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”
10 Shopping Ads Strategies 完整指南
策略概览
10个策略快速导航
- Feed-only pMax
- Brand Protection
- Bestsellers
- Search Query Filtering (SQF)
- Single Product pMax
- Invisibility Booster
- Incubator
- Clearance
- Season Scaling
- Catch-all
策略 1：Feed-only pMax
核心概念
定义：只使用Product Feed，不添加任何广告素材（图片/视频/文字）的pMax Campaign
别名：
- pMax Lite
- Assetless pMax
为什么使用？
核心优势：控制渠道分布
没有广告素材 → Google无法在Display/YouTube/Gmail投放 → 预算主要流向Shopping渠道
渠道对比：
- Normal pMax：4个渠道（Search, Shopping, Display, YouTube）
- Feed-only pMax：主要1个渠道（Shopping）
适用场景
✅ 推荐使用：
- 想要pMax的自动化能力
- 但不希望预算分散到低ROAS渠道
- 保持接近Standard Shopping的投放逻辑
❌ 不推荐：
- 需要全渠道覆盖
- 有优质的品牌素材想要利用
策略 2：Brand Protection
核心概念
目标：把品牌关键词从pMax中移除，单独用Brand Search Campaign管理
问题诊断
Distorted View（扭曲的数据视角）
pMax包含品牌词时：
- ✅ ROAS看起来很高（比如6.0）
- ❌ 但大部分转化来自品牌词（用户本来就要买）
- ❌ 你会被漂亮的数据迷惑，盲目扩张预算
- ❌ 增加的预算继续流向品牌词，浪费
解决方案
步骤1：创建Brand Search Campaign
- Campaign类型：Search
- 关键词：品牌词（Exact Match）
- 出价策略：较低CPC（因为竞争小）
步骤2：从pMax排除品牌词
- Account-level Brand Exclusions
- 或在Campaign Settings里添加负关键词
结果：
- Brand Campaign：低成本管理品牌流量
- pMax：只看泛词的真实表现
关键指标
排除前：
- pMax ROAS：6.0（但60%来自品牌词）
排除后：
- Brand Campaign ROAS：8.0（花费$300）
- pMax ROAS：2.5（花费$800）
- 总预算节省+数据更清晰
策略 3：Bestsellers
核心概念
目标：把表现最好的产品单独管理，给它们独立预算和出价策略
为什么分开？
问题：
- Bestsellers转化率高（比如1.11%）
- Other products转化率低（比如0.23%）
- 混在一起 → 平均ROAS被拉低
- Google算法会优先推Bestsellers → Other products得不到机会
解决：分开管理，各自优化
实施步骤
步骤1：识别Bestsellers
⚠️ 注意：Click ≠ Buy
- Google Ads显示的"转化"是归因给广告的
- 实际购买的产品可能不是点击的产品
- 正确方法：看后台实际销售数据（Shopify/WooCommerce）
步骤2：打标签
步骤3：创建Campaigns
- pMax - Bestsellers：custom_label_0 = "bestseller", tROAS 250%
- pMax - Other Products：排除bestsellers, tROAS 400%
为什么设置不同的tROAS？
Bestsellers：250%（更低）
- 已证明好卖，可接受较低ROAS获取更多量
Other Products：400%（更高）
- 不确定能否卖好，要求更高回报率
真实案例数据
指标 | Bestsellers | Other Products |
转化率 | 1.11% | 0.23% |
ROAS | 5.05 | 2.13 |
预算占比 | 83% | 17% |
策略 4：Search Query Filtering (SQF)
核心概念
定义：通过创建多个Standard Shopping Campaigns，用负关键词和优先级筛选搜索词质量
具体例子
场景：卖iPhone手机壳
高意图词：
- "buy iPhone 15 case"
- "iPhone 15 pro max leather case"
低意图词：
- "iPhone case"（太泛）
- "free iPhone case"（白嫖）
- "DIY iPhone case"（想自己做）
SQF结构设计
Campaign 1: High Intent
- 产品：所有iPhone手机壳
- 否定关键词：free, DIY, cheap, repair
- 出价：$2.00
- 优先级：高
Campaign 2: Low Intent
- 产品：所有iPhone手机壳（同样的产品）
- 负关键词：无
- 出价：$0.50
- 优先级：低
逻辑：
- 用户搜索"buy iPhone case" → Campaign 1（Campaign 2被否定关键词排除）
- 用户搜索"iPhone case" → Campaign 2（Campaign 1排除了这个泛词）
关键要素
✅ Same products（同样的产品）
✅ Different negative keywords（不同的负关键词）
✅ Different campaign priority（不同优先级）
✅ Different bids/targets（不同出价）
策略 5：Single Product pMax
核心概念
定义：为单个高价值产品创建专属的pMax Campaign，帮助规模化投放
产品要求
转化量门槛
该产品在过去30天内至少有 50-100个转化
实施步骤
创建单品pMax Campaign：
- 只包含这一个产品
- 关闭URL Expansion（避免流量分散）
- 独立预算和出价策略
优势
- 预算保障：确保这个产品有充足预算
- 出价控制：可以设置更激进的tROAS
- 数据透明：清楚看到单品表现
- 规模化能力：高转化产品可以承受更多预算
策略 6：Invisibility Booster
核心概念
目标：找出零点击产品，给它们提升曝光机会
Campaign类型：Standard Shopping
实施流程
步骤1：在GMC找零点击产品
- Performance → Products
- 筛选：Clicks = 0（过去30天）
- 导出CSV
步骤2：打Custom Label
步骤3：上传Supplemental Feed
- GMC → Feeds → Create supplemental feed
- 上传CSV
- 关联主Feed
步骤4：创建Standard Shopping Campaign
- 产品筛选：custom_label_0 = "no_clicks"
- 更高出价/测试性投放
- 给"隐形产品"曝光机会
步骤5：30天后整合
- 测试期结束后，把有表现的产品整合到主pMax campaigns
- 删除该产品的no_clicks标签
维护频率
每30天review一次
- 把有数据的产品移到主Campaign
- 更新supplemental feed
- 继续测试新的零点击产品
策略 7：Incubator（孵化器）
核心概念
定义：为新产品创建专门的Standard Shopping Campaign，给它们"温室环境"来测试
Campaign类型：Standard Shopping
为什么需要？
问题：
- 新产品没有历史数据
- 跟老产品混在一起 → Google优先推老产品
- 新产品永远得不到曝光
解决：
- 单独Standard Shopping Campaign
- 单独预算
- 强制获得曝光机会
- 30天测试期后整合到主pMax campaigns
实施步骤
步骤1：识别新产品
- 通过Item ID或custom labels标记新产品
步骤2：创建Incubator Campaign
- Campaign类型：Standard Shopping
- 产品筛选：custom_label_0 = "new"
- 给予足够预算让新品积累数据
步骤3：30天后毕业
- 有表现的产品：整合到主pMax campaigns
- 表现不佳的产品：考虑下架或优化
类比
就像公司里：
- 老员工 = 老产品（已证明能力）
- 新员工 = 新产品（还没证明）
不给新员工单独任务 → 永远被老员工光芒盖住
Incubator = 新产品的"新手训练营"
策略 8：Clearance（清仓）
核心概念
目标：为清仓/促销产品创建专门Campaign
适用场景
✅ 推荐使用：
- 季末清仓
- 库存积压
- 即将停产的产品
策略要点
出价策略：
- 可以接受较低ROAS（因为要清库存）
- 或者用Maximize Clicks（获取更多流量）
时间限制：
- 设置结束日期
- 清完即停
策略 9：Season Scaling（季节性扩张）
核心概念
目标：在旺季为top-selling products提供最大化曝光，淡季收缩回正常结构
策略逻辑
旺季策略（如Q4圣诞季）
把 top-selling products 从大的pMax Campaign拆出来，每个产品创建独立的Single Product pMax Campaign
好处：
- 最大化预算分配给最赚钱的产品
- 避免畅销品和其他产品竞争预算
- 可以设置更激进的出价策略
淡季策略（旺季后）
Switch back（切换回）：
- 把Single Product pMax合并回 bigger pMax campaign
- 或者切换到 Standard Shopping（更好控制成本）
好处：
- 简化管理
- 降低淡季成本
- 保持账户结构清晰
实施步骤
旺季前（如9-10月）：
- 识别top-selling products（去年同期数据）
- 为每个top product创建Single Product pMax
- 提高预算和出价
- 其他产品保持在原有bigger pMax中
旺季中（如11-12月）：
- 密切监控表现
- 根据实时数据调整预算分配
旺季后（如1月）：
- 合并Single Product pMax回bigger campaign
- 或切换到Standard Shopping降低成本
- 准备下一个季节
关键时间点
- Q4（10-12月）：圣诞购物季，最重要
- 返校季（7-8月）
- 黑五/网一
- 情人节（2月）
策略 10：Catch-all（兜底）
核心概念
定义：一个包含所有产品的"兜底"Campaign，捕获其他Campaign漏掉的流量
结构设计
前9个策略的Campaigns：
- Bestsellers
- Brand Protection
- Incubator
- ...
Catch-all Campaign：
- 包含：所有产品
- 优先级：最低
- 出价：最低
- 目的：确保所有产品都有曝光机会
为什么需要？
场景：
- 某个产品不属于任何特定类别
- 或者某个搜索词没有触发其他Campaigns
- Catch-all确保不会漏掉潜在转化
注意事项
Catch-all不是主力
- 它是兜底，不是核心
- 预算应该很小
- 如果Catch-all花费太多 → 说明前面的策略有问题
核心要点总结
10个策略的共同原则
- 数据驱动：基于真实表现分组
- 预算效率：把钱花在刀刃上
- 避免蚕食：防止内部竞争
- 灵活调整：定期review和优化
- 从简到繁：先用2-3个核心策略，再扩展
常见错误
❌ 一次性用全部10个策略 → 管理复杂
❌ 过度分割Campaigns → 数据分散
❌ 忽略转化量要求 → pMax无法学习
❌ 不定期更新标签 → 策略失效
08-Standard Shopping Optimization
谷歌购物广告优化- Author:EcomGrace
- URL:http://ecomgrace.com/article/module3-shopping-ads-complete-guide
- Copyright:All articles in this blog, except for special statements, adopt BY-NC-SA agreement. Please indicate the source!
