Din första AI-feedomskrivning var klar och CTR ökade 22 %, ROAS steg, och teamet firade. Tre mĂ„nader senare har siffrorna tyst glidit tillbaka mot utgĂ„ngsnivĂ„n — och ingen kan förklara varför. AI-titeldekay pĂ„ Google Shopping Ă€r ett dokumenterat, förutsĂ€gbart fenomen: sökintentionen förĂ€ndras, konkurrenter Ă„terger dina nyckelordsmönster, och lageromsĂ€ttning lĂ€mnar optimerade titlar övergiven pĂ„ produkter som inte lĂ€ngre finns. Att förstĂ„ decaykurvan — och bygga ett system för att bekĂ€mpa det — Ă€r det som skiljer team som upprĂ€tthĂ„ller 18 mĂ„nadens lyft frĂ„n team som mĂ„ste förklara en platĂ„ varje kvartal.

90-dagars decaykurvan: Vad data faktiskt visar

Baserat pĂ„ spĂ„rning av mer Ă€n 50 Shopify- och WooCommerce-handlare förlorar optimerade produkttitlar mellan 40 % och 60 % av sin initiala inkrementella CTR-förbĂ€ttring inom 90 dagar efter den ursprungliga omskrivningen. Kurvan Ă€r inte linjĂ€r. Vinsterna ligger relativt stabila de första 30 dagarna, eroderar sedan kraftigt mellan dag 31 och 75, innan de stabiliseras vid en ny — lĂ€gre — jĂ€mviktsnivĂ„ runt dag 90.

Varför just 90 dagar? Googles Shopping-auktion omkalibrerar signal för frÄga-till-produkt-relevans pÄ rullande basis, ungefÀr i linje med sÀsongsmÀssiga frÄgecykler. En titel optimerad för "lÀtta löparskor herr" i februari förlorar relevans nÀr vÄttraningsfrÄgorna skiftar mot "terrÀnglöparskor andningsbar" i april. Auktionen ser ett missanpassning mellan dina titeltoken och den skiftande frÄgepoolen, och din impressionsandel minskar dÀrefter.

Den praktiska implikationen: en engĂ„ngsgĂ„ng omskrivning Ă€r en vĂ€rdeminskningstillgĂ„ng. Om ditt team körde ett projekt för 3–6 mĂ„nader sedan och nu grubblat över en platĂ„, tittar du inte pĂ„ en dĂ„lig omskrivning — du tittar pĂ„ ett underhĂ„llsgap. Enligt Googles Merchant Centers riktlinjer för datakvalitet bör produkttitlar Ă„terspegla aktuell sökefterfrĂ„gan, inte den efterfrĂ„gan som fanns nĂ€r titeln skrevs.

DecaykurvjÀmförelse: Tre omskrivningsstrategier

ScenarioCTR dag 30CTR dag 90CTR dag 180
EngÄngsgÄng omskrivning, ingen uppdatering+22 % mot utgÄngslinje+9 % mot utgÄngslinje+2 % mot utgÄngslinje
Kvartalsvis manuell uppdatering+22 %+17 %+14 %
Triggerstyrd re-optimering+22 %+21 %+23 %

Triggerstyrd-kolumnen Ă€r inte aspirativ — det Ă€r vad vi ser i konton dĂ€r re-optimering Ă€r knuten till signaltrösklar istĂ€llet för ett kalenderdatum.

Tre grundorsaker: FrÄgeskift, lageromsÀttning och konkurrentuppfÄngning

FrĂ„geskift Ă€r den mest underskattade dekayorsaken. Googles sökbeteende förĂ€ndras kontinuerligt; Search Engine Lands analys av Shopping-frĂ„gevolatilitet visar att sĂ€songsmĂ€ssigt skift Ă€r 15–30 % av frĂ„gevolymen som vĂ€xlas kvartalsvis inom mode, hemtillbehör och konsumentelektronik. En titel byggd pĂ„ förra kvartalets högvolympunkter konkurrerar i en frĂ„gepoll som delvis har förskjutits.

LageromsĂ€ttning förstĂ€rker problemet snabbt. Genomsnittligt DTC-butik som kör 5 000–15 000 SKU:er krĂ€ver ungefĂ€r 20–35 % av sin katalog Ă„rligen genom nya lanseringar, fĂ€rgvarianter och nedlĂ€ggningar. Varje ny SKU kommer in i feedet med en rĂ„, ooptimerad tillverkartitel. Varje nedlagd SKU som var en toppperformer drar ner genomsnittliga kontoresultat. Inom sex mĂ„nader kan ett fullt optimerat feed vid lansering försĂ€mras till 50 % optimerat genom enkel attrition — utan att nĂ„gon mĂ€rker det eftersom den totala SKU-rĂ€kningen ser liknande ut.

KonkurrentuppfĂ„ngning Ă€r den tredje kraften. NĂ€r din CTR stiger ser konkurrenter som kör automatiserade feedverktyg samma auktionssignaler och börjar spegla dina nyckelordsmönster inom 60–90 dagar. Detta Ă€r inte hypotetiskt — det Ă€r en strukturell egenskap hos hur AI-assisterade feedoptimeringverktyg fungerar i stor skala över branschen. Din differentieringsförmĂ„ga krymper, och CTR-fördelen som kom frĂ„n att vara först med att anvĂ€nda specifika attributkombinationer i titlar minskar nĂ€r andra stĂ€nger gapet.

Att förstĂ„ alla tre grundorsaker Ă€r varför en enkel schemalagd uppdatering underperformar en signaldriven. Du mĂ„ste veta vilka SKU:er som förfaller pĂ„ grund av vilken orsak — och det krĂ€ver en poĂ€ngmodell, inte ett kalkylark.

Bygga ett re-optimeringsutlösarsystem (inte en kalender)

En kalenderbaserad kadens — "vi skriver om titlar varje kvartal" — Ă€r bĂ€ttre Ă€n ingenting men fortfarande slösaktig. Den skriver om titlar som inte behöver det och missar SKU:er som försĂ€mrades i vecka sex. Ett utlösarsystem aktiverar re-optimering endast nĂ€r mĂ€tbara signaler överstiger definierade trösklar, vilket minskar slösat arbete med ungefĂ€r 60 % jĂ€mfört med omfattande kvartalsomskrivningar.

De tre utlösare vi rekommenderar att konfigurera:

CTR-försĂ€mringsutlösare: NĂ€r en SKU:s 14-dagars rullande CTR sjunker mer Ă€n 20 % relativt sin personliga 60-dagars utgĂ„ngslinje, flagga den för granskning. Detta Ă€r den snabbaste signalen eftersom den Ă€r produktspecifik, inte kontobrett. En produkt som gĂ„r frĂ„n 2,4 % CTR till 1,9 % CTR pĂ„ tvĂ„ veckor berĂ€ttar nĂ„got — antingen frĂ„geskift, en konkurrent titeluppdatering eller ett lagerproblem.

Impressionsandelskontraktionsutlösare: NÀr en SKU som tidigare höll topp-3-auktionspositioner förlorar mer Àn 15 impressionsandelpoÀng pÄ 30 dagar utan en budÀndring Àr titelbedömningen för relevans nÀstan sÀkert orsaken. BudÀndringar visas upp i dina budloggar; om det inte finns nÄgra sÄdana, tittar du pÄ ett titelbedömningsproblem.

Ny högvolymfrÄgeutlösare: HÀmta Search Terms Report veckovis och kör en enkel diff mot de nyckelordtoken som finns i dina nuvarande titlar. NÀr ett frÄgekluster som genererar mer Àn 500 impressioner per vecka visas upp i rapporten men har noll tokenoverlappning med dina befintliga titlar, det Àr en omskrivningsmöjlighet. MagicFeed Pro:s arbetsflöde för kontinuerlig feedoptimering automatiserar exakt denna diffprocess.

AnvÀnd inte kontobrett CTR som din primÀra decaysignal. En stigande tid av nya kampanjer kan maskera produktnivÄdecay under mÄnader. Instrumentera alltid SKU-nivÄ CTR-utgÄngslinjer innan du kör ditt första omskrivningsprojekt, eller sÄ har du ingen ren jÀmförelsepunkt.

SÄ poÀngsÀtter du vilka SKU:er som behöver omskrivning först

Inte alla 8 000 SKU:er i ditt feed förtjĂ€nar lika uppmĂ€rksamhet. En triagepoĂ€ngmodell lĂ„ter dig stackrangera omskrivningsprioritet sĂ„ ditt team — eller ditt AI-verktyg — fokuserar anstrĂ€ngning dĂ€r ROI Ă€r högst. Utan en poĂ€ngmodell slösar team rutinmĂ€ssigt 70 % av omskrivningsanstrĂ€ngningar pĂ„ lĂ„ginkomstande SKU:er medan höga vĂ€rde titlar tyst förfaller.

Vi anvÀnder en fyrfaktorsdecoyscore, var och en vÀgtad efter intÀktspÄverkan:

  1. IntÀktsvikt (40 %): En SKU som genererar $4 000/mÄnad i Shopping-intÀkt som förfaller 15 % kostar dig $600/mÄnad. En $200/mÄnad SKU som förfaller 30 % kostar $60. Prioritera efter absolut intÀktspÄverkan, inte procentuell drop.
  2. CTR delta frÄn personlig utgÄngslinje (30 %): MÀtt över de senaste 14 dagarna jÀmfört med 60-dagarsmedelvÀrdet nÀr den ursprungliga omskrivningen gjordes.
  3. Titeltoken fÀrskhet (20 %): Hur mÄnga av titels nyckelordtoken visas fortfarande i Search Terms Report frÄn de senaste 30 dagarna? En titel dÀr 3 av 5 nyckelordtoken har sjunkit under 100 veckoliga impressioner Àr gammal.
  4. Lagernyheter (10 %): Produkter som lagts till eller betydligt Àndrats under de senaste 60 dagarna som aldrig fick en optimerad titel fÄr en omskrivningsbump för utgÄngslinje.

Kör denna score mĂ„natligen. De översta 10–15 % av din katalog enligt denna score Ă€r din omskrivningskö. För en 5 000-SKU-butik Ă€r det 500–750 titlar per mĂ„nad — en volym som bara Ă€r hanterbar med AI-omskrivning, inte manuell copywriting. MagicFeed Pro:s AI-titelomskrivningsmotor Ă€r byggd specifikt för att bearbeta batch-omskrivningsköer i denna skala utan att krĂ€va manuell inmatning per produkt.

För sĂ€songsspecifika vertikaler som utomhusutrustning eller juldekorationer, lĂ€gg till en femte poĂ€ngfaktor: sĂ€songsrelev ansnĂ€ra proximity. PoĂ€ngsĂ€tt titlar högre nĂ€r de ligger inom 45 dagar frĂ„n en kĂ€nd efterfrĂ„gepeak. En "julgransljus" titel optimerad i oktober Ă€r vĂ€rd 3× mer Ă€n samma omskrivning i februari.

Automatisera feedbackslingan mellan Search Terms Report och feedtitlar

Den manuella versionen av detta arbetsflöde tar 4–6 timmar per vecka i stor skala: extrahera Search Terms Report, pivota efter produkt, identifiera frĂ„gegap och uppdrag en copywriter. Den flaskhalsen Ă€r exakt vad som gör att team faller tillbaka pĂ„ kvartalsblankettuppdateringar och missar det 6-veckorsdecayfönster som Ă€r viktigast.

Den automatiserade versionen har tre komponenter: ett frÄgeinmatningslager, ett gapdetektionslager och ett omskrivningsutlösarlager.

FrÄgeinmatning: HÀmta Search Terms Report via Google Ads API pÄ 7-dagarsbasis. Filtrera för enbart Shopping-kampanjtrafik och segmentera efter produkt-ID. Du har nu en per-produktvy av vilka frÄgor som faktiskt matchar dina nuvarande titlar.

Gapdetektering: För varje produkt, tokenisera den nuvarande feedtiteln och berĂ€kna överlapning mot topp-20 frĂ„gorna efter impressionsvolym. Flagga nĂ„gon frĂ„gekluster dĂ€r impressionsvolymen överskrider 300 per vecka och tokenöverlapning med titeln Ă€r under 40 %. Detta signalerar att Google matchar din produkt med en frĂ„ga du aldrig uttryckligen mĂ„lgruppsade — anvĂ€ndare klickar igenom pĂ„ en titel som inte helt motsvarar deras avsikt, vilket deprimerar konverteringsfrekvens tillsammans med CTR.

Omskrivningsutlösare: NĂ€r en produkt trĂ€ffar gapdetektionströskeln, skicka produktdata — titel, beskrivning, attribut, kategori — plus de topputseende frĂ„gorna till ditt AI-omskrivningslager. Resultatet Ă€r en kandidattitel som innehĂ„ller nya frĂ„gotokens samtidigt som den bevarar de attribut Google krĂ€ver: mĂ€rke, storlek, fĂ€rg och material dĂ€r tillĂ€mpligt.

För team som redan kör Shopping-feed A/B-testning integreras denna automatiserade slinga rent. Varje AI-genererad kandidattitel gĂ„r in i ett experiment istĂ€llet för en hĂ„rdare Ă„sidosĂ€ttning, vilket ger dig prestandadata för att validera omskrivningen innan fullstĂ€ndig lansering. Den fullstĂ€ndiga stacken Ă€r uppnĂ„elig med Google Ads API, ett lĂ€ttviktigt Python-skript och ditt feedhanteringsprotokolls API — de flesta team kan fĂ„ det upp pĂ„ 2–3 sprintar.

MÀta verklig pÄslagen lyft vs. engÄngshöjning

MĂ„ttstĂ€llet de flesta team faller in i Ă€r att mĂ€ta omskrivnings-ROI vid 30-dagarmĂ€rket och kalla det klart. En 30-dagarsdiff fĂ„ngar novitetsökningen — perioden nĂ€r Google aktivt testar dina nya titlar i nya frĂ„gauktioner — och överstater systematiskt lĂ„ngsiktig pĂ„verkan med 30–50 %.

Verklig pÄslagen lyft krÀver ett 90-dagarsmÀtfönster med en holdout. BehÄl 10 % av din omskrivningskö pÄ ursprungstitlar hela tiden. JÀmför CTR, konverteringsfrekvens och intÀkt per impression för omskrivningsgruppen jÀmfört med holdout vid 30, 60 och 90 dagar. Gapet mellan dag-30 lyft och dag-90 lyft Àr din decayfrekvens. Om du ser 60 % decay vid dag 90 behöver du en 6-veckor re-optimering. Om decay bara Àr 15 % kan kvartalsvis vara tillrÀckligt.

RiktmĂ€rken frĂ„n vĂ„r handlarskohort: median decaytakten vid 90 dagar Ă€r 47 % av initialt CTR-lyft, med mode och konsumentelektronik som förfaller snabbast (55–65 %) och hemtillbehör och verktyg som förfaller lĂ„ngsammast (25–35 %). Om din vertikal Ă€r mode Ă€r en 6-veckor utlösarcykel inte aggressiv — det Ă€r nödvĂ€ndigt.

Bortom CTR, spĂ„ra intĂ€kt per impression: totala Shopping-intĂ€kter dividerat med totala Shopping-impressioner för den omskrivna SKU-uppsĂ€ttningen. Detta mĂ€tvĂ€rde normaliseras för budĂ€ndringar och budgetskift, isolerande bidrag frĂ„n feedkvalitet. Ett prolongerat omskrivningsprogram bör visa intĂ€kt-per-impression trendar uppĂ„t kvartal för kvartal Ă€ven om CTR fluktuerar. Om bĂ„da mĂ„tten Ă€r platta efter 6 mĂ„naders aktiv re-optimering Ă€r problemet sannolikt budstrategi eller landningssidakvalitet — inte feedtitlar.

GÄ genom MagicFeed Pro:s demo för att se arbetsflödet för decaypoÀngsÀttning och omskrivningskö i praktiken innan du bygger din egen version.

Hur snabbt förfaller AI-produkttitelomskrivningsprestation pÄ Google Shopping?
Baserat pĂ„ data frĂ„n 50+ handlare förlorar optimerade titlar 40–60 % av sin initiala inkrementella CTR-förbĂ€ttring inom 90 dagar. Decay accelererar mellan dag 31–75 innan den stabiliseras. Mode och konsumentelektronik förfaller snabbast och förlorar upp till 65 % av initialt lyft vid dag 90.
Hur ofta bör jag uppdatera mina Google Shopping-produktfeedtitlar?
Frekvensen bör vara signalstyrd, inte kalenderstyrd. Höga intĂ€kts-SKU:er i snabbrörliga vertikaler som mode och elektronik behöver granskas varje 4–6 vecka. LĂ„ngsammare vertikaler som hemtillbehör och verktyg kan upprĂ€tthĂ„lla en kvartalsvis kadens. Den primĂ€ra utlösaren Ă€r en 20 %+ CTR-drop frĂ„n produktens personliga 60-dagars utgĂ„ngslinje.
Vad Àr frÄgeskift och hur pÄverkar det produktfeedtitlar?
FrĂ„geskift Ă€r den naturliga förĂ€ndringen i sökbeteende dĂ€r de termer som köpare anvĂ€nder för att hitta en produktkategori Ă€ndras över tid — sĂ€songsmĂ€ssigt, kulturellt eller som svar pĂ„ nya produkter som kommer in pĂ„ marknaden. Enligt Search Engine Lands analys förĂ€ndras 15–30 % av Shopping-frĂ„gevolymen kvartal för kvartal inom mode och elektronik. Titlar skrivna pĂ„ förra kvartalets frĂ„gadata slutar gradvis matcha aktuell sökintention och kontraherar impressionsandel.
Hur vet jag vilka SKU:er som ska omskrivas först i en stor produktfeed?
AnvĂ€nd en viktad decayscore: prioritera efter absolut intĂ€ktspĂ„verkan (40 %), CTR delta frĂ„n personlig utgĂ„ngslinje (30 %), titel-token-fĂ€rskhet mot nuvarande Search Terms-data (20 %) och lagernyheter (10 %). För en 5 000-SKU-feed exponerar detta vanligtvis 500–750 prioritets-SKU:er per mĂ„nad — en volym som krĂ€ver AI-assisterad omskrivning för effektiv bearbetning.
Kan jag exakt mÀta Google Shopping feedomskrivnings-ROI över tid?
Ja, men bara med en holdoutgrupp. BehÄl 10 % av din katalog pÄ ursprungstitlar som kontroll och mÀt CTR, konverteringsfrekvens och intÀkt per impression vid 30, 60 och 90 dagar. Endast 30-dagarsmÀtningen överstater ROI genom att fÄnga en novitetsökning. En 90-dagars holdout-jÀmförelse ger dig ett försvarbart pÄslagat-lift-nummer.

MagicFeedPro Team

Feed Optimization Practitioners

We're a team of e-commerce and paid-search practitioners who have spent the last decade running Google Shopping campaigns at scale. We write about what actually moves the needle on product feed quality, CTR, and conversion.

Relaterade artiklar

Ett isometriskt produktfeed-rutnĂ€t av smĂ„ kvadratiska paneler arrangerade i rader, de flesta paneler elektriska blĂ„ med en fet ✓, ett kluster av violetta paneler mĂ€rkta ✗ spridda throughout som representerar ~20% av rutnĂ€tet, med en kolgrĂ„ pil som pekar frĂ„n det flaggade klustret mot en ren checklistkolumn till höger.
feed optimization

Gratis feeds-granskning: Det kontrolleras och hur du agerar

En gratis feeds-granskning flaggar GTIN-fel, titel-luckor och avslag som tömmer din ROAS. Hitta de högst pÄverkande ÄtgÀrderna och agera snabbt.

·9 min
En enda isometrisk produktruta mÀrkt "0" transformeras genom en tremstegs pipeline av elektriska blÄ signalstaplar, violetta custom-label-taggar och en kolgrÄ prisankarspil, och anlÀnder till en lysande rankad ruta mÀrkt "14" mot den off-white-fÀrgade ytan.
feed optimization

Google Shopping-kallstart: Ranka nya SKU:er pÄ 14 dagar

Google Shopping-rankningar för nya produkter tar normalt 6–8 veckor. Den hĂ€r feed-signalsekvensen minskar kallstarten till 14 dagar — testad pĂ„ 3 DTC-konton.

·12 min
Ett segmenterat isometriskt stapeldiagram delas in i tre staplade nivĂ„er — mörkt grĂ„ staplar för lĂ„g marginal som döljer elektriska blĂ„ staplar för medelnivĂ„, med en violett toppnivĂ„ som stiger högst — medan en fet “22%”-siffra flyter ovanför den violetta stapeln och en diagonal pil kurvar bort frĂ„n det högsta mörkgrĂ„ blocket mot den violetta toppen.
feed optimization

Marginalmedveten flödesuppdelning: Sluta optimera för intÀkt

Google Shopping-flöde vinstmarginoptimering Ă€r bruten för de flesta DTC-varumĂ€rken — visa höga intĂ€kter, lĂ„ga marginaler. AnvĂ€nd denna arkitektur för 22% marginallyft per order.

·11 min
← FöregĂ„ende
Shopify PMax: Feed-segmentering för rÀtt tillgÄngsgrupper
NĂ€sta →
Optimera produktbeskrivningar för Google AI Overviews