电商的 Google Ads：真正跑得通的账户结构

多数电商 Google Ads 账户表现不佳，并不是因为素材差或出价策略选错了，而是因为结构掩盖了真正有效的部分，于是每一个优化决策都建立在混合数据之上。这份指南讲的是在 2026 年依然站得住的账户结构：如何把品牌词与非品牌词分开、什么时候 Performance Max 胜过标准 Shopping，以及在动任何一个出价目标之前，如何把干净的价值数据喂给系统。

优化任何东西之前，先把品牌词和非品牌词分开

品牌搜索之所以转化，是因为需求本来就已经存在。当它和冷启动拉新共处一个计划时，混合 ROAS 看起来很舒服，而获客那一侧其实在悄悄亏钱——出价算法学到的，则是一个它无法拆解的混合信号。

解法是结构性的，不是战术性的。把品牌需求隔离出来，才能单独定价，并诚实地评估增量。落到实处就是：一个独立的品牌搜索计划、给 Performance Max 加上品牌排除，以及把品牌词作为账户层级否定词加到每一个拉新计划上。

• 跑一个品牌搜索计划，对品牌名、错拼以及"品牌+产品"组合使用完全匹配和词组匹配。
• 给 Performance Max 应用品牌排除列表，别让它吃掉账户里最便宜的那批转化。
• 把品牌词加为账户层级否定关键词，这对 PMax 和 Demand Gen 同样生效。
• 品牌与非品牌 ROAS 分两行报告，绝不合成一个混合数字。
• 每月复盘品牌转化占总转化的比例——占比上升通常意味着拉新已经悄悄停滞。

Performance Max vs 标准 Shopping：按控制力选，而不是按默认选

Performance Max 成为默认是有原因的：它用一个素材资源组覆盖 Shopping、搜索、展示、YouTube 和 Discover 库存，而且通常能找到手工结构拿不到的量。但它是用查询和版位的控制权换取覆盖，在毛利差异很大的商品目录里，这笔交易未必划算。

对多数零售商可行的模式是：以 PMax 作为核心走量引擎，同时保留标准 Shopping 来覆盖需要明确控制的商品集合——高毛利爆款、清仓线，或者你必须看到搜索词的品类。

素材资源组按毛利或品类拆分，而不是拍脑袋拆。每一个有意义的商品聚类一个资源组，各自配置商品分组，这样你才能得到一个真正读得懂、也动得了的结构。

• 资源组按毛利档位或品类分组，而不是按供应商或 SKU 数量。
• 把搜索主题当成方向性输入，而不是关键词策略的替代品。
• 至少保留一个搜索词完全可见的计划，以维持对需求的查询级视角。
• 除非你是在刻意测试优先级行为，否则不要在没有排除的情况下让 PMax 和标准 Shopping 跑同一批商品。

在电商里，Feed 质量才是真正的定向层

在 Shopping 和 PMax 中，商品 Feed 承担的是搜索广告里关键词的角色。标题、属性和商品类型决定了你能进入哪些查询，所以 Feed 的工作就是定向工作——不是一件丢给 Merchant Center 就可以忘掉的杂务。

把具体的、高意向的词放在标题前部，并保持属性完整。Merchant Center 里的拒登和"效果受限"提示是无声的预算泄漏：被排除的商品直接不再参与竞价，而广告界面里没有任何东西会告诉你量为什么掉了。

• 标题按"品牌 + 商品类型 + 关键属性（尺码、颜色、材质、兼容性）"组织，最具体的放最前。
• 每个商品都填全 GTIN、MPN、品牌、成色、库存状态和 product_type——残缺的 Feed 只能拿到残缺的覆盖。
• 用自定义标签标注毛利档、库存水平、季节性和爆款状态，好让计划能按业务逻辑拆分。
• 每周审查 Merchant Center 诊断，并把在售商品与提交商品之比作为一项常设指标来跟踪。
• 保持价格和库存近实时同步；不一致既会导致拒登，也会造成点击浪费。

回传转化价值，而不只是转化次数

基于价值的出价，赢不了一个它无法衡量的目标。如果每一笔购买都回传同一个固定值，Target ROAS 实际上就是在为数量优化——它会乐呵呵地帮你买下毛利最低的 SKU。

每一个购买事件都动态回传收入，如果你的毛利跨度很大，可以考虑传毛利或贡献毛利而不是总收入。然后把衡量的缺口补上：网页端的增强型转化、感知同意模式的代码部署，以及在工程资源允许时的服务端采集。同样的纪律适用于所有渠道——在社交平台上部署 Conversions API 或同类服务端回传，能让整个媒介组合保持可比。

一个转化操作设为主要，其余全部设为次要。多个主要操作会重复计数并扭曲出价目标。

• 按订单动态回传交易级收入；绝不写死一个平均客单价。
• 用交易 ID 去重，避免客户端和服务端事件双重计数。
• 对真实存在的价值差异使用转化价值规则，比如新客与老客，或高价值地区。
• 把微转化（加入购物车、订阅邮件）标记为次要，让它们参与报告但不参与出价。

逐步爬升 Target ROAS，并尊重学习周期

Target ROAS 的行为更像一个约束条件，而不是一个杠杆。设得远高于账户当前实际水平，投放就会崩塌；设得太低，花费又会跑到盈利能力前面去。起点应该是你过去 30 天的实际 ROAS，而不是你想要的那个数。

以大约 10-15% 的步幅调整，并保持一个完整的转化周期再评判结果——对多数零售商而言是一到两周。计划拆得越碎，数据稀释得越快，所以在数据量勉强的时候要合并而不是拆分。

季节性调整只用于短促且可预期的高峰，比如为期两天的闪购。不要因为"感觉最近有点慢"就用它；出价系统本身已经能处理常规波动。

• 初始目标设为你过去 30 天实际 ROAS 的水平或略低一点。
• 目标值的调整频率不超过每一到两周一次，且每次只改一个变量。
• 把目标值或预算的重大调整视为一次学习重置，期间避免叠加改动。
• 季节性调整只保留给一到七天、且预期转化率会明显变化的已知活动。

否定词卫生，以及一套扛得住规模的复盘节奏

自动化拓宽了查询面，但没有免除你对它的责任。账户层级否定列表如今在搜索、Shopping 和 Performance Max 上通用，使其成为在整个账户范围内执行排除最高效的位置。

共享列表建一次，处处应用：一个品牌列表、一个竞品列表、一个不相关列表（招聘、测评、免费、DIY、二手），以及一个你并不备货的品类列表。然后把复盘变成日历上的固定项，而不是业绩变差之后的应激反应。管理大量客户账户的代理商通常会把这一步脚本化或集中化——WoAgency 之所以存在，部分原因正是这类维护工作靠手工做不上规模。

一个提醒：否定词是用来排除不相关查询的，不是用来排除贵的查询。把仍然盈利的高 CPC 词排除掉，正是账户一点点萎缩的原因。

• 为品牌、竞品、不相关和无货品类维护共享列表，并在账户层级应用。
• 搜索计划每周复盘搜索词，PMax 的搜索类别至少每月复盘一次。
• 留意近似变体匹配——词组匹配和广泛匹配仍会带来你并没有主动要的意图。
• 记录每条否定词添加的原因，免得后来的人把一次刻意的排除给撤掉。

常见问题

更多指南