Google Direct Offers 值得台灣中小企業關注，但它不是「折扣越大越好」的捷徑。Google 正把優惠、購物資料與 AI Mode 的高意圖搜尋更緊密連在一起；對商家來說，真正要先準備的是可履行的優惠條件、乾淨的商品資料、可量測的促銷事件，以及不會誤導消費者的限制說明。若這些底線沒補齊，AI 只會把錯誤折扣、缺貨商品或無法追蹤的活動放大到更多購買情境。
為什麼 Google Direct Offers 會改變優惠活動的檢查順序
Google 在 Direct Offers 頁面把這個格式描述為能在 AI Mode 與 Search 的購買時刻呈現具說服力的促銷；Google 的 agentic commerce 說明也提到，零售商會面對更接近「AI 協助搜尋、比較、甚至結帳」的購物流程。這代表優惠不再只是在官網橫幅、EDM 或廣告素材裡被看見，而可能被 AI 當成回答與購買建議的一部分。
對台灣 SME 來說，這個變化的重點不是馬上追新功能，而是把每一個優惠整理成 AI 可以理解、平台可以審查、顧客可以信任、團隊可以量測的資料。Google Merchant Center 的促銷政策本來就要求優惠符合資格、限制與期間規範；台灣公平會的網路廣告處理原則也要求優惠活動的重要限制條件要充分揭示。兩者合在一起看，Direct Offers 前的準備應該從「優惠治理」開始，而不是從「更殺的文案」開始。
上 AI Mode 前先補 5 條優惠底線
1. 毛利底線：AI 只能放大你承受得起的優惠
第一條底線是毛利。若商品本身已經靠低毛利走量，Direct Offers 或 AI 購物廣告帶來的點擊與訂單不一定代表好事；它可能只是把原本就不該大量曝光的折扣推給更多人。實務上，台灣 SME 應把每個優惠先標記為三種狀態：可以常態曝光、只適合短期清庫存、只能給特定舊客或會員。
這個分類也能避免 AI 或廣告平台把所有促銷都當成同等價值。團隊在送出優惠前，至少要確認折扣後毛利、運費補貼、退貨成本、付款手續費與客服成本。若算完只剩下「看起來有成交」，但沒有合理利潤，這個優惠就不適合進入 AI Mode 的高意圖購物情境。
2. 庫存底線：不要讓 AI 推一個快缺貨或不穩定的商品
Google 的購物與促銷資料仰賴商品資訊、可購買狀態與政策一致性。若台灣商家同時經營官網、蝦皮、門市與團購通路，最容易出錯的是庫存與適用商品範圍。Direct Offers 類型的優惠若導到缺貨、尺寸不完整、規格不一致或活動頁未更新，顧客會把問題歸咎於品牌，而不是平台。
上線前請先把商品分成「庫存穩定」、「限量清倉」、「補貨不確定」三類。只有庫存穩定或明確限量的商品適合放大；補貨不確定的商品，應先改善商品頁狀態、替代商品推薦或到貨通知，而不是急著丟折扣。
3. 限制條件底線：優惠要能被人和 AI 一眼看懂
台灣公平會網路廣告處理原則列舉，提供優惠券、買一送一或下載折價券等活動時，若未明示使用條件、負擔或期間，可能造成錯誤認知。這點放到 AI 搜尋更重要，因為 AI 摘要或購物回答可能只擷取活動的核心承諾；限制條件若藏在小字或圖片裡，就更容易被漏掉。
每個優惠都應該有結構化的五個欄位：適用商品、適用對象、開始與結束時間、不可併用條件、最低消費或運送限制。這些內容必須同時出現在商品頁或活動頁的 HTML 文字裡，不能只放在圖片、限動或客服話術中。若你不希望 AI 或搜尋結果誤解優惠，就要先讓限制條件清楚可讀。
4. 追蹤底線：至少要分清楚看見優惠與點擊優惠
Google Analytics 的 recommended events 包含電商與促銷相關事件，例如 view_promotion、select_promotion、add_to_cart、begin_checkout 與 purchase。對 SME 來說，不需要一開始就建複雜模型，但至少要把「看見優惠」與「點擊優惠」分開，否則活動結束後只會看到總營收，卻不知道是折扣本身有效、商品剛好熱賣，還是廣告預算推高了流量。
實務做法是替每個 Direct Offers 候選活動建立固定命名：優惠名稱、商品群、通路、客群與期間。若未來要用 AI 協助判讀活動成效，這些命名會比事後手動整理報表更重要。AI 能幫你找出異常，但前提是資料一開始就能對得起來。
5. 個資與分眾底線：不要把所有舊客資料都拿來做折扣推送
如果優惠會搭配會員名單、LINE 推播、Email 或再行銷受眾，就不能只看平台功能。台灣個資法第 20 條要求非公務機關在特定目的必要範圍內利用個人資料；做行銷時，當事人拒絕接受行銷就應停止利用，首次行銷也應提供拒絕方式。這代表 AI 幫忙分眾時，仍要尊重原本蒐集目的、退訂狀態與資料使用邊界。
比較穩健的做法，是先用非個人化資料判斷優惠是否成立，例如商品毛利、庫存、頁面轉換與整體促銷互動；只有在同意與退訂狀態清楚時，才把優惠推送到特定會員名單。不要讓 AI 把「看起來可能會買」誤解成「可以直接推送」。
5 條底線的實務檢查表
| 檢查項目 | 上線前要確認 | 沒有通過時的處理 |
|---|---|---|
| 毛利 | 折扣、運費、退貨與手續費後仍有合理利潤 | 改成會員限定、短期清倉或取消放大曝光 |
| 庫存 | 商品規格、尺寸、門市與官網庫存狀態一致 | 先修商品資料、替代品或補貨通知 |
| 限制條件 | 期間、對象、不可併用、最低消費都以文字清楚呈現 | 補活動頁 HTML 文字，不只放圖片小字 |
| 追蹤 | 能分辨 view_promotion、select_promotion、加購與購買 | 先建立活動命名與 GA4 事件，再放大流量 |
| 個資 | 分眾與推播符合原蒐集目的、同意與退訂狀態 | 改用非個人化商品資料判斷，暫停名單推送 |
台灣 SME 的 7 天準備流程
第一天，列出未來一個月可能放大的優惠，不要超過 5 個。第二天，逐一算毛利與庫存，刪掉不適合高曝光的活動。第三天，重寫活動頁限制條件，確認手機版也能看清楚。第四天，建立 GA4 或後台活動命名，至少能追蹤曝光、點擊、加購與購買。第五天，檢查 Merchant Center 促銷政策與商品資料。第六天，確認會員推播、LINE、Email 與再行銷名單的退訂與同意狀態。第七天，讓業務、客服與營運各看一次，確認顧客真的可以照活動頁完成購買。
這個流程看似比直接丟折扣慢，但它能避免三種常見損失：第一，優惠吸引到錯誤訂單；第二，客服被限制條件問題淹沒；第三，活動結束後沒有資料可以判斷是否該重做。Direct Offers 只是新的呈現位置，真正的競爭力仍然來自後端的優惠紀律。
適用與不適用情境
這套做法適合有官網或 Merchant Center 商品資料、已經在做 Google Ads 或 SEO、且經常安排折扣或組合優惠的台灣電商品牌、零售門市、課程服務與地方商家。若你的主要問題是商品頁資料混亂、庫存常常不準、或活動條件常靠客服口頭補充，應先修基礎資料再談 Direct Offers。
它不適合把折扣當成唯一成交手段的團隊，也不適合用在需要高度個人化判斷的敏感商品或法規較嚴的行業。若優惠牽涉醫療、金融、保健功效、抽獎、分期或跨境條件，應先請專業人員檢查宣稱與限制，再把活動交給 AI 或廣告平台放大。
資料更新與限制
本文於 2026-07-07 依據 Google 的 Direct Offers 公告頁、agentic commerce 說明、Universal Commerce Protocol 文件、Merchant Center 促銷政策、Merchant Center 促銷入門、GA4 recommended events、公平會網路廣告案件處理原則與個資法第 20 條說明整理。Direct Offers、AI Mode 與 agentic checkout 的可用市場、商家資格、廣告格式與審查流程仍可能調整；台灣商家正式執行前，應再確認 Google 後台與在地法規要求。
結論：先讓優惠可信，再讓 AI 放大
Google Direct Offers 的機會在於，它可能把優惠推到更接近購買決策的位置；風險也在同一件事上，它會更快放大錯誤。台灣 SME 與其急著追新格式，不如先建立一張優惠底線表：毛利、庫存、限制條件、追蹤與個資。當這五件事都能被團隊、顧客與平台理解，AI Mode 才會成為放大好活動的通路，而不是放大營運漏洞的放大器。
FAQ
Google Direct Offers 現在台灣商家一定可以使用嗎？
不一定。Direct Offers 與 AI Mode 相關功能仍可能依市場、帳戶資格與 Google 後台開放狀態調整；台灣商家應先把商品資料、促銷政策與追蹤基礎補齊，再確認後台是否可用。
如果我沒有 Merchant Center，還需要準備這些優惠底線嗎？
需要。就算暫時不上 Google 促銷，毛利、庫存、限制條件、追蹤與個資同意仍是任何折扣活動的基本治理，未來接 Google 或其他 AI 購物通路也會更快。
Direct Offers 最適合哪一種促銷？
比較適合毛利可承受、庫存穩定、限制條件簡單、商品頁資料完整且能追蹤成效的優惠。不適合用來硬推缺貨、低毛利或條件複雜的活動。
AI 可以自動幫我決定要給誰折扣嗎？
可以協助分析，但不應自動越過個資與同意邊界。若要用會員、LINE、Email 或再行銷名單分眾，仍要確認蒐集目的、退訂狀態與首次行銷拒絕方式。
促銷追蹤一定要做到很完整才可以開始嗎？
不必一開始就很複雜，但至少要能分清楚看見優惠、點擊優惠、加購、結帳與購買。否則活動結束後，很難知道折扣是幫助成交還是只是在消耗毛利。