关于智能购物广告系列的潜力，人们提出了美好的承诺：在保持相同投资回报率（ROI）的同时实现更高的流量规模。我们进行了一些测试，以验证这一说法在实践中是否成立。尽管结果存在一定的波动性，但总体来看确实令人期待。
能否在保持相同投资回报率（ROI）或每次转化费用（CPA）的情况下，实现高达40%的更高流量规模？这是Google和微软对其智能购物广告系列提出的承诺。这听起来可能好得不像真的。事实果真如此吗？我们通过实践检验了这一点，结果显示前景乐观。在测试中，智能购物广告系列实现的流量规模（包括网站访问量和销售额）均高于标准购物广告系列。
智能购物广告系列到底是什么？
智能购物广告系列本质上与标准购物广告系列相同，并增加了智能出价、动态再营销以及动态潜在客户开发功能。此外，这些广告除了在Google Shopping上展示外，还会在其他网络上投放，例如展示广告网络、YouTube和Gmail。
据搜索引擎称，使用智能购物广告系列可能会比手动结构的购物广告系列产生更好的效果（即在相似的投资回报率下获得更大的流量规模）。根据Google的说法，如果客户尚未使用动态再营销和/或动态潜在客户开发，那么销售额增长30%至40%并不罕见。
如果客户已经在使用这些工具，但改为通过智能购物广告系列来管理它们，那么预计仍会有5%至10%的增长，体现在购物广告系列的流量规模上。其原因在于流程由中央统一管理，算法能够做出更优的决策。如果您尚未使用这些功能，则可能会错失部分销售额。
差异对比
我们将智能购物广告系列与标准购物广告系列之间的差异整理如下表：
标准购物广告活动的缺点在于，与智能购物广告活动相比，它们的设置更为繁琐。此外，智能购物广告活动会在多个网络上展示，从而帮助你触达更广泛的受众，并带来更高的流量。
测试智能购物广告活动
通常——在此案例中也是如此——在采纳或弃用某些设置和功能之前，先对其进行彻底测试是明智之举。目前，Google Shopping尚不支持设置草稿和实验。因此，难以简单地测试智能购物广告活动的影响，但这并非不可能……我们与搜索引擎合作，想出了一种尽可能完善地测试该影响的方法。
我们使用的测试是一种类别对类别的测试。我们在账户中查看了具有高流量且结果相似（ROI或CPA）的广告活动。然后，暂停其中一个广告活动，并将其重新创建为智能购物广告活动（因为无法将现有的购物广告活动转换）。在分析结果时，我们查看实验内的百分比变化，然后将其与基准广告活动中的变化进行比较。因此，基准广告活动被用作衡量标准，以判断变化是否归因于一年中的特定时间（季节性）。
由于智能广告系列采用广泛的定向方式，使得很难进行良好的逐一比较。无论是在网络内还是在自有广告系列的现有定向中，你都必须考虑到不存在自有竞争的情况。你可以通过密切关注智能广告系列和测试广告系列的投放位置和方式来避免这种情况。
结果
为了获得良好的概览并保持数据清晰，我们在多个客户处测试了智能购物广告系列。
- 测试 1
在与基准广告系列搜索量大幅下降（点击量-43%，成本-60%，转化价值-53%）的同一时期，我们看到智能购物广告系列的量甚至有所增加（点击量+74%，成本+32%，转化价值+22%）。然而，实验中的投资回报率（ROI）低了7.35%（€13.05 vs €12.10）。相比之下，在同一时期，基准广告系列的ROI上升了12.90%（€8.48 vs €9.58）。
结论：在这种情况下，智能购物广告系列确实实现了巨大的提升就量而言，但导致了ROI的小幅下降。
- 测试 2
在实验组和基线组中，我们均观察到展示量的增加。然而，在基线组中，由于点击率（CTR）低6.4%，可观察到点击量出现小幅下降（-0.89%）。实验组的点击量高出15%，CTR高出8.66%。实验组的成本降低了0.89%，而基线组的成本则上升了11.16%。尽管实验组成本较低，但转化价值仍增长了5.94%，使得ROI高出3.89%。转化数量高出20.23%，且转化率低了2.2%。基线组的成本高出11.16%，而转化价值下降了14.57%。因此，ROI低了24.77%。转化数量也减少了12.64%。转化率略高(+2.13%)。
做还是不做？
因此，使用Smart Shopping进行测试绝对是有意义的。自动化在我们看来代表着未来，Smart Shopping等产品就是其中的一部分。现在就开始测试并获取经验教训是值得推荐的：虽然现在还是夏天，但包括黑色星期五在内的购物季已近在眼前。如果你现在测试智能广告系列，你就能根据自身的测试结果，提前知道是否应该部署这些广告系列。
在我们的测试中证实了这一点：使用智能购物广告活动可以实现更高的销量，而基准广告活动在同期却显示出萎缩。已进行的测试进一步得到发展和完善。因此，我们对不同客户预期的提升幅度有了清晰的认识。
那么，智能购物广告是万能灵药吗？很遗憾并非如此。我们仍面临不少限制，这使得它肯定（目前？）还不是适用于所有人和所有情况的解决方案。鉴于测试中的投资回报率（ROI），我们看到结果参差不齐。因此，事先明确在一类测试中可以预期多少提升作为得出正面或负面结论的基准点，这一点非常重要。
目前我们尚未弃用标准的购物广告结构，因为在此方面的控制和调控能力仍然更强，而对于某些客户来说，这确实是一个关键要素。但智能购物广告无疑是完整营销组合中的一个美好补充，尤其为购物广告领域的增长提供了机会。