Day 17 在同通路、同受眾裡比完，有人物的圖點擊率是 1.28 倍、按鈕在右下是 1.13 倍、暖色是 1.08 倍，今天把新客受眾裡點擊率最低的三張圖拉出來，Meta 的大浴巾 cr-meta-evg-p2 是 1.58%、Meta 的洗臉毛巾 cr-meta-aut-p1 是 1.60%、LINE 的訓練襪 cr-line-trn-p1 是 1.66%，三張都沒有人物，按鈕不是放在中間就是沒有按鈕，主色不是冷色就是中性色，等於 Day 17 找到有效的三個特徵它們一個都沒有。
只挑新客受眾是因為再行銷受眾的點擊率本來就比較高，全部放在一起排，最低的永遠是新客的圖，這一點 Day 17 已經看過了。
改版的方向看起來很清楚，但實際打草稿時麻煩的是細節，標題要寫什麼、副標放哪個賣點、按鈕上的字要不要換，今天把 Day 17 的倍數表、原圖和商品資料一起交給 Gemini，請它在 BigQuery 裡直接交出結構固定的草稿，再用同一份題目做兩個版本，一版沒寫品牌規則，一版在最後多加四條規則，看規則到底擋掉了什麼。
今日核心目標：
| 步驟 | 做什麼 | 產出 |
|---|---|---|
| 準備參考表 | 商品事實照抄 Day 04 小店的商品頁，另建一份不能寫進廣告的詞 | ref_product_facts 5 列、ref_claim_terms 38 列 |
| 打草稿 | 3 張圖 × 2 版題目 × 各 2 次，response_schema 規定 14 個欄位 | mm_drafts_log 呼叫紀錄 |
| 整理 | 每份草稿一列，算好照成效改了沒、引用的倍數對不對、冒出哪些詞 | mart_creative_drafts 12 列 |
| 檢查與報表 | 14 項流程檢查、八段報表 | check.sql、report.sql |
| 延伸 | rules 版一份草稿的畫面描述交給 Veo 3.1 Lite | 素材 bucket 的 veo/ 資料夾 |
💡 核心工程理念：
generate.sql 每次執行都從 mart_creative_lift 讀出來組成一段文字，Day 17 的資料更新之後重跑，題目裡的數字跟著變題目開頭先交代角色和品牌，接著分成四段，第一段是商品資料，取自 Day 04 小店商品頁的名稱、副標、說明、故事、材質與產地，第二段是這張圖的現況，用的是 Day 16 AI 看圖讀出來的特徵，題目裡寫的是「另一個模型看過這張圖」，第三段是倍數表，第四段是要交出的欄位，最後是上面那句「請盡量發揮創意」，倍數表那一段由 mart_creative_lift 組出來，Gemini 看到的是這樣：
person 畫面有真人：點擊率 1.28 倍，轉換率 1.09 倍（95% 信賴區間 0.93–1.28，區間包含 1，看不出差別）
cta 按鈕放在右下角：點擊率 1.13 倍，轉換率 1.13 倍（95% 信賴區間 0.94–1.37，區間包含 1，看不出差別）
warm 主色是暖色：點擊率 1.08 倍，轉換率 1.03 倍（95% 信賴區間 0.85–1.26，區間包含 1，看不出差別）
text 標題之外還有賣點或標籤：點擊率 0.97 倍，轉換率 1.08 倍（95% 信賴區間 0.91–1.29，區間包含 1，看不出差別）
只給分層後的倍數，不給不分層的，Day 17 已經看過不分層的右下按鈕連轉換率的方向都會反過來，轉換率的區間都包含 1，所以每一行都直接寫明看不出差別，轉換率的部分不需要模型自己判斷，點擊率只給倍數沒有給區間，文字量的 0.97 在 Day 17 判定為看不出差別，題目裡沒有註明，四捨五入也在組文字時就做好，mart.sql 檢查引用的倍數時用同一個取到小數兩位的值比對。
每份草稿要交 14 個欄位，標題、副標、標籤、按鈕文字、按鈕位置、要不要有人、主色、文字量、構圖說明、給生圖或生影片模型用的英文畫面描述、改了什麼、最主要依據哪個特徵、那個特徵的倍數、預期效果。
第一輪用的是 Day 16 的寫法，output_schema 只鎖型別，free 版 6 份都合格，rules 版 6 份只有 3 份合格，一份寫了 4,081 個 Token 撞到輸出上限被截斷，另外兩份在 text_density 的 high 後面多接了一串英文，其中一份是一大段自問自答要填 high 還是 low，型別是字串，所以 output_schema 照收，選項外的值在 generate.sql 的成功定義裡算失敗，不會進草稿表。
這和 Day 15 的結論一樣，output_schema 鎖得住型別，鎖不住選項，Day 15 六張圖的分類題兩種鎖法看不出差別，今天題目變長、要寫文案，差別就出來了，第二輪改用 response_schema，把按鈕位置、主色、文字量和引用的特徵用 enum 鎖在選項裡，為了讓兩版用同一種鎖法比較，free 版也一起重跑，兩版 12 次全部重來，第一輪的紀錄留在 mm_drafts_log，method 欄位是空的那 12 筆就是第一輪的結果，費用照算，下面是 14 個欄位裡的節錄：
"response_schema": {"type": "OBJECT", "properties": {
"headline": {"type": "STRING"},
"cta_position": {"type": "STRING", "enum": ["center", "bottom_right", "none"]},
"dominant_color": {"type": "STRING", "enum": ["warm", "cool", "neutral"]},
"text_density": {"type": "STRING", "enum": ["low", "high"]},
"cited_feature": {"type": "STRING", "enum": ["person", "cta", "warm", "text"]},
"cited_ratio": {"type": "NUMBER"}
}}
第二輪 12 次全部合格，沒有一次撞到輸出上限，輸入平均每次約 2,240（free）與 2,390（rules）個 Token，輸出約 270 到 370 個 Token。
rules 版在題目最後多四條規則：
ref_claim_terms 先準備了 38 個不能寫進廣告的詞，功效 13 個、醫療 10 個、絕對用語 15 個，比對標題、副標、標籤和按鈕這四個會出現在廣告上的欄位，結果兩版都抓到 0 個，free 版沒有寫出抗菌、除臭，也沒有寫醫療或第一名。
但一份一份讀下來，free 版 6 份有 5 份出現了詞庫沒列到的誇大用語，按鈕寫「立即體驗極致舒適」「搶先體驗強效止滑」，副標寫「480g黃金厚度」，還有一份寫「日本級無撚紗織造」，商品資料裡只有無撚紗，沒有任何和日本有關的事，這已經不只是用詞誇張，而是商品資料裡沒有根據的等級宣稱，還可能讓人誤以為和日本有關，另一份大浴巾的副標寫「厚實瞬吸又好晾乾」，瞬吸是洗臉毛巾的賣點，大浴巾的商品資料裡沒有，rules 版的 6 份一個誇大用語都沒有，報表第 8 段把極致、強效、黃金、日本級這四個詞拿來數，這段是看完草稿之後才加的，第 5 段用詞庫判定的結果沒有改，這四個詞要不要收進詞庫留到 Day 23 做過濾時再決定。
free 版這幾個詞有一部分是「可以多強調商品的機能和使用效果」那句引出來的，但兩版都有這句，所以差別仍算在規則頭上。
預期效果也有差別，free 版 6 份有 5 份把點擊率會變成 1.28 倍寫進預期效果，例如「預期將點擊率提升至原本的 1.28 倍」，rules 版降到 2 份，1.28 倍是 23 張圖在合成資料裡算出來的平均差異，不是對一張新圖的預測，第 3 條規則只擋了轉換率和銷售，沒有擋點擊率，所以還有 2 份照抄，兩版都沒有一份提到轉換率、成交或銷售。
| 項目 | free（沒寫規則） | rules（加四條規則） |
|---|---|---|
| 加上人物 | 6/6 | 6/6 |
| 按鈕移到右下 | 6/6 | 6/6 |
| 改成暖色 | 6/6 | 4/6 |
| 引用的倍數對到點擊率 | 6/6 | 6/6 |
| 詞庫抓到的詞 | 0 | 0 |
| 誇大用語（看完才找到） | 5/6 | 0/6 |
| 預期效果寫 1.28 倍 | 5/6 | 2/6 |
| 副標 20 字以內 | 3/6 | 6/6 |
12 份草稿都加了人物、都把按鈕移到右下，引用的都是人物那一行的 1.28，沒有一份拿轉換率的數字當依據，照成效改這件事兩版做得一樣好，rules 版 LINE 訓練襪的兩份草稿保留了中性色，洗臉毛巾的兩份把標籤拿掉、文字量從 high 改成 low，暖色的點擊率倍數只有 1.08，文字量的點擊率倍數是 0.97，Day 17 判定看不出差別，留著或拿掉都說得通，第 4 條字數規則 rules 版 6 份都做到，free 版有 3 份副標超過 20 個字。
兩版真正的差別在文案用字，同一張大浴巾，free 版的副標是「雙面厚實毛圈 × 480g黃金厚度」，rules 版是「雲林虎尾製 100%有機棉」，後者每個字都能在商品資料裡找到，這份草稿也就是下一章交給 Veo 的那一份。
這一章是選配，影片是在 BigQuery 外面產生的，和 Day 02 定下的「運算向資料靠攏」不同，只是示範草稿的英文畫面描述可以直接接到生影片的模型。
veo.sh 從草稿表挑 rules 版、點擊率最低那張圖的第一份草稿，也就是大浴巾「洗完澡的第一份溫暖包覆」，把 Gemini 寫的 image_prompt 補上一句鏡頭慢慢推近、不要文字與商標，送給 Vertex AI 的 veo-3.1-lite-generate-001，參數寫死 4 秒、720p、不含音軌、只生一支，輸出寫到素材 bucket 的 veo/ 資料夾：
"parameters": {
"durationSeconds": 4,
"sampleCount": 1,
"generateAudio": false,
"resolution": "720p",
"aspectRatio": "16:9",
"personGeneration": "allow_adult",
"storageUri": "gs://專案ID-martech-assets/veo/cr-meta-evg-p2-rules-1/"
}
Veo 3 系列的長度只能選 4、6、8 秒，預設是 8 秒，一定要明確寫 4，送出之後拿到一個 operation 名稱，veo.sh 先把它存進 bucket，再每 15 秒查一次進度，萬一中斷，重跑只會接著查，不會重新送出，同一份草稿已經有影片就不再呼叫。
產出的是 1280 × 720、每秒 24 格的 4 秒影片，畫面是洗完澡裹著白色浴巾的人物，暖色光線，和草稿的構圖說明一致，因為題目要求不要文字，標題、副標和右下的按鈕都不在影片裡，真的要投放還得後製加上去，也要再確認人物和場景符合品牌調性。
run.sh 呼叫 Gemini 前先依「這次真的要呼叫的次數」印出最壞情況，輸入以每次 2,600 個 Token、輸出以上限 4,096 個 Token 計，12 次最多約新台幣 7.3 元，跑過的組合不重跑，同一輪裡緊接著的重跑呼叫 0 次，veo.sh 也是先印最壞情況再問，同一份草稿有影片就不再呼叫| 項目 | 呼叫次數 | 費用 |
|---|---|---|
| 第一輪（output_schema） | 12 | 新台幣 1.82 元 |
| 第二輪（response_schema） | 12 | 新台幣 1.23 元 |
| Veo 3.1 Lite，4 秒 | 1 | 約新台幣 4 到 6 元，最壞 12.8 元 |
Gemini 的費用依 gemini-3.6-flash 非 global 端點的單價（輸入每百萬 Token 0.825 美元、輸出 4.125 美元）與實際 Token 數算出，24 次合計約新台幣 3.05 元，全部記進 Day 16 建的共用用量表 ops_llm_usage，Veo 不是用 Token 計費，同一張表只記一列呼叫紀錄，Vertex AI 的定價頁目前沒有列 Veo 3.1 Lite，約新台幣 4 到 6 元是用第三方整理的每秒 0.03 到 0.05 美元估的，最壞情況用定價頁上 Veo 3 Fast 不含音軌每秒 0.10 美元估，實際金額等帳單出來再更新。
~/ai-driven-martech-pipeline 執行 git pull，取得 Day 18 的 drafts/ 目錄gcloud config get-value project 要印出你的專案 IDdim_creative）、Day 14（物件表 obj_creatives）、Day 16（特徵表 mart_creative_features）與 Day 17（mart_creative_perf、mart_creative_lift）gcloud auth list，帳號前面要有星號cd ~/ai-driven-martech-pipeline && git pull && bash drafts/run.sh
run.sh 先建商品事實與詞庫，印出這次要呼叫幾次和最壞情況的費用，輸入 yes 才會呼叫 Gemini，接著建草稿表、緊接著重跑一次確認不重複收費，最後是 14 項檢查和八段報表，延伸段另外執行：
bash drafts/veo.sh
bq query --nouse_legacy_sql --format=pretty < drafts/facts.sql
建立 ref_product_facts（5 項商品）與 ref_claim_terms（38 個詞），不呼叫 Gemini。
bq query --nouse_legacy_sql --format=pretty < drafts/generate.sql
bq query --nouse_legacy_sql --format=pretty < drafts/mart.sql
generate.sql 會呼叫 Gemini，只補還沒成功的組合，印出這次各版本呼叫幾次、成功幾次和 Token 數，mart.sql 把成功的草稿整理成 mart_creative_drafts。
bq query --nouse_legacy_sql --format=pretty < drafts/check.sql
bq query --nouse_legacy_sql --format=pretty --max_rows=100 < drafts/report.sql
check.sql 是 12 項流程檢查，另外兩項由 run.sh 補上，一項確認緊接著的重跑沒有重複呼叫，一項用 grep 確認打草稿的 SQL 沒有讀答案資料集，report.sql 八段分別是對象、草稿一覽、照成效改了沒、引用的倍數、詞庫比對、預期效果原文、費用與看完草稿才找到的詞。
mart_creative_drafts 12 列，free、rules 各 6 列，三張對象圖都是新客受眾點擊率最低的三張ctr，引用的倍數對到倍數表裡的點擊率run.sh 的 14 項檢查全部通過，緊接著的重跑呼叫 0 次mart_creative_drafts 和 ref_claim_terms 留著，Day 23 做護欄時會拿 free 版的草稿當詞彙過濾的測試素材，mm_drafts_log 是呼叫紀錄，兩輪都留著，Veo 的影片在素材 bucket 的 veo/ 資料夾，不需要的話可以自己刪掉，一支約 0.9 MB。
response_schema 的 enummax_output_tokens 裡，上限要把兩者都算進去，截斷的那一次一樣收費，generate.sql 把 finish_reason 記下來，check.sql 會數有沒有截斷之後沒補成功的組合今天把 Day 17 的分層倍數、原圖和商品資料交給 gemini-3.6-flash，在 BigQuery 裡替新客受眾點擊率最低的三張圖打改版草稿，兩版題目每張圖各跑兩次，12 份草稿都加了人物、都把按鈕移到右下，引用的倍數都對到點擊率的 1.28，第一輪用 output_schema 有 3 份不合格，改用 response_schema 的 enum 之後 12 份全部合格，Gemini 兩輪合計約新台幣 3 元，延伸段把一份草稿交給 Veo 3.1 Lite 渲染了一支 4 秒短片。
回到篇名，靈感卡關時讓 Gemini 根據成效打草稿，照倍數表改版它做得很徹底，改完的圖點擊率會不會真的變高還要上線測過才知道，真正要花心思的是規則，沒寫規則的草稿方向一樣，卻有 5 份出現了誇大用語，其中一份還寫了商品資料沒有根據的「日本級」，38 個詞的詞庫一個都沒抓到，把規則寫進題目之後這些詞都不見了，但預期效果裡把平均差異寫成對這張圖的預測的還剩 2 份，草稿可以交給 AI 打，上線前的把關還是得有。
明日預告：Day 19《廣告說一套、網站寫一套？叫 AI 幫你抓出來》，今天的草稿只看廣告圖本身，明天把廣告圖和點進去之後的活動頁放在一起，請 Gemini 比對兩邊的說法有沒有對得上。
iThome鐵人賽
看影片追技術