Google Ads 自動出價是一項企業級解決方案，可協助廣告客戶根據成效目標自動設定出價。智慧出價是一組採用機器學習技術的自動出價策略，可增加轉換或提高轉換價值。智慧出價會在每次競價中精準設定出價，可讓成本效益等於或優於現有的成效目標，進而爭取更高的轉換量或轉換價值。智慧出價提供三項核心功能：
- 真正的競價期間出價
- 在查詢層級不斷學習及調整
- 豐富的使用者信號和跨信號分析
以下將詳細說明各個項目。
有超過 80% 的 Google 廣告客戶正在使用自動出價。
資料來源：Google 內部全球資料，2021 年 3 月 16 日至 2021 年 4 月 12 日。
真正的競價期間出價
真正的競價期間出價對於以轉換和價值為準的出價策略，智慧出價會針對每次競價設定出價，而不是一天只調整幾次，因此能做到真正的競價期間最佳化。這樣一來，廣告客戶就能更精準地進行出價最佳化，並根據每位使用者獨有的搜尋情境調整出價。Google Ads 出價演算法會一併評估競價期間出現的相關內容比對信號 (例如時段、顯示的特定廣告素材，或是使用者的裝置、位置、瀏覽器和作業系統)，而不只是根據所有使用者的綜合成效來調整出價。
找出每次競價的轉換機會，有助於更精確地區分出價並進行最佳化。以金融廣告客戶為例，iOS 使用者或許更有可能開設支票帳戶，或是在銀行分行較多的城市中，智慧型手機使用者或許更有可能前往銀行。使用競價期間出價後，Google Ads 就可以偵測這類信號是否存在，更準確地預測轉換率或價值，並為每個搜尋查詢設定更明智的出價。
競價期間出價的出價頻率和精確度更高
採用競價期間出價前，行銷人通常會為每個關鍵字手動設定出價。
手動出價：使用規則式成效條件 (例如曝光比重低於 X% 時，將出價提高 Y%) 或使用 API，即可在 Google Ads 使用者介面中變更出價，藉此為每個關鍵字手動設定出價。基於時間限制，廣告客戶在每一輪最佳化時，只能針對一小部分關鍵字 (例如成效最佳者或按照產品類別) 調整出價。
不過，如今可用的資料量不斷增加，導致廣告客戶更難以根據每位使用者獨有的情境手動設定出價。採用競價期間出價後，系統會根據比對內容訊號為每次競價設定專屬出價。
Google Ads 競價期間出價：Google Ads 智慧出價會利用機器學習演算法，在每次競價中將出價最佳化。這是最精準也最有效的出價設定方式。
注意事項
如果使用 Search Ads 360，即可搭配運用 Floodlight 轉換和 Google Ads 競價期間出價，將廣告活動最佳化。
注意事項
採用第三方搜尋管理解決方案或內部 API 時，您可以導入 Google Ads 智慧出價策略，動態調整出價參數並跨多個帳戶和搜尋引擎製作報表。
在查詢層級不斷學習及調整
機器學習演算法運用完備的轉換資料來建立準確的出價演算法，可在不同出價層級預測成效。雖然高流量字詞通常能提供大量用於模擬的轉換資料，但一般來說帳戶會包含一些流量偏低或新的關鍵字，其成效記錄少之又少，卻也必須列入考量。針對這些低流量的關鍵字，出價解決方案會使用機器學習模型，按照當時最準確的預估轉換率來設定出價。
舉例來說，出價解決方案可能會測試不同的出價層級，為特定關鍵字建立轉換率模型。不過，這可能會導致關鍵字在累積資料時成效不彰；視搜尋量而定，收集完整的資料或許是個漫長的過程。針對低流量關鍵字來模擬轉換率成效時，另一種常見的做法是「借用」不同比對類型中同一個關鍵字的資料，或是「借用」更高層級廣告群組和廣告活動成效的資料。
智慧出價會將這種方法進行延伸，並使用帳戶中的查詢層級資料來加以改善。如果使用跨帳戶轉換追蹤，也可以使用管理員帳戶中的查詢層級資料。這樣不但可以大幅增加出價演算法的決策參考資料，在關鍵字層級轉換資料少之又少的情況下，還有助於減少成效波動。
查詢層級學習能改善出價的原因
Google Ads 出價演算法不受關鍵字在帳戶結構中所在位置的限制。反之，系統會在不同廣告群組和廣告活動的搜尋查詢層級運用轉換資料。這一點特別有利於改善詞組比對和廣泛比對關鍵字的出價，因為可能會有各式各樣的搜尋查詢與單一關鍵字比對成功。在這種情況下，如果只設定一個關鍵字層級出價，就無法針對不同查詢的轉換率差異進行最佳化。
此外，假設您新增關鍵字或將關鍵字移至其他廣告群組。Google Ads 出價演算法不需要從頭開始學習成效。演算法是在查詢層級 (而非關鍵字層級) 學習，因此如果搜尋查詢已經與廣告活動的其他部分達成比對，演算法就會直接應用在帳戶中的所學，做出更明智的出價決策。
豐富的使用者信號和跨信號分析
每個搜尋查詢都不相同，因此每個查詢的出價都必須反映競價期間出現的獨特比對內容訊號。判斷最佳出價時，時段、是否列於再行銷名單，或使用者裝置和位置等信號，也是必須考慮的重要面向。除了在每次競價中評估這些信號外，智慧出價還會考量使用者的作業系統、網路瀏覽器和語言設定等信號，針對不同平台和使用者的成效差異進行最佳化。有了這項額外的情境資訊，智慧出價就能更準確地預測每次競價的轉換率，並設定最適合的出價。以下清單總結智慧出價進行出價最佳化時，會考量的許多重要預測信號。
| 比對內容訊號 | 說明 | 範例 |
| 裝置 | 系統可根據查詢是來自電腦、平板電腦還是行動裝置，將出價最佳化 |
廣告客戶：汽車經銷商 出價會考量使用者是透過電腦還是智慧型手機搜尋「汽車經銷商門市」。 |
| 位置 | 系統可根據使用者所在或搜尋的特定位置 (精細程度可至城市層級) 調整出價，即使他們的位置是在更高層級設定也是如此 |
廣告客戶：銀行 即使將位置設為紐約州，出價也會考量使用者是否在該州的不同城市搜尋「新支票帳戶」(例如曼哈頓與長島的分行數量可能有所不同) |
| 時段/星期幾 | 系統可根據使用者所在時區的當地時段和星期幾，將出價最佳化 |
廣告客戶：咖啡店 出價會考量使用者是在週一早上 7 點上班前，還是中午 12 點午餐時間進行搜尋 |
| 名單型目標對象 (搜尋廣告再行銷名單、目標客戶比對、類似目標對象) | 系統會考量搜尋廣告的目標對象名單 |
廣告客戶：線上零售商 出價會考量使用者是否在先前造訪網站時瀏覽過產品、位於您上傳的會員方案名單中，或者特徵與現有客戶相似。此外，使用者的上次造訪時間也會列入考量。 |
| 實際查詢 | 系統可根據觸發廣告的查詢文字來調整出價，並非只有相符關鍵字才有效果 |
廣告客戶：鞋子零售商 出價會考量使用者查詢的是「皮靴」還是「靴子修理」，即使這兩項查詢都與關鍵字「靴」相符也是如此。 |
| 廣告素材 | 如果您有多個廣告素材可由一項特定搜尋查詢帶出，系統就能根據要顯示的廣告素材 (包括其是否連結至行動應用程式)，將出價最佳化 |
廣告客戶：線上旅行社 出價會考量放送的廣告是「最新優惠」或「熱門渡假行程」廣告素材，或者廣告是連結至行動版網站或應用程式，取決於哪個變化版本在特定查詢中更有可能帶來轉換。 |
| 介面語言 | 系統可根據特定使用者的語言偏好設定，將出價最佳化 |
廣告客戶：西班牙文學習網站 如果是查詢「學習新語言」，出價會考量廣告是否向 Google 語言設定為英文或西班牙文的使用者放送。 |
| 瀏覽器 | 系統可根據查詢的來源瀏覽器，將出價最佳化 |
廣告客戶：軟體公司 出價會考量使用者是透過 Safari 還是 Chrome 搜尋「mac 軟體」。 |
| 作業系統 | 系統可根據使用者查詢時使用的作業系統，將出價最佳化 |
廣告客戶：手機配件賣家 出價會考量使用者是透過 Android 還是 iOS 裝置搜尋「手機保護殼」。 |
| 搜尋聯播網夥伴 | 系統可根據帶出廣告的搜尋夥伴，將出價最佳化 |
廣告客戶：民生消費用品品牌 如果查詢是來自電子商務網站上更相關的搜尋 (與新聞網站相比)，系統會設定不同的出價。 |
| 行動應用程式評分和評論 | 系統可依據應用程式使用者評分和評論數量，將出價最佳化 |
廣告客戶：遊戲公司 系統會根據應用程式的評分和評論數量設定不同的出價。 |
多個信號共同運作時
如要設定更精準的出價，針對個別信號 (例如裝置和位置) 手動設定出價調整幅度是不錯的開始。然而，智慧出價能做的比傳統信號分析更多。搜尋情境並非只用一種信號來定義，智慧出價可找出數十億個信號組合之間可能會影響轉換率的實質互動，並據此進行調整。
個別評估信號與分析跨信號影響
信號 (例如裝置、位置和時段) 的個別出價調整幅度會觀察綜合成效資料。舉例來說，出價解決方案可能會評估使用者行動轉換率與整體電腦和平板電腦轉換率的差異，據此設定對應的行動出價調整幅度。
雖然這種方法可匯總資料及評估平均成效，有助於避免在資料不足的情況下設定出價調整幅度，但也可能忽略個別競價之間轉換機會的細微差異。舉例來說，抵押貸款公司可能會判定行動轉換率比電腦和平板電腦轉換率低 20%，因此將行動出價調整幅度設為 -20%。不過，這並未考慮到行動轉換率特別高的某些時段 (例如使用者可能會在早上上班前使用手機研究貸款方案)。
此外，當您開始疊加使用其他出價調整幅度 (例如位置) 時，如果個別計算這些出價調整幅度然後相乘，系統就不會考量這些信號的交互影響。如果基準關鍵字出價已經很高，您又多次大幅提高出價，這可能會產生高到不合理的出價。
智慧出價會評估信號之間的互動，找出對轉換率有影響的實質關聯性。智慧出價會觀察哪些信號組合最能預測轉換成效，然後將這些信號加進出價演算法，並將特定信號的搭配運作方式納入考量，進而計算出更全面的出價。
| 可採用出價調整幅度的信號 | 智慧出價的專屬信號範例 |
|
|
智慧出價會使用 2 個以上信號的組合。舉例來說，在競價期間設定出價前，智慧出價可能會考量位置、作業系統和語言。