為什么大多數人（包括我）跑Google Shopping廣告會賠錢？
我個人比較喜歡挖賠錢的坑，然后琢磨著怎么把坑一個一個給填上，坑少了，路好走了，賺錢就變得容易多了。
Google?Shopping廣告確實很能出單，但是，也有很讓人頭痛的地方 ---?缺乏控制（要么跑不動，要么瘋跑虧錢）?，Smart Shopping廣告和Standard Shopping廣告都有這個問題，本篇筆記僅僅圍繞Standard Shopping廣告展開（以下篇幅提到的Shopping廣告均代表Standard Shopping廣告）。
上個月，谷歌母公司Alphabet發布2021年第三季度財報。谷歌母公司Q3營收651.2億美元, 扣除Q3支付給合作伙伴的流量獲取成本（TAC）的114.98億美元后，Google廣告營收530多億美金，廣告依然是Google最大的收入來源。
Google才不會去關心我們廣告主跑的廣告是否盈利，相反，他只希望我們廣告燒的錢越多越好，他自己能賺到錢才是最終目的。
以上這份財報，我們的的確確用真金白銀做出了貢獻，為自己鼓鼓掌把，哈哈。
Shopping廣告無法像Search廣告那樣主動地利用關鍵詞觸發廣告展示，用戶的Search term會匹配我們上傳&優化好的feed，匹配過程就像是在開盲盒一樣，我們無法控制用戶的哪些搜索查詢會觸發廣告展示，更不能控制觸發關鍵詞的競價。
Google Shopping廣告給我們一個很大的錯覺:
競價的是產品，而不是Search?queries.??
競價的是產品，而不是Search queries.??
競價的是產品，而不是Search queries.??
A product group is just a subset of your inventory that you define, and all the products inside it use the same bid.
這種錯覺現在漸漸已經成為跑Shopping廣告的固定公式："跑Shopping廣告就是要大量鋪貨，SKU多，預算足，廣告才跑得動，明其名曰，精鋪、測品、矩陣、DTC."
其實呢，以前我是非常贊同的，特別是好多個單品站跑Shopping廣告失敗后，更加堅信了要大量上SKU，廣告才好跑。
所以在很長的一段時間里，我的Shopping廣告策略都是這樣"一鍋亂燉"，幾十上百個產品按照Item ID 分類后全部放到一個ad group里面。
此處省略了很多字。。。廣告經過【一頓操作】后，終于愉快地跑起來了。
1?天
2?天
3?天
.
.
.
7?天
Google Shopping廣告燒不動，怎么辦？
此處討論的情況是，所有產品feed已經通過GMC批準且listing優化良好（包含廣告常識性的設置無誤）。
燒不動？- "調高競價鴨！"
燒不動？- "增加預算鴨！"
燒不動？- "產品&SKU少了，多傳產品鴨！"
燒不動？- "競價模式切成Maximize clicks 且不要限制最高競價鴨"（最keng就是這種，如果有DL給你說這樣設置，要小心了，基本上是為了讓你充廣告費，你能不能賺到錢，也許只有天知道）
其實，Shopping廣告燒不動，其中原因是很復雜的，不是簡單無腦地用上面幾個常規基礎調整能解決的。
如果，我說的是如果，不差錢的情況下，廣告燒不動，我覺得就是一個笑話。
當然，我們又不是跨境慈善家，我們來Google Shopping燒廣告是來賺錢的，如何保證廣告在燒的動的情況下還能持續盈利，才是我們要解決的問題！
以下這段為上面省略的很多字。。。【一頓操作】，請勿對號入座。
然后，選擇自動或者手動競價方式，隨便設置一個競價比如0.75美金，預算50美金每天，開跑！?
自動競價模式下，等待了3 、5、7天，發現廣告沒曝光（美其名曰，機器學習中），抱著10分幻想再等待了幾天，發現還TM沒曝光，有點慌。
自動/手動競價來回切換，發現還是跑不動，增加競價到1美金或者2美金，boom, 有點流量了，出單了，很開心，一看數據WOCA0? , ROAS零點幾，燒了8 、90美金，出了一單，客單價還是19.99美金。
安慰自己先穩住，再觀察下，等廣告報表有數據了，添加了一些否定詞，調整競價，繼續燒，每天幾單，每天虧錢，連續一個月，廣告暫停，網站關閉，宣布倒閉，總結，選品問題。
痛定思痛，繼續開發新品，建新站，忙得不亦樂乎。
如此無限循環。。。
最后，有人問你
做什么的？
獨立站！
賺錢嗎？
還行吧！
你這么厲害，一定虧了不少錢把，帶帶我可以嗎？
額。。。
好了，玩歸玩，鬧歸鬧，才藝時間到，以上方法不行，那就換個方法。
Query Sculpting.
Query Sculpting.
Query Sculpting.
Query Sculpting是什么？
額，其實我也說不上來具體中文叫啥，查詢雕刻？好奇怪的直譯，反正我叫它QS模型，一種高階的Google Standard Shopping廣告構造策略，可以讓我們從Google手中重新獲得Standard Shopping廣告的控制權。
下圖是我目前認知的QS模型的全貌
（請把手機橫過來瀏覽）
其實這是PLAN A
PLAN B?在文章末尾
整篇筆記都是圍繞這張圖展開的。
本篇筆記中用到的全部數據均來自2019年疫情之前，自己的兩個小雜貨店（失敗案例），記得有賣鍵盤、手表、花瓶、汽配、工具、手機殼等等。
Query Sculpting是怎么讓Google Shopping廣告不虧錢（盈利）的？
Query Sculpting（Query Splits or Segmentation都是一個意思）為了規避標準Shopping廣告對競價的限制。用于為不同類型的search term設置不同的競價，將購物廣告系列分為三（2）個部分，然后使用不同的否定關鍵詞、廣告系列優先級和競價的組合對流量進行有效地控制。獲得更合理的競價和更高的Return on Ad Spend (ROAS)。
接回上面說的Google shopping廣告給我們的錯覺，只能對產品競價而不是Search Queries，恰恰相反，只有借助優先級和否定詞我們才能對用戶的Search Queries進行競價匹配，運用Query Sculpting，我們可以將預算和最高出價集中在最有可能促成轉化的搜索查詢上。
為了更清晰的整理QS模型，這里引入銷售漏斗的內容。
銷售漏斗在Query Sculpting中起到的作用？
Query Sculpting模型的核心是基于搜索購買意圖的概念。
當用戶在進行消費行為時，他們會將搜索范圍從非常廣泛和通用的內容細化到更有針對性的特定產品的內容。營銷漏斗則可以幫助我們過濾出用戶在搜索引擎上的各種帶有購買意圖的搜索查詢。
ToFu（top of funnel）頂部銷售漏斗
買家購物的第一階段，他們現在還不了解我們，他們正處于信息收集階段，我們需要盡可能地說服他們進一步向下移動漏斗（如果我們在這個階段證明了自己的價值，也是有轉化的可能的）。
"gaming keyboard"
游戲鍵盤
MoFu（middle of funnel）中部銷售漏斗
買家購物的中間階段，這個階段的用戶對購買某品牌的產品非常感興趣，但是還沒有做好最終購買的準備，他們需要再了解下這個產品是否還有自己不清楚的地方（自己不需要的功能就沒有必要多花錢，反之亦然）。
"razer gaming keyboard"
雷蛇游戲鍵盤
BOFU（bottom of funnel）底部銷售漏斗
買家購物的最后階段，用戶基本上已經花費了相當多的精力，才讓他們到達這里。這是潛在客戶做出從我們這里或競爭對手那里購買產品的最終決定的時候（這時候，用戶非常清楚自己需要什么，不需要什么，從他們的搜索查詢就可以看出來）。
"razer no ten key gaming keyboard"
雷蛇無小鍵盤游戲鍵盤
下面開始加速了
Query Sculpting具體怎么設置呢？
第一步：創建三個包含相同產品、具有相同結構并使用相同定位設置（位置、設備、時間表、受眾等）的廣告系列。
這里，用同一個產品gaming keyboard游戲鍵盤舉例，創建了優先級分布為高、中、低三個廣告系列（手動創建一個優先級為Low低的廣告系列，然后復制粘貼2個出來）。
第二步：分布將3個廣告系列設置低、中、高優先級
第三步：創建Single Product Ad Groups (SPAG)
Query Sculpting和SPAG相互結合使用，Query Sculpting在廣告系列層級通過精細設置和結構重建，最大限度地收回對Google Shopping廣告的控制權，SPAG則在廣告組層級奪取控制權。兩者缺一不可！
Never target all products in one ad group!
永遠不要在一個廣告組中定位所有產品！
這里再引入一下SPAG的內容（再套個娃）。
什么是Single Product Ad Groups (SPAG)？
一句話概況 --- 類似于 Google Search廣告系列的 SKAG，是不是又要問SKAG是啥... 哈哈。? Single Keyword Ad Groups (SKAG)
Single Product Ad Groups (SPAG)?：
每個獨立的ad groups廣告組只包含一個獨立的產品（變體也看成一個產品），且各自獨立競價。
上圖SPAG一目了然
Single Product Ad Groups (SPAG)?有哪些好處？
1. SPAG?讓我們輕松了解，哪些產品會觸發哪些搜索及與這些搜索詞相關的花費和銷售情況，從而知曉我們的單個產品（變體）到底賺（虧）了多少錢。
2. SPAG 可幫助我們清除掉大量不相關（容易虧錢）的搜索詞。
通常操作，一個廣告組里面塞滿所有的鍵盤（不管紅黃藍綠），下圖這種情況，為了避免不讓mechanical keyboard green這個綠色搜索詞觸發我們的廣告，那就把green添加成否定詞。額，不對，如果把green否掉，整個廣告組的綠色鍵盤廣告都不會觸發了。相反，SPAG就可以輕松解決這個問題（只需要在粉黑那個廣告組里面加入green）。
3. SPAG 確保我們可以在產品層級控制競價。
4. 適合精品垂直店鋪（SKU少）。
5. 更快速地測出爆款，持續盈利，可復制性強。
SPAG要用得好，不僅僅在搭建環節，更需要配合Search Term Report精細化分析，關于這部分本篇暫不整理，以后單獨一篇筆記整理。
顯然，我之前崇尚的"一鍋亂燉"，就是XJB整，還帶偏了一些群里的朋友，怪不好意思的，在此說聲抱歉。
我想再狡辯1下，其實，"一鍋亂燉"?的第二步就是SPAG（開小灶），想一想是不是：
"從大量item ID里面找出盈利的產品，單獨新開一組廣告系列，廣告組里面只添加這個盈利產品，優先級設置中或者高，單獨給競價，預算，添加否定詞，然后，之前那組廣告系列里面的這個item ID可以不管他（反正優先級為低），也可以停掉。"不過，區別還是挺明顯的。
第四步：為每個廣告系列下面的SPAG設置Bids競價
大詞、通用詞競價低一點，沒轉化不心痛，長尾詞競價高一點，盡量爭取更高的排名，有利于轉化。
如何創建Single Product Ad Groups (SPAG) ？
為SPAG使用合理的命名結構非常重要，尤其是當我們可能有數萬個SKU 的時候。
Each ad group in a Shopping campaign can have up to 20,000 product groups.?廣告系列中的每個廣告組最多可以包含 20,000 個產品組。
對于絕大多數玩家來講，其實，夠用了哈。
產品組里面只選對應的ITEM ID（不同顏色、尺碼的變體也這樣區分出來）
下面這步，個人認為是QS模型里面最難最難的部分。
第五步：添加否定關鍵詞
需要添加廣告系列層級的Negative keyword lists和廣告組層級的否定詞，添加否定詞很簡單，難的是如何把他們找出來。
Negative keywords否定詞在哪里找？
Search term report廣告報表。
每天查看search term report，向對應的廣告系列中加入對應的否定詞。
太慢了，末尾有高效批量方法。
Negative keywords否定詞在Query Sculpting模型里是怎樣運作的？
1. 如果搜索詞不包含與我們的品牌或具體產品相關的關鍵詞（在此級設置為否定詞），則會觸發ToFu（top of funnel）頂部銷售漏斗廣告系列中的廣告。
此廣告系列只會跑，通用關鍵詞Generic Keywords（產品搜索量大的詞、核心詞，大多數人都會去搜的關鍵詞，太模糊的詞），如：gaming keyboard?、?mechanical keyboard、water?filter、coffee
2. 如果搜索詞包含與品牌詞（razer gaming?keyboard）或具體產品相關的詞（razer no ten key gaming keyboard），它將被傳遞到具有中等優先級的 MoFu（middle of funnel）中部銷售漏斗廣告系列中，?如果搜索詞只包含與品牌相關的詞，則會觸發此廣告系列的廣告。
此廣告系列只會跑，品牌關鍵詞（競爭對手的詞），如：razer?gaming keyboard?或?razer?mechanical keyboard
3. 如果搜索詞包含具體產品相關的關鍵詞，例如"razer no ten key gaming keyboard"，由于我們在MoFu（middle of funnel）中部銷售漏斗廣告系列設置為否定詞，所以會進一步向下傳遞到BOFU（bottom of funnel）底部銷售漏斗。
BOFU（bottom of funnel）底部銷售漏斗的優先級最低，只會由高度具體的產品相關搜索詞觸發。
此廣告系列只會跑，具體產品相關的關鍵詞，如：mechanical gaming keyboard usb 87 backlight black us black switch 、?razer no ten key gaming keyboard、buy bulk bags of coffee beans online
最終，優先級-高和優先級-中2個廣告系列聯合起到了一個過濾器（漏斗）的作用。
QS模型是否能夠運轉順暢，選擇各優先級廣告系列中對應的否定詞是關鍵！
找否定詞其實不難，但是，要在海量search?queries里面準確找出否定詞還得需要一些方法。
和在家做清潔一樣的道理，打掃清潔第一步，分辨哪些東西需要留下，哪些東西需要扔掉，然后，再開始局部清潔和整理。為了不，誤把有用的關鍵詞清理掉，我們需要弄清楚每個關鍵詞背后的消費行為動機。
判斷否定詞最有效的方法之一就是關鍵詞動機。
如何判斷關鍵詞動機Keywords intent ？
現在很多關鍵詞研究中，總是強調搜索量和關鍵字競爭力，實際上，卻忽視了關鍵詞動機（SEO基礎中的底層邏輯）。?
關鍵詞動機對于建立否定詞清單意義非凡。
《The Art of SEO》第三版第6頁起
關鍵詞從動機(搜索查詢)分類，大致可以分成三類：
信息查詢詞Informational?Queries?
導航查詢詞Navigational Queries
交易查詢詞Transactional Queries
什么叫信息查詢詞Informational?Queries?
幫助用戶找到一般信息（又名“know”關鍵字）
他們知道自己有某方面的問題和需求，但不確定如何解決或滿足需求。使用信息關鍵詞來尋找解決的方案和答案。網上絕大多數搜索都是Informational Queries.
先來個自己的案例把，周末在公司加班，買了杯咖啡，中途忘記喝了，變涼了，又不想把咖啡倒出來放微波爐熱，然后我就去搜索引擎用Informational Queries的意圖去搜索結果 ："Can i microwave paper coffee cups" , 很明顯，答案是否定的，我只是想確認下而已。
至于我會不會買關鍵詞上面的產品呢？我不是已經買了嗎？哈哈。
信息搜索的用戶很難直接轉化為付費客戶！不過，也不是不可以，利用信息關鍵詞的最佳方法是找到搜索量大而競爭低的關鍵詞，并圍繞這些關鍵詞創建內容，通過這種銷售漏斗拿到可以的郵箱，再通過EDM進行轉化。
比較常見的Informational Queries如下：
（每個NICHE不同，對應的Informational?keywords也會有差異）
How to
Best way to
Ways to
I need to
Tips
Strategies
How do?i
How do/does
How can I
What is/are
What are the benefits of
Ways to
Guide
Alternatives
Compare？
Improve
Tutorial
Where can i buy？
Where to buy？
Rating
[how to install h1 hid kit]
找出Informational Queries的否定詞的目的是：提前加入到Negative Keywords List.
如果把握不定廣告報表里面的search?queries是否是自己對應niche里面的informational keywords,這里有個可以參考的工具SEMrush.
Keyword Magic Tool里面有個Intent列，通過目標關鍵詞可以查詢到，此關鍵詞是？
Informational（I）
Navigational（N）
Commercial（C）
Transactional（T）
通過SEMrush的intent查詢，再結合自己產品驗證后，最后決定是否把此關鍵詞加入到否定詞里面。有理有據，不錯sha每一個有可能轉化的詞！
什么叫導航查詢詞Navigational Queries?
幫助用戶找到特定品牌、產品或服務（又名“go”關鍵字）
他們知道自己想要什么或需要什么，并且正在研究這是否是適合他們的解決方案。使用導航關鍵詞來查找有關特定產品、服務和品牌的信息。
[Brand name]
[Product name]
Location of
Near me
Features of
Cost of
Hours of
Directions to
Reviews
Free shipping
Prices
Testimonials
SEMrush最新的一個功能，查詢的關鍵詞可以按照intent動機來分類查詢，怎么講呢？如果對廣告報表里面的某些大詞帶來的長尾詞，中間夾雜的許多看似亂七八糟的關鍵詞無從入手的話，可以試試，按照這個intent動機先分類剖解出來再做判斷。
上圖看出來了很多產品+品牌詞，屬于導航信息查詢詞范疇，也就明白了為啥QS模型需要把Competitor terms競爭對手關鍵詞【數量非常巨大】單獨分類出來進行競價（我們在跑競爭對手詞的時候，競爭對手也同時在跑我們的品牌長尾詞）。
什么叫交易查詢詞Transactional Queries?
幫助用戶找到進行交易的地方（又名“do”關鍵字）
他們已經決定了準備購買的產品或服務，使用交易關鍵詞來尋找合適的地方完成購買，從SEO的角度來看，這種交易意圖的查詢比搜索量更重要！
Transactional 可再細分出來 Commercial，SEMrush里Keyword Magic Tool的intent是這樣解釋的：The user wants to investigate brands or services.
Transactional Queries大致可以分為2類Commercial動機詞：
第一類：
"Buy Now"?商業動機詞Commercial Intent Keywords
- Buy
- Coupon
- Discount
- Deal
- Free?shipping
-?Purchase
- Order
一般來說，平臺詞walmart，amazon，target，ebay、aliexpress、wish、home depot都是歸類在否定詞清單（平臺清單）里的。
不過，這里夾雜了Order這個明顯的商業動機的詞，適當地可以觀察留意下（而且還轉化的情況下）。
第二類：
"Product"產品商業動機詞Commercial Intent Keywords
用戶能精確具體地搜索出產品品牌、型號或參數的詞基本都算。
如果，不太確定的情況下，SEMrush查詢下。
"review"?和 "comparison"可能看起來不如其他一些產品關鍵詞那么強，但這些關鍵詞仍然可以高度轉化，因為購買意圖存在。
- Review
- Best
- Best [product] for [consumer group]
- Best [product] under [price]
如果我們的產品客單價沒有在這個價格之內，可以考慮否定掉。
同理SEMrush查詢后可得：
-?Affordable
- Cheap （如果我們的產品是同類NICHE里面客單價比較高點的產品，那么Cheap or Cheapest 還得否定掉）
- Comparison
- Top
- Where to buy
我個人認為Where to buy是一個Transactional keywords而不是Informational?keywords.
Where to buy需要判斷詞組尾部是否是near me，這種大概率是當地實體消費動機，所以，near me是進入到否定詞地理清單里面的。
另外，還有一個容易被忽視的最不像否定詞的"否定詞" ！
高搜索量High Volume的關鍵詞
[gaming keyboard]
[mechanical keyboard]?
這種體量大、競爭激烈的頭部核心關鍵詞，會讓人產生一種幻覺｛這么多流量進來，點擊和轉化一定會很多把｝呵呵，Google就喜歡這種人傻錢多速來的金主。
對于大多數我們這種小賣家，預算緊張的情況下，根本承受不起這種大詞無謂的消耗。一定要聽勸。
其實，這種核心詞月搜索量在10W+的產品是非常不錯的，長尾詞數量會非常巨大，覆蓋了大量月搜索量低（多低？100以下都是大金礦）且轉化高的長尾詞，往往這些長尾詞，才是讓我們獲得盈利的詞，但是，這種詞很多時候，Google連給曝光的機會都沒有。
長尾詞月搜索量100以下的案例，請移步之前的筆記第四步
我會為高搜索量核心詞、泛詞單獨拉一個[core]否定詞清單。
直接告訴google，不要跑大詞，跳過，跑長一點的詞，大可放心，不會因為否定了核心詞，google就不認識我們的產品了。
同時，根據產品實際情況給否定詞清單分組，按照材質、受眾、功能、競爭對手等等細分出來，方便將廣告報表里面的否定詞分類，越早分組收集否定詞清單，以后會越來越游刃有余。
（大寫的）但是！Google Shopping廣告不允許廣告主直接根據查詢意圖細分廣告支出。
廣告展示位置由用戶搜索的內容與我們的產品 Feed 屬性匹配的概率決定。更糟糕的是，PLA 結構要求廣告商確定產品級別的支出。
這意味著與該產品相關的所有查詢都集中在一起，無論其相關性如何。
那么，我們如何確保向價值最高的客戶提供價值最高的廣告，并限制對不打算購買的客戶的支出？
此處再轉一個彎，繼續加速。
不管在廣告系列層級或者在廣告組層級，有一個特別燒腦和費時間的步驟：如何從海量關鍵詞（幾千上萬）中批量找出對應層級匹配的否定詞？
當然手動是在所難免的，不過，另外還有一個自動化的批量處理方案，google ads里面一個非常高級的功能：批處理 - 腳本?Scripts.
如何實現自動化批處理的呢？
N-gram.
隨便跑幾天就是這樣大的數據量，一個一個吃的消嗎？
什么是N-gram？
N-gram模型是一種概率語言模型,?可以使用 n-gram 分析大規模的廣告報表數據，完成許多用于排除表現不佳的否定關鍵詞的工作，以輕松地在多個廣告系列的大量數據集中找到趨勢。
N-gram模型廣泛用于自然語言處理,自然語言處理Natural Language Processing，?NLP 是人工智能的一個領域，它使機器能夠閱讀、理解人類語言并從人類語言中獲取意義, 是一門專注于數據科學和人類語言之間交互的學科。
由于機器學習等學科的進步，如今，它不再是試圖根據關鍵詞來解釋文本或語音（老式的機械方式），而是理解這些詞背后的含義（認知方式）。通過這種方式，可以檢測諷刺等修辭手法，甚至可以進行情感分析。
NLP和我們廣告報表之間有半毛關系嗎？
額，其實，還真的有點關系。
我們在搜索引擎（包括A站這種平臺）的搜索欄輸入搜索詞的時候，在我們輸入第一個單詞的時候，后面聯想出來的單詞和詞組，其實就是自然語言處理的結果。
N-gram 概率問題一覽
假設我給AI?一搜索語句 "Thank you so much for your"，并期望系統預測下一個單詞是什么。現在你我都知道下一個詞是"help"的概率非常高。但是系統怎么會知道呢？
這里需要注意的一件重要事情是，對于任何其他人工智能或機器學習模型，我們需要用龐大的數據語料庫來訓練模型。
一旦我們這樣做了，系統或 NLP 模型就會很好地了解某個詞在某個詞之后出現的“概率”。
所以,我們已經用大量數據訓練了我們的模型，我們又假設模型給了我們正確的答案。
為啥搜索量里面靠前的搜索詞大流量的原因明白了把（大數據，AI在不斷學習人類的語言）
自然語言處理中的?N-Grams是一種不僅可以讓機器學會識別單詞，還可以讓機器識別不同語境下多個單詞組成的句子含義的方法，達到機器學習的目的。
舉個栗子，
We need to?book?our?tickets soon
我們需要盡快訂票
We need to?read?this?book?soon
我們需要盡快閱讀這本書
這2句話，對于我們正常人類來講，很好理解其中的含義，并能快速判斷出2個句子明顯的區別。
前一句的book是動詞，含義，訂票；
后一句的book是名詞，含義，書。
但是，對于機器而言，"book"作為一個多義詞，機器需要一個方法去學習。
手寫的，有點吃藕，哈哈
來個專業的表述
關于N-gram和自然語言處理對search term report的應用，我會單獨寫一篇筆記。
N-gram在本篇筆記里面就2個作用：
1. Search Term Report里的應用（一目了然地從海量數據中篩選出不盈利的搜索詞，加入到否定詞清單）
此數據為N-gram運算輸出的表格數據
2.?通過N-gram，分別列舉出1-gram，2-gram，3-gram，4-gram，5-gram，6-gram（根據具體產品可能出現的長尾詞組合數量，也可能9-gram，10-gram，反正機器幫我們找，不累，哈哈）
開始的時候，我也很天真地自己去手動整理否定詞清單，比如競爭對手的否定詞清單。真的，太慢了，太累了。不早點把否定詞清單分布到各層級的廣告系列里面去，QS模型就沒有運行的意義。
上面也講到了，哪些詞是屬于競爭對手的搜索詞，比如，上面的產品是汽配相關的車燈，那么，按照慣性思維和對市場常識認知，那么可能出現的品牌詞subaru, volvo, toyota, ford, BMW, honda, audi ,這些詞我們可以按照常規方法用excel VBA批量搜索出來結果，但是，很多汽配的小品牌或者雜牌組詞的搜索詞，我們靠這種方法是不可能大批量去完成的。
競爭對手 + led headlight bulb ，這是一個4-gram的序列，所以，我們只要用4-gram去逐一梳理 "+ led headlight bulb"的競爭對手的搜索詞，就可以做到事半功倍的效果。擴展到 競爭對手+1 gram/2 gram等等。
此數據為N-gram運算輸出的表格數據
N-gram模型不管在QS模型構建初期和廣告報表優化階段都發揮著不可或缺的作用。
Query Sculpting+N-gram
如何添加并運行N-gram 腳本？
新建Script
腳本運行之前，會讓我們提供賬號授權，多點幾次，中間會有報錯，玄學。
代碼在我的Shopify交流群里，需要的可以加我好友，拉你們進群。
接回第五步，添加否定詞。。。
如何添加否定詞？
對應Campaign廣告系列 - Keywords - Negative Keywords
添加否定詞清單Negative keyword lists，如果有選擇，一定！一定要添加一個否定詞清單。
好吧，再上一遍上面這張否定詞清單分類的截圖
其實，建立否定詞清單是一項需要長期累積且枯燥的動作，我會對否定詞清單進行分類。
分類的依據完全根據自己對產品的理解，見仁見智哈。
再解析下否定詞清單分類的由來。
競爭對手（第三方知名平臺）
有些用戶是大品牌擁護者，但是也不是絕對，還得看我們的產品，非FP和插邊球的情況下（GMC也過了不啊，即使過了也不長久），我有個fashion類的產品，也經常會有大牌GUICCI [故意拼錯的，不影響閱讀]***之類的關鍵詞帶來的轉化，如果覺得競爭對手的品牌詞表現不好，也可以直接否掉）
另外還有一種集合大牌的聚合性網站，比如farfetch，這種詞我也選擇加入到否定詞清單里。我把這類詞放到平臺否定詞清單里面，和amazon，walmart一起。
和產品不相關的詞：
我們不賣的產品，自己產品無關的詞（性別、年齡、產地、功能、材質、外觀、顏色、型號） ---?常識級
當然，平臺詞和一些不相關的詞也可以整合放到通用否定詞清單里面，也是根據自己的喜好來安排。
競爭對手（和我們差不多的品牌或者大牌）：
amazon，walmart，target這類的平臺詞，特別注意amazon專屬詞，prime和我們網站/品牌有相似產品的網站。
我們這種的競爭對手，其實是在google shopping上投廣告的品牌。如果我們的產品走的是高客單價路線，那么，我們就要把走低客單價的品牌關鍵詞否定掉。如果我們產品走的是低客單價的話，有可能在眾多高客單價產品面前還有點價格優勢。
為啥我選擇，不把所有競爭對手的詞全部否定掉呢？因為，當用戶搜索競爭對手的搜索詞的時候，可能會觸發我們的廣告，可能我們的廣告就在此競爭對手廣告的旁邊，這樣被點擊的幾率會增加不少。（沒事的時候，多逛逛，分析下競爭對手，畢竟這也是一個重要的流量入口來源）
報表表現不好（超低CTR、超高CPA）
CTR點擊率超低的詞，0.1%不到
除非產品屬于非標品或者競爭力非常強，不然，太泛的關鍵詞很容易陷入大平臺的包圍中（核心詞精準否定其實已經解決掉了）。
表示Location地點的詞
我們不能配送的地方，用戶在意的制造國地址。這種客戶民族意識很強，就想買本國制造的產品，顯然，老實來講，我們是賣的MADE IN CHINA。很自豪！
made in usa
made in?america
我為了方便，把 "made in"作為詞組否定關鍵詞了。
關于否定詞清單，為啥把競爭對手也拿出來做否定詞清單，別忘記了QS模型有一層級需要把競爭對手的詞獨立出來跑，不是說真的不跑這些詞，而是相應的優先層級廣告系列不跑它。
第六步：為所有廣告系列創建共享預算（這一步可選）
創建共享預算時，只需將其應用于我們的高、中和低優先級廣告系列。然后分配一個遠高于我們預計每天花費的預算的共享金額。
如何設置共享預算Share Budgets？
保存后，查看下最終效果
設置優先級的廣告會在兩種情況下自動切換到優先級較低的廣告系列：
1. 當否定關鍵詞阻止該特定廣告系列展示產品的時候
2. 當廣告系列的預算用完的時候
如果優先級最高的廣告系列的預算已用盡，則優先級低一級的廣告系列將會出價。當優先級為“高”的廣告系列的預算用盡時，系統會使用優先級為“中”的廣告系列的出價，共享預算可以用來防止這種情況發生。
當然，QS模型也可以不用共享預算，看自己實際廣告數據做判斷。
PLAN B?
如果覺得QS模型A版本太麻煩了，可以嘗試用簡化版的QS模型。
通用詞和競爭對手品牌詞放一個廣告系列
長尾詞（具體產品的搜索詞）放另外一個廣告系列
最后，最后，再強調下否定詞匹配規則，和關鍵詞匹配規則不一樣。很容易搞混淆。
Negative broad match
廣泛匹配否定詞：running shoes
|
搜索詞 |
廣告是否展示？ |
| blue tennis?shoes |
展示 |
|
running shoe |
展示 |
| blue?running shoe |
不展示 |
|
shoes running |
不展示 |
|
running shoes |
不展示 |
廣泛匹配否定詞：Reebok t-shirt for boys
|
搜索詞 |
廣告是否展示？ |
| Reebok summer t-shirt for boys |
不展示 |
| Kids Reebok clothes |
展示 |
| Reebok t-shirt?for boys |
不展示 |
Negative phrase match
詞組匹配否定詞：running shoes
|
搜索詞 |
廣告是否展示？ |
| blue tennis?shoes |
展示 |
|
running?shoe |
展示 |
| blue?running shoe |
不展示 |
|
shoes running |
展示 |
|
running shoes |
不展示 |
Negative?phrase?match
精準完全匹配否定詞：running shoes
|
搜索詞 |
廣告是否展示？ |
| blue tennis?shoes |
展示 |
|
running?shoe |
展示 |
| blue?running shoe |
展示 |
|
shoes running |
展示 |
|
running shoes |
不展示 |
精準完全匹配否定詞：Adidas shoes
|
搜索詞 |
廣告是否展示？ |
| Adidas?shoes |
不展示 |
| Adidas?shoes for running |
展示 |
| Adidas trainers |
展示 |
shoes的同義詞trainer 還是會被展示出來。
除了Query Sculpting，另外還有哪些shopping廣告結構分組呢？看下圖。
好了，本篇再寫下去要猝si了。
END
2022年見！
下面是廣告時間，事情是這樣子的。。。
后來很多朋友私信我，干脆把我覺得用得比較順手的資源集中推薦下。
美國公司注冊
商標注冊
BING廣告
空中云匯收款
Google廣告
以上如何通過Query Sculpting為Google Standard Shopping廣告分組？僅代表個人喜好，僅供參考！
長按下圖二維碼關注，給我留言或加我好友。
為了讓讀者朋友們更加方便地交流和分享，我建立了一個純交流群
（2個公眾號共用這一個群）<高普的SEO筆記>，真誠地邀請各位獨立站的朋友們加入進來，相互交流學習和分享。3群歡迎你們。
PS：服務商朋友勿加（感謝您的理解）
加我微信：valentine06
備注：shopify 進群
如果這篇文章能幫助到您，請點贊、轉發加關注！謝謝您！
參考資料：
[1].?Single Product Ad Groups (SPAGs): Transform Your Google Shopping Campaigns
https://klientboost.com/google/single-product-ad-groups/
[2].?Advanced Google Shopping Campaign Structures – Query Sculpting
https://smarter-ecommerce.com/blog/en/google-shopping/advanced-google-shopping-structures/
[3].?How to fix: Value truncated (too long)
https://support.google.com/merchants/answer/6098378?hl=en
[4].?The Ultimate Google Shopping Strategy for Max ROI – Advanced Query Sculpting
https://stablewp.com/the-ultimate-google-shopping-strategy-for-max-roi-advanced-query-sculpting/
[5].?Query Sculpting
https://smarter-ecommerce.com/whoop/en/query-sculpting/
[6].?Revenue Per Click
https://raptor-dmt.com/ppc/revenue-per-click/
[7].?TOFU, MOFU & BOFU: SERVE UP THE RIGHT LEAD NURTURING CONTENT
https://www.weidert.com/blog/tofu-mofu-bofu-marketing-content-for-lead-nurturing
[8].?Bottom of the Funnel
https://mixpanel.com/blog/bottom-of-the-funnel/
[9].?Middle of the Funnel
https://mixpanel.com/blog/middle-of-the-funnel/
[10].?Top of the Funnel
http://mixpanel.com/topics/top-of-the-funnel
[11].?Taking Google Shopping to the Next Level
https://www.ppc-epiphany.com/2014/12/08/taking-google-shopping-to-the-next-level/
[12].?Manage a shared budget across campaigns
https://support.google.com/google-ads/answer/2517512?hl=en
[13].?Single Product Ad Groups (SPAGs): Transform Your Google Shopping Campaigns
https://klientboost.com/google/single-product-ad-groups/
[14].?Single Product Ad Groups: A Proven Strategy To Generate More Sales
https://www.logicalposition.com/blog/single-product-ad-groups-a-proven-strategy-to-generate-more-sales
[15].?Manage a Shopping campaign with product groups
https://support.google.com/google-ads/answer/6275317
[16].?One Product Ad Groups For Shopping Campaigns : Enter The OPAG
https://www.helloclicks.co.uk/one-product-ad-groups/
[17].?The Four Types of Keywords (and Why They Matter)
https://www.semrush.com/blog/types-of-keywords-commercial-informational-navigational-transactional/
[18].?Analyze Search Intent Instantly with Semrush
https://www.semrush.com/blog/analyze-search-intent-instantly/
[19].?Keyword Commercial Intent
https://backlinko.com/commercial-intent
[20].?How to Optimize for Three Types of Buyer Keywords
https://blog.alexa.com/how-to-optimize-for-three-types-of-buyer-keywords/
[21].?How to Identify Keywords That Signal Shoppers’ Intent
https://www.practicalecommerce.com/how-to-identify-keywords-that-signal-shoppers-intent
[22].?Negative Keywords and Priority Settings in Google Shopping in 2021
https://www.datafeedwatch.com/blog/negative-keywords-and-priority-settings-in-google-shopping
[23].?About negative keywords
https://support.google.com/google-ads/answer/2453972
[24].?THE ULTIMATE ECOMMERCE NEGATIVE KEYWORD LISTS
https://www.ecomcrew.com/ultimate-negative-keyword-list/
[25].?Commercial Intent: How to Find Your Most Valuable Keywords
https://www.wordstream.com/blog/ws/2014/06/30/commercial-intent-keywords
[26].?The Best Google Shopping Campaign Structures for Max Success
https://blog.storeya.com/2018/06/best-google-shopping-campaign-structures/
[27].?N-grams
https://en.wikipedia.org/wiki/N-gram
[28].?What Is Natural Language Processing?
https://machinelearningmastery.com/natural-language-processing/
[29].?Natural language processing
https://en.wikipedia.org/wiki/Natural_language_processing
[30].?Understanding Word N-grams and N-gram Probability in Natural Language Processing
https://towardsdatascience.com/understanding-word-n-grams-and-n-gram-probability-in-natural-language-processing-9d9eef0fa058
[31].?Using Google Shopping Data To Build Out Your Google Ads Account
https://www.takesomerisk.com/google-shopping-data-to-build-adwords-account/
[32].?Search Query N-Gram Performance Script
https://www.brainlabsdigital.com/marketing-library/search-query-n-gram-performance-script/
[33].?Using N-Gram Analysis to Optimize SEM Account Performance
https://www.wpromote.com/blog/paid-media/what-is-n-gram-sem-data
[34].?AdWords Script: Find Your Best And Worst Search Queries Using N-Grams
https://searchengineland.com/brainlabs-script-find-best-worst-search-queries-using-n-grams-228379
[35].?6 Fixes to Google Drive Unable to Open File at This Time
https://www.cbackup.com/articles/google-drive-unable-to-open-file.html
[36].?Search Term Report N-gram Analysis
https://searchtermreportanalysis.com/
文章為作者獨立觀點，不代表DLZ123立場。如有侵權,請聯系我們。( 版權為作者所有，如需轉載，請聯系作者 )
網站運營至今，離不開小伙伴們的支持。 為了給小伙伴們提供一個互相交流的平臺和資源的對接，特地開通了獨立站交流群。
群里有不少運營大神，不時會分享一些運營技巧，更有一些資源收藏愛好者不時分享一些優質的學習資料。
現在可以掃碼進群，備注【加群】。 ( 群完全免費，不廣告不賣課！)
