满分广告,为何一半时间输给差评广告?
📋 总体概括
Brad Geddes 对 5,900 个广告账户的研究显示,Google 更偏爱展示高 Ad Strength 的响应式搜索广告,但其转化表现只在 45% 的情况下更好。本文拆解 Pinning 机制、AI 搜索的品牌裂缝与 AI Mode 变现信号,给出可落地的投放与 SEO 应对打法。
📄 正文
Google 亲手打出的“满分”,正在被它自己的数据打脸。
Search Engine Journal 近日报道了两个放在一起看格外刺眼的事实:一是 Google 在投放系统中持续优先展示高 Ad Strength(广告强度)评级的响应式搜索广告(RSA);二是 Brad Geddes 覆盖 5,900 个广告账户的大样本研究发现——这些高评级广告,转化表现只在 45% 的情况下优于评级更低的广告。换句话说,多数时候,系统力推的“优等生”并不比“差生”更能带来订单。
同一周,Google 更新了垃圾内容指南、调整了餐厅订餐等控件,并被观察到在推进 AI Mode 的收入变现。另一项新研究则指出:大品牌虽然统治了 AI 搜索的可见度,却留出了小站可以钻的缝隙。
三件事指向同一个判断:搜索生态里“平台认为的好”和“市场验证的好”正在分叉。谁先看清这条裂缝,谁就拿到了下一阶段的杠杆。
📊 5,900 个账户的“满分悖论”
先说最扎心的这组数据。
Brad Geddes 是 PPC 圈子里的老兵,他的研究覆盖了 5,900 个广告账户——不是几十个账户的轶事,而是足以看出系统性规律的大样本。结论只有一句话:Google 确实更频繁地展示高 Ad Strength 的 RSA,但这些高分广告的转化率,只有 45% 的时间真的更好。超过一半的情况下,评级更低的广告反而更能转化。
注意这里的措辞:不是“高分广告转化差”,而是“高分广告的转化优势远不像评级体系暗示的那样稳定”。45% 这个数字意味着,Ad Strength 作为转化预测指标,几乎和抛硬币差不多。
这背后是 Google 一贯的思路:用一套自动化评分引导广告主“优化”。标题写满 15 条、描述凑齐 4 条、素材之间差异越大、关键词覆盖越广,分数就越高。听起来很合理——素材越多,系统可组合的空间越大,理论上越能匹配搜索意图。
但实际跑起来,组合空间越大,语言失控的概率也越高。系统挑中的那条组合,可能把你的价格承诺和品牌调性拆得七零八落。
评级衡量的不是“哪条广告能赚钱”,而是“哪套素材给系统的自由度最大”。 这是两件完全不同的事,而 45% 就是这两件事之间的距离。
| 维度 | 高 Ad Strength 广告 | 较低评级广告 |
|---|---|---|
| 展示倾向 | 系统优先、高频展示 | 展示机会更少 |
| 转化胜率 | 仅 45% 的情况更好 | 过半情况反超 |
| 素材组合 | 自由度高、组合多 | 空间被约束 |
| 信息控制 | 弱,依赖机器组合 | 强,靠 Pinning 锁定 |
| 适配场景 | 冷启动、探素材 | 核心词、强转化诉求 |
对操盘手来说,第一个可复制的动作已经浮出水面:把 Ad Strength 当流量分配信号看,别当质量分看。 分数高,说明系统愿意给你展示,这不坏;但别为了分数拆掉自己的转化护栏。
📌 Pinning:被评分体系“惩罚”的转化杠杆
那为什么低评级广告反而更能打?素材里的关键词是 Pinning(固定)。
RSA 的机制允许你在 15 条标题、4 条描述里做自由组合,而 Pinning 允许你把某条标题“钉死”在某个位置——比如保证品牌名永远出现在第一条标题里,保证价格承诺永远不被组合掉。
问题在于:你一旦 Pinning,素材的“自由度”就下降了,Ad Strength 评分大概率跟着掉。 系统会把这套高度受控的广告标为“不够优”,展示份额也会受影响。于是出现了一个荒诞的局面:你为了让广告转化更稳做的每一步控制,都在被评分体系扣分。
需要说明的是,“成熟账户里大量存在低评级但高转化广告”这一现象目前主要来自从业者的零散反馈和 Geddes 的间接数据,尚无 Google 官方口径的公开统计佐证。但机制层面的推演是成立的:平台评分奖励的是机器的灵活性,转化奖励的是信息的一致性。当两者冲突时,写规则的人选了灵活性,付钱的人选了一致性。
这个四象限给出了实操答案:混合策略(部分 Pinning,保留一定组合空间)处在最值得投入的位置。完全放手让机器组合,掉进“高分低效区”;全部钉死,又会损失系统给你探索新组合的机会。落点在中间偏右上:核心转化词钉住关键信息,长尾词放开组合去探。
🤖 AI 搜索:大品牌的王座上有缝
把视线从付费位挪到自然位,类似的“平台标准 vs 实际效果”错位也在发生。
Search Engine Journal 援引的最新研究确认了一个方向性事实:在 AI 搜索(AI Overviews、AI Mode 这类生成式答案场景)里,大品牌占据了可见度的绝对主导。品牌权威性、全网提及量、实体信号,这些恰恰是生成式引擎引用来源时最看重的。
但研究同时指出了一个关键的“但是”:大品牌的可见度优势存在结构性弱点,而小型网站有机会针对性利用。
这背后有更硬的数据支撑。Pew Research Center 2025 年对数万次搜索行为的分析发现:当搜索结果页出现 AI Overview 时,用户点击传统自然链接的比例从 15% 骤降到 8%,几乎腰斩;Ahrefs 针对约 30 万个关键词的研究也测得,首位结果的点击率在 AI Overview 出现后平均下降约 34.5%。流量在向答案页集中,而答案页的引用位,正是新战场。
逻辑不难推演。AI 搜索引用内容的逻辑和传统排名不同——它不只需要“这个站权威”,还需要“这个片段能直接回答这个问题”。大品牌的内容生产往往围绕品牌叙事和宽泛话题展开,在超具体的垂直问题、区域性问题、边缘长尾问题上,覆盖反而稀疏。生成式引擎找不到更好的答案时,就会转向那个真正把一个问题讲透的小站。
对中小站点,这意味着一件非常具体的事:别再模仿大品牌做内容,去做大品牌不愿做的内容。 越具体、越边缘、越“不值得品牌公关审三遍”的问题,越是 AI 引用的真空地带。垂直专业站在这个格局里是最值得押注的位置——差异化够高,可见度正在爬坡,天花板没到。
⚠️ 垃圾指南与 AI Mode 变现:平台在铺什么路
再看 Google 这一周自己在动哪几块砖。Search Engine Journal 的 SEO Pulse 栏目梳理了几条更新:
- 垃圾内容指南更新:针对“为分享而制作的页面”新增了收录方面的指引;
- 餐厅订餐控件:搜索结果中餐厅相关的订餐入口控制方式调整;
- 报告日期:相关报告中的日期展示规则更新;
- AI Mode 收入:AI Mode 的商业化变现被摆上台面。
单看每条都是例行更新,串起来看是一条清晰的路线:Google 正在为 AI 搜索时代重新划分地皮。
垃圾指南的更新,本质是在 AI 内容泛滥后重新定义“什么页面值得被收录”——平台在为生成式答案清洗训练与引用的语料池。订餐控件和报告日期这类调整,是在把搜索结果从“链接列表”往“任务完成界面”推。而 AI Mode 的收入动作,说明答案页本身将成为新的广告库存。
把这条线和前面两个故事连起来,三条线索其实是一个母题:
传统搜索时代,平台规则、广告主利益、用户价值大致同向;AI 搜索时代,这三者正在快速错位。 评分体系优先展示不一定最能转化的广告;AI 引用偏好大品牌但不总能给出最好的答案;AI Mode 变现意味着答案页的每一寸注意力都会被重新定价。
对营销人,这不是坏消息,是消息差。规则重写的窗口期,恰恰是中小玩家用新打法换旧份额的窗口期。
💡 操盘手的三个动作
道理讲完了,落到下周就能干的事上:
第一,审计你的 RSA 组合。 找出账户里高 Ad Strength 但转化平庸的广告组,对核心转化词做关键信息 Pinning,接受评级下降,用两周数据对比验证。5,900 个账户已经替你付过学费——45% 这个数字就是证据。
第二,重排内容优先级。 把“对标大品牌做宽泛内容”的排期砍掉一半,换成大品牌内容矩阵里没有的超具体问题清单,用直接回答式写法重构段落结构,让生成式引擎“引得走”。
第三,盯住 AI Mode 的商业化节奏。 它每进一步,自然结果的点击就会再被分流一截——Pew 的 15% 到 8% 已经给出了分流速度的量级参考。现在开始测试结构化数据和实体信号的完善度,是在为答案页时代的入场券提前排队。
搜索行业的老规律从来没有变过:平台的评分和推荐是入场指南,不是赚钱指南。 入场指南人人都在看,赚钱指南只留给那些愿意用数据对着干的人。
一个明确的结论
把三件事压缩成一句话:Ad Strength 评分、AI 搜索的品牌偏好、AI Mode 的商业化,三者共同证明了“平台给的信号”正在与“市场给的结果”脱钩——而这正是中小玩家换道超车的窗口。
5,900 个账户证明满分广告一半时间不灵,说明付费端的平台信号已经不可尽信;AI 搜索研究证明大品牌王座上有缝,说明自然端的引用逻辑存在结构性套利空间;Google 的连续更新则说明,规则重写的进度条正在加速,AI Mode 的商业化不会等人。
结论因此非常明确:不要用平台是否满意来校准打法,要用转化数据和引用数据来校准。 具体来说——付费端,接受 Ad Strength 下降,守住核心词的信息控制权;内容端,放弃与大品牌在同维度竞争,把资源压进大品牌覆盖不到的超具体问题;节奏端,把 AI 答案页当成分流的最大变量,提前布局结构化数据与实体信号。
下一阶段的赢家,不是最听平台话的人,而是最早完成这次校准的人。窗口期不会太久,现在就开始。
本文由本站 AI 辅助聚合生成,原始来源如下: