为什么大多数人（包括我）跑Google Shopping广告会赔钱？
我个人比较喜欢挖赔钱的坑，然后琢磨着怎么把坑一个一个给填上，坑少了，路好走了，赚钱就变得容易多了。
Google Shopping广告确实很能出单，但是，也有很让人头痛的地方 --- 缺乏控制（要么跑不动，要么疯跑亏钱） ，Smart Shopping广告和Standard Shopping广告都有这个问题，本篇笔记仅仅围绕Standard Shopping广告展开（以下篇幅提到的Shopping广告均代表Standard Shopping广告）。
上个月，谷歌母公司Alphabet发布2021年第三季度财报。谷歌母公司Q3营收651.2亿美元, 扣除Q3支付给合作伙伴的流量获取成本（TAC）的114.98亿美元后，Google广告营收530多亿美金，广告依然是Google最大的收入来源。
Google才不会去关心我们广告主跑的广告是否盈利，相反，他只希望我们广告烧的钱越多越好，他自己能赚到钱才是最终目的。
以上这份财报，我们的的确确用真金白银做出了贡献，为自己鼓鼓掌把，哈哈。
Shopping广告无法像Search广告那样主动地利用关键词触发广告展示，用户的Search term会匹配我们上传&优化好的feed，匹配过程就像是在开盲盒一样，我们无法控制用户的哪些搜索查询会触发广告展示，更不能控制触发关键词的竞价。
Google Shopping广告给我们一个很大的错觉:
竞价的是产品，而不是Search queries.
竞价的是产品，而不是Search queries.
竞价的是产品，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.
这种错觉现在渐渐已经成为跑Shopping广告的固定公式："跑Shopping广告就是要大量铺货，SKU多，预算足，广告才跑得动，明其名曰，精铺、测品、矩阵、DTC."
其实呢，以前我是非常赞同的，特别是好多个单品站跑Shopping广告失败后，更加坚信了要大量上SKU，广告才好跑。
所以在很长的一段时间里，我的Shopping广告策略都是这样"一锅乱炖"，几十上百个产品按照Item ID 分类后全部放到一个ad group里面。
此处省略了很多字。。。广告经过【一顿操作】后，终于愉快地跑起来了。
1 天
2 天
3 天
.
.
.
7 天
Google Shopping广告烧不动，怎么办？
此处讨论的情况是，所有产品feed已经通过GMC批准且listing优化良好（包含广告常识性的设置无误）。
烧不动？- "调高竞价鸭！"
烧不动？- "增加预算鸭！"
烧不动？- "产品&SKU少了，多传产品鸭！"
烧不动？- "竞价模式切成Maximize clicks 且不要限制最高竞价鸭"（最keng就是这种，如果有DL给你说这样设置，要小心了，基本上是为了让你充广告费，你能不能赚到钱，也许只有天知道）
其实，Shopping广告烧不动，其中原因是很复杂的，不是简单无脑地用上面几个常规基础调整能解决的。
如果，我说的是如果，不差钱的情况下，广告烧不动，我觉得就是一个笑话。
当然，我们又不是跨境慈善家，我们来Google Shopping烧广告是来赚钱的，如何保证广告在烧的动的情况下还能持续盈利，才是我们要解决的问题！
以下这段为上面省略的很多字。。。【一顿操作】，请勿对号入座。
然后，选择自动或者手动竞价方式，随便设置一个竞价比如0.75美金，预算50美金每天，开跑！
自动竞价模式下，等待了3 、5、7天，发现广告没曝光（美其名曰，机器学习中），抱着10分幻想再等待了几天，发现还TM没曝光，有点慌。
自动/手动竞价来回切换，发现还是跑不动，增加竞价到1美金或者2美金，boom, 有点流量了，出单了，很开心，一看数据WOCA0 , ROAS零点几，烧了8 、90美金，出了一单，客单价还是19.99美金。
安慰自己先稳住，再观察下，等广告报表有数据了，添加了一些否定词，调整竞价，继续烧，每天几单，每天亏钱，连续一个月，广告暂停，网站关闭，宣布倒闭，总结，选品问题。
痛定思痛，继续开发新品，建新站，忙得不亦乐乎。
如此无限循环。。。
最后，有人问你
做什么的？
独立站！
赚钱吗？
还行吧！
你这么厉害，一定亏了不少钱把，带带我可以吗？
额。。。
好了，玩归玩，闹归闹，才艺时间到，以上方法不行，那就换个方法。
Query Sculpting.
Query Sculpting.
Query Sculpting.
Query Sculpting是什么？
额，其实我也说不上来具体中文叫啥，查询雕刻？好奇怪的直译，反正我叫它QS模型，一种高阶的Google Standard Shopping广告构造策略，可以让我们从Google手中重新获得Standard Shopping广告的控制权。
下图是我目前认知的QS模型的全貌
（请把手机横过来浏览）
其实这是PLAN A
PLAN B 在文章末尾
整篇笔记都是围绕这张图展开的。
本篇笔记中用到的全部数据均来自2019年疫情之前，自己的两个小杂货店（失败案例），记得有卖键盘、手表、花瓶、汽配、工具、手机壳等等。
Query Sculpting是怎么让Google Shopping广告不亏钱（盈利）的？
Query Sculpting（Query Splits or Segmentation都是一个意思）为了规避标准Shopping广告对竞价的限制。用于为不同类型的search term设置不同的竞价，将购物广告系列分为三（2）个部分，然后使用不同的否定关键词、广告系列优先级和竞价的组合对流量进行有效地控制。获得更合理的竞价和更高的Return on Ad Spend (ROAS)。
接回上面说的Google shopping广告给我们的错觉，只能对产品竞价而不是Search Queries，恰恰相反，只有借助优先级和否定词我们才能对用户的Search Queries进行竞价匹配，运用Query Sculpting，我们可以将预算和最高出价集中在最有可能促成转化的搜索查询上。
为了更清晰的整理QS模型，这里引入销售漏斗的内容。
销售漏斗在Query Sculpting中起到的作用？
Query Sculpting模型的核心是基于搜索购买意图的概念。
当用户在进行消费行为时，他们会将搜索范围从非常广泛和通用的内容细化到更有针对性的特定产品的内容。营销漏斗则可以帮助我们过滤出用户在搜索引擎上的各种带有购买意图的搜索查询。
ToFu（top of funnel）顶部销售漏斗
买家购物的第一阶段，他们现在还不了解我们，他们正处于信息收集阶段，我们需要尽可能地说服他们进一步向下移动漏斗（如果我们在这个阶段证明了自己的价值，也是有转化的可能的）。
"gaming keyboard"
游戏键盘
MoFu（middle of funnel）中部销售漏斗
买家购物的中间阶段，这个阶段的用户对购买某品牌的产品非常感兴趣，但是还没有做好最终购买的准备，他们需要再了解下这个产品是否还有自己不清楚的地方（自己不需要的功能就没有必要多花钱，反之亦然）。
"razer gaming keyboard"
雷蛇游戏键盘
BOFU（bottom of funnel）底部销售漏斗
买家购物的最后阶段，用户基本上已经花费了相当多的精力，才让他们到达这里。这是潜在客户做出从我们这里或竞争对手那里购买产品的最终决定的时候（这时候，用户非常清楚自己需要什么，不需要什么，从他们的搜索查询就可以看出来）。
"razer no ten key gaming keyboard"
雷蛇无小键盘游戏键盘
下面开始加速了
Query Sculpting具体怎么设置呢？
第一步：创建三个包含相同产品、具有相同结构并使用相同定位设置（位置、设备、时间表、受众等）的广告系列。
这里，用同一个产品gaming keyboard游戏键盘举例，创建了优先级分布为高、中、低三个广告系列（手动创建一个优先级为Low低的广告系列，然后复制粘贴2个出来）。
第二步：分布将3个广告系列设置低、中、高优先级
第三步：创建Single Product Ad Groups (SPAG)
Query Sculpting和SPAG相互结合使用，Query Sculpting在广告系列层级通过精细设置和结构重建，最大限度地收回对Google Shopping广告的控制权，SPAG则在广告组层级夺取控制权。两者缺一不可！
Never target all products in one ad group!
永远不要在一个广告组中定位所有产品！
这里再引入一下SPAG的内容（再套个娃）。
什么是Single Product Ad Groups (SPAG)？
一句话概况 --- 类似于 Google Search广告系列的 SKAG，是不是又要问SKAG是啥... 哈哈。 Single Keyword Ad Groups (SKAG)
Single Product Ad Groups (SPAG) ：
每个独立的ad groups广告组只包含一个独立的产品（变体也看成一个产品），且各自独立竞价。
上图SPAG一目了然
Single Product Ad Groups (SPAG) 有哪些好处？
1. SPAG 让我们轻松了解，哪些产品会触发哪些搜索及与这些搜索词相关的花费和销售情况，从而知晓我们的单个产品（变体）到底赚（亏）了多少钱。
2. SPAG 可帮助我们清除掉大量不相关（容易亏钱）的搜索词。
通常操作，一个广告组里面塞满所有的键盘（不管红黄蓝绿），下图这种情况，为了避免不让mechanical keyboard green这个绿色搜索词触发我们的广告，那就把green添加成否定词。额，不对，如果把green否掉，整个广告组的绿色键盘广告都不会触发了。相反，SPAG就可以轻松解决这个问题（只需要在粉黑那个广告组里面加入green）。
3. SPAG 确保我们可以在产品层级控制竞价。
4. 适合精品垂直店铺（SKU少）。
5. 更快速地测出爆款，持续盈利，可复制性强。
SPAG要用得好，不仅仅在搭建环节，更需要配合Search Term Report精细化分析，关于这部分本篇暂不整理，以后单独一篇笔记整理。
显然，我之前崇尚的"一锅乱炖"，就是XJB整，还带偏了一些群里的朋友，怪不好意思的，在此说声抱歉。
我想再狡辩1下，其实，"一锅乱炖" 的第二步就是SPAG（开小灶），想一想是不是：
"从大量item ID里面找出盈利的产品，单独新开一组广告系列，广告组里面只添加这个盈利产品，优先级设置中或者高，单独给竞价，预算，添加否定词，然后，之前那组广告系列里面的这个item ID可以不管他（反正优先级为低），也可以停掉。"不过，区别还是挺明显的。
第四步：为每个广告系列下面的SPAG设置Bids竞价
大词、通用词竞价低一点，没转化不心痛，长尾词竞价高一点，尽量争取更高的排名，有利于转化。
如何创建Single Product Ad Groups (SPAG) ？
为SPAG使用合理的命名结构非常重要，尤其是当我们可能有数万个SKU 的时候。
Each ad group in a Shopping campaign can have up to 20,000 product groups. 广告系列中的每个广告组最多可以包含 20,000 个产品组。
对于绝大多数玩家来讲，其实，够用了哈。
产品组里面只选对应的ITEM ID（不同颜色、尺码的变体也这样区分出来）
下面这步，个人认为是QS模型里面最难最难的部分。
第五步：添加否定关键词
需要添加广告系列层级的Negative keyword lists和广告组层级的否定词，添加否定词很简单，难的是如何把他们找出来。
Negative keywords否定词在哪里找？
Search term report广告报表。
每天查看search term report，向对应的广告系列中加入对应的否定词。
太慢了，末尾有高效批量方法。
Negative keywords否定词在Query Sculpting模型里是怎样运作的？
1. 如果搜索词不包含与我们的品牌或具体产品相关的关键词（在此级设置为否定词），则会触发ToFu（top of funnel）顶部销售漏斗广告系列中的广告。
此广告系列只会跑，通用关键词Generic Keywords（产品搜索量大的词、核心词，大多数人都会去搜的关键词，太模糊的词），如：gaming keyboard 、 mechanical keyboard、water filter、coffee
2. 如果搜索词包含与品牌词（razer gaming keyboard）或具体产品相关的词（razer no ten key gaming keyboard），它将被传递到具有中等优先级的 MoFu（middle of funnel）中部销售漏斗广告系列中， 如果搜索词只包含与品牌相关的词，则会触发此广告系列的广告。
此广告系列只会跑，品牌关键词（竞争对手的词），如：razer gaming keyboard 或 razer mechanical keyboard
3. 如果搜索词包含具体产品相关的关键词，例如"razer no ten key gaming keyboard"，由于我们在MoFu（middle of funnel）中部销售漏斗广告系列设置为否定词，所以会进一步向下传递到BOFU（bottom of funnel）底部销售漏斗。
BOFU（bottom of funnel）底部销售漏斗的优先级最低，只会由高度具体的产品相关搜索词触发。
此广告系列只会跑，具体产品相关的关键词，如：mechanical gaming keyboard usb 87 backlight black us black switch 、 razer no ten key gaming keyboard、buy bulk bags of coffee beans online
最终，优先级-高和优先级-中2个广告系列联合起到了一个过滤器（漏斗）的作用。
QS模型是否能够运转顺畅，选择各优先级广告系列中对应的否定词是关键！
找否定词其实不难，但是，要在海量search queries里面准确找出否定词还得需要一些方法。
和在家做清洁一样的道理，打扫清洁第一步，分辨哪些东西需要留下，哪些东西需要扔掉，然后，再开始局部清洁和整理。为了不，误把有用的关键词清理掉，我们需要弄清楚每个关键词背后的消费行为动机。
判断否定词最有效的方法之一就是关键词动机。
如何判断关键词动机Keywords intent ？
现在很多关键词研究中，总是强调搜索量和关键字竞争力，实际上，却忽视了关键词动机（SEO基础中的底层逻辑）。
关键词动机对于建立否定词清单意义非凡。
《The Art of SEO》第三版第6页起
关键词从动机(搜索查询)分类，大致可以分成三类：
信息查询词Informational Queries
导航查询词Navigational Queries
交易查询词Transactional Queries
什么叫信息查询词Informational Queries?
帮助用户找到一般信息（又名“know”关键字）
他们知道自己有某方面的问题和需求，但不确定如何解决或满足需求。使用信息关键词来寻找解决的方案和答案。网上绝大多数搜索都是Informational Queries.
先来个自己的案例把，周末在公司加班，买了杯咖啡，中途忘记喝了，变凉了，又不想把咖啡倒出来放微波炉热，然后我就去搜索引擎用Informational Queries的意图去搜索结果 ："Can i microwave paper coffee cups" , 很明显，答案是否定的，我只是想确认下而已。
至于我会不会买关键词上面的产品呢？我不是已经买了吗？哈哈。
信息搜索的用户很难直接转化为付费客户！不过，也不是不可以，利用信息关键词的最佳方法是找到搜索量大而竞争低的关键词，并围绕这些关键词创建内容，通过这种销售漏斗拿到可以的邮箱，再通过EDM进行转化。
比较常见的Informational Queries如下：
（每个NICHE不同，对应的Informational keywords也会有差异）
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的否定词的目的是：提前加入到Negative Keywords List.
如果把握不定广告报表里面的search queries是否是自己对应niche里面的informational keywords,这里有个可以参考的工具SEMrush.
Keyword Magic Tool里面有个Intent列，通过目标关键词可以查询到，此关键词是？
Informational（I）
Navigational（N）
Commercial（C）
Transactional（T）
通过SEMrush的intent查询，再结合自己产品验证后，最后决定是否把此关键词加入到否定词里面。有理有据，不错sha每一个有可能转化的词！
什么叫导航查询词Navigational Queries?
帮助用户找到特定品牌、产品或服务（又名“go”关键字）
他们知道自己想要什么或需要什么，并且正在研究这是否是适合他们的解决方案。使用导航关键词来查找有关特定产品、服务和品牌的信息。
[Brand name]
[Product name]
Location of
Near me
Features of
Cost of
Hours of
Directions to
Reviews
Free shipping
Prices
Testimonials
SEMrush最新的一个功能，查询的关键词可以按照intent动机来分类查询，怎么讲呢？如果对广告报表里面的某些大词带来的长尾词，中间夹杂的许多看似乱七八糟的关键词无从入手的话，可以试试，按照这个intent动机先分类剖解出来再做判断。
上图看出来了很多产品+品牌词，属于导航信息查询词范畴，也就明白了为啥QS模型需要把Competitor terms竞争对手关键词【数量非常巨大】单独分类出来进行竞价（我们在跑竞争对手词的时候，竞争对手也同时在跑我们的品牌长尾词）。
什么叫交易查询词Transactional Queries?
帮助用户找到进行交易的地方（又名“do”关键字）
他们已经决定了准备购买的产品或服务，使用交易关键词来寻找合适的地方完成购买，从SEO的角度来看，这种交易意图的查询比搜索量更重要！
Transactional 可再细分出来 Commercial，SEMrush里Keyword Magic Tool的intent是这样解释的：The user wants to investigate brands or services.
Transactional Queries大致可以分为2类Commercial动机词：
第一类：
"Buy Now" 商业动机词Commercial Intent Keywords
- Buy
- Coupon
- Discount
- Deal
- Free shipping
- Purchase
- Order
一般来说，平台词walmart，amazon，target，ebay、aliexpress、wish、home depot都是归类在否定词清单（平台清单）里的。
不过，这里夹杂了Order这个明显的商业动机的词，适当地可以观察留意下（而且还转化的情况下）。
第二类：
"Product"产品商业动机词Commercial Intent Keywords
用户能精确具体地搜索出产品品牌、型号或参数的词基本都算。
如果，不太确定的情况下，SEMrush查询下。
"review" 和 "comparison"可能看起来不如其他一些产品关键词那么强，但这些关键词仍然可以高度转化，因为购买意图存在。
- Review
- Best
- Best [product] for [consumer group]
- Best [product] under [price]
如果我们的产品客单价没有在这个价格之内，可以考虑否定掉。
同理SEMrush查询后可得：
- Affordable
- Cheap （如果我们的产品是同类NICHE里面客单价比较高点的产品，那么Cheap or Cheapest 还得否定掉）
- Comparison
- Top
- Where to buy
我个人认为Where to buy是一个Transactional keywords而不是Informational keywords.
Where to buy需要判断词组尾部是否是near me，这种大概率是当地实体消费动机，所以，near me是进入到否定词地理清单里面的。
另外，还有一个容易被忽视的最不像否定词的"否定词" ！
高搜索量High Volume的关键词
[gaming keyboard]
[mechanical keyboard]
这种体量大、竞争激烈的头部核心关键词，会让人产生一种幻觉｛这么多流量进来，点击和转化一定会很多把｝呵呵，Google就喜欢这种人傻钱多速来的金主。
对于大多数我们这种小卖家，预算紧张的情况下，根本承受不起这种大词无谓的消耗。一定要听劝。
其实，这种核心词月搜索量在10W+的产品是非常不错的，长尾词数量会非常巨大，覆盖了大量月搜索量低（多低？100以下都是大金矿）且转化高的长尾词，往往这些长尾词，才是让我们获得盈利的词，但是，这种词很多时候，Google连给曝光的机会都没有。
长尾词月搜索量100以下的案例，请移步之前的笔记第四步
我会为高搜索量核心词、泛词单独拉一个[core]否定词清单。
直接告诉google，不要跑大词，跳过，跑长一点的词，大可放心，不会因为否定了核心词，google就不认识我们的产品了。
同时，根据产品实际情况给否定词清单分组，按照材质、受众、功能、竞争对手等等细分出来，方便将广告报表里面的否定词分类，越早分组收集否定词清单，以后会越来越游刃有余。
（大写的）但是！Google Shopping广告不允许广告主直接根据查询意图细分广告支出。
广告展示位置由用户搜索的内容与我们的产品 Feed 属性匹配的概率决定。更糟糕的是，PLA 结构要求广告商确定产品级别的支出。
这意味着与该产品相关的所有查询都集中在一起，无论其相关性如何。
那么，我们如何确保向价值最高的客户提供价值最高的广告，并限制对不打算购买的客户的支出？
此处再转一个弯，继续加速。
不管在广告系列层级或者在广告组层级，有一个特别烧脑和费时间的步骤：如何从海量关键词（几千上万）中批量找出对应层级匹配的否定词？
当然手动是在所难免的，不过，另外还有一个自动化的批量处理方案，google ads里面一个非常高级的功能：批处理 - 脚本 Scripts.
如何实现自动化批处理的呢？
N-gram.
随便跑几天就是这样大的数据量，一个一个吃的消吗？
什么是N-gram？
N-gram模型是一种概率语言模型, 可以使用 n-gram 分析大规模的广告报表数据，完成许多用于排除表现不佳的否定关键词的工作，以轻松地在多个广告系列的大量数据集中找到趋势。
N-gram模型广泛用于自然语言处理,自然语言处理Natural Language Processing， NLP 是人工智能的一个领域，它使机器能够阅读、理解人类语言并从人类语言中获取意义, 是一门专注于数据科学和人类语言之间交互的学科。
由于机器学习等学科的进步，如今，它不再是试图根据关键词来解释文本或语音（老式的机械方式），而是理解这些词背后的含义（认知方式）。通过这种方式，可以检测讽刺等修辞手法，甚至可以进行情感分析。
NLP和我们广告报表之间有半毛关系吗？
额，其实，还真的有点关系。
我们在搜索引擎（包括A站这种平台）的搜索栏输入搜索词的时候，在我们输入第一个单词的时候，后面联想出来的单词和词组，其实就是自然语言处理的结果。
N-gram 概率问题一览
假设我给AI 一搜索语句 "Thank you so much for your"，并期望系统预测下一个单词是什么。现在你我都知道下一个词是"help"的概率非常高。但是系统怎么会知道呢？
这里需要注意的一件重要事情是，对于任何其他人工智能或机器学习模型，我们需要用庞大的数据语料库来训练模型。
一旦我们这样做了，系统或 NLP 模型就会很好地了解某个词在某个词之后出现的“概率”。
所以,我们已经用大量数据训练了我们的模型，我们又假设模型给了我们正确的答案。
为啥搜索量里面靠前的搜索词大流量的原因明白了把（大数据，AI在不断学习人类的语言）
自然语言处理中的 N-Grams是一种不仅可以让机器学会识别单词，还可以让机器识别不同语境下多个单词组成的句子含义的方法，达到机器学习的目的。
举个栗子，
We need to book our tickets soon
我们需要尽快订票
We need to read this book soon
我们需要尽快阅读这本书
这2句话，对于我们正常人类来讲，很好理解其中的含义，并能快速判断出2个句子明显的区别。
前一句的book是动词，含义，订票；
后一句的book是名词，含义，书。
但是，对于机器而言，"book"作为一个多义词，机器需要一个方法去学习。
手写的，有点吃藕，哈哈
来个专业的表述
关于N-gram和自然语言处理对search term report的应用，我会单独写一篇笔记。
N-gram在本篇笔记里面就2个作用：
1. Search Term Report里的应用（一目了然地从海量数据中筛选出不盈利的搜索词，加入到否定词清单）
此数据为N-gram运算输出的表格数据
2. 通过N-gram，分别列举出1-gram，2-gram，3-gram，4-gram，5-gram，6-gram（根据具体产品可能出现的长尾词组合数量，也可能9-gram，10-gram，反正机器帮我们找，不累，哈哈）
开始的时候，我也很天真地自己去手动整理否定词清单，比如竞争对手的否定词清单。真的，太慢了，太累了。不早点把否定词清单分布到各层级的广告系列里面去，QS模型就没有运行的意义。
上面也讲到了，哪些词是属于竞争对手的搜索词，比如，上面的产品是汽配相关的车灯，那么，按照惯性思维和对市场常识认知，那么可能出现的品牌词subaru, volvo, toyota, ford, BMW, honda, audi ,这些词我们可以按照常规方法用excel VBA批量搜索出来结果，但是，很多汽配的小品牌或者杂牌组词的搜索词，我们靠这种方法是不可能大批量去完成的。
竞争对手 + led headlight bulb ，这是一个4-gram的序列，所以，我们只要用4-gram去逐一梳理 "+ led headlight bulb"的竞争对手的搜索词，就可以做到事半功倍的效果。扩展到 竞争对手+1 gram/2 gram等等。
此数据为N-gram运算输出的表格数据
N-gram模型不管在QS模型构建初期和广告报表优化阶段都发挥着不可或缺的作用。
Query Sculpting+N-gram
如何添加并运行N-gram 脚本？
新建Script
脚本运行之前，会让我们提供账号授权，多点几次，中间会有报错，玄学。
代码在我的Shopify交流群里，需要的可以加我好友，拉你们进群。
接回第五步，添加否定词。。。
如何添加否定词？
对应Campaign广告系列 - Keywords - Negative Keywords
添加否定词清单Negative keyword lists，如果有选择，一定！一定要添加一个否定词清单。
好吧，再上一遍上面这张否定词清单分类的截图
其实，建立否定词清单是一项需要长期累积且枯燥的动作，我会对否定词清单进行分类。
分类的依据完全根据自己对产品的理解，见仁见智哈。
再解析下否定词清单分类的由来。
竞争对手（第三方知名平台）
有些用户是大品牌拥护者，但是也不是绝对，还得看我们的产品，非FP和插边球的情况下（GMC也过了不啊，即使过了也不长久），我有个fashion类的产品，也经常会有大牌GUICCI [故意拼错的，不影响阅读]***之类的关键词带来的转化，如果觉得竞争对手的品牌词表现不好，也可以直接否掉）
另外还有一种集合大牌的聚合性网站，比如farfetch，这种词我也选择加入到否定词清单里。我把这类词放到平台否定词清单里面，和amazon，walmart一起。
和产品不相关的词：
我们不卖的产品，自己产品无关的词（性别、年龄、产地、功能、材质、外观、颜色、型号） --- 常识级
当然，平台词和一些不相关的词也可以整合放到通用否定词清单里面，也是根据自己的喜好来安排。
竞争对手（和我们差不多的品牌或者大牌）：
amazon，walmart，target这类的平台词，特别注意amazon专属词，prime和我们网站/品牌有相似产品的网站。
我们这种的竞争对手，其实是在google shopping上投广告的品牌。如果我们的产品走的是高客单价路线，那么，我们就要把走低客单价的品牌关键词否定掉。如果我们产品走的是低客单价的话，有可能在众多高客单价产品面前还有点价格优势。
为啥我选择，不把所有竞争对手的词全部否定掉呢？因为，当用户搜索竞争对手的搜索词的时候，可能会触发我们的广告，可能我们的广告就在此竞争对手广告的旁边，这样被点击的几率会增加不少。（没事的时候，多逛逛，分析下竞争对手，毕竟这也是一个重要的流量入口来源）
报表表现不好（超低CTR、超高CPA）
CTR点击率超低的词，0.1%不到
除非产品属于非标品或者竞争力非常强，不然，太泛的关键词很容易陷入大平台的包围中（核心词精准否定其实已经解决掉了）。
表示Location地点的词
我们不能配送的地方，用户在意的制造国地址。这种客户民族意识很强，就想买本国制造的产品，显然，老实来讲，我们是卖的MADE IN CHINA。很自豪！
made in usa
made in america
我为了方便，把 "made in"作为词组否定关键词了。
关于否定词清单，为啥把竞争对手也拿出来做否定词清单，别忘记了QS模型有一层级需要把竞争对手的词独立出来跑，不是说真的不跑这些词，而是相应的优先层级广告系列不跑它。
第六步：为所有广告系列创建共享预算（这一步可选）
创建共享预算时，只需将其应用于我们的高、中和低优先级广告系列。然后分配一个远高于我们预计每天花费的预算的共享金额。
如何设置共享预算Share Budgets？
保存后，查看下最终效果
设置优先级的广告会在两种情况下自动切换到优先级较低的广告系列：
1. 当否定关键词阻止该特定广告系列展示产品的时候
2. 当广告系列的预算用完的时候
如果优先级最高的广告系列的预算已用尽，则优先级低一级的广告系列将会出价。当优先级为“高”的广告系列的预算用尽时，系统会使用优先级为“中”的广告系列的出价，共享预算可以用来防止这种情况发生。
当然，QS模型也可以不用共享预算，看自己实际广告数据做判断。
PLAN B
如果觉得QS模型A版本太麻烦了，可以尝试用简化版的QS模型。
通用词和竞争对手品牌词放一个广告系列
长尾词（具体产品的搜索词）放另外一个广告系列
最后，最后，再强调下否定词匹配规则，和关键词匹配规则不一样。很容易搞混淆。
Negative broad match
广泛匹配否定词：running shoes
|
搜索词 |
广告是否展示？ |
| 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 |
广泛匹配否定词：Reebok t-shirt for boys
|
搜索词 |
广告是否展示？ |
| 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
词组匹配否定词：running shoes
|
搜索词 |
广告是否展示？ |
| 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
精准完全匹配否定词：running shoes
|
搜索词 |
广告是否展示？ |
| blue tennis shoes |
展示 |
|
running shoe |
展示 |
| blue running shoe |
展示 |
|
shoes running |
展示 |
|
running shoes |
不展示 |
精准完全匹配否定词：Adidas shoes
|
搜索词 |
广告是否展示？ |
| Adidas shoes |
不展示 |
| Adidas shoes for running |
展示 |
| Adidas trainers |
展示 |
shoes的同义词trainer 还是会被展示出来。
除了Query Sculpting，另外还有哪些shopping广告结构分组呢？看下图。
好了，本篇再写下去要猝si了。
END
2022年见！
下面是广告时间，事情是这样子的。。。
后来很多朋友私信我，干脆把我觉得用得比较顺手的资源集中推荐下。
美国公司注册
商标注册
BING广告
空中云汇收款
Google广告
以上如何通过Query Sculpting为Google Standard Shopping广告分组？仅代表个人喜好，仅供参考！
长按下图二维码关注，给我留言或加我好友。
为了让读者朋友们更加方便地交流和分享，我建立了一个纯交流群
（2个公众号共用这一个群）<高普的SEO笔记>，真诚地邀请各位独立站的朋友们加入进来，相互交流学习和分享。3群欢迎你们。
PS：服务商朋友勿加（感谢您的理解）
加我微信：valentine06
备注：shopify 进群
如果这篇文章能帮助到您，请点赞、转发加关注！谢谢您！
参考资料：
[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/
文章为作者独立观点，不代表DLZ123立场。如有侵权,请联系我们。( 版权为作者所有，如需转载，请联系作者 )
网站运营至今，离不开小伙伴们的支持。 为了给小伙伴们提供一个互相交流的平台和资源的对接，特地开通了独立站交流群。
群里有不少运营大神，不时会分享一些运营技巧，更有一些资源收藏爱好者不时分享一些优质的学习资料。
现在可以扫码进群，备注【加群】。 ( 群完全免费，不广告不卖课！)
发表评论 取消回复