type
status
date
slug
summary
tags
category
icon
password
Shopping Ads Demystified
两种 Shopping 广告类型对比
Standard Shopping（传统购物广告）
- Google 最早的 Shopping 广告形式（OG）
- 只投放 Shopping 广告
- 支持出价策略：
- 手动出价
- 自动出价（Max Clicks / Target ROAS）
- 受众与搜索词相对可控
- 结构简单，但透明度高
Performance Max（整合型广告）
- 同时覆盖多个渠道：
- Search
- Shopping
- Display
- Gmail
- YouTube
- 使用统一的预算、出价目标和转化信号
- 由 Google 自动决定投放渠道、受众和展示形式
功能对比表
对比维度 | Performance Max | Standard Shopping |
展示位置 | Search、Display、YouTube、Gmail、Discovery、Maps | Search Network |
受众定位 | 信号（Signal） | 精准（Precise） |
出价策略 | Maximize Conversions 或 Maximize Conversion Value（可设置目标） | Manual CPC、Maximize Clicks、Target ROAS |
控制程度 | 低 | 非常高 |
透明度 | 低 | 高 |
优化空间 | 中等 | 高 |
再营销 | 包含 | 不包含 |
对 Search 的影响 | 有 | 无 |
Performance Max 的平台趋势
Google 的战略方向
Google 正在系统性地向 Performance Max 倾斜，核心特点：
- 更少人工控制
- 更多自动化决策
对广告主的影响：
- ✅ 学习与启动成本降低
- ⚠️ 投放透明度与可控性下降
结论：Performance Max 是 Google 的长期方向，但并非所有阶段、所有账户的最优解
流量蚕食（Cannibalization）问题
什么是 Cannibalization？
不同广告类型之间争夺同一批搜索流量或用户
常见表现：
- Performance Max 转化增加 ↗️
- 其他 Shopping / Search 转化下降 ↘️
关键提醒：转化增长 ≠ 真实新增需求，可能只是归因发生转移
Shopping 层级的流量竞争
展示逻辑变化
时间 | 逻辑 |
过去 | Performance Max 商品优先展示 |
现在 | Ad Rank 更高的广告获胜 |
问题点
- Performance Max 的 Ad Rank 计算不可见
- Standard Shopping 的 Ad Rank 相对可控
同时运行的影响
- ❌ 搜索词层级的控制能力下降
- ⚠️ 广告竞争从「商品维度」转向「搜索意图维度」
- 🔍 搜索词过滤逻辑可能失效
- 📉 数据洞察能力下降
Search 层级的流量竞争
规则 1：匹配类型的现实
- “Exact match” 并非字面完全匹配
- Google 会基于搜索意图进行扩展
- 导致 Search 与 Performance Max 在同一拍卖中竞争
规则 2：胜出逻辑
广告是否展示取决于：
- Ad Rank
- 质量分
- 出价与相关性
Performance Max 也参与该拍卖机制
品牌搜索（Branded Search）的注意事项
品牌搜索通常处于转化路径底部，Performance Max 介入后可能：
- 📊 扭曲整体效果评估
- ⬆️ 高估 Performance Max 的真实贡献
常见优化做法：
- 排除品牌关键词
- 使用品牌排除或负关键词机制
泛搜索（Generic Search）优化要点
默认假设：
- Performance Max 会覆盖大部分泛搜索流量
Search 广告的重点：
- 负关键词管理
- 质量分优化
目的：避免无效竞争，提高整体账户效率
小结
核心要点
- Performance Max 是未来方向，但不是唯一答案
- Standard Shopping 与 Search 仍然有明确价值：
- 提供洞察
- 提供控制
- 不同广告类型可以并行存在，但需要清晰分工
02-Shopping Ads Structure
核心定义
Account Structure（账户结构）
- Google Ads 账户中不同 Campaign 和 Campaign Types 的组合方式
Campaign Structure（Campaign 结构）
- 单个 Campaign 内部的搭建方式
关键决策三问
在搭建 Shopping Ads 时，需要回答三个核心问题：
- 应该使用哪种 Campaign 类型？（Performance Max or Standard Shopping）
- 需要多少个 Campaigns？
- 需要多少个 Ad Groups / Asset Groups？
一、何时使用 Performance Max？
适用场景
- 转化量充足：每个 Campaign 每月至少有 30-50 个转化
- 作为 Standard Shopping 的替代方案
- 希望通过自动化解锁更广泛的触达
pMax 的转化数据要求
- pMax 依赖机器学习，需要足够的转化数据才能有效优化
- 最低门槛：30-50 conversions/campaign/month
- 如果转化量不足，建议使用 Standard Shopping + tROAS 出价策略
二、何时使用 Standard Shopping？
适用场景
- 需要更多控制权
- 刚开始投放：需要获取产品、搜索词和表现的洞察
- 搜索词控制：B2B、技术性产品需要精准匹配
- 低销量：月转化少于 30 次
Standard Shopping 的优势
- 完全的搜索词透明度
- 可以查看每个产品的表现
- 可以设置负关键词
- 对出价有产品级控制
三、需要多少个 Campaigns？
创建多个 Campaigns 的原因
预算分配
- pMax 和 Standard Shopping 需要分开预算
出价策略目标
- pMax 需要设置不同的 Target ROAS
具体场景示例
- 不同语言/地区：针对特定市场
- 不同货币：多国家投放
- 产品子集划分：
- 畅销品 vs 常规产品
- 不同品类
- 不同品牌
避免过多 Campaigns 的原因
- 管理难度：遵循 80/20 法则，聚焦核心
- 结果不稳定：Campaign 太多导致数据分散
- 转化量不足：pMax 需要 30-50 conversions/campaign/month 才能有效学习
- 建议整合：转化量不足时应该合并 Campaigns
Campaign 数量示例
Example 1：宠物食品品牌
- pMax - Pet Food: Dogs
- pMax - Pet Food: Cats
- pMax - Pet Food: Rabbits
Example 2：运动品牌
- Performance Max - Nike - Apparel
- Performance Max - Nike - Running Shoes
- Performance Max - Adidas - Running Shoes
四、Performance Max Structure
pMax Campaign 层级结构
Asset Groups 数量决策
方式 1：Normal pMax（常规型）
- 包含：Product Feed + Ad Assets + Signals（搜索主题和受众）
- 最小化产品重叠
- 起步建议：从不同素材和搜索主题切入，找到差异点
方式 2：Feed-only pMax（纯 Feed 型）
- 仅使用 Product Feed，不添加广告素材
- 单个 Asset Group
- 后期再拆分 Asset Groups
建议策略
初期从简单开始，使用 Feed-only 单 Asset Group，待数据积累后再根据表现拆分不同的 Asset Groups。
五、Standard Shopping：Product Groups 数量
Product Selection（产品选择）
两种方式：
- 包含特定产品
- 排除特定产品
Bid Strategy（出价策略）
Manual CPC（手动出价）
- 在 Product Group 层级控制出价
Automated Bidding（自动出价）
- 主要用于报告维度
六、Standard Shopping：Ad Groups 数量
Ad Group 层级可以设置
- Target ROAS：在 Ad Group 层级设置目标 ROAS
- 负关键词：可在 Ad Group 层级添加
- 产品选择：按品牌、产品类型、自定义标签筛选
- Product-level Ad Groups：可以细化到单品层级
建议：不要过度复杂化
保持结构简洁，避免创建过多 Ad Groups 导致管理困难和数据分散。
核心要点总结
结构搭建原则
- 转化量优先：pMax 需要 30-50 conversions/month，否则用 Standard Shopping
- 从简到繁：先用简单结构（Feed-only pMax 或基础 Standard Shopping），再根据数据优化
- 避免过度分割：Campaign 和 Ad Group 数量适中，防止数据分散和管理复杂化
- 明确分工：pMax 用于规模化和自动触达，Standard Shopping 用于控制和洞察
- 基于业务维度分割：按品牌、品类、地区、货币等有意义的维度划分 Campaigns
05-How to Do Search Query Filtering（SQF）—这个章节有点迷（回头看）
核心定义
Search Query Filtering（搜索词过滤）
- 一种 人为干预 Shopping Ads 搜索词分布 的结构化方法
- 目的不是获取更多流量，而是 把预算集中在高价值搜索意图上
为什么需要 SQF？
- 并不是所有搜索词的商业价值相同
- 在 Shopping Ads 中：
- 关键词不可直接出价
- 但系统依然会根据搜索词分配预算
如果不做 SQF：
- Google 会为了花完预算
- 把流量分配给「相关但不赚钱」的搜索词
Normal Shopping vs SQF 的本质差异
Normal Shopping（默认逻辑）
- Google 决定：
- 展示给哪些搜索词
- 预算如何分配
- 广告主只能 事后查看搜索词报告
- 属于 被动接受流量
SQF（Search Query Filtering）
- 广告主通过结构与否定逻辑：
- 主动筛选搜索词
- 引导预算流向高 ROAS 搜索意图
- 属于 主动管理搜索词质量
SQF 的核心目标
不是「控制曝光」
而是「控制预算效率」
具体目标：
- ❌ 减少低意图、低转化搜索词
- ✅ 放大高意图、高 ROAS 搜索词
- 📊 提升整体账户的 稳定性与可预测性
SQF 在账户结构中的位置
- SQF 不是一个单独的 Campaign 类型
- 它是一种：
- Shopping Campaign 的 结构设计方式
- 配合：
- Standard Shopping
- Search Campaign
- Negative Keywords
- Campaign Priority（如有）
👉 SQF 是“结构能力”，不是“功能按钮”
- Author:EcomGrace
- URL:http://ecomgrace.com/article/2cc35142-581f-8041-bb33-d01e3f8e53a9
- Copyright:All articles in this blog, except for special statements, adopt BY-NC-SA agreement. Please indicate the source!
