Data Revolt 借助 Stape POAS 数据流实现 Google Ads 利润竞价:净利润提升 29.2%
+29.2% net profit from Google Ads with POAS Data Feed | Data Revolt
代理商 Data Revolt 借助 Stape 服务端 GTM 的 POAS 数据流,将罗马尼亚咖啡零售商 Kfea 的 Google Ads PMax 竞价信号由销售额转为实际利润,使净利润提升 29.2%。
案例拆解了在服务端完成商品毛利匹配并回传广告平台的方法,为依赖营收竞价的电商投放提供了直接转向利润出价的落地路径。
核心要点
Kfea 在 Google Ads 上的 Performance Max(效果最大化)广告系列此前一直以“购买营收”为出价指标,导致智能出价(Smart Bidding)无法区分同等售价下高利润率与低利润率的产品。
Data Revolt 将 Stape 的 POAS 数据源接入了 Kfea 原有的 Stape 服务端容器。该数据源能将售出的每件商品与其利润率进行匹配,从而实现了在服务端直接计算利润。
自此,利润率数据始终保存在 Stape 中,完全不经过浏览器或 dataLayer。只有计算出的利润值会通过服务端对服务端的方式回传给 Google Ads 和 GA4。
在为期一个月的基准测试期内,广告系列仍按营收出价,同时在 GA4 中记录利润数据。基准期结束后,广告系列的转化价值正式从营收切换为利润。
改为按利润出价一个月后,对比 PMax 广告支出,Kfea 的净利润提升了 29.2%,且有多出 33% 的预算被引导流向了利润率高于中位数的商品。
Kfea.ro 是一家罗马尼亚咖啡电商,主营从原产地直采的咖啡豆、咖啡粉及胶囊咖啡。其商品目录中,价格相近的产品利润率往往相差悬殊。
该公司的 Google Ads 账户主要依靠 Performance Max(PMax)广告系列驱动,广告支出回报率(ROAS)一直表现优异。而他们的新目标,是让相同的预算赚取更多利润,而不只是拉高流水。
该项目由位于布加勒斯特的 Stape 合作伙伴代理商 Data Revolt 主导。此前,Data Revolt 已将 Kfea 的追踪代码迁移到了托管在 Stape 上的服务端 GTM,因此实施利润出价的基础已经完备。
营收是唯一的出价信号:每笔订单回传给 Google Ads 的只有交易金额。即便两笔订单利润悬殊,只要总金额相同,在智能出价看来就毫无分别。
各商品利润率差异极大:单价较高但利润薄的产品,每单带来的实际利润可能还不如低价但高利润的产品。然而按营收出价往往会偏向高价商品,哪怕它们的利润率更低。
高 ROAS 并不代表高盈利能力:没有商品利润率数据,智能出价就无法区分哪些商品是带来更多营收,哪些才是真正带来更多利润。
利润率数据必须严格保密:如果通过浏览器或 dataLayer 回传商品成本或利润率,任何查看网页源代码的人都能获取这些商业机密。
Kfea 既需要将利润作为出价信号,又不能在前端暴露商品利润率。由于服务端容器已在 Stape 上运行,整套方案只需在现有架构上升级,无需推倒重来。
该方案主要包含以下核心部分:
POAS 数据源:将商品利润率数据保存在 Stape 的安全存储空间内。当服务端容器接收到购买事件时,会自动把每个商品 ID 与对应利润率进行匹配,并计算出整笔订单的利润。
服务端直连传输:利润完全在服务端计算,随后直接从服务端发送至 Google Ads 和 GA4。利润率数据绝不会暴露在浏览器、网页源代码或 dataLayer 中。
基于 Stape 的服务端 GTM 托管:容器原本就已经在向 Google Ads 和 GA4 传输购买事件。引入利润只需更改回传的数值字段,无需重建整个追踪流程。
只需维护一份数据源:客户只需提供一份包含利润率的商品数据源。随着售价和成本变动,Stape 的自动同步功能可按天或按周自动刷新。

网站只需回传商品 ID 和收入。Stape 在服务端补充利润率,随后将计算出的利润发送给 Google Ads 和 GA4。
技术配置只是其中较小的一部分工作。大部分精力其实花在了建立客户信任,以及设计一套能够证明成效的衡量方案上。
- 1.
向客户提议采用 POAS:Data Revolt 建议在现有的服务端架构基础上,利用 Stape 的 POAS Data Feed 插件,实现从 ROAS 到 POAS 的转变。
- 2.
化解利润率隐私担忧:客户提出的第一个问题是谁能看到利润率。Data Revolt 解释称,利润率保存在 Stape 的安全存储中,仅由服务端容器用于计算利润,绝不会回传给网站,也不会暴露在浏览器或 dataLayer 中。
- 3.
载入利润率数据源:客户提供了拟推广商品的数据源(包含各自的利润率)。Data Revolt 将其上传至 POAS Data Feed,并把商品 ID 与购买事件中的商品 ID 关联起来。
- 4.
以原出价信号建立基准:在第一个月里,PMax 广告系列继续以购买收入为出价依据。与此同时,服务端容器会计算每笔订单的利润,并作为名为
profit的自定义指标发送至 GA4。这为基于收入出价所产生的利润确立了基准线。 - 5.
切换出价信号:一个月后,服务端容器开始向 Google Ads 发送利润作为广告系列的转化价值,替代了原有的收入数据。
- 6.
衡量实际成效:在基于利润出价运行一个月后,Data Revolt 将产生的利润与 PMax 广告系列的实际预算支出进行了对比。此外,团队还单独提取出数据源中的商品,并通过 Python 脚本追踪了切换前后预算在高低利润率商品之间的分配变化。
由于两个阶段 GA4 记录利润的方式完全一致,前后数据具有直接可比性。
净利润 29.2%:切换出价信号后产生的利润与 PMax 实际花费的预算进行了对比。开始按利润出价后广告支出有所增加,而这一额外花费已被计入最终结果中。
高利润产品预算倾斜 +33%:利润率高于目录中位数的商品获得的预算增加了 33%。这表明智能出价确实调整了策略,而非利润增长仅仅来自外部因素。

利润率数据全程保密:每笔订单的利润都在服务端计算,网站、浏览器以及 dataLayer 从未承载过任何利润率数据。
报表聚焦利润:GA4 现在在每笔订单的收入旁同步展示利润,广告系列复盘可以直接聚焦于企业真正关心的核心指标。

在首个广告系列跑通后,下一步是将基于利润的出价推广至 Kfea 的其他 Google Ads 广告系列,并在商品目录发生变动时保持利润率数据源同步更新。
与 Data Revolt 的合作让我们能够从更契合业务实际的视角来审视 Google Ads 广告系列,而不再局限于收入或 ROAS。引入 POAS 让我们能够把商品的实际利润率考虑在内,将预算真正投向能为我们盈利的产品。<br><br>从第一阶段起我们就看到了实打实的成效,这是我们从追求体量转向追求盈利的关键一步。
Madalin Chiriac
Kfea.ro 营销与增长负责人
目前多数电商账户仍以营收为优化目标,其中不少已经部署了服务端跟踪。对代理商而言,在完成服务端迁移后,转向 POAS 顺理成章:底层架构已经就位,与客户的沟通重点也能顺势从数据质量转向利润本身。
这种转变也重塑了双方的合作关系。以利润为导向汇报,让代理商和客户站在了同一张计分板前;而且相比单纯的 ROAS 数据,实打实的利润增长也更容易站得住脚。
针对计划推行 POAS 的代理商,以下是三点建议:
- 1.
切换前先建立基准线:在出价策略依然锚定营收的同时,先在分析工具中记录利润数据。缺少这个基准,就无法证明算法优化究竟带来了哪些改变。
- 2.
将利润率视作机密数据:绝不要把利润率暴露在浏览器和 dataLayer 中。采用服务端查询可以让客户放心,不必担心利润率数据在网站前端泄露。
- 3.
证明结构性转变,而非仅看总量:利润增长可能有多种诱因。只有向客户证明预算确实流向了高利润率商品,才能把最终成效与新的出价信号直接关联起来。
对于已经在使用服务端跟踪的电商企业,Data Revolt 借助 Stape,只需简单配置即可将 Kfea 的出价策略从基于营收转向基于利润,无需额外投入工程开发。
“Stape 让我们在一个平台上就能搞定服务端容器和利润率查询。在客户已经认可的现有架构上,我们直接引入了基于利润的出价,既没有搭建新系统,也没有泄露过任何利润率数据。”
Marian Becheanu
Data Revolt 数据负责人
借助 Stape,企业可以:
向 Google Ads、GA4 等广告平台回传利润而非营收,让出价紧跟企业的实际收益。
确保利润率安全保密,数据存放在 Stape 的安全存储中并在服务端计算,绝不会暴露在浏览器或 dataLayer 里。
基于现有容器直接扩展:POAS Data Feed 是 Stape 服务端 GTM 托管的增强功能,无需独立部署或维护其他系统。
保持利润率数据实时同步,通过统一的产品 Feed 和自动同步机制更新,免去在跟踪配置中手动修改的麻烦。
这篇文章对你有帮助吗?
来源:Stape Server-Side Tracking Blog · stape.io