自Google推出搜索广告AI Max以来，业界多关注其官方基准数据。尽管数据显示该功能可在不显著降低效率的前提下提升转化，但在成熟账户中的实际表现仍存疑。
Smarter Ecommerce (SMEC) 电子商务洞察负责人Mike Ryan分析了250多个使用AI Max的搜索广告系列数据，为电商广告主提供了基于真实场景的性能参考。
AI Max常与自动化功能并行导致冗余
SMEC研究发现，近半数测试AI Max的广告主同时运行动态搜索广告（DSA）和Performance Max广告系列。具体重叠情况如下：
- 1/6的广告主将AI Max与DSA结合使用；
- 1/4的广告主将AI Max与Performance Max并行使用；
- 近50%的账户同时运行上述三种类型。
此类广告系列均旨在扩大关键词覆盖范围，并行运行易引发查询竞争或转化数据分割，增加分析难度并干扰智能出价模型学习。虽然Google表示广告排名机制可解决重叠问题，但广告主仍需保持清晰的结构化设置，以便准确追踪转化来源。
查询扩展主要源于精确匹配关键词
针对百万次AI Max展示数据的分析显示，其查询匹配类型分布如下：
- 精确匹配：80.11%
- 词组匹配：19.52%
- 广泛匹配：0.38%
数据表明，AI Max并非单纯作为广泛匹配的延伸，而是倾向于从现有的精确匹配关键词向外扩展相关查询集合。这符合Google意图匹配的趋势，但也要求广告主主动监控搜索词报告，防止账户匹配到原始策略之外的无关查询。
收入增长伴随CPA上升
Google宣称AI Max可在类似效率水平下提升约14%的转化价值。SMEC数据显示，在分析的250个广告系列中，AI Max带来中位数+13%的转化价值提升，但中位数CPA也增加了16%。
增量转化成本高于基础关键词流量，符合边际收益递减规律。当高意向查询被覆盖后，额外增长往往来自效率较低的查询。因此，AI Max应被视为量级扩展层，而非纯粹的效率优化工具。
ROAS结果个体差异显著
尽管AI Max的中位数ROAS影响整体中性，但各账户表现分化严重。数据显示，部分账户ROAS较基线高出42%，而另一些则低35%。仅22%的广告系列接近原始ROAS目标，其余78%大幅超出或未达预期。这表明AI Max的效果高度依赖于账户结构、关键词覆盖及配置策略。
传统关键词结构可能引发内部蚕食
研究还发现AI Max与现有广泛匹配关键词存在意外互动，部分账户重叠率高达49%至63%。根源通常在于传统的广泛匹配修改版（BMM）关键词迁移至广泛匹配后，仍表现出短语匹配行为，导致AI Max基于此扩展时产生重叠。清理传统关键词结构有助于澄清报告数据，减少评估时的混淆。
总结与建议
SMEC的数据证实，扩展层虽能带来更大流量规模，但难以维持核心关键词组的同等效率。AI Max带来的增量转化是以更高成本为代价的。建议广告主将其视为受控的扩展层，而非搜索广告基础架构的替代品，并在测试过程中密切关注成本与回报的平衡。