shopping-ads

购物广告

Agent Skills™ 项目的一部分，由 googleadsagent.ai™ 提供

描述

购物广告技能提供 Google 购物广告系列和 Merchant Center 商品 Feed 的端到端管理。购物广告是 Google 生态系统中购买意向最高的广告形式——用户点击前就能看到商品图片、价格和商家名称，因此带来具有强烈购买意向的优质流量。购物广告表现平平与表现出色之间的差距，几乎总是取决于 Feed 质量和广告系列结构。

商品 Feed 优化是基础。该技能会依据 Google 的要求和竞争最佳实践，审核 Feed 的每项属性——标题、描述、商品类型、Google 商品类别、GTIN、自定义标签、图片、定价和库存情况。优化后的标题会将与搜索相关的属性（品牌、颜色、尺寸、材质）前置，以获得最大的曝光度。描述会补充与长尾搜索词匹配的词语。自定义标签可根据表现进行细分（利润等级、畅销商品、季节性商品），为智能出价策略提供支持。

广告系列结构将 Feed 优化延伸至出价管理。该技能通过优先级设置、自定义标签细分和否定关键字优化，设计购物广告系列架构，以控制哪些商品会以何种出价匹配哪些搜索词。对于标准购物广告，这意味着采用分层广告系列，实现搜索词级别的控制。对于 PMax 购物广告，这意味着根据商品表现群组划分素材组。补充 Feed、竞争性定价情报、本地库存广告和免费商品信息，共同构成全面的购物广告策略。

适用场景

• 用户询问“购物广告”或“购物广告系列”
• 用户提到“商品 Feed”或“Merchant Center”
• 用户想要“优化商品标题”或“提升 Feed 质量”
• 用户询问“自定义标签”或“补充 Feed”
• 用户提到“商品被拒登”或“Merchant Center 错误”
• 用户想要“提升购物广告 ROAS”或“降低购物广告 CPA”
• 用户询问“竞争性定价”或“价格基准”
• 用户提到“本地库存广告”或“免费商品信息”
• 用户想要根据表现“细分商品”

架构

flowchart TD
    A[Merchant Center] --> B[Feed Analysis Engine]

    B --> C[Attribute Audit]
    C --> C1[Title Optimization]
    C --> C2[Description Enrichment]
    C --> C3[Category Mapping]
    C --> C4[Image Quality Check]
    C --> C5[GTIN/MPN Validation]

    B --> D[Custom Label Strategy]
    D --> D1[Label 0: Margin Tier]
    D --> D2[Label 1: Best Sellers]
    D --> D3[Label 2: Seasonality]
    D --> D4[Label 3: Price Range]
    D --> D5[Label 4: New vs Existing]

    B --> E[Competitive Intelligence]
    E --> E1[Price Benchmarks]
    E --> E2[Click Share]
    E --> E3[Impression Share]

    C1 --> F[Optimized Feed]
    C2 --> F
    C3 --> F
    C4 --> F
    C5 --> F
    D1 --> F
    D2 --> F
    D3 --> F
    D4 --> F
    D5 --> F

    F --> G[Campaign Structure]
    G --> G1[Standard Shopping\nPriority Tiers]
    G --> G2[PMax Shopping\nAsset Group Segmentation]

    E1 --> H[Bid Strategy]
    E2 --> H
    E3 --> H
    G1 --> H
    G2 --> H

    H --> I[Performance Monitoring]
    I --> J[Product-Level ROAS]
    I --> K[Query-Level Analysis]
    I --> L[Competitive Position Tracking]

实现

商品 Feed 审核与优化引擎：

async function auditProductFeed(merchantId) {
  const products = await getMerchantProducts(merchantId);
  const diagnostics = await getFeedDiagnostics(merchantId);

  const audit = {
    totalProducts: products.length,
    activeProducts: products.filter(p => p.status === 'active').length,
    disapproved: products.filter(p => p.status === 'disapproved'),
    warnings: diagnostics.warnings,
    attributeAnalysis: analyzeAttributes(products),
    titleOptimization: auditTitles(products),
    descriptionQuality: auditDescriptions(products),
    imageQuality: auditImages(products),
    pricingAnalysis: analyzePricing(products),
    customLabelStrategy: designCustomLabels(products)
  };

  return audit;
}

function auditTitles(products) {
  const issues = [];

  for (const product of products) {
    const title = product.title;

    if (title.length < 25) {
      issues.push({ productId: product.id, issue: 'Title too short', current: title });
    }
    if (title.length > 150) {
      issues.push({ productId: product.id, issue: 'Title exceeds optimal length', current: title });
    }
    if (!title.toLowerCase().includes(product.brand?.toLowerCase())) {
      issues.push({ productId: product.id, issue: 'Brand missing from title', current: title });
    }

    const optimizedTitle = buildOptimizedTitle(product);
    if (optimizedTitle !== title) {
      issues.push({
        productId: product.id,
        issue: 'Title can be optimized',
        current: title,
        recommended: optimizedTitle
      });
    }
  }

  return { issues, optimizationRate: issues.length / products.length };
}

function buildOptimizedTitle(product) {
  const components = [
    product.brand,
    product.title.replace(product.brand, '').trim(),
    product.color,
    product.size,
    product.material,
    product.gender
  ].filter(Boolean);

  const optimized = components.join(' - ');
  return optimized.substring(0, 150);
}

function designCustomLabels(products) {
  const performanceData = products.map(p => ({
    id: p.id,
    revenue: p.revenue30d,
    cost: p.cost30d,
    roas: p.revenue30d / Math.max(p.cost30d, 0.01),
    margin: p.margin,
    clicks: p.clicks30d,
    conversions: p.conversions30d
  }));

  return {
    customLabel0: {
      name: 'Margin Tier',
      values: assignMarginTiers(performanceData),
      biddingImplication: 'Higher bids on high-margin products'
    },
    customLabel1: {
      name: 'Performance Tier',
      values: assignPerformanceTiers(performanceData),
      biddingImplication: 'Aggressive bids on top performers, reduced on low performers'
    },
    customLabel2: {
      name: 'Seasonality',
      values: assignSeasonality(products),
      biddingImplication: 'Boost seasonal products during peak periods'
    },
    customLabel3: {
      name: 'Price Competitiveness',
      values: assignPriceCompetitiveness(products),
      biddingImplication: 'Higher bids when price-competitive, lower when overpriced'
    },
    customLabel4: {
      name: 'Product Lifecycle',
      values: products.map(p => ({
        productId: p.id,
        label: p.daysListed < 30 ? 'new_arrival' : p.daysListed > 180 ? 'clearance' : 'established'
      })),
      biddingImplication: 'Promotional bids for new arrivals and clearance'
    }
  };
}

补充 Feed 与竞争性定价：

function buildSupplementalFeed(products, enrichmentData) {
  return products.map(product => ({
    id: product.id,
    custom_label_0: enrichmentData[product.id]?.marginTier,
    custom_label_1: enrichmentData[product.id]?.performanceTier,
    custom_label_2: enrichmentData[product.id]?.seasonality,
    custom_label_3: enrichmentData[product.id]?.priceCompetitiveness,
    custom_label_4: enrichmentData[product.id]?.lifecycle,
    sale_price: enrichmentData[product.id]?.promotionalPrice,
    promotion_id: enrichmentData[product.id]?.activePromotion
  }));
}

function analyzeCompetitivePricing(products, benchmarkData) {
  return products.map(product => {
    const benchmark = benchmarkData[product.id];
    if (!benchmark) return { productId: product.id, status: 'no_benchmark_data' };

    const pricePosition = product.price / benchmark.benchmarkPrice;

    return {
      productId: product.id,
      yourPrice: product.price,
      benchmarkPrice: benchmark.benchmarkPrice,
      priceIndex: pricePosition,
      status: pricePosition <= 0.95 ? 'price_leader'
        : pricePosition <= 1.05 ? 'competitive'
        : pricePosition <= 1.15 ? 'slightly_above'
        : 'overpriced',
      clickShareImpact: estimateClickShareImpact(pricePosition),
      recommendation: pricePosition > 1.15
        ? 'Consider price reduction or value-add messaging'
        : 'Maintain current pricing strategy'
    };
  });
}

与 Buddy™ Agent 集成

购物广告是 Buddy™ Agent 的核心电商技能。该平台可直接连接 Merchant Center，持续执行 Feed 审核，实时发现商品被拒登、属性问题和优化机会。商品被拒登时，Buddy™ 会立即通知用户具体违规原因并提供修复建议。

Buddy™ 可自动管理补充 Feed，根据滚动绩效数据更新自定义标签，无需手动上传 CSV。该平台会按照可配置的计划（每日或每周）生成并应用自定义标签分配，确保出价策略始终反映商品的当前表现。

在竞争性定价方面，Buddy™ 会监控价格基准数据，并在商品失去价格竞争力时向用户发出提醒。它将定价情报与出价策略相结合，自动降低定价过高商品的出价，并提高价格具有竞争力商品的出价，以最大限度地提升 ROAS。

最佳实践

1. 在商品标题开头放置最能提升搜索相关性的属性（品牌、商品类型、关键特性）
2. 策略性地使用全部五个自定义标签，以便精细管理出价
3. 至少每周更新一次补充 Feed，以反映当前表现和库存情况
4. 每天审核并修复 Merchant Center 中被拒批的商品——被拒批的商品无法带来任何收入
5. 为每件商品添加 GTIN/MPN，以启用增强型商品信息和竞争基准分析
6. 使用高质量商品图片，背景为白色，且不包含水印或促销文字
7. 根据自定义标签的表现层级划分 Shopping 广告系列，以实施差异化出价
8. 每周监控竞争对手的定价，并根据价格竞争力调整出价
9. 启用免费商品信息，无需成本即可获取额外的自然 Shopping 流量
10. 如果运营实体店，请设置本地库存广告，以吸引附近的购物者

平台兼容性

平台	支持
Claude Code	✅
Cursor	✅
Codex	✅
Gemini	✅

相关技能

• PMax 优化 - 商品 Feed 质量会直接影响 Performance Max 中的 Shopping 广告展示位置
• 竞争对手分析 - 竞争性定价情报可指导 Shopping 出价策略调整
• 再营销策略 - 动态再营销利用商品 Feed 数据投放个性化商品广告
• MCP 服务创建 - 通过 MCP 集成 Merchant Center，可启用自动化 Feed 管理工具

关键词

Shopping 广告、商品 Feed、Merchant Center、Feed 优化、自定义标签、补充 Feed、商品标题、Shopping 广告系列、Google Shopping、商品详情广告、竞争性定价、本地库存广告、免费商品信息、Shopping ROAS、商品 Feed 审核

---

© 2026 googleadsagent.ai™ | Agent Skills™ | MIT License