Segen und Fluch der Automatisierung in Google Ads
Veröffentlicht: 2020-07-09Die Automatisierung wird immer mehr zu einem Teil unseres Lebens, und Google Ads ist da keine Ausnahme. Im Laufe der letzten Jahre haben sich die maschinellen Lernalgorithmen von Google verbessert und die Automatisierung hat viele manuelle Marketingaufgaben übernommen.
Während einige dieser Änderungen dazu geführt haben, dass Vermarkter die verringerte Kontrolle oder Einsicht in ihre Werbekonten beklagen, waren die Änderungen insgesamt positiv, da sie gleiche Wettbewerbsbedingungen schaffen und einen Großteil der routinemäßigen Optimierungsarbeit beseitigen, die zuvor in die Verwaltung von Konten gesteckt wurde. Vermarkter können mehr Zeit damit verbringen, sich auf die Strategie zu konzentrieren und neue Ideen zu testen, anstatt die vielen Variablen, die in die Optimierung einfließen, manuell zu manipulieren.
SCHAU JETZT
Google Ads vor maschinellem Lernen und Automatisierung
Bevor wir in die Details eintauchen, fahre mit meiner Zeitmaschine zurück in eine Zeit, bevor maschinelles Lernen und Automatisierung in Google Ads (oder Google AdWords, wie es damals genannt wurde) allgegenwärtig waren.
Wenn Sie für ein Keyword mit einem maximalen CPC (Cost Per Click) von 5,00 € bieten, gehen Sie fest mit 5,00 € als Höchstgebot für einen Klick auf dieses Keyword in die Auktion. Sie haben nicht angegeben, dass Sie bereit wären, mehr als 5,00 $ für einen Klick zu zahlen, wenn Google feststellt, dass der Klick wertvoller ist.
Anschließend mussten Sie eine Verlaufsanalyse durchführen, um festzustellen, welche Dimensionen Anpassungen Ihres Basisgebots gegenüber den verschiedenen Dimensionen erforderten. Für Wochentage und Desktop-Geräte war aufgrund der stärkeren Leistung möglicherweise ein höheres Gebot erforderlich – und Sie würden dann eine Gebotsanpassung auf diese Dimensionen anwenden, um den Leistungsunterschied auszugleichen.
Dies war der Workflow, wie ihn Vermarkter der bezahlten Suche kannten, und er erforderte eine Menge manueller Analysen und Gebotsanpassungen. In komplexen Konten kann dies Stunden um Stunden dauern, um dies auf einer granularen Ebene zu erreichen.
Um für mobile Apps zu werben, gab es verschiedene Platzierungen und Targeting-Methoden. Es gab die typische Einrichtung einer Suchkampagne mit all der Ausrichtung und Funktionalität, die Google-Suchkampagnen bieten. Es gab auch Display-Kampagnen zur Installation mobiler Apps, die Sie basierend auf der Platzierung der App optimieren oder Interessen und Remarketing nutzen konnten.
Die Anzeigenformate für beide ähnelten typischen Such- und Display-Kampagnen, bei denen Sie den Text oder das Bild anpassen konnten, das Sie pro Anzeigengruppe ausführen wollten. Sie können die Daten ähnlich wie bei einer typischen Such- oder Displaykampagne herunterladen und analysieren. Sie können Placements und Keywords mit guter Leistung ausschließen oder hinzufügen. Die Welt war Ihre Auster.
Bei standardmäßigen Suchkampagnen, die sich auf Web-Traffic konzentrieren, wussten Sie beim Hinzufügen eines Keywords genau, welche Suchbegriffe durch die Übereinstimmungsart dieses Keywords ausgelöst werden könnten, und Sie haben Ihr Konto entsprechend strukturiert. Dies bedeutete oft sehr granulare Kampagnenstrukturen, die nach jedem wichtigen Übereinstimmungstyp segmentiert wurden, um Kontrolle und Leistung zu maximieren. Diese Struktur verhinderte eine Überlappung der Keyword-Übereinstimmungstypen und damit einen Wettbewerb innerhalb des Kontos. Es war logisch, sauber und sehr menschenfreundlich.
Was ist seitdem passiert? Sehen wir uns nun an, wie sich maschinelles Lernen und Automatisierung auf die drei oben beschriebenen Schlüsselbereiche von Google Ads ausgewirkt haben – Gebote, Kampagnen für mobile Apps und Übereinstimmungstypen für Suchbegriffe.
Ziel-CPA-Gebote: Ein Verbesserungsgeschenk der Marketinggötter
Ziel-CPA-Gebote wurden eingeführt, um den Zeit- und Arbeitsaufwand zu sparen, der für eine granulare Analyse, manuelle Gebotsoptimierung und Dimensionsanpassung erforderlich war, um das optimale Gebot festzulegen.
Ziel-CPA-Gebote legen die Last des Bietens auf der optimalen Ebene auf den Google-Algorithmus, da Ziel-CPA-Gebote „vergangene Informationen über Ihre Kampagne und die Auswertung der zum Zeitpunkt der Auktion vorhandenen Kontextsignale“ verwenden und „automatisch jeweils ein optimales CPC-Gebot für Ihre Anzeige finden“. Zeit, zu der es angezeigt werden kann“, so Google.
Als Ziel-CPA-Gebote 2007 eingeführt wurden, war der Algorithmus noch lange nicht so ausgefeilt wie heute. Infolgedessen mussten Sie die Kontrolle über die Leistung aufgeben, indem Sie auf manuelle CPC-Gebote verzichteten, in der Hoffnung, dass Google die besten Gebotsentscheidungen treffen würde.
Es stellte sich heraus, dass dies nicht sehr oft der Fall war (basierend auf Diskussionen und Erfahrungen in unserem Team). Infolgedessen war die manuelle CPC-Gebotseinstellung für viele Vermarkter, die eine optimale Leistung anstrebten, immer noch die Methode der Wahl zur Gebotsoptimierung.
In letzter Zeit haben sich Ziel-CPA-Gebote und andere Smart Bidding-Optionen, die die maschinellen Lernalgorithmen von Google nutzen, als viel vielversprechender erwiesen, wobei die Leistung oft das erreicht und manchmal sogar übertrifft, was mit manueller CPC-Gebotsoptimierung möglich ist.
Bei Wpromote sind wir sehr aufgeschlossen und stellen unsere Annahmen ständig in Frage, um eine optimale Leistung zu erzielen. Im Einklang mit dieser Philosophie haben wir uns letztes Jahr entschieden, einen Multi-Client-Test der Auswirkungen von Ziel-CPA-Geboten auf die Leistung durchzuführen – und wir haben durchweg überraschende Ergebnisse gesehen.
In einem Extremfall verzeichnete einer unserer Kunden mit Ziel-CPA-Geboten im Vergleich zu manuellen CPC-Geboten einen CPA-Rückgang um 42 % und einen Anstieg des Conversion-Volumens um 100 %. Diese Art der Leistungssteigerung ist nicht typisch für Ziel-CPA-Gebote, zeigt jedoch den Wert, den maschinelles Lernen im richtigen Szenario bringen kann.
Google gibt Ihnen die Möglichkeit, aber nicht die Pflicht, Ziel-CPA-Gebotseinstellungen zu verwenden. Dies ist wichtig, da es immer noch Kontrolle und Optionalität gibt, die nach Ermessen der Vermarkter ausgeübt werden können. Google ermöglicht es Ihnen immer noch, Ihre Gebote durch manuelle CPC-Gebote genau zu kontrollieren, wenn Sie dies wünschen.
Tatsächlich bieten wir für eine beträchtliche Anzahl unserer Kunden immer noch manuell (manuell bedeutet, dass wir manuelle CPC-Gebotseinstellungen in Google nutzen, aber Technologie verwenden, um das ideale Gebot auszuwählen und die Gebotsanpassung durchzuführen), da wir dadurch eine bessere Leistung festgestellt haben.
Die Möglichkeit, verschiedene Optionen zu testen und zu vergleichen, ist der Schlüssel zur Maximierung der Leistung, und Google macht dies möglich, wenn es um das Bieten für Inventar in seinen Such-, Display- und YouTube-Netzwerken geht. Wir sehen der Zukunft der Ziel-CPA-Gebote optimistisch entgegen und testen sie weiterhin anhand der manuellen Gebots-CPC-Optimierung, um die bestmögliche Leistung zu erzielen.
Universelle App-Kampagnen: Eine Black Box mit sehr begrenzten Möglichkeiten
Am anderen Ende des Extrems stehen die Lösungen von Google für mobile App-Werbung in krassem Gegensatz zu dem Maß an Kontrolle, das Werbetreibenden bleibt, nachdem die Automatisierung ins Spiel gekommen ist.
Bevor Google 2017 zu universellen App-Kampagnen migrierte, gab es viele Optionen, wenn Sie eine App hatten, die Sie bewerben wollten.
Sie können App-Installationssuchanzeigen allein, AdMob (Googles mobiles Display-Netzwerk) App-Installationsanzeigen allein oder YouTube-App-Installationsanzeigen allein schalten. Innerhalb dieser Kampagnentypen gab es zahlreiche Targeting-Optionen und sie waren nahezu identisch mit dem, was Sie mit weborientierten Kampagnen mit erheblicher Kontrolle und Granularität erreichen konnten. Außerdem könnten Sie Berichte abrufen, die nach einer der typischen Dimensionen (Keyword, Creative, Placement usw.) segmentiert sind.
Dann startete Google Universal App Campaigns (UACs) und alles änderte sich. Mit UACs sind Sie gezwungen, den größten Teil der Kontrolle über Creative, Targeting und Optimierung an den Algorithmus von Google abzugeben. Und das Niveau der Berichterstattung und Erkenntnisse, die von UACs gewonnen werden können, ist sehr oberflächlich. Kurz gesagt, Google trifft die meisten Entscheidungen in UACs und gibt dem Werbetreibenden nur sehr wenig preis.
Was bedeutet das also für uns kontrollbesessene Performance-Marketer? Das bedeutet, dass wir sehr sorgfältig über die begrenzten Dinge nachdenken müssen, die wir kontrollieren können, um sicherzustellen, dass der Google-Algorithmus über die bestmöglichen Informationen verfügt, um seine Arbeit zu erledigen.
Die Beziehung zwischen Vermarktern und dem Algorithmus von Google hat sich zu einer symbiotischen entwickelt, wenn es um universelle App-Kampagnen geht. Sie können weiterhin die kreativen Eingaben steuern, z. B. welchen Text, welches Bild und welches Video verwendet werden soll, aber Google bestimmt die beste Kombination dieser Komponenten. Sie können nicht steuern, welche Zielgruppen Sie ansprechen möchten, aber Sie können App-Ereignisse in Ihrer App In-App-Conversion-Ereignissen von Google zuordnen und auswählen, für welches Ereignis Sie optimieren möchten.
Es scheint sehr wahrscheinlich, dass Google im Laufe der Zeit weiterhin die Kontrolle der Werbetreibenden von anderen Kampagnentypen nehmen wird, und es ist nicht unvorstellbar, dass die gesamte Werbeplattform von Google irgendwann in der Zukunft universellen App-Kampagnen ähneln wird.
Wenn und wenn es passiert, ist es wichtig, dass Sie sich schnell an Ihren Workflow anpassen, um weiterhin eine optimale Leistung zu erzielen. Daher ist es wichtig, sich mental darauf vorzubereiten und die Auswirkungen zu besprechen.
Keyword-Match-Typen: Tomate, Toemotto
Während universelle App-Kampagnen in Bezug auf Automatisierung und maschinelles Lernen am äußersten Ende des Spektrums stehen, machen sie auch einen kleinen Bruchteil der Werbeausgaben aus, die durch Google Ads fließen, sodass die meisten Werbetreibenden sie nicht verwenden mussten.
Wenn Sie sich das Kernwerbenetzwerk von Google (Google Search Ads) ansehen, spielt die Automatisierung des maschinellen Lernens eine viel geringere Rolle, aber sie hat im Laufe der Zeit sicherlich zugenommen. Werfen wir einen Blick darauf, wie Keywords von der Automatisierung beeinflusst wurden und was das für Werbetreibende bedeutet.
Früher bedeutete ein genau passendes Keyword, dass Sie genau mit dem Suchbegriff übereinstimmten, nach dem ein Benutzer suchte. Beispielsweise bedeutete das genau passende Keyword [Bananenstand], dass Ihre Anzeige für Bananenstand nur geschaltet wurde, wenn jemand genau nach „Bananenstand“ und nicht nach „Bananenständen“, „Bananenstand“ oder einer anderen Abweichung gesucht hat.
Im Jahr 2012 wurde die erste Änderung der Art und Weise, wie Keyword-Übereinstimmungstypen verwendet wurden, für den exakten Übereinstimmungstyp eingeführt – die Einbeziehung von Pluralformen und Rechtschreibfehlern. Das bedeutete, dass das Schlüsselwort [Bananenstand] jetzt durch Suchbegriffe wie „Bananenstände“, „Bananenstand“, „Bananenstand“ usw. ausgelöst werden konnte. Dies war eine vernünftige und verständliche Änderung – und ärgerte nur die granularsten Vermarkter, die es waren festgestellt, dass Rechtschreibfehler und Pluralformen eine leicht unterschiedliche Leistung erzielten.
Im Jahr 2017 ging Google noch einen Schritt weiter, indem es Funktionsschlüsselwörter wie Bindungswörter, Konjunktionen, Präpositionen, Pronomen, Quantifizierer, Modalverben und Hilfs-/Absicherungsverben einbezog oder ignorierte. Beispielsweise könnte das Schlüsselwort [LA-Flug nach New Orleans] mit einer Änderung der Präposition und Wortstellung mit dem Suchbegriff „New Orleans von LA-Flügen“ abgeglichen werden. Obwohl die Bedeutung ähnlich ist, könnte die Leistung zwischen diesen beiden Schlüsselwörtern durchaus unterschiedlich sein.
Dies führte zu Frustration, da Vermarkter Workarounds für negative Keywords entwickeln mussten, um ihre sauberen Kontostrukturen intakt zu halten.
Dann, zuletzt im Oktober 2018, erweiterte Google die Bedeutung der exakten Übereinstimmung noch einmal, um jetzt auf Keywords mit „der gleichen zugrunde liegenden Bedeutung wie das Keyword“ abzielen zu können. Im Wesentlichen bedeutet dies, dass die exakte Übereinstimmung jetzt auf Keywords mit der gleichen Absicht wie Ihr Keyword abzielt. In unserem vorherigen Keyword-Beispiel [LA-Flüge nach New Orleans] könnte dies möglicherweise mit dem Suchbegriff „Fly to New Orleans from Los Angeles“ übereinstimmen, da die zugrunde liegende Bedeutung dieselbe ist. Dies stellt eine viel schwierigere Herausforderung für Marketer dar, die enge Kontostrukturen mit minimalen Überschneidungen aufrechterhalten möchten.
All diese Änderungen am Keyword-Übereinstimmungstyp sind gut gemeint, um die Reichweite der Zielgruppe zu erweitern und das Erstellen von Keyword-Listen einfacher und schneller zu machen. Allerdings haben sie ihren Preis: weniger Kontrolle und unordentliche Berichte zu Suchbegriffen, die sich über Kampagnen hinweg überschneiden können. Das bedeutet, dass Vermarkter mehr denn je sorgfältig Suchbegriffsberichte erstellen und ausschließende Keywords implementieren müssen, um Leistungs- und Strukturanforderungen gerecht zu werden.
Schnallen Sie sich an und machen Sie sich bereit für mehr Automatisierung
Maschinelles Lernen und Automatisierung beginnen sich nach Jahren der Produktentwicklung und des Experimentierens durch Google als vielversprechend zu erweisen. Es ist klar, dass der Automatisierung innerhalb der bezahlten Marketingplattformen die Zukunft gehört, und Vermarkter täten gut daran, zu bestimmen, was dies für ihre Arbeitsabläufe und Strategien bedeutet. Die Automatisierung wird sich jetzt wahrscheinlich beschleunigen, da sie beginnt, menschliche Arbeitsabläufe zu übertreffen.
Wir haben festgestellt, dass der beste Ansatz darin besteht, Ihre Zehen langsam einzutauchen (vorausgesetzt, Sie sind nicht gezwungen, direkt einzutauchen – *hust* UAC), wenn es um neue Automatisierungsfunktionen geht. Auf diese Weise können Sie die Leistung im Verhältnis zu Ihrem bestehenden Arbeitsablauf und Ihren Optionen bewerten, bevor Sie Kool-Aid trinken.