Sekilas Tentang Smart Bidding & Strategi Bidding Otomatis AdWords

Anda telah bekerja keras untuk membuat situs web bintang. Anda telah membuat kampanye AdWords berkualitas dan menggunakan eksperimen untuk menemukan laman landas pasca-klik terbaik untuk setiap pemirsa. Anda telah mengulangi dan mengulangi pengujian salinan iklan, sambil mengelola tawaran dan anggaran kata kunci Anda dengan tepat. Mungkin Anda bahkan telah menghabiskan waktu dengan peristiwa yang dipicu klik di GTM untuk memastikan semua konversi Anda dilacak dengan benar. Namun, Anda masih berjuang untuk memenuhi sasaran BPA atau mengembangkan akun Anda.

Saatnya membiarkan robot mulai membantu.

Anda melakukan semua hal yang benar, tetapi tidak memiliki cukup waktu untuk mengawasi dengan sempurna setiap tawaran kata kunci, anggaran, variasi iklan, dan target pemirsa. Untungnya, Anda adalah pemasar teknis yang cerdas dan siap memanfaatkan pembelajaran mesin untuk mendapatkan lebih banyak lagi dari dolar PPC Anda. Salah satu pengujian terbaik untuk dijalankan saat Anda menjelajahi dunia otomatisasi dan pembelajaran mesin adalah dengan strategi AdWords Smart Bidding.

Cara AdWords Smart Bidding menggunakan pembelajaran mesin untuk otomatisasi tawaran yang lebih canggih

AdWords memperkenalkan strategi Smart Bidding pada tahun 2016, berdasarkan opsi bidding otomatis sebelumnya yang diumumkan pada awal pertengahan 2010. Selama dua tahun terakhir, Smart Bidding terus berkembang dan tumbuh lebih kuat. Google telah menambahkan dua sasaran strategi baru, dan algoritme pendukung terus berkembang seiring dengan semakin majunya pembelajaran mesin. Daftar lengkap strategi yang tersedia ditinjau di bawah, tetapi pertama-tama mari kita pertimbangkan bagaimana dan mengapa Smart Bidding bekerja.

Setiap pengguna pencarian Google membawa beberapa karakteristik pengenal, atau "sinyal". Ini termasuk hal-hal seperti:

• Perangkat
• Lokasi
• Jenis kelamin
• Usia
• Tingkat pendapatan
• Waktu hari
• Hari dalam seminggu

Google menunjukkan agregasi kinerja pengiklan dari salah satu sinyal ini atau, dalam beberapa kasus, bahkan kombinasi dari dua atau lebih. Manajer PPC berpengalaman tahu bahwa adalah bijaksana untuk menerapkan pengubah tawaran untuk sinyal yang kinerja agregatnya sangat berbeda dari biasanya. Namun, pada saat yang sama, mereka juga menyadari bahwa tidak seorang pun dapat dengan sempurna menutupi setiap variasi dan kombinasi sinyal yang mungkin muncul.

Untuk membuat masalah menjadi lebih rumit, ada sinyal lain yang membutuhkan keputusan semua-atau-tidak sama sekali ketika dihadapkan secara manual:

• Pengaturan geografis dapat diatur untuk menyertakan pengguna yang tertarik dengan lokasi target Anda, selain yang ada secara fisik
• Iklan teks mungkin memenuhi syarat untuk ditampilkan di semua mitra Jaringan Penelusuran, atau tidak memilih sama sekali
• Setelan kampanye dan grup iklan dapat memanfaatkan otomatisasi selektif untuk rotasi iklan “Dioptimalkan” yang mempertimbangkan berbagai karakteristik iklan

Beberapa sinyal sama sekali tidak terlihat dalam segmen data AdWords, termasuk browser dan sistem operasi, interaksi situs web sebelumnya, atribut produk, antara lain (lihat daftar lengkap sinyal penawaran otomatis). Selain itu, meskipun data tersedia untuk dianalisis, saat ini tidak ada cara untuk mengubah tawaran secara manual berdasarkan sinyal tersembunyi berikut:

Masuk ke pembelajaran mesin.

Pembelajaran mesin AdWords melacak dan menganalisis setiap sinyal yang terlihat dan tersembunyi dari setiap penelusuran dan setiap klik. Pembelajaran mesin dapat memilih variasi kecil namun signifikan dalam perilaku pengguna yang berasal dari perbedaan demografi, penggunaan perangkat, dan minat dan preferensi yang diungkapkan atau disimpulkan. Sinyal tersebut kemudian dirujuk silang dengan data kinerja, seperti rasio klik dan konversi historis, dan tawaran dinaikkan atau diturunkan untuk memenuhi target yang Anda pilih.

Pada akhirnya, pembelajaran mesin adalah pendekatan yang sangat dinamis dan berbasis data, yang memberinya potensi untuk menjadi alat yang ampuh di gudang senjata PPC Anda.

Membandingkan manfaat strategi Smart Bidding umum

Sebelum menguji Smart Bidding, pastikan Anda memahami alasan TIDAK menggunakan strategi bidding PPC otomatis. Jika Anda yakin kampanye Anda memenuhi persyaratan untuk keberhasilan Smart Bidding (15 atau 30 konversi/30 hari, hanya tindakan konversi berkualitas yang dilaporkan di kolom "Konversi", tidak ada Tanggal Akhir kampanye yang akan datang), tugas berikutnya adalah menentukan strategi bidding mana paling sesuai dengan kebutuhan Anda.

Saat ini ada empat strategi penawaran otomatis yang didukung oleh AdWords Smart Bidding:

• BPK yang Disempurnakan
• BPA target
• Target Laba Atas Belanja Iklan
• Maksimalkan Konversi

Meskipun secara teknis bukan merupakan strategi Smart Bidding (karena berfokus pada traffic daripada konversi), Maksimalkan Klik juga sering dipertimbangkan saat membahas opsi Smart Bidding.

Untuk mendapatkan manfaat dari Smart Bidding, Anda harus mempertimbangkan sasaran setiap strategi yang berkoordinasi dengan strategi Anda sendiri:

Memilih strategi Smart Bidding yang tepat untuk diuji

Setiap opsi strategi Smart Bidding memiliki pendekatan uniknya sendiri untuk mendorong traffic, engagement, dan konversi berkualitas tinggi. Pendekatan ini menentukan algoritme dasar yang digunakan untuk memanipulasi tawaran kampanye, grup iklan, dan kata kunci Anda. Dengan demikian, membuat pilihan yang tepat sangat penting untuk aplikasi yang sukses.

Untuk menavigasi opsi dengan lebih mudah, Anda dapat menggunakan diagram di bawah untuk mengidentifikasi strategi Smart Bidding mana yang harus Anda uji terlebih dahulu untuk memenuhi sasaran Anda:

Sebaiknya uji strategi penawaran baru melalui Eksperimen AdWords, yang memungkinkan Anda membandingkan kinerja secara langsung dengan strategi penawaran sebelumnya selama periode waktu yang diperiksa.

Menentukan apakah Smart Bidding cocok untuk Anda

Setelah eksperimen Anda diluncurkan, mungkin sulit untuk menentukan apakah Smart Bidding benar-benar berfungsi sesuai keinginan Anda. AdWords menampilkan hasil dibandingkan dengan kampanye sumber saat melihat tab mana pun dalam eksperimen:

Namun, dengan eksperimen bernama baik, Anda dapat lebih mudah melihat performa dibandingkan dengan mendownload laporan Kampanye sederhana dan memeriksa KPI untuk kampanye sumber dan eksperimen secara berdampingan (atau baris demi baris, dalam kasus ini).

Contoh 1: Maksimalkan konversi

Satu eksperimen baru-baru ini yang disimpulkan atas nama klien penghasil prospek menunjukkan bagaimana strategi Maksimalkan Konversi mampu meningkatkan performa secara dramatis dalam kampanye penelusuran dengan anggaran terbatas.

Pengujian diluncurkan dalam dua kampanye yang mendorong volume prospek yang konsisten dengan BPA yang lebih rendah dari rata-rata. Karena prospek dari kampanye khusus ini lebih sulit untuk ditutup secara internal, tujuannya adalah untuk menghasilkan lebih banyak prospek tanpa menginvestasikan pengeluaran tambahan. Strategi bidding Maksimalkan Konversi mampu meningkatkan traffic, engagement, dan metrik konversi, dengan total biaya yang lebih rendah dan penurunan biaya/konversi:

Kedua kampanye yang menguji Maksimalkan Konversi dengan eksperimen menghasilkan lebih banyak konversi dengan CPA yang lebih rendah daripada rekan-rekan Enhanced CPC-nya. Oleh karena itu, strategi Maksimalkan Konversi diterapkan sepenuhnya dan terus berkinerja baik.

Hasil seperti ini adalah hasil yang ingin dilihat semua orang saat memeriksa eksperimen kampanye mereka, tetapi sayangnya, sebagian besar tidak seideal ini.

Contoh 2: BPA Target

Pertimbangkan eksperimen lain dari akun gen prospek, di mana Target CPA diuji untuk meningkatkan volume prospek dengan biaya per konversi tertentu, dan hasilnya sama sekali tidak jelas.

Tes ini diluncurkan dalam dua kampanye yang secara historis menghasilkan prospek berkualitas tinggi, tetapi biaya/konversinya terus meningkat seiring waktu. Karena kampanye tidak dibatasi oleh anggaran, sasarannya adalah mengoptimalkan penayangan iklan untuk mengurangi pembelanjaan yang sia-sia bagi pengguna yang tidak mungkin melakukan konversi. Strategi penawaran BPA Target mampu mengurangi biaya sekaligus meningkatkan rasio konversi, tetapi menghasilkan lalu lintas dan volume konversi yang lebih rendah:

Kedua kampanye mendapatkan hasil yang beragam, dan penentuan akhir dibuat berdasarkan tujuan awal eksperimen. Target CPA diketahui kadang-kadang membatasi lalu lintas untuk mencegah melebihi tawaran BPA, tetapi secara efektif mengurangi biaya per konversi dengan mengurangi pengeluaran yang sia-sia dan memfokuskan penayangan iklan pada penelusur berkualitas tinggi. Penurunan tayangan, klik, dan konversi diabaikan demi penawaran yang lebih efisien untuk menghasilkan prospek berkualitas tinggi dengan biaya lebih rendah.

Menutup pikiran

Smart Bidding dirancang untuk mendapatkan lebih banyak pengguna terbaik ke halaman landing pasca-klik Anda. Namun, harus dipahami bahwa algoritme dapat memenuhi janji itu secara berbeda. Kadang-kadang, mereka akan mencapainya terutama dengan menyediakan jumlah lalu lintas yang lebih besar. Di lain waktu, lalu lintas dapat menurun demi mengarahkan pengguna berkualitas lebih tinggi ke situs Anda atau laman landas pasca-klik.

Jika hasil eksperimen Anda beragam, ingatlah untuk merenungkan sasaran awal Anda saat menentukan pemenang, dan pertimbangkan untuk menyesuaikan variabel jika diperlukan untuk menemukan strategi penawaran yang paling efektif untuk setiap kampanye Anda.