核心要点（操作原则）

• 从最容易赚钱的地方开始

• 使用最简单、可控的结构

• 控制犯错成本，避免一次性大改

• 用顺序与结构，而不是预算，去和大卖竞争

Campaign Layers｜广告分层逻辑

🟢 Layer 1｜基础层（新手必须先站稳）

包含的广告类型

• Branded Search

• Standard Shopping

• Display Remarketing

本质

用户已有明确意图（认识你 / 找你 / 想买）

特点

• 转化路径短

• 风险最低

• 即使设置不完美，也可能有结果

🟡 Layer 2｜扩展层（开始考技术）

包含的广告类型

• Dynamic Search Ads（DSA）

• Performance Max（PMax）

• Generic Search

本质

用户有模糊需求，但不一定非你不可

特点

• 需要结构能力

• 需要看搜索词与数据

• 放对可放量，放错会慢性漏钱

🔴 Layer 3｜曝光层 / 品牌层（新手禁区）

包含的广告类型

• YouTube Ads

• Display Ads

• Demand Gen

本质

用户没有购买计划，需要被说服

特点

• 强依赖创意与品牌

• 数据反馈慢

• 极易烧钱却产生“自我感动型数据”

为什么要做 Campaign 分层

1. 从简单 → 复杂

2. 不同阶段，使用不同广告格式

3. 优化发生在广告格式层面

4. PMax 未跑稳前，不做独立视频广告

Google Ads 的整体趋势判断

• 广告必须分层

• 自动化是长期趋势

• 复杂度本身就是风险

• Google 拥有你看不到的用户信号

• 意图 > 关键词

Google Ads 优化基础

Quality Score｜质量分的本质

核心逻辑

• 相关性越高 → CPC 越低

• 相关性越差 → CPC 被“加税”

Quality Score 的三大核心组件（Search）

1. Ad Relevance（广告相关性）

• 广告是否准确回应搜索意图

• 搜索词 × 广告文案的一致性

2. Expected CTR（预期点击率）

• 在该搜索场景下，用户是否更可能点击你的广告

• 基于历史数据与整体环境预测

3. Landing Page Experience（落地页体验）

• 页面是否兑现广告承诺

• 加载速度、内容清晰度、用户行为反馈

Quality Score 本质是 Google 对

“这是不是一次好点击”

Quality Logic（YouTube Ads）

核心评估维度（YouTube）

1. Expected View Rate（预期观看率）
• 核心是 Hook（前 3–5 秒）
• 用户是否继续观看 / 是否跳过

2. Ad Relevance（广告相关性）
• 是否匹配当前版位（placement）
• 是否匹配用户状态与场景
• 不看关键词，看「人 + 场景」

3. Landing Page Experience（落地页体验）
• 页面是否与视频内容高度一致
• 是否快速承接视频承诺

Optimization｜优化的方法论，而非技巧

优化的本质

优化不是“调参数”，

而是理解 Google 在寻找什么，并系统性配合它。

三个核心原则

• 先理解目标，再做优化

• 避免陷入细节噪音（频繁、无目的调整）

• 用结构化方法，而不是凭感觉

Google Ads 优化的四个阶段

1. Traffic（流量）
• 是否拿到对的人
• 搜索意图 / 受众是否正确

2. Conversions（转化）
• 页面是否兑现广告承诺
• 转化路径是否顺畅

3. ROI（回报）
• 成本与收入是否可控
• 预算是否集中在高价值流量

4. Scale（放量）
• ROI 稳定前，不放大
• 放量是结果，不是目标

Campaign 决策：新建还是优化原有？

Step 1｜Self Audit（必做）

1. Above Target（超出目标）

2. At Target（接近目标）

3. Below Target（明显低于目标）

Step 2｜决策规则（Dennis 方法论）

✅ Above Target（表现很好）

• 原因：
• 系统已学到正确信号
• 数据价值高

• 可做动作：
• 小幅、可逆优化

⚠️ At Target（勉强 OK）

• 原因：
• 有利润，但不稳定

• 推荐做法：
• Google Ads Experiments
• 或新建小预算测试 Campaign

❌ Below Target（明显不达标）

• 原因：
• 原系统已“学坏”
• 自动化路径可能不可逆

• 推荐做法：
• 新结构
• 新策略
• 新自动化逻辑

为什么不建议在原 Campaign 上大改？

• 自动化存在学习路径依赖

• 大改可能：
• 打乱历史转化信号
• 引发短期剧烈波动

• 且很多调整 不可逆

Dennis 的结论：

大变化 = 新 Campaign