GEO 新闻简报 · AI 可见性

Performance Max 可能报告增长，却在回收已有需求，除非团队隔离 新客户

这篇文章讲的是付费媒体设置，但战略问题更大：当归因系统把已有需求重新算成新增，团队就会误判搜索、广告和 AI 可见性 到底是在创造新买家，还是只是在抢功劳。

开始免费试用 原文作者: Menachem Ani 原文链接: Search Engine Land 发布时间: 2026年6月24日 阅读时间: 11 分钟

Dageno 编辑说明: Dageno 编辑说明：Dageno AI 编辑团队对 Search Engine Land 的《How to make Performance Max focus 关于净新增客户》进行了结构化重组，帮助 GEO、付费媒体和分析团队理解为什么获客衡量必须区分增量需求和被重复捕获的暖流量。

60 秒速读

用 60 秒理解这篇文章

  • 原文警告 DTC 品牌可能看到漂亮的 Performance Max ROAS，却同时为同一转化向 Google 和 Meta 付费；对 AI 可见性 团队来说，类似问题是其他渠道创造的品牌需求被最后一个可衡量渠道拿走功劳。
  • Google 的新控制项把 品牌排除、第一方受众排除 和 客户匹配数据 组合起来，让 Performance Max 更接近 净新增客户获客。
  • 四步框架包括排除品牌查询、网站访客、邮件订阅者和已有购买者，再用 新客户出价 把广告系列推向未明显接触过品牌的人。
  • 作者提醒，匹配永远不会 100% 准确，而且如果在出价设置中加入虚拟的新客户价值，可能会抬高报告收入。

原文真正讨论的是增量，而不只是 PMax 设置

陷阱在于 仪表盘 很好看，但 边际贡献 变差。当 Google、Meta、TikTok、YouTube、Gmail、Discover 和 Display 接触同一客户时，各个平台都可能声称自己带来了转化，即使这笔订单本来就会发生。

对 Dageno 读者来说，这和 GEO 很相似：AI search、内容、付费搜索和社交都可能创造或捕获需求。如果归因只奖励最后一个平台，团队就会低估真正影响决策的 可见性界面。

没有护栏时，Performance Max 会自然追逐暖流量

原文指出 Performance Max 过去容易默认追逐最暖的信号：品牌搜索、网站访客、邮件订阅者和已有客户。只移除品牌搜索不够，因为 YouTube、Gmail、Discover 和 Display 仍然可以 retarget 暖用户。

根因在这里：渠道控制必须同时处理 查询层级 和 受众层级。否则 PMax 仍会把 Meta、自然内容、邮件或品牌资产创造的需求算到自己头上。

信号 1

query 护栏

品牌排除 和 词组匹配否定词 阻止 PMax 收割本来已有意图的品牌搜索。

信号 2

audience 护栏

排除访客、订阅者和购买者，减少伪装成获客的 retargeting。

信号 3

value 护栏

新客户出价 要避免用虚拟价值掩盖真实收入和利润。

品牌排除 是基础，但不是全部

框架建议当品牌搜索贡献超过 15% 到 20% 的成本或收入时，就应该启用 品牌排除。文章还建议把品牌词作为 词组匹配否定关键词 加入，因为 品牌列表 并不完美。

还有一个必要前提：如果 PMax 排除了品牌词，就要用专门的 品牌搜索广告系列 和 brand Shopping campaign 承接这些需求，避免被竞品拿走。

第一方受众排除 会把 PMax 从 retargeting 推向获客

新的 受众排除 选项允许广告主排除网站访客、邮件订阅者和其他暖受众。原文提到可以通过 Google Ads pixel、Google Analytics 和 Klaviyo 等 ESP 集成，实时同步是一个优势。

更好的做法是业务化，而不是机械排除最近 7 天访客。文章建议用符合账户目标的 互动指标，例如 加购行为。

Customer Match 能减少已有客户 bleed，但不能完全消除

已有购买者可以通过 购买事件受众 或 客户名单上传 排除。Shopify 和 Klaviyo 可以帮助把 客户匹配名单 接入 Google。

原文提醒匹配不会 100%。如果 1000 个客户里 Google 匹配了 900 个，仍然会有漏网客户。但从“所有老客都可被投放”降到“只有少量未匹配老客”，已经是很大改善。

新客户出价 既能聚焦新客，也可能扭曲 ROAS

设置里有两种模式：只为新客户出价，或对新客户出更高价。前者更激进，后者会给新客户转化加入一个额外价值。

风险在报告膨胀。如果 200 美元订单被额外加 100 美元新客户价值，Google 可能报告 300 美元收入。这个虚拟值会扭曲 ROAS 和 目标 ROAS 判断。

净新增获客 需要付费、GEO、分析和财务共享同一个定义

负责人变化点下一步动作监测指标或信号
付费媒体团队PMax 要配置成 prospecting，而不是隐藏 retargeting。应用品牌、访客、订阅者和购买者排除，再测试 新客户出价。新客占比、CAC、边际贡献
GEO / SEO 团队自然搜索和 AI 可见性 创造的需求可能被付费渠道认领。围绕付费测试跟踪品牌需求提升和 AI answer exposure。品牌搜索提升、AI 答案份额
分析团队平台 ROAS 可能被重叠和虚拟新客价值抬高。在广告平台外建立新客 / 老客和增量看板。客户匹配率、MER、incrementality
电商增长团队客户名单和事件质量决定 exclusions 是否干净。维护 购买事件、客户匹配数据源 和 ESP 同步。名单新鲜度、匹配率、老客渗漏率
财务 / 管理层ROAS 降低也可能更健康，只要客户结构改善。用 边际贡献 和 净新增获客 评估，而不是只看平台 ROAS。毛利、回本周期、新客收入

正确测试对象是新客占比，而不是报告 ROAS

原文预期排除设置上线后，PMax 报告 ROAS 可能下降，但新客和回头客拆分应更接近真实获客。文章也指出，即使设置较好，如果没有高级配置，也可能仍然是 60/40 之类的结构。

Dageno 的判断是：核心 KPI 不是更漂亮的 ROAS，而是更高真实首购占比、更好的 边际贡献 和更清晰的渠道职责。

信号为什么重要负责人支持什么判断
新客占比判断 PMax 是在获客还是回收老客。付费 / 分析exclusions 是否改善获客
Customer Match 匹配率显示已有客户 bleed 还剩多少。分析 / 电商名单质量是否需要修复
品牌搜索成本占比提示何时需要 品牌排除。付费媒体PMax 是否过度收割品牌需求
边际贡献判断报告 ROAS 是否真的转化为利润。财务是否扩大投放

先用 exclusions 让获客可衡量，再扩大预算

  1. 拆分品牌需求

    创建 品牌排除 和 词组匹配否定词，同时用专门 Search 和 Shopping campaign 保护品牌需求。

  2. 排除暖受众

    按账户信号排除网站访客、订阅者和重要互动人群。

  3. 排除购买者

    使用 购买事件受众，以及 Shopify、Klaviyo 或 CRM 的 客户匹配数据源。

  4. 测试新客出价

    先比较新客占比、利润和真实收入，再评价 ROAS。

试用 Dageno AI

把 AI 可见性 信号转化为执行动作。

Dageno AI 是从 数据监测 → strategy → 内容生成 → 结果归因 的完整执行平台，帮助团队监测 AI 回答面、识别策略缺口、生成内容动作，并把可见性变化归因到业务影响。

生成免费 GEO 报告预约演示