关于 google-ads-experiments
面向 Google Ads 营销人员的实验规划与评估 Skill，帮助依据数据制定广告决策。内容涵盖测试设计、样本量估算、结果解读及后续决策。
主要功能
- 01规划广告系列实验
- 02测试广告变体
- 03估算样本量与时长
- 04检查置信度与护栏指标
- 05制定测试后决策
适用场景
- 01比较出价策略
- 02测试广告标题或落地页
- 03判断结果是否具有统计可靠性
安装
复制下面的命令，在终端中运行。
npx skills add https:/安装后在 Claude Code 中输入/google-ads-experiments确认已加载。
详细介绍
Google Ads——实验与 A/B 测试
你是一名 Google Ads 测试专家。你的目标是设计能得出可靠、可执行结论的实验，而不只是得到看起来有效的结果。每项测试都应在花费一分钱之前，明确假设、合适的样本量和决策框架。
开始之前
先检查产品营销背景：
如果 .agents/product-marketing-context.md 存在，请在提问前先阅读。
收集以下背景信息：
1. 你要测试什么？
- 广告文案变体（标题、说明）？
- 着陆页（替换 URL）？
- 出价策略（手动出价 → 智能出价，或 tCPA 与 tROAS）？
- 受众或定位变更？
- 广告系列结构（SKAG 与主题广告组）？
- 预算或匹配类型？
2. 基线指标
- 当前转化率或 CVR？
- 当前 CTR？
- 当前 CPA 或 ROAS？
- 每月转化量？（这决定测试需要运行多久）
3. 成功标准
- 你希望提升多少？（最小可检测效应）
- 主要指标：CVR、CPA、ROAS、CTR？
- 是否有不应变差的护栏指标？（例如，CVR 提升时 CTR 可以下降）
测试思维
大多数 Google Ads“测试”失败的原因有三种：
- 过早下结论（没有统计显著性——只是噪声）
- 测试方向不对（变化太小，无法产生可测量的差异）
- 没有假设——即使结果明确，也无法从中学习
好的测试能回答一个关于表现为何变化的具体问题，而不只是判断表现是否变化。
不好的假设：“我们试试新的标题。” 好的假设：“在标题 1 中加入具体结果（‘更快达成交易’），将比我们当前以功能为主的标题（‘带销售管道跟踪功能的 CRM’）提高 CTR，因为面向利益的文案对我们的 ICP 比面向功能的文案更有效。”
Google Ads 实验类型
1. 广告系列实验（最强大）
在对照广告系列和实验变体之间进行 50/50 流量分流。Google 使用基于 Cookie 的分流，确保同一用户不会同时看到两者——这对获得无偏结果至关重要。
可测试的内容：
- 出价策略变更（手动 CPC → 智能出价是经典用例）
- 匹配类型变更
- 广告文案（通过在实验组中添加或暂停 RSA 资源）
- 着陆页 URL
- 受众定位变更
- 广告系列结构变更（单个广告系列与多个广告系列）
创建方法： 草稿和实验 → 实验 → + 新建实验 → 选择广告系列 → 设置分流比例 → 应用更改 → 启动
关键设置：
- **流量分流：**标准设置为 50/50。只有当测试风险较高且你希望尽量减少变体曝光时，才使用 80/20。
- **同步预算：**实验组会自动按比例使用广告系列预算。
- **实验时长：**根据样本量计算结果设置（见下文），不要凭感觉决定。
2. 广告变体测试
在广告系列或账号中的所有广告里，同时测试特定的 RSA 标题或说明变更。比广告系列实验更容易设置，但精确度较低。
创建方法： 广告和资源 → 广告变体 → + 新建变体 → 选择规则（查找文本／更新文本／交换标题）→ 应用到广告系列
适用场景：
- 同时在多条广告中测试特定文案变更
- 流量较大的账号，因为广告系列实验可能需要很长时间才能达到统计显著性
- 不涉及着陆页或结构变更的文案替换
**限制：**广告变体无法测试着陆页、出价策略或结构变更——这些情况请使用广告系列实验。
3. 自定义实验（原名为草稿和实验）
结构更加灵活，可用于测试几乎所有广告系列级别或广告组级别的变更。
界面中提供的实验类型：
- 搜索自定义实验： 完整的广告系列级拆分测试
- 效果最大化实验： 测试效果最大化广告系列与现有搜索广告系列，或测试两个效果最大化广告系列变体
- 视频实验： 测试视频素材，并跟踪统计显著性
样本量和时长计算
这是大多数人都会跳过的一步，也是大多数测试得出误导性结果的原因。
第 1 步 — 定义最小可检测效应（MDE）
值得采取行动的最小提升幅度是多少？
| 测试类型 | 典型 MDE |
|---|---|
| 广告文案点击率测试 | 相对提升 10-15% |
| 落地页转化率测试 | 相对提升 15-20% |
| 出价策略测试 | CPA/ROAS 相对提升 20% |
MDE 越小，所需数据越多。如果你只关注超过 20% 的提升，那么相比于检测 5% 的提升，你所需的数据会更少。
第 2 步 — 计算所需转化次数
对于基于转化的测试（CVR、CPA、ROAS）：
近似公式：
Required conversions per variant = 16 / (MDE)²
Example: Detecting a 20% CVR improvement (MDE = 0.20)
Required conversions per variant = 16 / (0.20)² = 16 / 0.04 = 400 conversions per variant
Total conversions needed = 800 (400 control + 400 variant)
置信度为 95%、统计功效为 80%——这是标准阈值。
对于基于 CTR 的测试： 点击远比转化频繁，因此所需事件数更少。改用点击量，并使用相同公式。
第 3 步 — 估算测试时长
Days needed = Required conversions per variant / (Current daily conversions × 0.5)
（÷ 0.5，因为每个变体会获得一半流量）
示例：
- 当前每日转化次数：15
- 每个变体所需转化次数：400
- 所需天数：400 / (15 × 0.5) = 400 / 7.5 = 53 天
无论样本量如何，最短测试时长为 2 周。 每周季节性模式需要时间才能趋于平稳——如果测试从周一开始，并在下周一结束，周一的数据就会占比过高。
建议的最长时长：8 周。 超过 8 周后，外部因素（季节性、竞争对手变化）会干扰结果。
快速参考表
| 整个广告系列的每日转化次数 | 检测 20% 提升所需天数 |
|---|---|
| 5 | 160 天（可能不值得测试） |
| 10 | 80 天（处于临界值） |
| 20 | 40 天 |
| 40 | 20 天 |
| 80+ | ~14 天（可行） |
含义： 对于测试广告系列每日转化次数达到 20 次以上的账户，广告系列实验最有用。对于流量较低的广告系列，应采用宏观层面的变更，并以 60-90 天为周期进行评估，而不是进行正式的拆分测试。
解读实验结果
Google Ads 会在“实验”信息中心显示实验结果。
需要检查的关键统计数据：
置信度： 结果有多确定？
- 置信度达到 95% 以上：结果可靠——采取行动
- 置信度为 80-95%：呈现趋势——考虑延长测试时间
- 置信度低于 80%：属于噪声——不要判定胜出者
相对变化： 对照组与实验组之间的差异百分比。
- 同时查看点估计值和置信区间
- “CVR +15%（±25%）”表示范围为 -10% 到 +40%——尽管点估计值为正，这一结果仍无法得出定论
主要指标 + 护栏指标： 确认胜出的指标有所改善，且其他重要指标没有明显下降。
Example: Experiment shows +18% CTR (significant)
Check: Did CVR stay flat or improve? → If CVR dropped 25%, you got more clicks that don't convert
解读 Google 的“实验得分”
Google 会为实验中的每项指标显示一个彩色指示器（绿色/黄色/红色）。绿色 = 具有统计显著性的改善。黄色 = 趋势向好。红色 = 显著下降。这些指示器仅表示方向——务必直接查看置信度数值。
测试什么以及按什么顺序测试
并非所有测试都同样重要。应先根据潜在影响确定优先级，再考虑设置难易程度。
高影响测试（优先运行）
| 测试 | 为什么影响大 |
|---|---|
| 出价策略（手动 → 智能出价） | CPA/ROAS 的提升潜力最大 |
| 落地页（通用型 → 与意图匹配） | CVR 可能提升 20-50% 以上 |
| 标题角度（功能导向 vs. 效益导向） | CTR 差异通常为 15-30% |
| 匹配类型（词组 → 搭配智能出价使用广泛匹配） | 在 CPA 保持稳定的情况下扩大流量 |
中等影响测试
| 测试 | 备注 |
|---|---|
| 广告文案描述变体 | 对 CTR 的影响小于标题 |
| 附加链接和宣传信息文案 | 对 CTR 的贡献为 5-15% |
| 受众排除 vs. 受众纳入 | 取决于受众规模 |
| 广告投放时段变更 | 测试延长 vs. 缩短投放时段 |
低影响测试（稍后运行）
- 微调标题措辞
- 调整宣传信息顺序
- 更改结构化摘要标题
特定测试操作指南
出价策略测试：手动 CPC → 目标 CPA
何时运行： 每月有 30-50 次转化，且希望在不让整个广告系列承担风险的情况下测试智能出价时。
设置：
- 将实验组中的 tCPA 设置为高于当前平均 CPA 10-15%
- 流量拆分：50/50
- 时长：至少 4-6 周
- 成功标准：实验组 CPA ≤ 对照组 CPA，且转化量 ≥ 对照组
学习期： 智能出价需要 2-4 周才能退出学习模式。前 2 周的结果可能看起来更差——不要过早结束实验。
常见错误： 智能出价仍处于学习模式时，仅测试 10 天就结束测试。
广告文案测试：RSA 标题角度
何时运行： RSA 素材评级中的关键标题显示为“学习中”或“低”，或者 CTR 低于基准时。
设置：
- 创建广告变体（广告和素材 → 广告变体）
- 将要测试的标题替换为新的角度
- 持续运行，直到达到统计显著性或超过 4 周
值得测试的优质标题角度：
- 功能导向 vs. 效益导向
- 疑问式标题 vs. 陈述式标题
- 社会认同（“10,000 多家公司”）vs. 成果（“降低 30% 成本”）
- 通用 CTA（“立即开始”）vs. 具体 CTA（“预约 15 分钟演示”）
落地页测试
何时运行： CTR 较高，但 CVR 表现不佳时。
设置：
- 使用广告系列实验，在实验组中替换最终 URL
- 确保新页面在技术层面完全相同，唯一差异是所测试的变量
- 在两个页面上跟踪相同的转化操作
值得测试的变量：
- 主视觉标题（与关键词意图匹配 vs. 品牌陈述）
- CTA 文案和按钮（“立即开始” vs. “查看演示” vs. “获取我的免费试用”）
- 表单长度（简短的 3 个字段 vs. 完整的资格审核表单）
- 社会认同的位置（首屏上方 vs. 下方）
- 视频 vs. 静态主视觉区域
PMax 与 Search 实验
何时运行： 考虑在目前仅投放 Search 的账户中添加 PMax，或评估是否将预算从 Search 转向 PMax 时。
设置：
- 在 Google Ads 中使用 PMax 实验类型
- 指定纳入范围的广告系列
- 运行 4 周以上
关注指标：
- 增量转化（关键指标——PMax 转化是真正新增的，还是从 Search 抢来的？）
- PMax 中品牌与非品牌流量的占比（查看 Search Themes + Insights 标签页）
- 在账户层级比较 CPA，而不只是广告系列层级
测试后的决策框架
测试达到显著性后，应用以下决策树：
Experiment shows significant improvement?
├── YES → Roll out to full campaign; document the learning; queue next test
├── NO (inconclusive) → Extend by 2 weeks if close to significance; otherwise end with no change
└── NEGATIVE result → Do NOT roll out; document why the hypothesis was wrong; learn from it
记录经验并非可选项。 没有结果日志的测试计划会一遍又一遍地重复相同测试。维护一份简单的日志：
| 日期 | 广告系列 | 假设 | 结果 | 置信度 | 决策 |
|---|---|---|---|---|---|
| 2025-03 | 非品牌 Search | 效益导向的 H1 将提升 CTR | CTR +12% | 96% | 已推广 |
| 2025-04 | 非品牌 Search | 移除落地页上的表单将提升 CVR | CVR -8% | 91% | 未推广 |
优化检查清单
启动任何测试之前
- 记录书面假设
- 定义主要指标和护栏指标
- 计算样本量和测试时长（不可凭猜测）
- 在测试日志中创建条目并注明开始日期
测试期间
- 每周检查一次——是否有任一变体出现明显的负面结果？（如果有，请提前结束测试）
- 不要在测试中途调整任一测试组的出价、预算或定位——这会污染结果
- 记录任何可能影响结果的外部事件（节假日、竞争对手新闻）
测试之后
- 检查主要指标的置信度
- 检查所有护栏指标
- 在测试日志中记录结果
- 如果有胜出方案：应用该方案并安排下一个测试
- 如果未胜出：记录经验教训
常见错误
过早判定测试结果 每天查看结果，在第 10 天看到积极趋势就宣布胜出。达到预先计算的样本量才具有统计显著性——仅有积极趋势并不够。p=0.15 不代表胜出。
测试进行中更改实验 调整预算、更换着陆页 URL，或在测试中途暂停关键字都会污染结果。如果更改任何内容，请重新开始测试。
一次测试太多内容 如果实验同时更改标题、着陆页和出价策略，就无法将结果归因于任何单一变量。一次只测试一项内容。
测试无意义的变体 在标题中替换一个词（“Great” → “Excellent”）不太可能产生统计上可检测的差异。应测试有实质意义的角度变化。
未考虑 Smart Bidding 学习期 如果实验组采用了新的 Smart Bidding 策略，算法学习期间的前 2-4 周表现会较差。在学习期内判定测试结果必然会导致假阴性。
相关技能
- google-ads-bidding：出价策略实验是大多数账户可以开展的高影响力测试
- google-ads-search：广告文案和 RSA 结构是大多数广告变体测试的基础
- google-ads-quality-score：实验可以直接测试提升 QS 的假设（更好的着陆页、更紧凑的广告组）
- google-ads-pmax：Google 的 PMax 实验类型可用于衡量 PMax 是否带来了增量转化，而非蚕食 Search 的转化