Performance Max-tillgångsgrupper dödar din feed: En granskning på 2 miljoner kronor

Vi tillbringade mars med att analysera tre åttasiffriga DTC-varumärken—möbler, träningskläder, hudvård—alla kör hybrid PMax och Standard Shopping. Samma klagomål från alla tre performance-chefer: budgeten flyttades till PMax, ROAS såg acceptabel ut, men bruttomarginalen sjönk 18-22% kvartal-över-kvartal. Boven var inte budgivning, kreativt innehåll eller målgruppssignaler. Det var deras produktfeed-arkitektur, och PMax-tillgångsgrupper förstärkte varje strukturell brist i stor skala.

Problemet på 2 miljoner: Varför PMax marknadsförde våra sämsta produkter

Varumärke ett sålde modulära möbler. Deras Standard Shopping-kampanjer använde anpassade etiketter för att separera hjälte-SKU:er (soffor, 8 500 kr+ AOV, 42% marginal) från tillbehör (prydnadskuddar, 350 kr AOV, 18% marginal). Performance Max lanserades i januari med en enda tillgångsgrupp som täckte "alla produkter" och en feed som saknade hierarkiska product_type-värden. I mitten av mars gick 67% av PMax-utgifterna till tillbehör under 500 kr. Total inkrementell omsättning såg bra ut—3,6 miljoner kr—men nettobidrag efter leverans och produktkostnad var 650 000 kr. Samma budget i deras pausade Standard Shopping-kampanjer levererade historiskt 1,5 miljoner kr bidrag.

Vi drog feeden. Varje produkt hade product_type satt till Shopify-kollektionsnamnet: "Vardagsrum", "Sovrum", "Tillbehör". Ingen taxonomi. Ingen förälder-barn-struktur. Enligt Googles officiella dokumentation för tillgångsgrupper använder PMax product_type och google_product_category för att förstå produktrelationer och allokera budget inom tillgångsgrupper. Platta kategorier betyder att algoritmen behandlar en 9 500 kr soffa och en 280 kr kudde som likvärdigt värdefull inventering i samma grupp. Den optimerar för konverteringsvolym, inte marginal, och kuddar konverterar snabbare till lägre CPC:er.

Varumärke två—träningskläder—hade det omvända problemet. De segmenterade tillgångsgrupper efter kön (Herr, Dam, Unisex), men deras product_type-fält sammanfogade tyg och stil: "Fuktavledande leggings", "Bomulls-t-shirts", "Kompressionsshorts". Inga delade överordnade kategorier. PMax kunde inte gruppera "Leggings" under "Byxor" eller "T-shirts" under "Överdel", så det behandlade 140 produktvarianter som 140 distinkta kategorier. Tillgångsgrupper fragmenterade utgifter över mikrosegment, ingen nådde inlärningsfas. CPA klättrade 34% månad-över-månad medan Standard Shopping—som använde anpassade etiketter som label_0:high-margin—bibehöll stabil prestation.

Här är marginalerosionen vi såg över alla tre varumärken under Q1 2026:

Den gemensamma tråden: feeds strukturerade för mänsklig browsing (Shopify-kollektioner, WooCommerce-kategorier) men inte algoritmisk segmentering. Tillgångsgrupper kan inte själv-reglera utan feed-byggnadsställning.

Hur tillgångsgrupper ärver dålig feed-arkitektur

Performance Max-tillgångsgrupper är inte dumma. De lyfter fram signaler från din feed, annonskreatörer, landningssidor och förstapartsdata, och allokerar sedan budget dynamiskt. Problemet är skräp in, skräp ut. Om din feeds product_type, custom_label_0-4 och item_group_id-fält inte kodar marginal, hastighet eller strategisk prioritet, tolkar PMax all inventering som likvärdig och optimerar för minsta motståndets väg—vanligtvis låg-AOV impulsköp.

Vi ser fem feed-arkitekturmisstag som saboterar tillgångsgrupper:

1. Platt eller saknad product_type-hierarki. Ennivåvärden ("Kläder") hindrar PMax från att förstå produktrelationer. Google rekommenderar upp till fem nivåer: Kläder & Accessoarer > Kläder > Träningskläder > Leggings > Hög midja.

2. Inga anpassade etiketter för marginalnivåer. custom_label_0 bör segmentera hög/medel/låg marginal. custom_label_1 kan koda säsongsbundenhet eller lagerrisk. Utan dessa kan PMax inte skilja mellan en hjälte-SKU och en realiseringsartikel.

3. Inkonsekvent item_group_id-användning. Om du säljer varianter (färg, storlek), ska alla varianter dela en item_group_id och ha unika id-värden. Trasig gruppering får PMax att behandla en blå tröja och en röd tröja som orelaterade produkter, vilket splittrar inlärningen.

4. Generiska eller nyckelordsstoppade titlar. Titlar som "Köp Premium Ekologisk Bomull T-shirt Online Bästa Pris" förvirrar tillgångsgrupptematisk klustring. PMax använder titelsemantics för att kartlägga produkter till kreativa tillgångar. Nyckelordsspam försämrar den kartläggningen.

5. Tomma eller platshållar-description-fält. Beskrivningar matar PMax:s förståelse för produktfördelar och användningsfall. En 20-ords generisk beskrivning kopierad över 500 SKU:er ger algoritmen ingenting att differentiera på.

Möbelvarumärkets feed hade problem 1, 2 och 5. Vi exporterade deras Merchant Center-feed och körde en snabb Python-revision:

import pandas as pd

df = pd.read_csv('product_feed.csv')

# Kontrollera product_type djup
df['pt_levels'] = df['product_type'].str.count('>') + 1
print(df['pt_levels'].value_counts())
# Output: 1.0  →  2,847 rader (100% ennivå)

# Kontrollera för anpassade etiketter
print(df[['custom_label_0','custom_label_1']].isna().sum())
# Output: custom_label_0  2847, custom_label_1  2847 (alla tomma)

# Kontrollera beskrivningsunikhet
print(df['description'].nunique(), '/', len(df))
# Output: 23 / 2847 (23 unika beskrivningar över 2 847 SKU:er)

När vi omstrukturerade deras feed—lade till femsiffrig product_type, fyllde custom_label_0 med marginalhinkar och skrev om beskrivningar med AI-driven produktkategorisering—stabiliserades PMax-tillgångsgruppprestanda inom två veckor. Högmarginalsoffor återvann 51% av visningarna, och bidragsmarginalen återhämtade 14 procentenheter.

Product_Type-hierarkin PMax faktiskt behöver (med exempel)

Googles feed-spec tillåter upp till fem nivåer i product_type, avgränsade med >. De flesta e-handelsplattformar standardiserar till två eller tre baserat på butikskategorier, men PMax drar nytta av djupare, marginalmedvetna hierarkier. Så här byggde vi om product_type för de tre varumärkena:

Möbler (före):

Vardagsrum
Sovrum
Tillbehör

Möbler (efter):

Möbler > Sittplatser > Soffor > Hörnsoffa > Premium
Möbler > Sittplatser > Stolar > Accent > Mellannivå
Möbler > Dekoration > Prydnadskuddar > Dekorativa > Budget

Träningskläder (före):

Fuktavledande leggings
Bomulls-t-shirts
Kompressionsshorts

Träningskläder (efter):

Kläder > Dam > Byxor > Leggings > Högpresterande
Kläder > Dam > Överdel > T-shirts > Essentiella
Kläder > Herr > Byxor > Shorts > Kompression

Hudvård (före):

Fuktkrämer
Serum
Ansiktsrengöring

Hudvård (efter):

Hudvård > Ansikte > Fuktkrämer > Anti-Aging > Lyx
Hudvård > Ansikte > Serum > Vitamin C > Kärna
Hudvård > Ansikte > Ansiktsrengöring > Gel > Värde

Lägg märke till mönstret: Kategori > Kön eller Rum > Produkttyp > Stil eller Fördel > Marginalnivå. Den sista nivån kodar uttryckligen strategisk prioritet (Premium, Kärna, Budget eller Lyx, Mellannivå, Värde). Detta låter dig skapa tillgångsgrupper efter nivå-fyra-värden och använda nivå-fem för att kontrollera budgetallokering via smarta budgivningsmål.

Vi fyllde också custom_label_0 med marginalhinkar och custom_label_1 med lagerrisk (Evergreen, Säsong, Realisering). Kombinerat med den nya hierarkin kunde PMax-tillgångsgrupper självsegmentera utan manuella listgruppexkluderingar.

En viktig anmärkning: product_type är fritext, medan google_product_category måste matcha Googles taxonomi. Använd product_type för strategisk segmentering och google_product_category för efterlevnad. PMax läser båda, men product_type har större vikt för tillgångsgruppriktning eftersom den är unik för din katalog.

Revisionschecklista: 8 feed-attribut som styr PMax-beteende

När du misstänker att PMax kannibaliserar marginal, granska dessa åtta feed-fält innan du rör budgivningar eller tillgångsgruppinställningar. Vi använder denna checklista vid varje klientonboarding:

Möbelvarumärket hade kritiska problem i raderna 1-4, medelproblem i raderna 5-6. Träningsklädvarumärket hade kritiska problem i raderna 1 och 3, plus ett unikt problem: deras item_group_id använde SKU-prefix som ändrades säsongsmässigt, så våren 2025 leggings och hösten 2025 leggings behandlades som orelaterade produkter. PMax kunde inte överföra inlärning över säsonger.

Efter att ha fixat dessa åtta attribut, skickade vi in feeds till Merchant Center och relanserade PMax-kampanjer med omstrukturerade tillgångsgrupper. Hudvårdsvarumärket såg snabbaste omvändningen—marginalåterhämtning nådde break-even på 11 dagar—eftersom deras katalog var minst (340 SKU:er) och renast efter fix.

För detaljerad vägledning om anpassad etikettstrategi, se vår genomgång om hur DTC-varumärken använder anpassade etiketter för att kontrollera annonsutgifter. Det inlägget inkluderar etikettschemamallar för prenumerationsprodukter, buntar och marginal-riskmatriser.

Kampanjstruktur: När ska man separera PMax från Standard Shopping

En av de vanligaste frågorna vi får: Ska vi köra PMax och Standard Shopping samtidigt, eller konsolidera till PMax? Svaret beror på feedmognad och marginalvariation.

Kör hybrid (PMax + Standard Shopping) om:

• Din katalog har hög marginalvariation (t.ex. 10-50% bruttomarginal över SKU:er). Standard Shopping med manuella listgrupper låter dig skydda hjälteprodukter.
• Du behöver granulär kontroll över märkestrafik vs icke-märkestrafik. PMax kombinerar Sök, Shopping, Display, YouTube och Discover; Standard Shopping är endast Shopping.
• Din feedrevisionspoäng är <70/100 (vårt interna riktmärke: 8 attribut × 10 poäng vardera, avdrag för saknade/trasiga fält). Rensa feeden först, sedan konsolidera.

Konsolidera till PMax om:

• Din katalog är marginalhomogen (t.ex. alla SKU:er är 35-45% marginal). PMax kommer att optimera för intäkter utan marginalrisk.
• Du har högkvalitativa produktbilder, videotillgångar och tillräcklig budget för att nå inlärningsfas över tillgångsgrupper (5 000+ kr/dag per grupp).
• Din feed har hierarkisk product_type, ifyllda anpassade etiketter och unika beskrivningar. PMax behöver dessa för att självsegmentera effektivt.

Vi förespråkar en fasad strategi. Börja hybrid, även om din feed är ren. Allokera 60-70% av budgeten till Standard Shopping och 30-40% till PMax. Övervaka marginalbidrag per kanal veckovis. Om PMax konsekvent levererar jämförbar eller bättre marginaleffektivitet efter 30 dagar och fyra fullständiga inlärningscykler, skifta ytterligare 20pp av budgeten. Om marginalen försämras, pausa PMax och diagnostisera feedproblem innan du återupptar.

Möbelvarumärket körde hybrid i 60 dagar efter feed-fix. Vid dag 45 matchade PMax-bidragsmarginalen Standard Shopping (39,2% vs. 39,8%), så de skiftade till 50/50. Vid dag 75 drog PMax före (41,1% vs. 38,4%), och de gick till 70/30 till förmån för PMax. Nyckeln: de konsoliderade inte blint. De validerade feedändringar med data.

Ett strukturellt misstag vi ser ofta: att köra en enda "alla produkter" PMax-kampanj. Om din katalog sträcker sig över flera vertikaler eller marginalnivåer, dela upp i 2-4 tillgångsgrupper med icke-överlappande product_type-filter. Till exempel körde träningsklädvarumärket tre tillgångsgrupper:

1. Högmarginal Kärna (Leggings, Sport-BH:ar, Joggingbyxor): product_type innehåller "Högpresterande" eller "Kärna", custom_label_0 = "Hög marginal"
2. Essentiella (T-shirts, Linnen, Strumpor): product_type innehåller "Essentiella", custom_label_0 = "Medelmarginal"
3. Realisering/Säsong (Förra säsongens färger, nedlagda stilar): custom_label_1 = "Realisering"

Varje tillgångsgrupp hade distinkta ROAS-mål (2,8×, 2,2×, 1,5×) och kreativa set som betonade olika värdeerbjudanden (prestation, mångsidighet, pris). Detta lät PMax optimera inom marginalskyddsräcken snarare än att blanda hög och låg AOV i en enda inlärningspool.

Verkliga siffror: Marginalåterhämtning efter feed-omstrukturering

Vi spårade alla tre varumärken i 90 dagar efter feed-fix. Här är marginalbidragslyftet per vecka, indexerat till vecka noll (före-fix baslinje = 100):

Genomsnittligt marginalbidrag förbättrades 29% vid vecka 12. Möbelvarumärket—som hade den sämsta initiala feedkvaliteten—såg den största absoluta återhämtningen: från 650 000 kr till 1,5 miljoner kr månadsvis nettobidrag på samma 930 000 kr PMax-utgift. Det är en 860 000 kr månadssvängning, eller 10,3 miljoner kr årligen, från enbart feed-fix.

Vi spårade också icke-PMax-prestation för att kontrollera för externa faktorer (säsongsbundenhet, kampanjkalendrar). Standard Shopping och betald socialt bidrag stannade platt ±3pp, vilket bekräftade att lyftet var PMax-specifikt. Mekanismen: bättre product_type-hierarkier lät PMax allokera budget till högre marginal-SKU:er, och unika beskrivningar + titlar förbättrade annonsrelevanspoäng, sänkte CPC:er med 11-17%.

En icke-uppenbar fördel: kund-LTV förbättrades. När PMax marknadsför högmarginal-SKU:er, förvärvar du kunder genom bättre produkter. Möbelvarumärkets PMax-källade kunder hade 18% högre 180-dagars LTV än före-fix PMax-kunder, troligen för att hörnsoffor (hög marginal) är övervägda köp som förankrar ett rum, medan kuddar (låg marginal) är impulsköp. Bättre första-order produktmix → starkare kundkohorter.

För varumärken skeptiska till feed-investering erbjuder vi en gratis revision som betygsätter din feed på de åtta kritiska attributen och uppskattar marginalåterhämtningspotential. Möbelvarumärkets initiala poäng var 28/100; efter-fix var det 91/100. Den 63-poängsförbättringen låste upp 860 000 kr månadsvis lyft.

FAQ

Relaterade artiklar

google shopping

Nollklickshopping: Optimera flöden för Googles produktkunskapspanel

Google visar nu pris, tillgänglighet och specifikationer direkt i sökresultaten för 34% av produktsökningar. Lär dig hur du optimerar ditt Shopping-flöde och schemamärkning för att äga kunskapspanelen och skydda synligheten för varumärkessökningar.

14 maj 2026·16 min

google shopping

Custom Label-strategi: Hur 3 DTC-varumärken skalade till 8-siffrig ROAS

Reverse-engineera de marginal-hastighets-, säsongsvariations- och LTV-baserade custom label-arkitekturer som lät tre DTC-varumärken bryta 50 000 kr/månad-platån och nå 8-siffrig ROAS på Google Shopping.

12 maj 2026·13 min

google shopping

7 Anledningar Till Att Dina Google Shopping-annonser Inte Konverterar (Och Hur Du Fixar Dem)

Dina visningar är bra men din konverteringsgrad är platt. Här är de 7 vanligaste diagnoserna — och 30-minutersfix för varje — baserat på hundratals e-handelsrevisioner.

8 maj 2026·5 min