AI 跨境增长站
← AI 广告与文案

AI Mode 里的对话式发现广告：Gemini 按问题现编创意，电商该怎么喂数据

google-ai-mode ai-ads ad-copy Google Ads Google Merchant Center

5 月 20 号的 Google Marketing Live 上，Google 一口气放了两个 AI Mode 里的新广告位。一个叫对话式发现广告（Conversational Discovery ads），一个叫 Highlighted Answers。这两个东西真正颠覆的地方，不在广告位长在哪儿，在于创意是谁写的。以前你在 Google Ads 后台憋半天的那条标题，从这一刻起不归你写了，归 Gemini 现场编。

先把背景数说在前面，你心里有个量级。AI Mode 现在月活已经过 10 亿，AI Overviews 出现在大约 14% 的购物类查询里，差不多每 7 次商品搜索就有一次。这个体量已经不是”实验性功能”能概括的了。目前这两个广告位还在美国测试，移动端和桌面端都有。

两个新广告位分别是什么，跟老的 Search/Shopping 差在哪

先拆清楚。对话式发现广告，是用户在 AI Mode 里问了一个具体问题之后，Gemini 当场拼一条广告创意去回答他那个问题。比如用户问”露营三天两夜、零下五度，睡袋怎么选”，Gemini 不是甩给你一条预设标题，而是从你的产品数据里抓出”适用温标 -10°C""含压缩收纳袋""1.2kg 轻量”这些点，现编一段话回过去。

Highlighted Answers 是另一个逻辑。它不针对单条问答现编，而是让质量够高的广告有资格出现在 AI Mode 的推荐列表里。你可以理解成 Gemini 在给用户列”几个值得看的选项”时，优质广告能挤进那个列表。两者都会带”Sponsored”标，而且 Gemini 还会另外写一段独立的说明文字，告诉用户为什么推这个。

跟老的 Search、Shopping 广告比，最大的区别是创意的生成时机和生成者。老 Shopping 广告，图片、标题、价格基本是你 feed 里写死的，匹配上某个关键词就原样展示。现在变成 Gemini 按用户那一句话临时组装，输入端从”你提前写好的一条文案”变成了”你 feed 里那一堆结构化属性”。属性丰富，Gemini 编得准；属性稀薄或者写错了，它就编出一条又虚又偏的创意，照样花你的钱。

下面这张表把两边对比一下：

维度经典 Shopping 广告对话式发现广告
创意谁写你（提前写死标题/描述/图片）Gemini（按用户那句话现场生成）
关键输入关键词匹配 + 固定文案feed 里的结构化产品属性
展示位置搜索结果页、Shopping 标签AI Mode 对话里 + 推荐列表（Highlighted Answers）
标识SponsoredSponsored + Gemini 独立说明
你的优化抓手改文案、调出价、加关键词把 feed 数据喂厚、喂准

思路得换：你不再写广告，你喂数据

这是整件事最别扭也最关键的地方。过去做 Google Ads，你的核心工作是写文案、测标题、A/B 跑哪条点击率高。现在 Gemini 接管了创意生成，你再花时间打磨那条标题，意义就不大了，因为用户最终看到的那句话根本不是你写的那条。

那你的活儿去哪了？去了 feed。你能影响这条广告长什么样的唯一方式，是把喂给 Gemini 的产品数据做厚做准。Gemini 手里素材越多越准，它编出来的创意就越贴用户那个问题。素材里有窟窿，它要么编不出来，要么自己脑补一个，脑补的东西大概率是错的。

举个实在的例子。用户问”这个吸尘器能不能洗，滤芯多久换一次”。如果你 feed 里压根没有”滤芯可水洗”和”建议更换周期 6 个月”这两条属性，Gemini 要么避而不答，要么按同类目猜一个，猜错了用户买回去发现不对，退货和差评都是你扛。你提前把这两条信息塞进 feed，Gemini 就能照着答，答得还准。

所以心态上得彻底翻篇。要琢磨的不再是”我这次广告语怎么写更抓人”，而是”用户会拿哪些问题来问我这个品类，这些问题的答案我 feed 里齐不齐”。前者是文案思维，后者是数据思维，这一轮要的是后者。

哪些 feed 属性和品牌调性设置真正决定创意准不准

具体到操作，去 Google Merchant Center 把 feed 按三类信息补齐。

一、对话式属性。就是把用户最常问的产品问题，提前在 feed 里写成答案。能不能机洗、配不配某个型号、续航多久、保修几年、尺码偏大还是偏小，这些平时藏在详情页评论区里的东西，现在得变成结构化字段喂进去。你把高频问题列个清单，一条条对照 feed 看缺哪些，缺的补上。

二、兼容与替代信息。Gemini 在对话里经常要回答”这个配不配我那台设备""有没有替代款”这类问题。你把兼容机型、配套配件、同系列替代品这些关系在 feed 里标清楚，Gemini 才接得住这类追问，否则一问就哑。

三、核心规格写准。标题和描述别再堆关键词了，按真实规格老老实实写。尺寸、材质、适用场景、关键参数，写错一个 Gemini 就跟着错一个，而且它是当成事实直接讲给用户的，杀伤力比老广告大。

品牌调性这块，新格式给了 brand tone、messaging 和 matching requirements 几个新控制项。在格式允许的地方，你可以设定品牌的语气基调，是走专业严谨还是亲切活泼，也可以约束哪些信息必须出现、哪些查询才匹配你的广告。这不是让你重新写文案，而是给 Gemini 画个框，让它在你的品牌边界里发挥，别编出一条不像你家品牌会说的话。

AI Max for Shopping 怎么接，怎么测

跟这两个广告位配套的，是 AI Max for Shopping。它本质上是一个一键开关，把你 Merchant Center 里标准的 Shopping feed 直接转成对话式广告创意，专门去接那些标准 Shopping campaign 接不住的长尾、高意图查询。

为什么单拎出来说？因为标准 Shopping 广告漏掉的，恰恰是那些带具体场景、具体限制条件的长尾问法。“适合敏感肌、孕期能用、不含酒精的爽肤水”这种查询，老 Shopping 靠关键词匹配很难精准命中，AI Max 这条路反而接得住。开关一开，你那套现成 feed 就被复用去覆盖这块流量。

测的时候建议这么来。先选一个 feed 数据本来就比较厚、属性比较全的品类去开 AI Max，别一上来全店铺铺开。数据厚的品类，Gemini 编创意的素材足，测出来的效果才有参考价值；数据稀的品类先开，效果差你也分不清是格式不行还是 feed 太薄。

跑一段时间后，重点看那些长尾、高意图查询带来的转化，跟老 Shopping campaign 的存量对照着看。这部分流量很多是过去标准 campaign 根本没覆盖到的增量，所以别只盯总 ROAS，要把”新覆盖到的查询”这块单独拎出来评估。

上线前要盯的几件事

一是 Sponsored 标识和那段 Gemini 说明。两个广告位都明确带 Sponsored 标，外加 Gemini 自己写的一段独立解释。这段解释你控不了，它是基于你的 feed 数据生成的，所以 feed 写错，连这段”中立说明”都会跟着错。说来说去，源头还是数据质量。

二是目前只在美国测试。移动端、桌面端都有，但还没全球放开。非美国市场的卖家现在能做的，是提前把 feed 按上面三类信息补厚，等开到你的市场时直接就能跑，而不是到时候才手忙脚乱补数据。

三是怎么衡量增量。因为创意是现编的、查询是长尾的，传统那套按关键词归因的口径会有点对不上。建议把这块流量当成一个新渠道单独建报表看，重点看它带来的是不是过去没覆盖到的查询和转化，而不是硬塞进老 Shopping 的对比框里。

最后说句实在的。这一轮的胜负手不在广告语写得多巧，而在你 feed 里那堆产品属性够不够厚、够不够准。feed 数据扎实的，能让 Gemini 替自己编出又准又贴的创意。还停在堆关键词阶段的，这波就只能眼看着预算被一条条虚创意花掉。

Read this article in English: Conversational Discovery Ads in AI Mode: How to Feed Gemini So It Builds Accurate Creative

相关文章