深入了解 AdWords 智能出价和自动出价策略

您已经努力创建了一个一流的网站。 您制作了优质的 AdWords 广告系列，并使用实验为每个受众找到了最佳的点击后着陆页。 您已经反复进行了广告文案测试，同时忠实地管理了您的关键字出价和预算。 也许您甚至花了一些时间处理 GTM 中的点击触发事件，以确保您的所有转化都能正确跟踪。 然而，您仍在努力实现 CPA 目标或扩大您的帐户。

是时候让机器人开始帮忙了。

您正在做所有正确的事情，但没有足够的时间来完美地监督每个关键字出价、预算、广告变体和受众目标。 幸运的是，您是一位精明的技术营销人员，并准备利用机器学习从您的 PPC 中获得更多收益。 在探索自动化和机器学习领域时，最好的测试之一是使用 AdWords 智能出价策略。

AdWords 智能出价如何使用机器学习实现更强大的出价自动化

AdWords 早在 2016 年就引入了智能出价策略，该策略以早在 2010 年年中宣布的先前自动出价选项为基础。 在过去两年中，Smart Bidding 不断扩展并变得更加强大。 谷歌增加了两个新的战略目标，支持算法随着机器学习变得更加先进而不断发展。 下面回顾了可用策略的完整列表，但首先让我们考虑智能出价的工作原理和原因。

每个 Google 搜索用户都带有几个识别特征或“信号”。 这些包括：

• 设备
• 地点
• 性别
• 年龄
• 收入水平
• 一天中的时间
• 星期几

谷歌向广告客户展示来自这些信号中的任何一个，或者在某些情况下，甚至是两个或多个信号的组合。 有经验的 PPC 经理知道，对综合性能明显不同于标准的信号实施出价修饰符是明智的。 然而，与此同时，他们也认识到，没有人能够完美地涵盖可能出现的每一种变化和信号组合。

更复杂的是，还有其他一些信号在手动面对时需要全有或全无的决定：

• 除了实际存在的用户之外，还可以设置地理设置以包括对您的目标位置感兴趣的用户
• 文字广告可能有资格在所有搜索网络合作伙伴上展示，或者根本不选择
• 广告系列和广告组设置可以利用选择性自动化进行“优化”广告轮播，考虑各种广告特征

在 AdWords 数据段中，有几个信号是完全不可见的，包括浏览器和操作系统、之前的网站交互、产品属性等（请参阅自动出价信号的完整列表）。 此外，即使数据可用于分析，目前也无法根据这些隐藏信号手动修改出价：

进入机器学习。

AdWords 机器学习跟踪和分析来自每次搜索和每次点击的每个可见和隐藏信号。 机器学习可以找出用户行为中微小但显着的变化，这些变化源于人口统计、设备使用以及表达或推断的兴趣和偏好的差​​异。 然后将这些信号与绩效数据（例如历史点击率和转化率）进行交叉引用，并提高或降低出价以达到您选择的目标。

归根结底，机器学习是一种极其动态且数据驱动的方法，这使其有可能成为您 PPC 库中的强大工具。

比较常见智能出价策略的优势

在测试任何智能出价之前，请确保您了解不使用自动 PPC 出价策略的原因。 如果您确定您的广告系列符合智能出价成功的要求（15 或 30 次转化/30 天，只有“转化次数”列中报告的质量转化操作，没有即将到来的广告系列结束日期），则下一个任务是确定哪种出价策略最适合您的需要。

AdWords 智能出价目前支持四种自动出价策略：

• 智能点击付费
• 目标每次转化费用
• 目标广告支出回报率
• 最大化转化

虽然从技术上讲不是智能出价策略（因为它侧重于流量而不是转化），但在讨论智能出价选项时通常也会考虑最大化点击次数。

要获得智能出价的好处，您必须结合自己的策略考虑每个策略的目标：

选择正确的智能出价策略进行测试

每个智能出价策略选项都有自己独特的方法来推动高质量的流量、参与度和转化。 这些方法决定了用于操纵广告系列、广告组和关键字出价的基础算法。 因此，做出适当的选择对于成功应用至关重要。

要更轻松地浏览选项，您可以使用下表确定您应该首先测试哪种智能出价策略以实现您的目标：

建议通过 AdWords 实验来测试新的出价策略，这样您就可以直接比较所检查时间段内与之前的出价策略的效果。

确定智能出价是否适合您

一旦您的实验启动，就很难确定智能出价是否真的对您有利。 当查看实验中的任何标签时，AdWords 会显示与源广告系列相比的结果：

但是，使用命名良好的实验，您可以通过下载简单的广告系列报告并并排（或在本例中为逐行）检查源广告系列和实验的 KPI，更轻松地查看性能比较。

示例 1：最大限度地提高转化次数

最近代表潜在客户生成客户得出的一项实验表明，最大化转化策略如何能够在预算有限的搜索活动中显着提高性能。

该测试是在两个活动中启动的，这些活动以低于平均每次转化费用的情况下推动了一致的潜在客户数量。 由于这些特定活动的潜在客户更难在内部关闭，因此目标是在不投入额外支出的情况下产生更多潜在客户。 最大化转化出价策略能够增加流量、参与度和转化指标，同时降低总成本并降低成本/转化：

与增强型 CPC 对应的广告系列相比，通过实验测试“最大化转化”的两个广告系列都以更低的 CPA 获得了更多的转化。 因此，“最大化转化”策略得到了充分应用，并继续表现良好。

这样的结果是每个人在检查他们的竞选实验时都希望看到的结果，但不幸的是，大多数都不是那么理想。

示例 2：目标每次转化费用

考虑来自潜在客户帐户的另一个实验，其中测试目标每次转化费用以在指定的每次转化费用下增加潜在客户数量，但结果根本不明确。

该测试是在历史上产生高质量潜在客户的两个活动中启动的，但随着时间的推移，成本/转化率一直在上升。 由于广告系列不受预算限制，因此目标是优化广告投放，以减少不太可能转化的用户的支出浪费。 目标每次转化费用出价策略能够在提高转化率的同时降低成本，但代价是流量和转化量较低：

两个活动的结果喜忧参半，最终的决定是根据实验的最初目标做出的。 众所周知，目标每次转化费用有时会限制流量以防止超出每次转化费用出价，但它确实通过减少浪费的支出并将广告投放重点放在高质量搜索者身上，从而有效地降低了每次转化费用。 展示次数、点击次数和转化次数的减少被忽略了，而有利于更有效的出价，以更低的成本产生高质量的潜在客户。

结束语

智能出价旨在让更多的最佳用户访问您的点击后登录页面。 但是，应该理解的是，算法可能会以不同的方式实现该承诺。 有时，他们将主要通过提供大量流量来实现它。 其他时候，流量可能会减少，有利于将更高质量的用户吸引到您的网站或点击后登录页面。

如果您的实验结果喜忧参半，请记住在确定获胜者时考虑您的初始目标，并考虑在需要时调整变量，为您的每个广告系列找到最有效的出价策略。