以成熟的Google Ads帐号交付效果的案例研究

投放Google Ads广告系列可能会导致您受到谴责，而如果您不这样做，则会受到谴责。 如果竞选活动失败了，那么您显然会遇到麻烦，但是如果成功了，您可能会遇到其他挑战。 长期成功的运动会给持续交付绩效和增加价值带来挑战。

根据我的经验，新的Google Ads帐户可以快速获胜，但成效不高。 随着时间的流逝，这些变得越来越不明显，并且有更多的创新需求。 我们可以通过长期使用的广告系列草稿和实验来为已经成功的帐户提供效果，这是其中一种方法。

在本案例研究中，我们为大型合法客户开展了为期五年的广告系列。 在此期间，结果是惊人的，而且我们看到了惊人的增长。 Google Ads广告系列处于成熟状态，我们对效果和每次转化费用水平感到满意，但是我们面临继续实现潜在客户增长的挑战。 在这个竞争激烈的行业中，不断测试功能并突破新界限非常重要。 一年来，我们进行了80个实验，以测试各种功能。 我们将带您通过一些测试，我们收到的结果以及我们学到的知识。

广告活动草稿和实验

在此之前，需要对运动草稿和实验进行快速总结。 我们将这些简称为“实验”。 Google Ads的此功能帮助我们解决了这个问题并继续在成熟的帐户中提供效果。 使用该工具的基本过程是：

• 克隆现有广告系列作为新草稿
• 在该草稿中进行所需的更改以检验一些假设
• 将此草稿与原始广告系列一起运行一段时间
• 在草稿和广告系列之间分配流量（通常为50/50）作为A / B测试
• 在整个测试过程中实时报告结果，并在结果具有统计意义时提供更新
• 单击结果将草稿结果应用于原始广告系列或拒绝草稿广告系列

Google提供了详细的设置指南，这是用作指导的最佳资源

该工具使我们可以自由地重新考虑如何开设帐户并吸引客户参与。 现在，我们可以与客户坐下来，并提出我们要检验的一组假设。 这些假设旨在与即将来临的客户目标保持一致，并提高性能极限。 客户参与决策过程，这是完全透明的。 他们能够看到从提出问题/假设到结果的整个过程。

实验还为实现和测试新功能提供了安全的环境。 当帐户表现出色时，我们常常会犹豫不决。 但是我们仍然需要尝试新功能。 例如，最近在Google Ads中引入了机器学习功能和工具，例如自动出价策略和自适应广告。 将密钥移交给ML算法可能很艰巨。 虽然ML可能会提高性能，但是这些算法可能无法执行，因此帐户性能会受到影响。 通过实验，您可以通过测试将这些风险降到最低。

我们测试了什么

与客户协商后，我们进行了一系列实验。 全年对它们进行滚动测试。 作为示例，我们测试了一些关键假设：

• 自动出价（最大限度地提高转化次数）将比手动出价提供更多的转化次数。
• 自动出价（目标每次转化费用）将提供比我们当前使用手动出价更好的转化量效果。
• 基于SKAG的更精细的广告系列结构将提高广告系列的质量得分
• 自适应展示广告将提供比静态横幅更好的点击率
• 自适应搜索广告将提供比扩展文字广告更好的点击率
• 杂乱程度较小的新目标网页将获得更高的转化率
• 具有不同英雄图像的新目标网页将提供更高的转化率
• 在第一个标题中带有问题而不是陈述的广告文案，可以提供更好的点击率
• 在较低位置投放广告将提供更高的转化率
• 仅在桌面设备上提高20％的出价将提高转化率

请注意，这些假设是特定的。 我们仅测试一种结果，并使用特定指标进行评估。

除了广告系列实验之外，我们还进行了几次“广告变化实验”。 这些与广告系列实验稍有不同，因为它们可以是跨广告系列。 这超出了本文的范围，但是我们强烈建议您也运行它们。

以下是我们进行的四个实验的结果：

1.广告文案更改示例

假设：如果广告文案带有标题而不是标题的问题，则可以提供更好的点击率。

我们更改的内容：调整了广告文案，使其草稿中所有广告的标题都以问题为准。

结果：

决定：该实验进行了18天。 点击率提高了1％。 结果并不重要，因此我们决定不适用。

我们学到的东西：拥有与问题相关的广告，而不是一般意义上的陈述性广告，并没有提高性能。 这些内容需要根据搜索查询和广告进行逐案调整。

2.自适应搜索广告

假设：与静态搜索广告相比，自适应搜索广告将提供更高的点击率。

我们所做的更改：在广告系列草稿中引入了自适应搜索广告。

结果：

决定：该实验进行了47天。 点击率提高了1％。 结果不显着。 我们仍然决定采用结果，因为自适应广告不会影响性能，并且它们是一项新功能，可以让我们轮播更多广告文案。

我们学到的知识：尽管效果没有提高，但我们发现搜索者会很好地与这种新广告类型互动。 通过实验，我们能够将风险降到最低。 在实施和效果强劲之后，我们继续监视这些广告类型。

3.着陆页更改

假设：将着陆页上的英雄形象从男性调整为女性会提高转化率。

我们更改的内容：调整了英雄形象。

结果：

决定：该实验进行了30天。 转化率从7％增加到14.88％。 我们应用了该实验，仅继续运行新的目标网页。

我们学到的东西： CVR的增加是戏剧性的，表明微小的变化（如更改图像的性别）会产生巨大的影响。 我们还了解到，用户总体上对女性形象的反应可能会更好。

4.目标单次转换出价

假设：与我们目前使用人工出价相比，自动出价（目标每次转化费用）将提供更好的转化量效果。

我们更改的内容：我们在草案中设置了目标每次转化费用，而在广告系列中，我们已经通过人工出价实现了相同的每次转化费用。 这些假设将测试我们是否可以通过目标每次转化费用出价来实现更多转化。

结果：

决定：该实验进行了34天。 实验获得了53次转化，原始广告系列获得了70次转化，并且每次转化费用也较低。 因此，我们决定不对此广告系列实施目标每次转化费用出价

我们学到的东西：自动化的出价策略目前还不理想。 我们还应该补充说，目标CPA在我们进行的其他广告系列测试中效果更好。 我们已经与Google交流，他们的建议是将目标CPA草案运行更长的时间。 我们同意，但这对预算有限的客户来说并不总是可行。

实验注意事项

最后一点，有两个关键问题在Google帮助文章中没有得到广泛讨论或审查。 在设置实验时，必须考虑到它们非常重要。

生成此假设时，牢记目标至关重要。 您应该在笔记本中写下目标是什么以及要测试的指标。 从一开始就定义指标也很关键，因为它很容易偏离指标。 例如，如果您要测试一种新的广告类型，则您的假设可能应该以点击率而不是每次转化费用来表示。 您的结果可能会显示出更好的CPA，但这不会影响您的决定，因为您的假设是根据CTR进行的，因此您不应该进行实验！

获得错误肯定结果的另一种方法是由于时间设计问题。 当实验人员增加或减少实验的运行时间以获得明显或所需的结果时，就会发生这种情况。 这是在不知不觉中发生的，实验者没有意识到他们正在制造误报。 这样考虑：如果我们将运行时间再增加一周，我们可能会得到显着的结果;如果再增加一周，我们可能会得到不重要的结果，因此，更改时间段以适应我们的需求并不是一个公平的考验。 即使在设计合理的大学实验中，也会出现这种偏差。

重要的是在实验开始运行之前设定一个时间范围并坚持下去。 为了解决这个问题，我在实验标题中加入了结束日期，以便知道何时结束。 根据经验，实验至少应运行一个月。 如果您要测试转换率的变化，也可以尝试使用ab测试样本量计算器。

本文中表达的观点是来宾作者的观点，不一定是Search Engine Land。 工作人员作者在此处列出。