过去六个月，Google Shopping 正经历一场安静却深远的变革。嵌入 Google Merchant Center Next 的 AI 驱动工具——Product Studio，已从新奇功能转变为 DTC 品牌运营 Performance Max 及标准购物广告的核心杠杆。深度整合该工具的商家 ROAS 显著提升，而未采用者则面临展示份额流失。
时机至关重要。面对 Meta Advantage+ Shopping 对预算的分流，Product Studio 凭借自动背景生成、Gemini 属性丰富化及数据源级 A/B 测试等扩展功能，为广告运营人员提供了重新投入 Google Shopping 的有力理由。
Product Studio 新增核心功能解析
相比 2023 年底仅支持基础美化的版本，2025-2026 年迭代版在架构上实现了质变。Google 将 Gemini 接入数据源层，AI 可直接读取商品数据、识别缺失属性、建议标题重写并生成情境相关图片，全程无需离开 Merchant Center。
截至 2026 年中，关键能力包括：
- 基于 Shopping Graph 搜索数据，自动优化标题和描述
- 大规模生成 AI 生活方式类及季节性素材，直接同步至 Performance Max 资产组
- 提供数据源诊断评分，并按预估收入影响对建议排序
- 自动丰富商品类型、材质、年龄段等属性，减轻手动管理负担
- 支持数据源内图片拆分测试，达统计显著性后自动优选
对于拥有 500 至 50,000 SKU 的品牌，仅数据源管理效率就提升显著。以往每月耗时 15-20 小时的手动优化工作，现可压缩 30%-40%。
ROAS 提升显著的商家细分领域
效果呈现差异化分布。家居、服装、美容、户外等视觉驱动型品类改善最明显，因 AI 图像生成质量最高；大宗商品或 B2B 相邻品类（如工业用品）创意提升较温和，但属性与标题优化仍使其数据源质量得分高于行业基准。
DTC 户外家具品牌 Outer 增长副总裁 Krista Bauer 自 2026 年 2 月起在约 200 个 SKU 上试点生活方式图片生成功能。
"Q1 我们将 AI 生成的季节性图像推送到 Performance Max 资产组，购物展示位点击率比标准白底图提高 22%。这些图像虽未取代工作室拍摄作品，但填补了人工无法匹及的创意空白。" —— Krista Bauer，Outer 增长副总裁
Bauer 强调质控仍需人工审核，但资产产出量大幅增加：“过去一次拍摄仅产约 40 张可用广告图，现在同等审核时间内，每系列可生成 300-400 个变体。”
与 Performance Max 广告架构的协同效应
Product Studio 资产直接注入 Performance Max 资产组，AI 创意质量直接影响拍卖系统评估。更优的创意多样性与资产质量评分，会促使系统在高意图展示位（购物、YouTube、Discovery）采取更积极竞价。
反之，忽视数据源质量的惩罚愈发明显。Shopping Graph 已能将产品数据与品类基准交叉比对，属性不全或图像低质的列表会被降权，即使原始出价相当，也会让位于优化更好的竞品。
tvScientific 联合创始人、前 Google 广告高管 Jason Fairchild 认为，这是 Google 对 Meta Creative+ 自动化层的回应。
"Google 构建了闭环：数据源质量直接决定拍卖资格。这是刻意设计，旨在引导品牌深耕 Merchant Center 生态。忽视 Product Studio 意味着错失大量展示份额。" —— Jason Fairchild，tvScientific 联合创始人
代理商视角下的工作流变革
代理商反应分化。大型效果营销机构依托 DataFeedWatch、Feedonomics 等工具建立的技术能力，将 Product Studio 作为现有基础设施的补充层级；小型机构则发现其降低了中型客户对第三方工具的依赖，影响利润率。
BigCommerce 旗下 Feedonomics 通过强化多渠道能力和实时同步架构，区别于 Product Studio 仅限自有渠道的原生功能。
Common Thread Collective 付费搜索总监 Andrew Wesby 为年收入 500 万 -3000 万美元的客户同时使用两款工具。
"对以 Google 为主要获客引擎的单渠道客户，Product Studio + Merchant Center Next 几乎构成完整 Feed 管理堆栈。但对同时向 Walmart Connect、Amazon、Meta 投放的多渠道客户，Feedonomics 的编排层仍至关重要。" —— Andrew Wesby，Common Thread Collective 付费搜索总监
Wesby 团队标准化流程：Product Studio 负责 Google 特定活动的创意生成与属性增强，Feedonomics 负责其他零售媒体网络分发。两者并行不冲突，但需前期明确映射配置。
商家需知的真实限制
Product Studio 并非完美，以下限制影响采用率与输出质量：
- 图像一致性：AI 生成图像在不同批次间可能出现风格漂移，导致目录视觉不一致，对美学要求高的精品或奢侈品牌是重大问题。
- 文案品牌语调：Gemini 驱动的标题描述建议侧重搜索相关性，而非品牌语调，通常需编辑后才能使用。
- A/B 测试 SKU 上限：Feed 级拆分测试目前仅适用于活跃 SKU 约 1 万以下的目录，阻碍大型零售商大规模使用。
- 数据延迟：属性增强建议可能在 Feed 更新后滞后 48-72 小时出现，对库存周转快或每日变价品牌尤为重要。
- 无批量创意 API：大批量创意生成仍需通过 UI 手动触发，代理机构缺乏可编程 API 端点。
API 限制成为代理机构痛点，多家机构正施压 Google 扩展 Merchant Center API，以支持 UI 外的批量创意生成与审批工作流。
抢占先机的实操建议
截至 2026 年中，表现最佳的商家与代理机构共享以下可复制实践：
第一，优先运行数据诊断。调整创意前，务必在 Merchant Center Next 运行完整商品数据诊断。修复数据质量问题带来的 ROAS 提升快于任何创意优化。多数审计显示，15%-25% 的 SKU 至少缺少一项 Shopping Graph 权重较高的核心属性。
第二，视 AI 图像为规模化工具。最佳实践是为每个 SKU 生成 8-12 张涵盖不同季节、场景或使用案例的变体，让 Performance Max 竞价优选。这与 Meta Advantage+ Shopping 验证有效的多创意策略一致。
第三，建立轻量级人工审核。避免直接将 AI 输出推送至 Performance Max。SKU 少于 2000 的目录，每周仅需 30 分钟审核即可满足质控需求。
第四，对接归因系统。无论使用 Northbeam、Triple Whale 还是 Rockerbox，都需将 Product Studio 创意层级数据纳入跨渠道分析视图，避免在孤立环境中优化 Google Shopping 而错失全漏斗信号。
Google Shopping 作为效果渠道不会消失。经历两年 Performance Max 复杂性与 Advantage+ 竞争后，Product Studio 的成熟为 DTC 运营者提供了重返渠道投资的可行路径——前提是愿意在前期投入商品数据与创意制作。