2019 年，谷歌发布了 发现广告 在谷歌的发现空间（如移动设备上的 "发现 "馈送、YouTube 和 Gmail）中展示广告。这些广告活动提供了一种创新的方式，通过丰富的视觉效果和高度个性化的体验来接触消费者。四年后，在人工智能的推动下，我们迎来了它的替代品：Google Demand Gen，有望从根本上改变品牌与目标受众互动的方式。
这些由人工智能驱动的活动让人想起了 最大性能活动 也相当新。
🤨我们为您分析。
什么是发现广告？
在 2019 年之前，谷歌已经有了搜索广告，这些广告（现在仍然如此）具有高度相关性的优势，因为它们是根据用户表达的需求向其展示的。用户输入 "购买一辆蓝色自行车"，我们就会向其展示该品牌蓝色自行车的广告。简单有效，皆大欢喜。此外还有显示网络（200 万个第三方合作伙伴网站和应用程序）上的显示广告，它们显示的是传统的广告插播。
随后，谷歌推出了 "发现 "营销活动，旨在更自然地融入用户体验：强调图片和故事性，地点具体、更有质量（因为它们归谷歌所有，因此随机性较小），干扰性也较小，例如 "发现 "Feed（在移动设备上）、YouTube 主页以及 Gmail 中的 "促销 "和 "社交媒体 "选项卡。目标定位主要基于用户的搜索和浏览活动。
发现"（以及 "展示"）的目的是扩大产品的受众范围。受众不再仅仅是那些输入 "购买蓝色自行车 "的人，还包括那些不久前对自行车做过一些研究的人，或访问过自行车电子商务网站的人，或看过 YouTube 视频的人，或访问过电动滑板车网站等其他类似主题网站的人。基本上，发现广告不仅基于搜索活动，还基于用户在各种谷歌平台（搜索、YouTube 观看等）上的行为的意图信号。
Demand Gen 会带来哪些变化？
Demand Gen 不仅仅是 Discovery Ads 的更名。其目的是简化客户与广告商之间的互动：
来源：Tobias Maurer，Google Group 产品经理
显然，新功能已经达到了要求：
✅ 广播时段：YouTube 短片、内流
✅ 实验可能性：在同一活动中使用图片+视频、新的创意流程（由人工智能驱动）、A/B 测试等。
✅ 竞价选项：最大化点击量
✅ 报告：转换通道、数据归因、对品牌认知和知名度的影响、对购买行为的影响
✅ 受众："相似"、按设备定位
虽然每个元素都很受欢迎，但最重要的是新的地点、相似目标（如 Meta）以及新的创意可能性和体验。
这些新地点的优势
Demand Gen 正在通过整合 YouTube Shorts 和 In-Stream 等新位置拓宽视野。YouTube Shorts 是谷歌对 TikTok 的回应，它已成为一个非常受欢迎的内容空间，使广告商能够接触到年轻的受众。至于 In-Stream，它让广告商有机会在正在播放的视频中嵌入广告，提高了广告的可见度和记忆度。
💡因此，这些都是特别理想的位置，既能覆盖每月超过 30 亿的用户，又能更好地覆盖销售通道的中间位置。
参数受众与相似目标定位
受 Meta "相似 "受众的成功启发，谷歌现在也开始提供 "相似 "定位功能。该功能允许广告商将行为和兴趣与其最佳客户相似的用户作为目标用户。通过利用谷歌庞大的数据库，该功能提供了无与伦比的目标定位精度，最大限度地提高了投资回报。
谷歌分析原始受众（例如，在您的网站上购买过产品或填写过表单的人）中用户的特征和行为，并找到具有相似特征和行为的其他用户，而不是定义向哪类用户展示我们的广告。
👉🏻 基本上，Lookalike 目标定位的目的是通过接触与现有客户相似的人寻找新客户。
新建和配置
🤯 无需选择关键字。
🖼️ 🎥 在同一宣传活动中结合图片和视频，可提供前所未有的灵活性。这种混合形式能够吸引注意力，提高参与度。此外，借助新的人工智能辅助创意流程，广告活动可实时优化，以实现最佳效果。内置的 A/B 测试还允许广告商尝试不同的广告变体，以确定最有效的广告。这意味着创意变得越来越重要。
🙌🏻 可以添加产品信息源（购物广告和动态展示广告已经这样做了）。这对电子商户来说是一大利好。这意味着需求生成广告可以根据用户的购买或浏览行为自动显示最相关的产品。这是一场小型革命，在节省时间的同时还能提高相关性。
充分利用 "需求创造 "活动
1️⃣从 创作和多样化 和你的文案写作。正如我前面所说，图形资产将变得比以前更加重要。您还可以进行 A/B 测试，尝试不同的钩子。 多样化 = 说明我们现在使用 YouTube 的短视频格式进行播放，因此我们需要像 Facebook 一样的故事风格视频以及传统的 YT 格式。信息：每个广告集最多 1 个横向视频 + 2 个故事视频 每个广告集最多 1 个宽幅图片 + 2 个其他图片
2️⃣设置 良好的转化跟踪 (如果您还没有这样做的话），以便最大限度地利用仿造品。
3️⃣我们通过分析 Analytics 中的精细数据（特别是 UTM，尤其是 iOS 17 现在取消了 gclid）进行优化，并在不同的投放（现在有很多）、不同的受众（相似受众或 "正常 "受众，甚至根据不同的转换行为而产生的不同相似受众）之间进行仲裁，并进一步优化创意。
