这篇文章先把答案放在桌面上
PMax、Feed-only PMax 和 Standard Shopping 没有一个适合所有账户的冠军。它们解决的是三种不同的问题。
Full-asset PMax 负责在转化目标下调动更多 Google 广告库存。Feed-only PMax 把 PMax 的智能出价和价值判断保留下来，把投放重心收窄到商品 Feed。Classic Standard Shopping 把更多决定权交给广告主，包括商品池、产品组、出价和 campaign priority。
对于库存稳定、商品视觉表达重要、转化量足够的 DTC 电商，Full-asset PMax 值得认真测试。对于工业零件、维修物料和剩余库存，真正要先解决的问题通常是商品覆盖和搜索需求捕获。此时，把所有 SKU 放进同一个 PMax，再用总 ROAS 判断成败，信息不够。更稳妥的路线是把商品池拆开，用 Standard Shopping 测覆盖，用 Feed-only PMax 测价值优化，再把有明确增量证据的商品交给 Full-asset PMax。
这不是把 Standard Shopping 当成“只要型号匹配就一定展示”的按钮。Standard Shopping 同样受商品资格、出价、预算、竞争、Ad Rank 和季节性影响。[5][19] 它提供的是更清楚的控制面和更容易解释的实验条件，不是展示保证。
文中方括号里的编号对应文末参考来源。Google Ads 的功能会按国家、账户资格和界面版本逐步开放，本文按 2026 年 8 月 18 日能查到的官方资料整理。
为什么这个问题容易被 ROAS 带偏
本文从一则关于工业剩余库存的公开求助帖开始。发帖者经营电气元件、HVAC、MRO 和自动化设备，约有 4,000 个活跃 SKU，库存一旦卖完就不会按常规方式补货。客户大多是第一次购买，搜索词常常直接带着型号或零件号。
他自述上一轮 PMax 有约 600 个商品 30 天没有展示，约 500 个商品展示少于 10 次，约 2,000 个商品没有点击，约 3,000 个商品只有 2 次或更少点击。按 4,000 个 SKU 计算，这相当于自述的零展示比例约 15%，零点击比例约 50%，2 次或更少点击的比例约 75%。这些数字来自公开帖子和用户自述，没有经过独立的 Google Ads 账户导出核验。[18]
这个案例真正值得讨论的地方，不是某个 campaign 的 ROAS 高不高。它把两个容易混在一起的目标分开了。
- 让有需求的 SKU 在有资格参拍时获得机会，这是覆盖问题。
- 让预算更多流向能带来订单、报价或利润的流量，这是效率问题。
一个账户可以在少数热门商品上拿到很好的 ROAS，同时让大量长尾商品长期没有展示。总账户报表不会自动告诉你这两个结果同时存在。
Google 的官方描述也没有承诺 PMax 会给每一个 Feed 商品公平分配展示。PMax 的目标是根据转化目标、预算和实时信号，在 Google 的广告库存中寻找它预测更可能带来目标结果的拍卖。[1] Google 在渠道报告的说明里进一步写明，如果某个渠道近期没有展示，原因可能是预算被优先分配给当时预计回报更高的渠道。[6]
这套逻辑对追求总转化很合理。对一个等待数周、数月后才出现一次精确型号搜索的库存商品，它却可能与广告主的目标发生冲突。
三种投放方式在系统里分别是什么
Full-asset PMax
PMax 是以目标为导向的 campaign 类型。Google 说明，它可以从一个 campaign 访问 Search、Shopping、YouTube、Display、Discover、Gmail、Maps 等广告库存，并用 AI 处理出价、预算优化、受众、素材和归因。[1]
接入 Merchant Center Feed 后，商品资料会参与 Shopping 广告和其他 Feed 驱动的广告格式。再加入文字、图片和视频素材，系统就有条件把商品和素材组合到更多符合资格的广告库存中。Google 的零售优化建议也明确鼓励广告主补充多种素材，以扩大可服务的库存。[2]
Full-asset PMax 的优点是覆盖面和自动化程度高。它的代价是广告主很难把预算固定分配给每一个 SKU，也很难仅凭 campaign 总报表判断某个长尾商品没有展示，究竟是没有需求、没有资格，还是被价值模型排在后面。
Feed-only PMax
Feed-only PMax 不是一个完全独立于 PMax 的算法产品，更接近一种创建方式和投放配置。Google 的帮助文档把它描述为 Shopping-only，也就是在初始设置中完全跳过文字、图片和视频素材，只使用 Merchant Center Feed。[1]
这里有两个容易被忽略的细节。
第一，Feed-only 保留了 PMax 的核心逻辑。它仍然会根据转化目标、预算、上下文信号和预估价值决定怎样出价。去掉素材可以收窄可用的广告形式，却不会把系统变成“每个商品轮流展示”的排队器。
第二，Google 目前写明，Feed-only campaign 创建后如果手动加入素材，系统会启用最低素材要求，之后不能再删除素材回到 Feed-only 格式。[1] Google 同时建议有 Merchant Center Feed 的广告主补充素材，以便覆盖更多可用库存。[1][2]
所以，Feed-only 的正确理解是 Shopping-focused PMax，而不是 SKU coverage mode。它适合用来隔离 Feed 驱动的价值优化，但不能单凭“只放 Feed”推导出长尾商品一定会获得更多展示。
Classic Standard Shopping
Standard Shopping 以商品资料和产品组为核心。Google 的说明是，广告主在产品组里管理库存并设置出价，而不是像 Search campaign 那样围绕关键词建立广告组。商品如果不在任何 active product group 或 listing group 中，就没有资格展示。[3]
产品组可以按 Item ID、品牌、Google 商品类别、Product type、Condition 和 custom labels 等属性拆分。每一个没有继续细分的产品组可以有自己的出价。这个结构很适合表达库存、毛利、品类和促销优先级。
Standard Shopping 也有自动出价和价值出价选项。Google 说明，Shopping campaign 可以使用 Maximize conversion value 或 Target ROAS；使用这类 Smart Bidding 时，转化价值会参与出价判断。[20] 因此，Standard Shopping 不能简单等同于完全手工的旧式 CPC 投放。
它的核心差异在控制和观察方式。广告主可以先决定哪些商品进入某个 campaign，再决定这些商品怎样分组和出价。对需要做商品覆盖实验的账户，这个边界更容易固定。
一张表看清三种方式的差异
| 维度 | Full-asset PMax | Feed-only PMax | Classic Standard Shopping |
|---|---|---|---|
| 主要目标 | 在目标转化下扩大整体价值 | 在 PMax 逻辑下偏向 Feed 驱动的商品流量 | 在 Shopping 库存内管理商品、产品组和出价 |
| 可用库存 | Search、Shopping、YouTube、Display、Discover、Gmail、Maps 等 | 以 Shopping-only 配置为目标，实际状态仍要看账户报告和设置 | 以 Shopping 广告库存为主 |
| 商品预算控制 | 主要由系统在 campaign 内分配 | 主要由系统在 campaign 内分配 | 可按 campaign、ad group、产品组和出价拆分 |
| 商品覆盖控制 | 可以用 listing groups 和 Feed filter，但不承诺平均覆盖 | 可以用 listing groups 和 Feed filter，但仍由 PMax 价值逻辑分配 | 产品必须进入 active product group，商品池边界更直观 |
| 素材 | 文字、图片、视频和自动生成素材都可能参与 | 初始设置跳过文字、图片、视频素材 | 商品 Feed 生成 Shopping 广告 |
| 查询控制 | 可看搜索词报告，可用否定关键词和部分控制项 | 仍受 PMax 搜索与价值逻辑影响 | 通过商品资料、产品组、出价和排除管理投放边界 |
| 适合的观察重点 | 增量转化、跨渠道价值、素材和渠道组合 | Feed 流量的价值、商品池的效率 | SKU 覆盖、商品级出价、Shopping 流量和利润 |
| 最大误区 | 把高总 ROAS 当成全目录覆盖良好 | 把无素材当成公平曝光 | 把型号匹配当成展示保证 |
表格里的“Classic Standard Shopping”是为了和 PMax 做干净比较。2026 年 Google 又在 Shopping campaign 上推出了 AI Max for Shopping beta。它会加入文字定制、Final URL expansion 和格式选择，已经不再是传统意义上的纯静态 Shopping 配置。[10][11] 账户里出现这个开关时，应当把它单独记录，不能把开关打开后的结果继续称为经典 Standard Shopping。
PMax 为什么会集中预算到少数商品
PMax 优化的是目标结果，不是商品目录的展示均匀度。商品 A 有较多历史转化、价格竞争力稳定、页面和库存信号完整，系统可能更容易估计它在某次拍卖中的转化价值。商品 B 只有一个单位、历史没有点击、价格虽然很低但缺少可比信号，系统对它的预估会更谨慎。
这不等于 Google 明确规定“没有历史数据的商品不得展示”。从账户结果看见长尾商品没有展示，也不能直接推出某个算法更新就是唯一原因。商品是否有资格、Feed 是否及时刷新、型号是否出现在标题或识别字段、库存是否仍然有效、出价是否有竞争力、同一商品是否被其他 campaign 争抢，都会改变结果。[3][5][12]
smec 对 4,000 多个 PMax campaign 和 500 多个广告主账户的公开分析，观察到 Feed-based ads 通常占 PMax 成本的 74% 到 97%，中位数约 90%。[15] 这说明 Full-asset PMax 的大部分花费可能确实发生在 Feed 驱动的广告上，但它没有说明这 90% 的 Feed 花费平均分布到了多少 SKU。一个 campaign 可以把 90% 的成本花在商品广告上，同时仍然集中在目录里最容易转化的一小部分商品。
因此，报告里至少要把下面两件事分开。
- 渠道组合。预算有多少用于商品资料驱动的广告，多少用于视频、展示或其他格式。
- 商品覆盖。符合资格的 SKU 中，有多少获得过展示、点击或有效查询匹配。
Google 的 PMax 渠道报告可以把渠道和广告格式拆开查看，也能显示缺少素材、Feed 问题或预算限制等诊断。[6] 但它不会自动替广告主定义“每个 SKU 至少应该获得多少展示”。这个指标需要企业自己建立。
Standard Shopping 也不是“匹配就展示”的开关
发帖者把 Standard Shopping 称为“笨但总会匹配”的方案，这个直觉有一半来自它的可控性，另一半容易造成误解。
Google 对低流量 Shopping campaign 的排查清单包括账户和付款问题、Feed 审核、商品缺货、商品组排除、低出价、预算限制、campaign overlap、竞争变化、转化追踪和季节性。[5] Google 还提醒，出价太低时，campaign 可能无法进入或赢得足够多的拍卖，即使商品状态显示 eligible，也可能没有展示。[5]
Ad Rank 先决定广告是否有资格展示，再决定有资格的广告排在哪里。它会受到出价、广告和落地页质量、竞争、搜索上下文与其他信号影响。[19] 这套规则对 Standard Shopping 和 PMax 都适用。
Standard Shopping 带来的真实价值是可解释性。广告主可以回答下面这些问题。
- 这个 SKU 是否被纳入某个 active product group。
- 它属于哪个库存、毛利或条件分组。
- 它当前使用什么出价。
- 同一个商品是否出现在多个 Standard Shopping campaign。
- High priority campaign 是否已经用完预算。
- 商品在 Merchant Center 是否批准、在售且价格与落地页一致。
如果这些问题没有答案，换 campaign 类型只能把不确定性换一个地方放置。
公开数据能支持到什么程度
关于 PMax 和 Standard Shopping 的公开资料很多，真正能用于横向比较的数字并不多。下面把能核验的数字和它们的边界放在一起。
| 来源 | 样本或口径 | 可引用数字 | 不能从中推出什么 |
|---|---|---|---|
| Google AI Max for Shopping Help | Google internal data，全球零售广告主，2026 | 开启 AI Max for Shopping 后，平均通常可在相近 CPA 或 ROAS 下多 5% conversions 或 conversion value | 这不是独立研究，也不是 PMax 与 Classic Standard Shopping 的头对头结果 |
| smec State of PMax 2025 | 4,000+ PMax campaigns，500+ advertiser accounts | Feed-based ads 成本占比通常 74% 到 97%，中位数约 90%；smec 建议至少 30 月转化，理想 60+ | 这是一个机构样本和分析判断，不能直接外推到工业长尾目录 |
| Joybird / Go Fish / Think with Google | 定制家具，PMax 对 Smart Shopping 的控制测试 | +40% ROAS，+95% revenue，+52% clicks | 对照不是 Standard Shopping，品类、库存和转化密度也不同 |
| 工业剩余库存公开求助帖 | 约 4,000 SKU 的账户自述 | 600 个零展示，2,000 个零点击，3,000 个不超过 2 次点击 | 账户真实性、Feed 状态、竞价、地理和转化设置都没有独立核验 |
Google 还把 AI Max for Shopping 的 +5% 结果明确标成 Google internal data，Global，2026，Retail advertisers。[10] 这个数字可以作为平台方的产品声明引用，不能写成行业平均值。
Joybird 的案例更接近一项有控制意识的迁移测试。Go Fish 写明测试时保持相同商品、受众、出价策略和日预算，并持续观察转化量、转化率和每次转化成本。[17] 这说明测试结构本身很重要，也说明 PMax 在某个 B2C 家具账户里可能带来明显收益。Google 的案例页给出了同样的 95% revenue lift 和 40% ROAS improvement。[16] 它不能回答工业剩余库存的长尾覆盖问题。
smec 的数据则提供了另一个提醒。PMax 的平台内指标可以很好看，但广告主仍应把结果和后端收入、利润、获客成本及平均订单价值对照。[15] 对工业业务来说，还要加上报价、电话、邮件和最终成交的延迟。
截至本文检索日期，我没有找到一份同时满足行业分组、样本公开、口径一致、能公平比较 PMax 与 Standard Shopping 的通用 benchmark。文章若给出“工业品 PMax 平均 ROAS 是多少”这类数字，就需要额外的真实账户数据，否则只能是装饰。
不同行业和产品应该怎样设计实验
工业零件和剩余库存
这类商品的核心事件通常是某个工程师、维修人员或采购人员在特定时间搜索一个零件号。需求发生的频率低，单笔订单价值可能很高，库存又会变化。
测试重点应放在查询覆盖和合格商业结果上。不要只看点击量，因为一个电话可能对应几十件商品，一次报价可能要几天后才变成订单。
建议先把低历史数据 SKU 按品类、价格带、毛利、库存数量和 Feed 完整度分层，再分配到 Standard Shopping 和 Feed-only PMax。每一组都要排除实验外的重叠 campaign。Feed 中的标题、品牌、MPN、Condition、Availability 和落地页必须先经过审核。Merchant Center 的产品资料本来就承担了把商品匹配到查询的工作，缺失或冲突信息会导致资格受限或不展示。[12]
高客单价 B2B 产品
工业设备、定制部件和大型 HVAC 设备可能很少产生线上 checkout，但会产生询价、电话和报价。
此类账户不适合把“线上购买完成”作为唯一转化。Google 支持把点击或电话开始的线下销售通过 offline conversion import 或 enhanced conversions for leads 回传，用于测量广告点击之后在电话、办公室或订单系统里发生的结果。[14]
测试时可以把“有效报价”“确认采购需求”“已成交订单”设为不同阶段，并记录每个阶段的价值和延迟。PMax 和 Standard Shopping 的优劣，最终要用合格商机和毛利来比较，不能只用表单提交数。
视觉驱动、库存稳定的消费品
家具、服装、美妆和家居用品通常有更丰富的图片、视频和受众素材，商品也会持续补货。用户可能在搜索前经历浏览、比较和再营销。
Full-asset PMax 更有理由进入测试。Joybird 的公开案例就是这类场景，它在保持主要投放条件相近的前提下，观察到 PMax 相对 Smart Shopping 的 ROAS、收入和点击提升。[16][17]
这里仍应保留 Standard Shopping 作为控制或商品级验证层。高 ROAS 可能来自品牌词、回访者或畅销品，实验要同时检查新客、总收入和增量结果。
季节性和促销商品
季节性商品需要预算和商品池在特定日期集中。Standard Shopping 的 campaign priority 可以让同一商品在多个 Shopping campaign 中由更高优先级的 campaign 参与竞价；高优先级预算用完后，低优先级 campaign 才可能接手。[4]
这更像预算路由工具，不是强制展示工具。促销结束后要同步撤销产品组、Feed 标签和预算，否则旧 campaign 可能继续影响结果。
低毛利、清仓和价格波动商品
这类商品的目标通常是贡献毛利，而不是营业额。建议先在 Feed 中传入准确的价格、库存和成本相关信息，再用 custom labels 把毛利层、库存风险和清仓状态拆开。Google 允许使用最多 5 个 custom label 属性，并用它们在 PMax、Shopping 或 Demand Gen 中做报告和出价分组。[13]
如果同一 campaign 同时包含高毛利稀缺品和低毛利大量库存，系统按转化价值做出的选择，未必符合企业的库存策略。把商品池拆开，通常比在一个总 campaign 上不断调整目标 ROAS 更容易解释。
实验的主要指标不能只剩 ROAS
商品覆盖
分母应当是“在目标国家、时间段内处于 active、approved、in-stock 且被纳入 campaign 的 SKU”，不能把被暂停、缺货、拒登和排除的商品也算进来。
可以定义四个指标。
- SKU impression coverage。至少获得 1 次展示的合格 SKU 数除以合格 SKU 总数。
- Zero-impression rate。合格 SKU 中 0 展示 SKU 的比例。
- SKU click coverage。至少获得 1 次点击的合格 SKU 比例。
- Query coverage。预先建立的型号或零件号查询集合中，实际获得展示的查询比例。
Google 提醒，产品组页的商品级展示统计和 campaign 页展示统计可能不同，因为一个 Shopping 广告位里同时出现多个商品时，每个商品会收取一条商品级展示，而 campaign 只记作一个广告展示。[3] 因此，覆盖指标必须固定报表层级，不能把两个页面的分母混在一起。
需求捕获
查询覆盖率、Search impression share、由于预算损失的展示份额、由于排名损失的展示份额、型号查询点击率和落地页可用率，都比单看总点击量更接近工业业务的问题。
PMax 现在可以查看搜索词、落地页和广告格式，并区分 Shopping ads 和 Text ads。[7] 这让“PMax 是否真的在商品搜索上花钱”有了更好的核查方法。Placement report 则不能拿来评估完整 performance，因为它不包含所有渠道，Google 只建议把它当作品牌安全工具。[6][21]
商业结果
建议按以下顺序汇总。
- 线上购买收入。
- 合格电话和合格报价。
- 回传后的成交订单和贡献毛利。
- 每个合格 SKU 的利润贡献。
- 新客户比例和有效客户成本。
对一次性库存，生命周期和库存售罄速度也要记录。一个商品只卖出一次并不代表广告失败，可能是它已经完成了清库存。相反，一个 SKU 点击很多但没有合格报价，可能只是 Feed 或页面把需求带错了地方。
拟议测试报告编号和实验设计
下面的编号是本文为后续真实账户测试设计的内部模板。它们是拟议测试设计，不代表弦界或任何客户已经完成这些实验，也不代表表格里的结果已经发生。真正发布结果前，应把 Google Ads 导出、Merchant Center diagnostics、CRM 和订单系统记录补齐。
编号规则统一为 SG-PMX-年份-项目号-分支-v版本。SG-PMX 表示 String Global 的 PMax 研究系列，年份使用两位数字，项目号表示同一研究主题，分支表示不同问题，版本号记录方案变更。
| Report ID | 场景 | 对照 | 主要指标 | 状态 |
|---|---|---|---|---|
| SG-PMX-26-001-A-v1.0 | 工业长尾，600 个低历史 SKU | Feed-only PMax 对 Classic Standard Shopping | Zero-impression rate、SKU impression coverage | 拟议设计 |
| SG-PMX-26-001-B-v1.0 | 工业赢家，300 个有历史订单 SKU | Feed-only PMax 对 Full-asset PMax | 贡献毛利、增量订单、渠道组合 | 拟议设计 |
| SG-PMX-26-001-C-v1.0 | 电话、报价和线下成交 | 三种 campaign 的线上与离线回传 | Qualified revenue、gross profit、conversion lag | 拟议设计 |
| SG-PMX-26-002-A-v1.0 | B2C 视觉产品 | Full-asset PMax 对 Standard Shopping | 增量收入、新客成本、ROAS | 拟议设计 |
| SG-PMX-26-002-B-v1.0 | 季节性促销 | Standard priority 结构对 PMax asset group | 促销期利润、预算消耗、售罄速度 | 拟议设计 |
| SG-PMX-26-003-A-v1.0 | AI Max for Shopping beta | FUE off 对 FUE on | 增量查询、商品收入、落地页质量 | 拟议设计 |
SG-PMX-26-001-A-v1.0
这是最接近工业长尾问题的一组测试。选择 600 个过去 30 天展示和点击很少、但在 Merchant Center 处于 eligible 状态的 SKU。按行业、价格、毛利、库存数量、品牌和历史点击分层，再将商品随机分成两组。两组使用相同国家、语言、时间段、转化窗口和预算上限。
Standard Shopping 组使用明确的 product groups 和出价规则。Feed-only PMax 组使用相同商品集合，并保持相同的转化目标。两组商品都从账户中其他 campaign 排除。Google 对 Standard Shopping 与 PMax 的官方实验说明也要求相同商品，并要求实验外的 campaign 不再覆盖这些商品。[8][9]
Google 对实验建议至少运行 4 到 6 周，PMax Feed 优化建议至少运行 6 周。[2][9] 工业业务还要把报价和订单延迟算进去，因此这里建议观察 6 周，并在结束后再追踪一个完整的成交周期。
测试要回答的是覆盖和价值能否同时改善，观察以下三项。
- Standard Shopping 的 zero-impression rate 是否下降。
- Query coverage 是否增加，尤其是预先列出的型号和零件号。
- Qualified revenue 和贡献毛利是否至少不低于控制线。
本文建议的决策规则是，如果某个方案让 coverage 明显增加，同时贡献毛利相对控制组下降不超过预先约定的 10%，才进入下一轮。这个 10% 是内部测试的事前门槛，不是行业标准，真实项目可以按毛利和现金流修改。
SG-PMX-26-001-B-v1.0
这组测试回答 Full-asset 素材是否给已经证明有需求的工业商品带来额外价值。选择 300 个已经有稳定点击或订单、Feed 资料完整、图片和落地页可用的 SKU。Feed-only PMax 和 Full-asset PMax 分别承接不重叠的商品池，或者使用 Google 实验工具进行流量分配。
测试期间按天保存 PMax channel performance report，至少区分 Ads using product data、Search、YouTube、Display 和其他可用渠道。[6] 如果 Full-asset 组的 attributed conversions 增加，但总订单、合格新客和贡献毛利没有增加，就不能把渠道扩展称为增量。
SG-PMX-26-001-C-v1.0
工业客户经常在电话或邮件里完成交易。测试前为电话、表单、报价和订单建立统一 ID，保存 GCLID 或合规的第一方匹配信息，并把 qualified lead、accepted quote 和 closed order 分成不同转化动作。
Google 的 offline conversion 文档说明，广告点击或电话可以在之后对应到线下销售，enhanced conversions for leads 可以使用经过哈希处理的用户提供数据补充匹配。[14] 这一步会增加实施工作，却能避免 PMax 只根据“在线 checkout”学习一个与真实业务不一致的目标。
这份报告要特别记录 conversion lag。一个 campaign 在七天内带来很多电话，可能在三十天后才体现为订单。把尚未成熟的电话直接判为无价值，会把长销售周期误判成低质量流量。
SG-PMX-26-002-A-v1.0
这组用于服装、家具、美妆等有稳定补货和丰富视觉素材的产品。产品池至少按价格带、品牌、历史转化和新老客户结构分层。Full-asset PMax 与 Standard Shopping 的预算、商品范围和转化目标尽量相同，观察周期覆盖至少一个完整购买周期。
公开案例可以作为假设来源，不能作为结果填空。Joybird 的案例显示，PMax 在其 Smart Shopping 对照测试中带来了 40% ROAS improvement、95% revenue lift 和 52% click increase。[16][17] 新账户必须独立验证，尤其要检查品牌搜索、回访用户和促销期是否解释了大部分提升。
SG-PMX-26-002-B-v1.0
季节性测试关注预算路由。把促销商品放进高优先级 Standard Shopping campaign，把常规商品放进低优先级或独立 campaign，再和 PMax 的促销 asset group 做对照。记录 campaign priority、预算是否受限、商品是否重叠和促销结束时间。
Google 说明，campaign priority 只在多个 Shopping campaign 共享商品时决定哪个 campaign 的出价参与竞价，高优先级预算用完后才会由低优先级 campaign 接手。[4] 它不控制 PMax 对同一商品的跨 campaign 选择，因此 PMax 商品池应在实验设计中明确排除或单独分组。
SG-PMX-26-003-A-v1.0
AI Max for Shopping beta 需要单独测试。Classic Standard Shopping、AI Max with FUE off 和 AI Max with FUE on 是三个不同状态，不能把它们合并成一个“Standard Shopping”桶。
Google 说明 AI Max for Shopping 可以用 Feed 生成更贴合复杂搜索的标题，也可以用 Final URL expansion 选择其他商业页面，还能在文字广告和 Shopping 广告之间选择格式。[10][11] 如果工业站点的分类页、知识页和产品页信息不一致，FUE 可能改变落地页分布，必须把 landing page report 和报价质量一起看。
4,000 SKU 工业账户的可执行结构
先做 Feed 和测量，不要先重建 campaign
商品 Feed 是三个方案共同依赖的输入。Merchant Center 的产品资料规范明确写着，Google 用提交的产品资料把商品匹配到相关查询；错误、缺失或冲突的信息可能导致拒登、资格受限、错误展示或完全不展示。[12]
工业商品的 Feed 至少要检查这些字段。
id使用稳定 SKU，商品更新时不要无故更换。title写清品牌、MPN、产品类型、关键规格和状态，型号不要藏在描述末尾。brand和mpn尽量与包装、铭牌或可核验资料一致。condition准确区分 new、used 和 refurbished 等状态。availability与落地页库存同步，售罄后及时改为 out of stock。price、运费、交付时间和页面实际可购买状态一致。- 变体、图片、结构化数据和落地页 URL 与 Feed 对得上。
Google 允许使用 5 个 custom label 属性，每个属性最多 1,000 个唯一值。[13] 对剩余库存账户，可以考虑下面这套定义。
| 字段 | 建议含义 | 示例值 |
|---|---|---|
| custom_label_0 | 行业 | MRO、Electrical、HVAC、Automation |
| custom_label_1 | 库存数量 | 1、2-5、6-25、26+ |
| custom_label_2 | 毛利层级 | Low、Mid、High |
| custom_label_3 | 商品状态 | New、Used、Surplus、Refurbished |
| custom_label_4 | 测试队列 | Long-tail、Winner、Full-asset-test、Holdout |
最后一个标签不应写成永久事实。它是实验队列字段，需要在每次商品状态变化时更新。
再划分不重叠的商品池
以 $350 日预算为例，本文给出一个用于测试的起始分配，不代表所有账户的最终预算。
- Standard Shopping coverage pool，约 $175/日。
- Feed-only PMax winner pool，约 $105/日。
- Full-asset PMax incremental test pool，约 $70/日。
这三个金额只是把测试目标拆开后的起点。真正执行前，要根据商品资格、历史转化、毛利和销售周期修正。最重要的规则是同一 SKU 的归属必须可查，不能让 catch-all campaign 在不知情的情况下重新把实验商品纳入。
一个可读的结构可以是下面这样。
SS-Coverage-LongTail负责低历史和长尾商品，按行业、状态、库存和毛利拆 product groups。PMX-Feed-Winners只接收有足够历史信号、Feed 质量稳定的商品。PMX-FullAsset-Incremental只承接独立测试池，素材和渠道报告单独记录。SS-Holdout或未投放队列保留一小部分合格商品，用于观察自然需求和 Feed 问题。- 需要型号文字广告时，另行设计 Search campaign，不把 Search、Shopping 和 PMax 的结果混成一个数字。
Catch-all 不是“低出价就能保证兜底”。如果商品不在 active product group、Feed 资料不完整、出价无法进入拍卖，低出价 catch-all 只会把问题隐藏起来。它更适合用作漏斗检查和未分配商品报警。
如何调查 2025 年 6 月之后的 Feed-only 下滑
目前能查到的官方资料可以说明 2025 年以后 PMax 增加了渠道报告、搜索词报告、否定关键词列表和更多控制项。[6][7][13] 我没有找到足以证明“所有 Feed-only PMax 在 2025 年 6 月发生统一算法故障”的官方证据。一个账户在某个月下滑，仍应先检查账户自己的时间线。
建议按下面顺序复盘。
把时间线放在一起
把转化、花费、Feed 更新、库存变化、价格变化、网站改版、出价策略、预算和账户 Change history 放在同一条时间线上。不要只比较两个自然月的 ROAS。
分开渠道和广告格式
PMax 的 channel performance report 可从 2025 年 6 月 6 日开始选择历史日期，并按渠道和 Ads using product data 等格式查看。[6] 对比下降前后 Shopping、Search、YouTube、Display 的成本、展示、点击和转化变化。
如果有人看到 YouTube 花费增加，第一步不是直接把它归为浪费。要看这部分是否带来合格的后续访问、电话、报价或订单，也要看 PMax 是否因为预算约束减少了更接近底部的商品广告。只看某个频道的直接最后点击，无法判断跨渠道增量。
查 Feed 和商品资格
逐项查看零展示 SKU 的 Merchant Center diagnostics、Feed 更新时间、价格和库存一致性、品牌与 MPN、落地页状态、商品组路径和 campaign exclusions。Google 的低流量排查文档把商品缺货、Feed 过期、未连接 Merchant Center、预算、低出价和转换追踪都列为常见原因。[5]
查转化目标和价值
如果线上 checkout 下滑，但电话和邮件仍然产生订单，可能是测量断裂，也可能是网站结账路径变化。PMax 和 Standard Shopping 的 Smart Bidding 都会受到转化目标和价值口径影响。Google 对 Maximize conversion value 的建议包括使用 transaction-specific values，并在改变 value tracking 后等待 4 周或 3 个转化周期再判断。[20]
查价格和竞争
工业买家会比较同一型号的现货、状态、交付时间和总成本。eBay 或其他供应商成交增加，并不能单独证明 Google 没有展示。要把 Auction insights、Merchant Center 价格竞争信息、落地页库存、电话录音或销售备注放在一起看。
对原始四个选项的判断
A 继续 Full-asset PMax 等学习结束
可以作为一个受控实验，不适合把整个 4,000 SKU 目录都交给它后等待“它自己学会覆盖”。Google 的确建议 PMax 至少运行一段稳定周期，官方 Feed 优化建议写的是至少 6 周。[2] 但等待时间不能替代商品池、转化目标和渠道报告的拆分。
B 全面迁移 Standard Shopping
也不建议盲目全迁。Standard Shopping 能让商品和出价边界更清楚，却仍然受资格、竞争、预算和 Ad Rank 影响。[5][19] 它更适合先承担覆盖实验和长尾商品池，再用真实数据决定哪些商品继续扩大。
C 回到 Feed-only PMax 并调查旧方案为什么失效
这个方向值得做。Feed-only 仍能作为隔离 Feed 驱动流量的对照，但要按照今天的报告能力重建诊断。把 2025 年 6 月前后的商品资格、频道组合、搜索词、转化目标和后端订单一起导出，才能判断是算法、库存、测量还是市场变化。
D Winners 用 PMax，长尾用 Standard Shopping 的混合方案
在给定的工业案例里，这是最值得优先测试的结构。它让不同商品池承担不同任务。
- Standard Shopping 负责回答长尾商品有没有获得参拍机会。
- Feed-only PMax 负责回答已有价值信号的商品能否更有效地产生订单。
- Full-asset PMax 负责回答额外渠道和素材能否带来增量价值。
三者不能共享同一批商品后再用 campaign 报表争论谁赢。先划清商品池，再谈结果。
结语
PMax 的问题涉及自动化目标和预算分配。Standard Shopping 的问题涉及商品边界和出价管理。方案取决于广告主想把预算交给哪一种决策逻辑，也取决于自己的数据能否验证这套逻辑。
对于工业剩余库存，最重要的资产不是一张漂亮的 Ad Strength 卡片，也不是一个看起来很高的总 ROAS。企业需要知道哪些 SKU 有资格，哪些型号查询出现过，也要知道点击最后有没有带来电话、报价和真实毛利。只有把这些事件串起来，PMax、Feed-only PMax 和 Standard Shopping 的比较才会从经验争论变成可复查的经营决策。
如果账户的第一目标是“有人搜索这个型号时，我至少有机会出现”，先测覆盖。覆盖改善后，再测 PMax 是否能把价值做得更高。把两个问题拆开，通常比要求一个 campaign 同时解决全部问题更接近真实业务。
常见问题
Standard Shopping 能保证具体零件号搜索时展示吗？
不能。它仍然需要商品合格、在 active product group 中、有可竞争的出价和足够预算，并通过当次拍卖的 Ad Rank。它能让广告主更清楚地检查商品是否进入投放范围，但没有展示保证。[3][5][19]
Feed-only PMax 是不是完全只投 Shopping？
Google 的官方创建方式把它称为 Shopping-only，并要求初始设置跳过文字、图片和视频素材。[1] 但账户里的自动素材、Final URL expansion、AI Max 相关设置和界面变化需要单独核查。上线后应使用 channel performance report 验证实际广告格式，不要只看 campaign 名称。[6]
三种 campaign 可以同时运行吗？
可以，但同一 SKU 是否重叠必须明确。做正式对照时，最好让实验外的其他 campaign 不再覆盖实验商品。Google 的 PMax 对 Standard Shopping 实验说明也提出了相同商品和排除外部覆盖的要求。[8][9]
PMax 需要多少转化才适合使用？
Google 的官方页面强调稳定周期、转化目标和数据质量，没有给所有账户设定一个通用的转化门槛。smec 的公开分析认为每月至少 30 个转化、理想 60 个以上时波动和目标 ROAS 贴合度更好，但这是其样本观察，不应当当成 Google 的硬规则。[2][15]
工业业务主要靠电话和邮件，应该怎么办？
把电话、报价和最终订单分层记录，并通过 offline conversion import 或 enhanced conversions for leads 回传合格的线下结果。否则广告系统学到的可能只是页面提交，而不是实际成交。[14]
2026 年的 AI Max for Shopping 还算 Standard Shopping 吗？
它仍然建立在 Shopping campaign 上，但 AI Max for Shopping beta 会增加文字定制、Final URL expansion 和格式选择。Classic Standard Shopping、AI Max with FUE off 和 AI Max with FUE on 应当作为不同测试状态记录。[10][11]