一、為什麼 2026 年再不談 DCO 會來不及
媒體操作的競爭力，正在從「選對素材」轉向到「餵得夠多素材」。Meta 把「高效速成+ 廣告創意圖像生成」放進廣告建立流程；Google Performance Max 素材資源群組要求最低要設定 5 組標題、5 組描述，15 個各種比例的圖片或影音。素材少了，廣告效力評級直接下修。巨頭的演算法胃口，已經不允許你的素材生得少。
從 CLICKFORCE 跨客戶的實務觀察，素材有效週期已從 14 天壓到一週。產能翻倍，但人力沒有跟著翻倍，這就是動態創意優化（Dynamic Creative Optimization，以下簡稱 DCO）此時非做不可的原因。
二、平台 AI 工具補了產能，補不了品牌
主流的廣告投放平台在這兩年陸續端出原生 AI 生圖工具，根據廣告帳戶提供的素材，推導你的風格傾向，加上產品類別等資訊，一次給你十幾張 AI 生成圖片。這些工具把產能不足的那一半問題解決了：以前兩位設計師一天畫兩張視覺，現在點一次 30 秒 10 張。但品質那半問題沒解決，甚至把問題放大：產品走樣、文字亂碼、AI 生圖常見的多指問題它都會發生。
平台原生 AI 生圖工具也衍生出一個更深層的問題：AI 模型是基於產品類別做推導，這會讓你的母嬰品牌生出來的圖跟對手的母嬰廣告幾乎一樣，同類素材一起進競價，CPM 墊高、頻次疲乏的更快。品牌投廣告是為了差異化，平台原生工具卻把你拉回產業中位數，方向剛好相反。
DCO 要解決的，是產能上去的同時，品牌價值也要跟著上去。
三、DCO 的三層框架
我們內部使用一個三層的框架來評估 DCO。三層都能支援的，才算是完整的 DCO 產品。
第一層，素材基因庫：把品牌視覺拆解。品牌色要的不是「粉紅」，而是 #FFC3CB 。字型不是「黑體」，是思源黑體 Medium。文字語氣不是「您」而是「你」、避免驚嘆號。
第二層，受眾模組。每一個模組可從數據源打撈、並組成 prompt 片段，送進第三層模型，也對應一組可直接投放的受眾。
第三層，多模型協作層。我們不自己訓練生成模型，而是將頂級的商用模型做組合。需要複雜語意講產品：用 OpenAI GPT Image2 或 Google Nano Banana Pro。需要圖轉短影音：用 Kling O3 或 ByteDance Seedance 2.0。市場頂級模型每2個月就迭代一次，進步速度遠快於任何平台的內建模型。真正的競爭力，不在於是否自建模型，而在於能否把對的模型組合在對的場景上。
四、我們的解決方案
三層框架的具體實踐，就是域動 DCO。一個視覺化的素材管線，熟悉 n8n 的人能夠馬上上手：拖節點、接線、按執行，透過「去背」、「合成」把產品放進情境圖，再到「A/B變體」產生不同版本，最後透過「多平台尺寸調整」將素材調整成 Meta、Google Ads、域動聯播網能直接投放的素材形式。
域動 DCO 平台
L1 基因庫在域動DCO裡：產品圖上傳後，會先經過「品牌風格節點」轉換，把基因庫裡的色票套到圖上。出來的素材長得像你自己的品牌，而不是像產業平均。
L2 受眾模組在域動DCO裡：素材節點上最多可同時掛三組受眾模組，例如「女性 × 18-24歲 x 手繪插畫」、「男性 × 3C x 寫實攝影」。同一份產品圖會生出對應每組受眾的不同風格素材，等於一次完成多組不同受眾的素材準備。
L3 多模型編排在域動DCO裡：使用者看到的是「生成」一個節點，背後使用的是多種頂級模型。按一次執行，完成一整包 Meta、Google Ads、域動聯播網規格齊全、可直接投放的素材。
域動DCO在 pilot 階段，以我們自己代操的幾個帳戶為主。同樣 20 組素材的產能，從兩位設計師一週的工作量，加速到一位操作員一天就能完成。
五、下一站：創意 Agent
DCO 解決了素材產出，下一個問題隨之浮現：人為什麼還要每天早上 9 點打開後台、比對前一天素材表現、決定哪幾組暫停、哪幾組加碼？同一個 CTR 下滑的訊號，背後可能是素材疲乏、可能是受眾撞到天花板、可能是競品檔期擠壓，處置方式完全不同。
規劃中的創意 Agent 將承接這個位置。它會把多種成效訊號、預算花費節奏放在一起判斷。Agent 不會只看 CTR，它會同時查看多方的數據，再決定是否要暫停、換素材還是換時段試試。
六、回到 DCO
真正拉開差距的，從來不是是否導入 AI，而是是否清楚知道應該讓 AI 放大什麼。如果你正在管一個月 200 萬起跳的 Meta 或 Google 預算、每週被素材產能追著跑，DCO 對你不是 2027 年的話題，是這一季就該試的東西。
域動DCO今年開放 10 個免費名額，以電商與中小代理商檔期節奏為主。想試用，或單純聊聊產能困境，歡迎留信箱。
