近两年，DTC品牌普遍降低Google Shopping优先级，将预算倾斜至Meta Advantage+和TikTok Shop联盟引擎。如今这一趋势正发生逆转。Google于7月中旬推出“Shopping Intelligence”（购物智能）功能套件，这是一组嵌入Performance Max及独立Shopping广告的AI驱动格式，促使曾认为付费搜索增长见顶的品牌重新回流预算。
这一转变已有量化数据支撑。Northbeam数据显示，新功能上线两周内，Google Shopping在追踪DTC广告支出中的占比从22.1%升至28.4%。这6个百分点的增长主要挤压了Meta拉新预算，而非TikTok，该细节已引发Meta代理商高度关注。
Google Shopping Intelligence带来哪些核心变化？
此次更新包含三个关联功能：
首先，产品Feed匹配采用多模态AI，基于视觉和语义相似性展示广告，不再仅依赖关键词。例如用户搜索“适合秋季的舒适亚麻裤”，系统可直接触发展示标记为“宽松版亚麻长裤”的产品，无需手动关键词桥接。
其次，Performance Max（PMax）新增“Shopping优先”模式。当ROAS信号强劲时，该模式会降低Display和YouTube库存优先级，转而聚焦Shopping广告位，解决以往PMax因混合低意图曝光而稀释Shopping表现的问题。
第三，联合Unbounce并引入原生实验层，推出动态落地页优化功能，允许广告主在Google Ads界面内直接进行点击后体验A/B测试。
"仅Feed匹配改进就为多数客户带来15%-20%更多曝光覆盖。产品出现在此前未覆盖的查询中，且这些新查询转化率高于传统关键词目标。" —— Savannah Moss，Tinuiti付费搜索副总裁
哪些品类ROAS提升最显著？
早期数据显示，以下三类表现超预期：
- 家居用品和家具：视觉相似性匹配优势明显，因消费者搜索词常与目录分类不一致。Outer、Article等品牌CPC持平，曝光量增长30%-40%。
- 服装和鞋履：语义搜索弥合了编辑语言与SKU描述的差距。多家Shopify服装品牌拉新活动ROAS提升1.8倍至2.4倍。
- 美容和个人护理：视觉匹配结合成分-功效语义链接，使此前由亚马逊主导的产品在新购买意图查询中脱颖而出。
消费电子（价格比较主导）和消耗品（订阅路径不适配单次交易归因）表现则不及预期。
DTC品牌如何重构广告架构？
战术调整视规模而定：
年收入低于500万美元的自投商家，建议整合为单一PMax活动，启用Shopping-first模式，通过Feedonomics或DataFeedWatch优化数据源，并保留至少6周学习期。
年收入1000万至1亿美元的中型运营商，建议采用细分策略：运行并行活动，包括用于拉新的Shopping-first PMax、用于品牌及高意图再营销的标准Shopping，以及捕获长尾流量的DSA活动。
"去年抱怨PMax黑盒支出的品牌，现正用细分策略重建架构。新的Shopping-first模式提供了前所未有的控制杠杆，可清晰追踪预算流向。" —— Marcus Chen，Common Thread Collective增长负责人
数据源质量是基础。新功能发布10天内，Feedonomics新客户咨询激增40%，常见问题包括缺少GTIN、属性格式不一致及标题不符合自然语言搜索习惯。
这对Meta预算份额意味着什么？
预算重分配并非零和博弈。Meta Advantage+在再营销和低漏斗表现依然稳健，流失的主要是特定品类的拉新预算，而这正是Google Shopping意图信号的优势领域。
对于标准化或搜索驱动型产品（如配件、基础款），Google底部漏斗效率难以替代；而对于情感驱动型产品（如高端护肤、时尚服饰），Meta的创意拉新能力仍具结构性优势。
"我们并未撤出Meta，而是优化规模。Google Shopping因意图信号清晰获得了原属Meta广泛拉新的预算；Meta则保留创意发现预算，因为Google无法复制情感触发机制。"——Priya Nair，Italic首席营销官
此外，部分美容和家居品牌正测试利用Google Shopping的语义匹配能力，在用户抵达亚马逊前将其引流至DTC网站，以此拦截亚马逊漏斗顶部流量。
如何设置测量体系？
归因是当前关键争议点。Google模型倾向于赋予Shopping Intelligence较高辅助价值，第三方平台则更审慎。
Triple Whale增量测试显示，新Shopping格式真实增量ROAS比Google报告低15%-25%，但仍为正数。Northbeam和Rockerbox将于8月初推出兼容更新，接收Google新增展示级信号，以更准确建模浏览后转化。
大预算运营商应考虑：
- 设置地理对照组：在2-3个市场暂停新功能4周，对比活跃市场收入曲线。
- 审核数据源质量：使用Feedonomics免费诊断工具，避免劣质数据浪费预算。
- 开展点击后实验：使用Unbounce或Shogun进行落地页测试，弥补PMax内置A/B工具统计功能的不足。
- 设定ROAS下限：拉新活动目标ROAS不低于3.5x，防止AI在学习期内过度追求流量规模。
Q4规划的现实影响
Google的时间安排颇具深意：7月中旬上线配合6周学习期，使首批清晰数据恰好在8月底出炉，正值Q4预算决策窗口。
Google销售团队正主推Q4预算提案，核心主张是将Meta拉新预算的10%-15%转移至Shopping，让AI在10月完成校准以迎接黑五。
该策略是否有效取决于品类与成熟度。对于搜索驱动、数据清晰且网站转化优化的品牌，Q4重分配预算理由充分；对于依赖情感发现的品牌，Meta和TikTok仍是首选。
要在Q4最大化获益，关键不在于最快转移预算，而在于利用接下来六周优化Feed基础设施、提升落地页质量并完善第三方测量设置。