AdWords Akıllı Teklif ve Otomatik Teklif Stratejilerine Bir Bakış

Yıldız bir web sitesi oluşturmak için çok çalıştınız. Kaliteli AdWords kampanyaları oluşturdunuz ve her bir kitle için en iyi tıklama sonrası açılış sayfalarını bulmak için denemeler kullandınız. Anahtar kelime tekliflerinizi ve bütçelerinizi sadakatle yönetirken, reklam metni testlerini yinelediniz ve yinelediniz. Belki de tüm dönüşümlerinizin doğru bir şekilde izlendiğinden emin olmak için GTM'de tıklamayla tetiklenen etkinliklerle biraz zaman geçirmişsinizdir. Yine de, EBM hedeflerine ulaşmak veya hesabınızı büyütmek için hâlâ mücadele ediyorsunuz.

Robotların yardım etmeye başlamasına izin vermenin zamanı geldi.

Tüm doğru şeyleri yapıyorsunuz, ancak her bir anahtar kelime teklifini, bütçeyi, reklam varyasyonunu ve hedef kitle hedefini mükemmel şekilde denetlemek için yeterli zamanınız yok. Neyse ki, deneyimli bir teknik pazarlamacısınız ve PPC dolarınızdan daha fazlasını elde etmek için makine öğreniminden yararlanmaya hazırsınız. Otomasyon ve makine öğrenimi dünyasını keşfederken gerçekleştirebileceğiniz en iyi testlerden biri, AdWords Akıllı Teklif stratejileridir.

AdWords Akıllı Teklif, daha güçlü teklif otomasyonu için makine öğrenimini nasıl kullanır?

AdWords, 2010 yılının ortalarında duyurulan önceki otomatik teklif seçeneklerini temel alan Akıllı Teklif stratejilerini 2016'da kullanıma sundu. Akıllı Teklif, son iki yılda genişlemeye ve daha güçlü hale gelmeye devam etti. Google iki yeni strateji hedefi ekledi ve makine öğrenimi daha gelişmiş hale geldikçe destekleyici algoritmalar gelişmeye devam ediyor. Kullanılabilir stratejilerin tam listesi aşağıda gözden geçirilmiştir, ancak önce Akıllı Teklif'in nasıl ve neden işe yaradığını ele alalım.

Her Google arama kullanıcısı, birkaç tanımlayıcı özellik veya "sinyal" taşır. Bunlar şunları içerir:

• Cihaz
• Konum
• Cinsiyet
• Yaş
• Gelir düzeyi
• Günün zamanı
• Haftanın günü

Google, reklamverenlere bu sinyallerden herhangi birinden veya bazı durumlarda iki veya daha fazlasının bir kombinasyonundan elde edilen performans kümelerini gösterir. Deneyimli PPC yöneticileri, toplu performansı normdan önemli ölçüde farklı olan sinyaller için teklif değiştiricileri uygulamanın akıllıca olduğunu bilir. Bununla birlikte, aynı zamanda, ortaya çıkabilecek her sinyal varyasyonunu ve kombinasyonunu hiç kimsenin mükemmel bir şekilde kapsayamayacağını da kabul ederler.

İşleri daha da karmaşık hale getirmek için, elle karşı karşıya kalındığında ya hep ya hiç kararları gerektiren başka sinyaller de vardır:

• Coğrafi ayarlar , fiziksel olarak mevcut olanlara ek olarak hedef konumlarınızla ilgilenen kullanıcıları içerecek şekilde ayarlanabilir.
• Metin reklamlar , tüm Arama Ağı ortaklarında gösterilmeye uygun olabilir veya hiçbirini seçmemeyi tercih edebilir.
• Kampanya ve reklam grubu ayarları , çeşitli reklam özelliklerini dikkate alan "Optimize edilmiş" reklam rotasyonu için seçici otomasyondan yararlanabilir

Tarayıcı ve işletim sistemi, önceki web sitesi etkileşimleri, ürün özellikleri ve diğerleri dahil olmak üzere, AdWords veri segmentlerinde çeşitli sinyaller tamamen görünmezdir (otomatik teklif sinyallerinin tam listesine bakın). Ayrıca, veriler analiz edilebilir olsa bile, şu anda bu gizli sinyallere dayalı olarak teklifleri manuel olarak değiştirmenin bir yolu yoktur:

Makine öğrenimine girin.

AdWords makine öğrenimi, her aramadan ve her tıklamadan gelen görünür ve gizli her sinyali izler ve analiz eder. Makine öğrenimi, demografik özellikler, cihaz kullanımı ve ifade edilen veya çıkarsanan ilgi ve tercihlerdeki farklılıklardan kaynaklanan kullanıcı davranışındaki küçük ama önemli varyasyonları seçebilir. Bu sinyallere daha sonra geçmiş tıklama ve dönüşüm oranları gibi performans verileriyle çapraz referans verilir ve teklifler, seçtiğiniz hedefi tutturmak için artırılır veya azaltılır.

Sonuç olarak, makine öğrenimi son derece dinamik ve veriye dayalı bir yaklaşımdır ve bu da ona PPC cephaneliğinizde güçlü bir araç olma potansiyeli verir.

Yaygın Akıllı Teklif stratejilerinin avantajlarını karşılaştırma

Herhangi bir Akıllı Teklifi test etmeden önce, otomatik bir PPC teklif stratejisi KULLANMAMANIN nedenlerini anladığınızdan emin olun. Kampanyalarınızın Akıllı Teklif başarısı için gereksinimleri karşıladığından eminseniz (15 veya 30 dönüşüm/30 gün, yalnızca "Dönüşümler" sütununda raporlanan kaliteli dönüşüm işlemleri, yaklaşan kampanya Bitiş Tarihleri ​​yok), sonraki görev hangi teklif stratejisini belirlemektir ihtiyacınıza en iyi şekilde uyar.

Şu anda AdWords Akıllı Teklif tarafından desteklenen dört otomatik teklif stratejisi vardır:

• Geliştirilmiş TBM
• Hedef EBM
• Hedef ROAS
• Dönüşümleri En Üst Düzeye Çıkarın

Teknik olarak bir Akıllı Teklif stratejisi olmasa da (dönüşümlerden ziyade trafiğe odaklandığı için), Akıllı Teklif seçenekleri tartışılırken Tıklamaları Artırma da yaygın olarak düşünülür.

Akıllı Teklif'in avantajlarından yararlanmak için, her stratejinin hedeflerini kendi stratejilerinizle koordineli olarak düşünmelisiniz:

Test etmek için doğru Akıllı Teklif stratejisini seçme

Her Akıllı Teklif stratejisi seçeneği, yüksek kaliteli trafik, etkileşim ve dönüşüm sağlamak için kendine özgü bir yaklaşıma sahiptir. Bu yaklaşımlar, kampanyanızı, reklam grubunuzu ve anahtar kelime tekliflerinizi değiştirmek için kullanılan temel algoritmayı belirler. Bu nedenle, uygun seçimi yapmak başarılı bir uygulama için çok önemlidir.

Seçeneklerde daha kolay gezinmek için, hedeflerinize ulaşmak için önce hangi Akıllı Teklif stratejisini test etmeniz gerektiğini belirlemek üzere aşağıdaki tabloyu kullanabilirsiniz:

Yeni teklif stratejilerini, incelenen süre boyunca performansı doğrudan önceki teklif stratejinizle karşılaştırmanıza olanak tanıyan AdWords Denemeleri aracılığıyla test etmeniz önerilir.

Akıllı Teklif'in işinize yarayıp yaramadığını belirleme

Denemeniz başlatıldığında, Akıllı Teklif'in gerçekten lehinize çalışıp çalışmadığını belirlemek zor olabilir. AdWords, bir deneme içindeki herhangi bir sekmeyi görüntülerken kaynak kampanyaya kıyasla sonuçları gösterir:

Ancak, iyi adlandırılmış bir denemeyle, basit bir Kampanya raporu indirip kaynak kampanyanız ve denemenin KPI'larını yan yana (veya bu durumda satır satır) inceleyerek performansı daha kolay görebilirsiniz.

Örnek 1: Dönüşümleri en üst düzeye çıkarın

Potansiyel müşteri oluşturma müşterisi adına yapılan yakın tarihli bir deney, Dönüşümü En Üst Düzeye Çıkarma stratejisinin, bütçeyle sınırlı bir arama kampanyasında performansı nasıl önemli ölçüde artırabildiğini gösteriyor.

Test, ortalamanın altında bir EBM ile tutarlı olası satış hacmi sağlayan iki kampanyada başlatıldı. Bu belirli kampanyalardan gelen potansiyel müşterileri dahili olarak kapatmak daha zor olduğundan, amaç ek harcama yapmadan daha fazla potansiyel müşteri oluşturmaktı. Dönüşümleri En Üst Düzeye Çıkar teklif stratejisi, daha düşük bir toplam maliyet ve daha düşük maliyet/dönüşüm ile trafik, etkileşim ve dönüşüm metriklerini artırmayı başardı:

Denemelerle Dönüşümleri En Üst Düzeye Çıkarmayı test eden her iki kampanya da, Geliştirilmiş TBM emsallerine göre daha düşük bir EBM ile daha fazla dönüşüm elde etti. Bu nedenle, Dönüşümleri Artırma stratejisi tam olarak uygulandı ve iyi performans göstermeye devam etti.

Bunun gibi bir sonuç, herkesin kampanya denemelerini incelerken görmek istediği bir sonuçtur, ancak ne yazık ki çoğu bu kadar ideal değildir.

2. Örnek: Hedef EBM

Hedef EBM'nin belirli bir dönüşüm başına maliyetle olası satış hacmini artırmak için test edildiği ve sonuçların hiç de net olmadığı bir potansiyel müşteri hesabından başka bir deney düşünün.

Bu test, geçmişte yüksek kaliteli potansiyel müşteriler oluşturan, ancak maliyet/dönüşümün zaman içinde hızla arttığı iki kampanyada başlatıldı. Kampanyalar bütçeyle sınırlı olmadığından amaç, dönüşüm gerçekleştirme olasılığı düşük kullanıcılar için boşa harcanan harcamayı azaltmak için reklam dağıtımını optimize etmekti. Hedef EBM teklif stratejisi, dönüşüm oranını artırırken maliyeti düşürmeyi başardı, ancak daha düşük trafik ve dönüşüm hacmi pahasına geldi:

Her iki kampanya da karışık sonuçlar gördü ve nihai karar, denemenin orijinal hedeflerine göre yapıldı. Hedef EBM'nin zaman zaman EBM teklifini aşmayı önlemek için trafiği sınırladığı biliniyor, ancak boşa harcanan harcamaları azaltarak ve reklam yayınını yüksek kaliteli arama yapanlara odaklayarak dönüşüm başına maliyeti etkili bir şekilde azalttı. Gösterimler, tıklamalar ve dönüşümlerdeki düşüş, daha düşük maliyetle yüksek kaliteli potansiyel müşteriler oluşturmak için daha verimli teklif verme lehine göz ardı edildi.

Kapanış düşünceleri

Akıllı Teklif, tıklama sonrası açılış sayfalarınıza en iyi kullanıcıları çekmek için tasarlanmıştır. Ancak, algoritmaların bu vaadi farklı şekilde yerine getirebileceği anlaşılmalıdır. Bazen, bunu öncelikle daha büyük miktarda trafik sağlayarak başaracaklar. Diğer zamanlarda, sitenize veya tıklama sonrası açılış sayfanıza daha yüksek kaliteli kullanıcılar çekmek için trafik azalabilir.

Denemenizin sonuçları karışıksa, bir kazanan belirlerken ilk hedeflerinizi yansıtmayı unutmayın ve kampanyalarınızın her biri için en etkili teklif stratejisini bulmak için gereken yerlerde değişkenleri ayarlamayı düşünün.