基于现有产品素材生成展示广告和视频；Amazon 称，使用这些工具的广告主与此前的结果相比，产品覆盖率最多提升 71%，销售额最多增长 15%。

在效果衡量方面，Ads Agent 可通过对话式查询调用近 1,000 项指标，生成附带可视化图表和同行基准的业务回顾。AMC Expert Tool 可以把自然语言请求转换为 Amazon Marketing Cloud 的 SQL。Amazon 还发布了 Ads MCP Server（Lite），让外部智能体能够与 Amazon Ads 协作；Branded Conversations，用于在 Alexa for Shopping 中呈现品牌差异化卖点；以及 Sponsored Services，以 Yelp 作为本地服务的首发合作伙伴。所有效果数据均为 Amazon 自行公布。

为什么重要

有两个转变尤为突出。

第一，广告平台的界面正在变成一场对话。用自然语言、跨近千项指标请求一份业务回顾，免去了大量繁琐工作。但这也意味着，你提出的问题决定了你得到的答案。分析师过去要花几个小时来决定哪种数据切分方式才是公平的；一个聊天框却让人很容易跳过这一步。

第二，平台正在接管整个漏斗。当 AI 决定渠道组合、创意和受众，而由同一个平台来衡量结果时，广告主必须清楚自己把哪些决策交了出去，以及将如何验证结果。

我的研究怎么看

我曾在 e27 的Every dashboard is green. So why can't anyone say what worked?一文中讨论过效果衡量中的这种张力。更好的报告工具并不会自动带来更好的理解。自然语言分析会让仪表盘变得更容易生成，而追问“与什么相比？”这一纪律只会变得更重要，而不是更不重要。

在创意方面，我们的研究一直聚焦于预测效果并解释效果。在Fusing Predictive and Large Language Models for Actionable Recommendations in Creative Marketing（ACM TOIS 2025）中，我们将效果预测与大语言模型结合，让创意评分变成可执行的建议。基于产品素材大规模生成展示广告和视频很强大，但生成只是闭环的一半。另一半是知道该押注哪个版本、为什么——而这份认知应当属于品牌，而不只属于平台的优化器。

还有一个关于长尾的观点。Amazon 称，使用其 AI 创意工具的广告主实现了更高的产品覆盖率。在我看来，长尾覆盖正是 AI 体现价值的地方：成千上万个 SKU 和小众受众，没有任何人工团队会为它们逐一撰写广告。我曾在 Forbes 的Low-Funnel Ad Optimization On Social Media Platforms中讨论过长尾与漏斗下层的优化。这个机会是真实的，前提是质量控制能随之同步扩展。

零售媒体团队现在应该做什么

• 确定你的授权清单。写明哪些杠杆可以交由 Ads Agent 控制（出价、渠道组合、创意版本），哪些需要人工批准。
• 向对话式分析提出更好的问题。始终要求对比：与上一周期相比、与对照组相比、与同行基准相比，并记下你使用的是哪一种。
• 用 AI 创意扩大覆盖，然后再精简。为长尾产品生成素材，但要按计划复盘效果、淘汰表现弱的版本。
• 保留你自己的结果记录。把重要的结果导出到你自己的分析中，这样才能在同一基础上比较 Amazon 与其他渠道。
• 谨慎探索 MCP。把你自己的智能体接入 Amazon Ads 很高效，但只授予它们能完成工作的最小权限。

Amazon 让广告平台会回话了。能从中获益最多的团队，将是那些不断向它提出尖锐问题的团队。

常见问题