Machine learning stał się wyraźnym trendem w rozwoju systemu Google Ads. Wprowadzane są nowe typy kampanii, nowe rodzaje reklam oraz modyfikacje w ustawieniach. Przeczytaj, jak sobie z tym poradzić i jak nadążyć za zmianami, aby efektywność kampanii nie spadła, a dostępne możliwości zostały maksymalnie wykorzystane.
Z tego artykułu dowiesz się:
- jakie są zalety i wady kampanii opartych na machine learningu w systemie Google Ads,
- kiedy warto stosować smart bidding,
- jakie strategie określania stawek opierają się na uczeniu maszynowym,
- jakie rodzaje kampanii inteligentnych można wyróżnić,
- jakie nowe formaty reklamy opierają się na machine learningu.
O uczeniu maszynowym (machine learningu) w Google Ads od dwóch–trzech lat słyszy się coraz częściej i widać wyraźnie, że to w tym kierunku zmierza rozwój tego systemu. Nie należy jednak zapominać, że automatyzacja oparta na uczeniu maszynowym miała swoje początki znacznie wcześniej.
Ponad 10 lat temu Google wprowadził optymalizator konwersji, który tak dostosowywał stawki za kliknięcie, aby uzyskiwać koszt pozyskania (CPA – cost per acquisition) ustawiony przez reklamodawcę. Podobnie było z ulepszonym CPC (eCPC – enhanced cost per click) – system dostosowywał stawki, żeby zwiększyć prawdopodobieństwo uzyskania konwersji. Jednocześnie reklamodawca mógł sam określać stawki za kliknięcie według własnych potrzeb, co dawało mu kontrolę nad kosztami.
Słuchaj „Marketer+” Podcast
Niektóre z wariantów automatyzacji w systemie Google Ads funkcjonują do dziś. Wiele się jednak zmieniło i niektóre funkcje i rodzaje kampanii stały się do tego stopnia autonomiczne, że można śmiało stwierdzić, że oddajemy systemowi prawo do optymalizowania kampanii według jego własnego planu.
Zalety i wady kampanii opartych na machine learningu
Do zalet kampanii opartej na uczeniu maszynowym można zaliczyć:
- krótki czas potrzebny na jej przygotowanie,
- szybkość jej tworzenia,
- prostotę jej budowy.
Google bardzo uprościł proces tworzenia kampanii, dzięki czemu na jej przygotowaniu można zaoszczędzić sporo czasu.
Kolejną zaletą machine learning w Google Ads jest oszczędność czasu potrzebnego na optymalizację kampanii – system sam dobiera grupę odbiorców, która z największym prawdopodobieństwem skonwertuje, a także odpowiednie stawki za kliknięcie (smart bidding – inteligentne określanie stawek). W procesie tym analizuje kontekst wyszukiwania oraz nakłada na siebie dodatkowe segmenty (np. rodzaj urządzenia i lokalizację użytkownika), aby przewidzieć prawdopodobieństwo konwersji.
Wszystko brzmi bardzo optymistycznie, ale jest jedna wada takich rozwiązań – brak kontroli. Google zmierza do sytuacji, w której kampanie będą działały automatycznie, a reklamodawca nie będzie musiał się martwić o efekty (zwroty z inwestycji będą większe niż przy ręcznym prowadzeniu kampanii). Niestety jest to podejście idealistyczne, co omówię w dalszej części artykułu.
Oprócz braku kontroli dużym ograniczeniem jest brak możliwości szczegółowej segmentacji ruchu, a przez to oceny, które grupy odbiorców czy miejsca docelowo konwertują najlepiej.
PrzykładW inteligentnej kampanii produktowej, która wyświetla się zarówno w sieci wyszukiwania, jak i w sieci reklamowej (to dwa zupełnie różne źródła ruchu), byłoby dużym ułatwieniem, gdyby w statystykach dało się ten ruch odpowiednio posegmentować. W tej chwili nie ma takiej możliwości, co utrudnia analizę danych. Reklamodawcy muszą wierzyć, że dobieranie odbiorców przez system działa prawidłowo.
WskazówkaKiedy warto stosować smart bidding?
Jeśli masz problem ze zwiększeniem liczby i wartości konwersji oraz dotarciem do nowych odbiorców, inteligentne określanie stawek będzie dobrym rozwiązaniem. Jeśli zapewnisz systemowi dane o konwersji oraz odpowiednią ilość ruchu, będzie on mógł tak poprowadzić kampanie, aby osiągnąć Twoje cele. Tym samym skrócisz czas potrzebny na ręczne zarządzanie kampaniami.
Uczenie maszynowe w Google Ads
Mimo że Google upraszcza proces tworzenia kampanii, to nadal ten system pozostaje dość skomplikowany pod względem struktury i możliwości. Wprowadzenie rozwiązań opartych na uczeniu maszynowym powoduje lekki chaos, który może być szczególnie trudny do zrozumienia dla osób, które pracują nad kampaniami sporadycznie.
W tym miejscu uporządkuję to, co obecnie dzieje się w Google Ads. Machine learning widoczny jest nie tylko w nowych typach kampanii, lecz także w poszczególnych składowych, dlatego warto usystematyzować wiedzę.
Istnieją cztery grupy elementów konta Google Ads, w których uczenie maszynowe ma zastosowanie i które wiążą się ze sobą, przez co trudno jest je wydzielić jako elementy niezależne:
- strategie określania stawek i modele rozliczeń,
- kampanie inteligentne,
- formaty reklam,
- inne opcje i ustawienia.
Strategie ustalania stawek i modele rozliczeń
Obecnie w systemie Google Ads są dwa rodzaje określania stawek – automatyczne (ramka poniżej) i samodzielne (w którym ma się pełną kontrolę nad kosztem za kliknięcie). Strategie wymienione w ramce są w mniejszym lub większym stopniu zautomatyzowane i Google zachęca reklamodawców, żeby z tych wariantów korzystali.
PamiętajWyjątkiem jest włączenie opcji ulepszonego CPC, w której mimo ręcznego ustalania stawek system może je zwiększać. W przeszłości system podnosił stawki maksymalnie o 30%, a obecnie może je zwiększyć o ponad 100%, co już daje sporą różnicę. Warto mieć to na uwadze i monitorować stawki przy włączonej opcji ulepszonego CPC.
W systemie Google Ads wyróżniamy następujące modele rozliczeń:
- płatności za kliknięcia (CPC – cost per click),
- płatności za każdy tysiąc wyświetleń (CPM – cost per mille) – model dostępny tylko w sieci reklamowej,
- płatności za obejrzenie (CPV – cost per view) – model dostępny tylko na YouTubie,
- płatności za konwersje.
Pamiętaj
Opcja płatności za konwersje jest dostępna, gdy reklamodawca uzyska min. 100 konwersji w ciągu ostatnich 30 dni, przy założeniu że przynajmniej 90% z nich nastąpiło przed upływem siedmiu dni od momentu kliknięcia reklamy.
Ostatni model jest stosunkowy nowy i ma zastosowanie tylko w sieci reklamowej, w której stosowana jest strategia docelowego kosztu pozyskania (CPA). Koszt nie może być wyższy niż 200 dol. lub równowartość tej kwoty w walucie lokalnej – inaczej zostanie naliczona wyższa kwota CPA od tej, która została ustawiona. Model ten ma charakter automatyczny – system dobiera stawki tak, aby uzyskać konwersje, a reklamodawca płaci za efekt, czyli właśnie konwersję.
Kampanie inteligentne
Wystarczy, że w zwykłej kampanii w wyszukiwarce czy w sieci reklamowej użyjesz automatycznej strategii ustalania stawek, a będzie to już kampania Google Ads wykorzystująca machine learning w mniejszym lub większym stopniu. W tym miejscu warto opisać trzy główne typy kampanii, które są bardzo mocno zautomatyzowane i w których w dużym stopniu kontrola leży po stronie systemu.
Inteligentna kampania produktowa (smart shopping campaign)
Od zwykłej kampanii produktowej różni się tym, że nie ustala się w niej stawek za kliknięcie na poziomie produktów lub grup produktów, można stworzyć tylko jedną grupę reklam, a reklamy wyświetlają się nie tylko w sieci wyszukiwania, lecz także w sieci reklamowej, z wykorzystaniem list remarketingowych. W ustawieniach kampanii do wyboru jest strategia określania stawek „maksymalizuj wartość konwersji” z dodatkową opcją (nieobowiązkową) „ustaw docelowy zwrot z nakładów na reklamę (ROAS)”.
Pamiętaj
Ustawienie docelowego poziomu ROAS może ograniczać wartość sprzedaży w kampanii, dlatego zaleca się, aby to pole zostawić puste.
Niestety dużym ograniczeniem jest brak możliwości dodawania wykluczających słów kluczowych.
Pamiętaj
Aby utworzyć inteligentną kampanię produktową, należy mieć ustawione śledzenie konwersji na koncie Google Ads, uzyskać min. 20 konwersji w ciągu ostatnich 45 dni w obecnych kampaniach produktowych oraz mieć listę remarketingową z min. 100 aktywnymi użytkownikami.
Kampania inteligentna w sieci reklamowej (smart display campaign)
To drugi typ kampanii mocno zautomatyzowanej. Bazuje na docelowym koszcie pozyskania (CPA), a system optymalizuje stawki na podstawie prawdopodobieństwa konwersji, tak aby zapewnić reklamodawcy jej możliwą najwyższą wartość. Główną cechą takiej kampanii jest automatyczne kierowanie, w którym system sam dobiera, gdzie i komu wyświetli reklamy. Jednostki reklamowe z kolei generowane są automatycznie na podstawie przesłanych elementów, takich jak: nagłówki, teksty reklam, logo oraz grafiki (obrazy). System dopasuje reklamy elastycznie do przestrzeni reklamowej w sieci reklamowej. Nie znajdziemy tutaj możliwości kierowania kampanii na konkretne urządzenia ani ustawiania dostosowanych stawek.
Jeśli masz listy remarketingowe, system na ich podstawie stworzy swoje kombinacje odbiorców, które zostaną wykorzystane w kampanii.
Pamiętaj
Aby skorzystać z kampanii tego typu, należy uzyskać min. 50 konwersji w sieci reklamowej lub min. 100 konwersji w sieci wyszukiwania w ciągu ostatnich 30 dni.
Uniwersalna kampania promująca aplikację (universal app campaign)
To ostatni typ kampanii inteligentnej, który wyświetla reklamy w wyszukiwarce, w Google Play, na YouTubie oraz w sieci reklamowej. System automatycznie dobiera grupę odbiorców, tak aby uzyskać konwersję, i bazuje na reklamach, które również tworzone są automatycznie z przesłanych zasobów (różne odmiany tekstu reklamy – maksymalnie cztery, patrz: ilustracja 1). W ustawieniach należy wybrać aplikację, którą chcesz promować, ustalić język i kraj, ustawić budżet dzienny oraz docelowy koszt instalacji, a system zajmie się resztą.
Pamiętaj
Jeśli stosujesz kampanie inteligentne w sieci wyszukiwania i sieci reklamowej, a chcesz zrezygnować z tej drugiej, możesz wypełnić i wysłać formularz (www.bit.ly/2Uo6Oso). W ciągu tygodnia reklamy przestaną się wyświetlać w sieci reklamowej, a kampania inteligentna będzie aktywna tylko w sieci wyszukiwania.
Powyższe typy kampanii sprawdzają się bardzo dobrze w docieraniu do nowych odbiorców, jednak nadal nie są rozwiązaniem idealnym. Brakuje mechanizmów, które pozwalałyby na dostosowywanie kampanii w określonych sezonach lub gdy pojawiają się duże wahania ruchu
(np. w efekcie kampanii w telewizji). Dlatego warto ściśle monitorować działanie kampanii.
Formaty reklam
W ostatnim czasie pojawiły się nowe formaty reklam. Dzięki nim skraca się czas potrzebny na tworzenie różnych wersji reklamy i testowanie, które z nich są najefektywniejsze. Te formaty idealnie wpasowują się w trend machine learningu.
Wyróżniamy następujące rodzaje reklam tworzonych automatycznie:
- elastyczne reklamy
- displayowe (RDA – responsive display ads).
Oba formaty polegają na dodaniu wielu zasobów reklamy, które będą stanowić podstawę budowania jednostek reklamowych przez system. W wypadku reklam RSA można dodać do 15 nagłówków i czterech tekstów reklam oraz ścieżkę adresu URL. System będzie automatycznie wyświetlać różne kombinacje w zależności od słów kluczowych wyszukiwanych przez użytkowników. Niezależnie od liczby dodanych zasobów reklama może zawierać maksymalnie trzy nagłówki i dwa opisy.
Wskazówka
Zaleca się dodanie minimum pięciu nagłówków, które będą się od siebie różnić, aby system miał możliwość dobrania odpowiedniej kombinacji. Nagłówki i opisy mogą się wyświetlać w dowolnej kolejności, więc warto zadbać, aby niezależnie od tego reklamy miały sens. Jeśli jednak chcesz, aby konkretny nagłówek zawsze pojawiał się np. jako pierwszy, zastosuj opcję „przypnij do pozycji”, aby system wyświetlał dany fragment reklamy zawsze w konkretnym miejscu, podczas gdy pozostałe będą mogły rotować (ilustracja 2). Dzięki temu zapewnisz sobie kontrolę nad reklamami.
Jeśli dodasz odpowiednio dużo nagłówków i tekstów reklam, system będzie miał pole manewru do tworzenia skutecznej i konwertującej kreacji reklamowej. Problem tworzenia różnych odmian reklam zostanie dzięki temu rozwiązany. Pamiętaj jednak, że obecnie ta forma reklamy jest ciągle w fazie beta, więc w kampaniach w wyszukiwarce stosuj standardowe rozszerzone reklamy tekstowe, a reklamy RSA dodawaj dodatkowo.
Reklamy RDA są podobne do reklam RSA – z tą różnicą, że wyświetlane są w sieci reklamowej i możesz w nich dodać więcej zasobów reklam: do pięciu nagłówków reklam, jeden długi nagłówek, nazwę firmy, do pięciu tekstów reklam, do pięciu materiałów wideo (z YouTube’a), do pięciu różnych wariantów logotypu, do 15 obrazów. Zaleca się, aby niezbędnym minimum było: pięć nagłówków, pięć tekstów reklam, jedno logo 1 : 1 i pięć obrazów (ilustracja 3).
Reklamy RDA są bardzo dobrym rozwiązaniem, ponieważ dzięki dodaniu do reklamy wielu zasobów system tworzy różne kombinacje, które wpasowują się w przestrzeń reklamową i zwiększają zasięg kampanii. Tak jak w wypadku reklam RSA warto zachować standardowe reklamy elastyczne, a RDA dodać jako dodatkowe.
Pamiętaj
Oba formaty reklamowe (RSA i RDA) mają cechę wspólną – wskaźnik oceny skuteczności reklamy (ad strength), który wyświetla się podczas tworzenia reklamy i informuje o relewantności, liczbie oraz zróżnicowaniu zasobów reklamy.
Dobrą praktyką jest również unikanie kropek na końcu nagłówków oraz niepowielanie treści z nagłówków w tekście reklamy – inaczej system uzna reklamę za jakościowo słabą.
Ustawienia i inne opcje
Omawianie czwartej grupy elementów, w których widać wpływy machine learningu, warto zacząć od modelu atrybucyjnego opartego na danych (data-driven attribution). Jest to najlepszy model atrybucyjny, ponieważ używa danych o konwersji do ustalania rzeczywistego wpływu poszczególnych słów kluczowych na różnych etapach ścieżki konwersji, tak więc każdy model tego typu będzie inny u każdego reklamodawcy. Niestety model ten jest dostępny na kontach, które spełniają konkretne warunki: min. 15 tys. kliknięć w wyszukiwarce oraz min. 600 konwersji w ciągu ostatnich 30 dni.
Innym przykładem uczenia maszynowego jest możliwość zwiększenia budżetu dziennego o 100%, jeśli system uzna, że taki zabieg pozwoli uzyskać więcej konwersji. O ile brzmi to optymistycznie, o tyle jest dość niebezpieczne, ponieważ system może zwiększyć budżet, pozyskać więcej konwersji, ale po stawce CPA, która będzie zbyt wysoka, przez co uzyskane konwersje nie będą opłacalne. Warto więc na bieżąco monitorować zużycie budżetu oraz stosować skrypty, które wstrzymają kampanie w momencie przekroczenia budżetu dziennego, gdy koszt konwersji będzie zbyt wysoki. W takiej sytuacji zyskasz pewność, że system nie przekroczy określonego poziomu wydatków.
Z założenia takie przekroczenie budżetu zostanie wyrównane w ciągu 30 dni i finalnie wydasz 30-krotność budżetu dziennego, który ustaliłeś, co byłoby sprawiedliwe, gdyby nie fakt, że każda zmiana budżetu dziennego powoduje reset tego okresu i system od początku nalicza 30 dni. W wypadku kampanii krótszych niż 30 dni pojawia się duży problem, ponieważ kampania tygodniowa może zostać wyklikana nawet w trzy dni.
W wypadku kampanii w sieci reklamowej masz do wyboru dwie opcje automatycznego kierowania reklam – kierowanie zachowawcze i agresywne. Obie mają za zadanie pomóc w dotarciu do większej liczby potencjalnych klientów przez rozszerzenie kryteriów kierowania. Na przykład w remarketingu system może wyświetlać reklamy na stronach, które są tematycznie powiązane z informacjami zawartymi na stronie reklamodawcy (kierowanie zachowawcze), lub na stronach o pokrewnej tematyce (kierowanie agresywne).
W rzeczywistości może to przynieść dodatkowe konwersje, ale nierzadko powoduje znaczne zwiększenie budżetu, dlatego warto to kontrolować i w razie konieczności wyłączyć (jeśli konwersje się nie pojawią lub będą nieopłacalne).
Podsumowanie
Wdrażanie rozwiązań opartych na machine learningu do Google Ads – a tym samym utrata pełnej kontroli nad wyświetlaniem reklam – jest nieuniknione. Nie należy jednak traktować tego kierunku jako czegoś złego, ponieważ niesie on za sobą wiele dobrych zmian, które usprawnią pracę reklamodawców oraz marketerów i zaoszczędzą czas potrzebny na optymalizację kampanii. Należy jednak pamiętać, że kluczowe staje się poprawne skonfigurowanie konwersji i danych wejściowych, zgodnie z koncepcją GIGO (garbage in, garbage out). Jeśli błędnie skonfigurujesz konwersję, system poprowadzi kampanię tak, że finalnie będzie ona dla Ciebie nieopłacalna. Warto więc solidnie przygotować śledzenie konwersji, aby system miał rzetelne dane do nauki i optymalizowania kampanii.
Warto doczytać:
- Automatyczne określanie stawek, dostęp online: www.bit.ly/2NSFcJa.
- Płatności za konwersje, dostęp online: www.bit.ly/2TGHFvI.
- Inteligentne kampanie produktowe, dostęp online: www.bit.ly/2VG7qtk.
- Kampanie inteligentne w sieci reklamowej, dostęp online: www.bit.ly/2TDRP0k.
- Uniwersalne kampanie promujące aplikacje, dostęp online: www.bit.ly/2Cf7Akf.
- Elastyczne reklamy w wyszukiwarce, dostęp online: www.bit.ly/2Try2le.
- Elastyczne reklamy displayowe, dostęp online: www.bit.ly/2CbEUZC.
- Atrybucja oparta na danych, dostęp online: www.bit.ly/2TxvNwP.
- Automatyczne kierowanie w sieci reklamowej, dostęp online: www.bit.ly/2H9xVo1.