通过人工干预来提高谷歌智能算法的学习速度和溯因推理的准确性。
谷歌需要获得足够的数据+相关算法，以满足“足够数据”的要求，谷歌建议智能广告需要14天的学习周期，有足够的预算(一般每日预算为CPA*2或以上)，吸引50次转化等等。因此，常见的人工干预方法如下。
1、为了更快地达到机器学习优化的基础数据，选取漏斗上层行为如加入购物车、发起结帐等。
2、足够的广告材料，材料包括feed、feed、广告材料等
对于智能购物广告谷歌官方推荐的100个SKU以上，但实操却发现这太多了，即使在14天之后，所有SKU只有10%左右的人都能看到。建议20个以上就可以了。日用品Feed也要做好优化，Feed越完美，越合理越好。
对于页面feed，是用于动态搜索广告的，要保证页面标题、描述经过基本SEO优化。与谷歌一致的官方优化指南：用户理解，关键字相关性高，重要关键词在前面等等。
从广告素材来看，所有智能广告都需要提供优秀的素材，从而使谷歌优化。劣质广告材料，再厉害的算法也无济于事。对于智能购物广告，要提供多种大小的图片、视频、足够的广告标题、描述等等，这些都要满足谷歌官方推荐的数量，并尽量差异化，让谷歌可以测试不同种类的材料。再针对测试结果，寻找合适的材料进一步优化。
3、为提高追溯推理的准确性，人工提高广告序列的内部相关性可以加快学习速度
1)改善智能购物广告的内部相关性：对产品分组，分别建立不同的智能购物广告系列。根据产品类别划分：产品类别、价格、利润率、销路。如何选择多维度呢？基于投标策略。
2)提高展示广告的内部相关性；
如有必要对每个广告系列分别采用不同的预算，请分别制作。在智能展示广告系列中，分别为不同的产品系列或服务创建不同的广告组合。
广告群内，制作几个不同的适配性展示广告，把彼此配合良好的材料资源分成一组，每一条广告分别采用这样一组材料资源。创建一个帐户级别的展示位置排除对象。创建网站类别和内容排除对象，主题排除对象，关键词排除对象。
3)改进动态搜索广告的内部相关性：标题和描述必须准确。
