Google 用 Gemini 重写了搜索广告：流量入口的 AI 重构

预计阅读时间：13 分钟

搜索广告的底层逻辑正在被改写。过去二十年，Google 搜索广告的核心模型是"关键词匹配 → 出价排序 → 展位分配"。用户输入关键词，系统在毫秒级完成匹配，广告主围绕关键词争夺排名。这个模型高效但粗糙——用户在研究复杂问题时，意图往往分散在多个查询中，单次关键词匹配很难捕捉完整决策链路。

在 Google Marketing Live 上，Google 发布了一整套基于 Gemini 大模型的新一代搜索广告格式，核心变化是：广告不再只匹配关键词，而是匹配用户的研究过程本身。

AI Mode：搜索体验的底层重构

这次发布最重要的变化是 AI Mode 的全面引入。AI Mode 下，搜索结果页不再是一排蓝色链接，而是 Gemini 生成的综合回答，广告被嵌入到这个回答的上下文中。

这意味着几个结构性变化：

意图理解从离散关键词转向连续对话。用户在 AI Mode 中可以追问、细化需求，Gemini 会追踪整个对话上下文。广告系统因此能识别"从泛研究到具体购买"的意图演进，而不是只看最后一次查询。
广告展示位从固定展位转向上下文嵌入。传统搜索广告占据页面顶部几个固定位置；AI Mode 中，广告更可能出现在 Gemini 回答的相关段落旁，与内容形成连贯的阅读体验。
创意生成从人工撰写转向模型实时合成。Gemini 可以根据用户当前对话上下文，实时调整广告文案的侧重点和措辞。

新广告格式的具体形态

根据发布内容，新一代搜索广告格式主要包含以下几类：

AI 驱动的搜索广告：在 AI Mode 的回答流中，系统根据用户对话上下文选择广告主，并动态生成与当前回答内容衔接的广告创意。广告主不再需要为每个可能的关键词变体单独写文案。

场景化产品推荐：当用户在研究过程中表达出产品比较或选购意图时，Gemini 可以从广告主的产品目录中提取匹配项，以结构化卡片形式呈现——包含图片、价格、关键参数，而非纯文本链接。

动态创意适配：广告主提供品牌素材、产品信息和核心诉求，Gemini 在展示时根据用户的具体查询场景，实时组合出最相关的文案版本。一个广告素材可以衍生出数十种面向不同场景的呈现方式。

实际接入：如何为 AI 搜索广告准备广告数据

新格式对广告主的数据准备提出了更高要求。传统搜索广告只需要关键词列表和几条文案；AI 搜索广告需要更结构化的产品信息，以便 Gemini 在回答中精准匹配和呈现。

以下是一个基于 Google Ads API 的 Python 示例，展示如何创建一个适配 AI Mode 的搜索广告 campaign，并关联产品目录数据源：

"""创建适配 AI Mode 的搜索广告 Campaign 并关联产品 Feed

前提：
- 已安装 google-ads 库: pip install google-ads
- 已在 Google Ads 后台创建过 Customer，拥有 customer_id
- 已创建 OAuth2 凭据，参考 https://developers.google.com/google-ads/api/docs/oauth/overview
- 产品 Feed 已通过 Merchant Center 上传，feed_id 可在后台获取

运行前请将 YOUR_CUSTOMER_ID、YOUR_FEED_ID 替换为实际值。
"""

from google.ads.googleads.client import GoogleAdsClient
from google.ads.googleads.errors import GoogleAdsException

# 加载配置（包含 client_id, client_secret, refresh_token, developer_token）
client = GoogleAdsClient.load_from_storage(version="v18")

customer_id = "YOUR_CUSTOMER_ID"
feed_id = "YOUR_FEED_ID"


def create_ai_search_campaign(client, customer_id):
    """创建一个面向 AI Mode 的搜索广告 Campaign"""
    campaign_service = client.get_service("CampaignService")
    budget_service = client.get_service("CampaignBudgetService")

    # 1. 创建预算
    budget_operation = client.get_type("CampaignBudgetOperation")
    budget = budget_operation.create
    budget.name = "AI Search Budget - Gemini Era"
    budget.amount_micros = 5_000_000  # 5 USD/天，单位为 micros
    budget.delivery_method = client.enums.BudgetDeliveryMethodEnum.STANDARD

    budget_response = budget_service.mutate_campaign_budgets(
        customer_id=customer_id, operations=[budget_operation]
    )
    budget_resource_name = budget_response.results[0].resource_name

    # 2. 创建 Campaign，使用 SEARCH 广告类型
    campaign_operation = client.get_type("CampaignOperation")
    campaign = campaign_operation.create
    campaign.name = "AI Mode Search Campaign"
    campaign.advertising_channel_type = client.enums.AdvertisingChannelTypeEnum.SEARCH

    # 关键：启用 AI 驱动的优化目标
    campaign.bidding_strategy_type = client.enums.BiddingStrategyTypeEnum.MAXIMIZE_CONVERSIONS

    campaign.status = client.enums.CampaignStatusEnum.ENABLED
    campaign.campaign_budget = budget_resource_name

    # 网络设置：聚焦 Google Search（含 AI Mode）
    network_setting = campaign.network_settings
    network_setting.target_google_search = True
    network_setting.target_search_network = False
    network_setting.target_content_network = False
    network_setting.target_partner_search_network = False

    campaign_response = campaign_service.mutate_campaigns(
        customer_id=customer_id, operations=[campaign_operation]
    )
    campaign_resource_name = campaign_response.results[0].resource_name
    print(f"Campaign 已创建: {campaign_resource_name}")
    return campaign_resource_name


def link_feed_to_campaign(client, customer_id, campaign_resource_name, feed_id):
    """将产品 Feed 关联到 Campaign，使 Gemini 能从产品目录中提取信息"""
    feed_item_service = client.get_service("FeedItemSetService")

    # 创建 FeedItemSet，将 Feed 绑定到 Campaign
    set_operation = client.get_type("FeedItemSetOperation")
    feed_item_set = set_operation.create
    feed_item_set.feed = client.get_service("FeedService").feed_path(
        customer_id, feed_id
    )
    feed_item_set.campaign = campaign_resource_name
    feed_item_set.display_name = "AI Mode Product Catalog"

    set_response = feed_item_service.mutate_feed_item_sets(
        customer_id=customer_id, operations=[set_operation]
    )
    print(f"Feed 已关联到 Campaign: {set_response.results[0].resource_name}")


# 执行
try:
    campaign_rn = create_ai_search_campaign(client, customer_id)
    link_feed_to_campaign(client, customer_id, campaign_rn, feed_id)
except GoogleAdsException as ex:
    for error in ex.errors:
        print(f"错误: {error.message}")

运行前需要替换的值：

变量	说明	获取方式
`YOUR_CUSTOMER_ID`	Google Ads 账户 ID	Google Ads 后台 → 设置 → 账户信息
`YOUR_FEED_ID`	Merchant Center 产品 Feed ID	Merchant Center → 数据源详情页

这个示例的重点不在代码本身，而在它揭示的数据准备逻辑：AI Mode 广告的效果，取决于你喂给系统的产品数据有多结构化、多完整。Gemini 需要从你的产品目录中提取参数、价格、图片来合成推荐卡片——如果 Feed 数据残缺，合成质量就会打折。

对广告主的实际影响

数据质量成为第一优先级

传统搜索广告的核心竞争力是关键词策略和出价算法。AI Mode 下，系统自己理解意图、自己选广告、自己写文案，广告主能直接操控的空间缩小了。但有一个环节广告主仍然完全可控：产品数据的质量。

建议检查你的 Merchant Center Feed：

产品标题是否包含核心参数（品牌 + 型号 + 关键规格），而非泛泛描述
产品描述是否覆盖用户在研究阶段最关心的对比维度
图片是否清晰、多角度、符合 Google 的尺寸要求
价格和库存状态是否实时更新

从"关键词管理"转向"场景覆盖"

AI Mode 中，用户的研究路径是不可预测的——他们可能从"什么笔记本适合视频剪辑"开始，经过多轮追问后落到具体型号。广告主不再需要穷举关键词变体，而是需要确保自己的产品数据能覆盖足够多的场景标签。

一个实践方式：在产品 Feed 的自定义属性（custom attributes）中，标注产品适用的场景：

# Merchant Center Feed 自定义属性示例（CSV 格式中的额外列）
# 这些属性会被 Gemini 用于场景匹配

product_id: "NB-PRO-2024"
title: "ThinkPad P16s Gen2 AMD 视频剪辑工作站"
price: "12999 CNY"
image_link: "https://store.example.com/images/p16s.jpg"
# --- 自定义属性 ---
custom_attribute_0: "适用场景: 视频剪辑, 3D渲染, 数据分析"  # 场景标签
custom_attribute_1: "核心优势: GPU加速, 32GB内存, 色准屏幕"   # 决策关键点
custom_attribute_2: "对比定位: 高于X1 Carbon性能, 低于P16价格"  # 比较锚点

这些自定义属性不会直接展示给用户，但会被 Gemini 在内部推理时用作匹配信号，帮助系统在用户研究"视频剪辑用什么电脑"时，将你的产品从目录中选出并合成推荐。

监控指标需要调整

传统搜索广告看 CTR、CPC、关键词排名。AI Mode 下更值得关注的指标：

AI 展示占比：你的广告有多少次是通过 AI Mode 展示的（而非传统搜索结果页）
对话深度转化率：用户在多轮对话后最终点击广告的比率，反映 Gemini 在研究过程中对你的产品的持续推荐能力
创意变体效果分布：同一个素材被 Gemini 衍生出的不同文案版本，各自的表现差异

需要警惕的边界

流量分配的不可控性增加。AI Mode 中，Gemini 决定何时展示哪个广告主的哪个产品。广告主对展示时机和位置的直接控制力比传统搜索广告弱，更多依赖数据质量和系统优化。
品牌安全的新风险。Gemini 实时合成文案时，可能在特定上下文中产生广告主不希望出现的措辞关联。目前 Google 提供的品牌安全控制主要面向展示广告网络，搜索 AI Mode 中的文案控制机制尚不明确。
数据依赖的锁定效应。产品数据越结构化、越完整，AI Mode 效果越好。但这意味着广告主需要持续投入 Merchant Center 的数据维护，且数据格式深度绑定 Google 的生态规范。

Google 用 Gemini 重写搜索广告，本质是把"关键词匹配"这个二十年的旧引擎替换为"意图理解 + 上下文合成"的新引擎。对广告主来说，关键词策略的权重在下降，产品数据质量和场景覆盖的权重在上升。现在最值得做的事不是研究新的出价算法，而是回到产品目录，把每一项数据打磨到 Gemini 能精准使用的程度。