深入了解 AdWords 智能出價和自動出價策略

您已經努力創建了一個一流的網站。 您製作了優質的 AdWords 廣告系列，並使用實驗為每個受眾找到了最佳的點擊後著陸頁。 您已經反復進行廣告文案測試，同時忠實地管理您的關鍵字出價和預算。 也許您甚至花了一些時間處理 GTM 中的點擊觸發事件，以確保您的所有轉化都能正確跟踪。 然而，您仍在努力實現 CPA 目標或擴大您的帳戶。

是時候讓機器人開始幫忙了。

您正在做所有正確的事情，但沒有足夠的時間來完美地監督每個關鍵字出價、預算、廣告變體和受眾目標。 幸運的是，您是一位精明的技術營銷人員，並準備利用機器學習從您的 PPC 中獲得更多收益。 在探索自動化和機器學習領域時，最好的測試之一是使用 AdWords 智能出價策略。

AdWords 智能出價如何使用機器學習實現更強大的出價自動化

AdWords 早在 2016 年就引入了智能出價策略，該策略以早在 2010 年年中宣布的先前自動出價選項為基礎。 在過去兩年中，Smart Bidding 不斷擴展並變得更加強大。 谷歌增加了兩個新的戰略目標，支持算法隨著機器學習變得更加先進而不斷發展。 下面回顧了可用策略的完整列表，但首先讓我們考慮智能出價的工作原理和原因。

每個 Google 搜索用戶都帶有幾個識別特徵或“信號”。 這些包括：

• 設備
• 地點
• 性別
• 年齡
• 收入水平
• 一天中的時間
• 星期幾

谷歌向廣告客戶展示來自這些信號中的任何一個，或者在某些情況下，甚至是兩個或多個信號的組合。 有經驗的 PPC 經理知道，對綜合性能明顯不同於標準的信號實施出價修飾符是明智的。 然而，與此同時，他們也認識到，沒有人能夠完美地涵蓋可能出現的每一種變化和信號組合。

更複雜的是，還有其他一些信號在手動面對時需要全有或全無的決定：

• 除了實際存在的用戶之外，還可以設置地理設置以包括對您的目標位置感興趣的用戶
• 文字廣告可能有資格在所有搜索網絡合作夥伴上展示，或者根本不選擇
• 廣告系列和廣告組設置可以利用選擇性自動化進行“優化”廣告輪播，考慮各種廣告特徵

在 AdWords 數據段中，有幾個信號是完全不可見的，包括瀏覽器和操作系統、之前的網站交互、產品屬性等（請參閱自動出價信號的完整列表）。 此外，即使數據可用於分析，目前也無法根據這些隱藏信號手動修改出價：

進入機器學習。

AdWords 機器學習跟踪和分析來自每次搜索和每次點擊的每個可見和隱藏信號。 機器學習可以找出用戶行為中微小但顯著的變化，這些變化源於人口統計、設備使用以及表達或推斷的興趣和偏好的差​​異。 然後將這些信號與績效數據（例如歷史點擊率和轉化率）進行交叉引用，並提高或降低出價以達到您選擇的目標。

歸根結底，機器學習是一種極其動態且數據驅動的方法，這使其有可能成為您 PPC 庫中的強大工具。

比較常見智能出價策略的優勢

在測試任何智能出價之前，請確保您了解不使用自動 PPC 出價策略的原因。 如果您確定您的廣告系列符合智能出價成功的要求（15 或 30 次轉化/30 天，只有“轉化次數”列中報告的質量轉化操作，沒有即將到來的廣告系列結束日期），則下一個任務是確定哪種出價策略最適合您的需要。

AdWords 智能出價目前支持四種自動出價策略：

• 智能點擊付費
• 目標每次轉化費用
• 目標廣告支出回報率
• 最大化轉化

雖然從技術上講不是智能出價策略（因為它側重於流量而不是轉化），但在討論智能出價選項時，通常也會考慮最大化點擊次數。

要獲得智能出價的好處，您必須結合自己的策略考慮每個策略的目標：

選擇正確的智能出價策略進行測試

每個智能出價策略選項都有自己獨特的方法來推動高質量的流量、參與度和轉化。 這些方法決定了用於操縱廣告系列、廣告組和關鍵字出價的基礎算法。 因此，做出適當的選擇對於成功應用至關重要。

要更輕鬆地瀏覽選項，您可以使用下表確定您應該首先測試哪種智能出價策略以實現您的目標：

建議通過 AdWords 實驗來測試新的出價策略，這樣您就可以直接比較所檢查時間段內與之前的出價策略的效果。

確定智能出價是否適合您

一旦您的實驗啟動，就很難確定智能出價是否真的對您有利。 當查看實驗中的任何標籤時，AdWords 會顯示與源廣告系列相比的結果：

但是，使用命名良好的實驗，您可以通過下載簡單的廣告系列報告並並排（或在本例中為逐行）檢查源廣告系列和實驗的 KPI，更輕鬆地查看性能比較。

示例 1：最大限度地提高轉化次數

最近代表潛在客戶生成客戶得出的一項實驗表明，最大化轉化策略如何能夠在預算有限的搜索活動中顯著提高性能。

該測試是在兩個活動中啟動的，這些活動以低於平均的每次轉化費用推動了一致的潛在客戶數量。 由於這些特定活動的潛在客戶更難在內部關閉，因此目標是在不投入額外支出的情況下產生更多潛在客戶。 最大化轉化出價策略能夠增加流量、參與度和轉化指標，同時降低總成本並降低成本/轉化：

兩個通過實驗測試“最大化轉化”的廣告系列都以更低的 CPA 獲得了更多的轉化次數，而不是它們的“增強型 CPC”廣告系列。 因此，“最大化轉化”策略得到了充分應用，並繼續表現良好。

這樣的結果是每個人在檢查他們的競選實驗時都希望看到的結果，但不幸的是，大多數都不是那麼理想。

示例 2：目標每次轉化費用

考慮來自潛在客戶帳戶的另一個實驗，其中測試目標每次轉化費用以在指定的每次轉化費用下增加潛在客戶數量，但結果根本不明確。

該測試是在歷史上產生高質量潛在客戶的兩個活動中啟動的，但隨著時間的推移，成本/轉化率一直在上升。 由於廣告系列不受預算限制，因此目標是優化廣告投放，以減少不太可能轉化的用戶的支出浪費。 目標每次轉化費用出價策略能夠在提高轉化率的同時降低成本，但代價是流量和轉化量較低：

兩個活動的結果喜憂參半，最終的決定是根據實驗的最初目標做出的。 眾所周知，目標每次轉化費用有時會限制流量以防止超出每次轉化費用出價，但它確實通過減少浪費的支出並將廣告投放重點放在高質量搜索者身上，從而有效地降低了每次轉化費用。 展示次數、點擊次數和轉化次數的減少被忽略了，而有利於更有效的出價，以更低的成本產生高質量的潛在客戶。

結束語

智能出價旨在讓更多的最佳用戶訪問您的點擊後登錄頁面。 但是，應該理解的是，算法可能會以不同的方式實現該承諾。 有時，他們將主要通過提供大量流量來實現它。 其他時候，流量可能會減少，有利於將更高質量的用戶吸引到您的網站或點擊後登錄頁面。

如果您的實驗結果喜憂參半，請記住在確定獲勝者時考慮您的初始目標，並考慮在需要時調整變量，為您的每個廣告系列找到最有效的出價策略。