1. 您的位置:首页 > seo技术 >内容

PPC自动化将破坏您的业务,但是自动化分层将为您节省一天的时间

作为Google杰出合作伙伴奖的决赛入围者,我最近有机会参观了纽约市的Google校园。 在那儿,我向Googler谈到了代理机构的状况,他为以下事实感到遗憾:在2008年上一次经济衰退期间成立的一大批PPC代理机构仍像十年前一样管理帐户……这几乎不是一种战略当我们可能正处于另一个经济放缓的边缘时取得成功。

考虑到Google Ads在过去十年中发生了多大变化,因此可以说成功的帐户管理也应该发生了巨大的变化。

我的朋友兼行业先驱安德鲁·古德曼(Andrew Goodman)最近将代理商的概念与时差略有不同,并写道,自称为PPC的专家不能适应Google Ads中所有已更改的细微差别,因为他们愿意接受足够好,而不是追求卓越。

因此,以下是我对如何在2020年及以后提高PPC管理技能的想法。 核心思想是不可避免地使用Google的自动化技术,因此,如果您想要更多的控制权,可以通过我称之为自动化分层的概念在Google的基础上分层自己的策略来重新获得控制权。

这不是一个问题,但是自动化何时会做得更好

早在2007年,Google推出了转化优化工具,该功能可帮助在30天内至少获得300次转化的广告客户达到其广告的每次转化费用目标。 如今,该策略被称为目标每次转化费用,所需的转化次数却减少了20倍(15),才能获得相似的结果。

现在,大约还有11种类型的出价管理策略可供选择。 诸如目标每次转化费用和最大化转化之类的东西几乎看起来像是同一事物的不同风格,表明事物发展得足够快,因此策略差异可以归结为细微的目标差异。 掌握所有这些策略以及它们如何与人工控制(例如出价调整)互动需要认真的专业知识。

关键是出价自动化已经取得了很大进展。 而且,这甚至都谈不上广告素材,定位等方面的自动化。

由于两个驱动力,自动化进入PPC各个领域的趋势将继续保持下去:

  1. 越来越多的数据。 每次进行搜索时,Google都会学到更多有关用户之间的关联以及广告与之产生共鸣的信息。 一个数据越多,信号越好。
  2. 摩尔定律和似乎无穷无尽的计算能力周期每18个月翻一番。 随着计算机可以使用来自第1点的大量数据进行更多的计算,它们可以做出更好的预测。 尽管甚至Gordon Moore都相信他的法律到2025年将达到极限,但已经有一些团队致力于确保计算能力的持续增长。

因此,请找出自动化如何适合您的业务计划。 我经常听到有人忙于立即解决问题。 他们说:“也许有一天我们可以解决问题。” 如果您使用了某种自动化功能,那么您实际上可能有时间来制定自己的业务战略,甚至还可能需要支付账单的客户。

现在是准备的时候了

即使您不像我一样生活在加利福尼亚州,也可能已经读到公用事业公司PG&E关闭了80万用户的电源,以防止由于老化和传输线维护不良而造成的灾难性野火,从而避免了那种在2018年摧毁了天堂镇。这与PPC有什么关系? 好吧,它向我展示了人们在长期思考和计划方面的表现如何。

如今,权力已荡然无存,突然之间,每个人都对PG&E感到不安,因为家庭处于黑暗中。 尽管公用事业公司当然不是无可非议的,但他们已经几个月来一直在建议客户这种情况可能发生。 但是直到警告变成现实,很少有消费者花时间准备。

Google高管,行业博客和行业同行都在说自动化正在破坏我们。 但是,很少有机构会留意这些警告,并且会等到为时已晚时才进行更改。

补充而不是与自动化竞争

因此,如果不可避免地要保留自动化,那么现代的客户经理会更好地弄清楚如何使其成为日常工作的一部分。 但是,如果出于某种原因,您仍然相信自己可以与自动化竞争并取胜,请听取Google首席经济学家Hal Varian的建议。

他说:

“如果您正在寻找对服务有高需求的职业,那么您应该找到一种可以为普及和廉价的产品提供稀缺的补充服务的产品。 那么什么变得无处不在且便宜呢? 数据。 什么是对数据的补充? 分析。”

您知道什么在PPC中无处不在吗? 自动化。 这些自动化中的许多自动化不仅价格便宜,而且是免费的,并且可以在Google自己的广告管理界面中供所有用户使用。 听起来完全像瓦里安(Varian)谈论的那种类型。 遵循他的建议,对我来说,成为自动化的一个很好的补充似乎比通过手动继续做旧的事情来对抗自动化要聪明。

自动化工具并不能保证成功–您做到了

PPC自动化的现实是,每个广告客户的结果都不尽相同,因此,在部署最新的Google智能功能时,并不是每个人都会看到值得进行案例研究的结果。 但是,平均而言,自动化工具可以用更少的精力来提供更好的结果,因此,如果您发现自己不成功,那就是必须先确定原因。 然后,您可以计划一个策略以达到平均值的右侧。

目前,我们看到许多自动化解决了非常狭窄的问题。 有一个用于自动出价的系统,另一个用于优化广告的系统,还有另一个用于使这些广告与潜在客户匹配的系统。 该机构的作用是将正确的解决方案组合在一起,并确保它们协同工作。 要对此进行更深入的研究,请查看我的文章,了解错误的自动化组合如何破坏帐户。

通过一个示例,该示例犯了一个错误,即使用归因模型(如“最终点击”)无法与其他自动化工具很好地配合使用,应该清楚的是,自动化的结果可能在很大程度上取决于客户经理的知识和技能。 如果您看不到其他人正在取得的结果,请认为故障可能不是由工具造成的,而是由使用工具的人造成的。

作为开发PPC工具的人,我知道即使用户为不良的结果而责怪,但这仍然是工具创建者的问题。 如果对于普通广告客户而言,要在不犯错误的情况下使用它过于困难,那么一种使广告测试自动化的惊人工具就没有用。 但是,最优秀的广告商不会让技术的缺陷得到解决,而是会利用现有的技术来产生惊人的结果。

自动化并不意味着一劳永逸

Google似乎经常会经历一个有趣的循环。 他们从手动开始,然后变为自动化,最后添加了一些新控件。 本质上,这使自动化成为一种新型的手动工具。

出价管理就是一个很好的例子。 首先,我们手动管理每次点击费用和出价调整。 然后,它作为一种智能出价策略(如目标广告支出回报率)变得自动化。 但是随后Google增加了设置广告组级别目标,移动设备出价调整和季节性出价调整的功能。 如果您愿意的话,如果您考虑了现在可以控制的所有设置,那么自动目标广告支出回报率出价策略将非常实用。

仅仅是自动化工具有多个设置和控件这一事实,就应该是一个死胡同,那就是如果广告商有足够的动力,就可以优化自动化。

我最近问广告商,上一次他们有一个具有每次点击费用出价的帐户。 或上一次他们没有更改每次点击费用人工出价。 大多数人的答案是:“从不!” 同样,整个帐户的目标CPA和目标ROAS目标也不应相同,也不应该是静态的。 应该对它们进行管理以获得更好的结果,并且一定不要将它们视为永久设置的工具。

人类可以理解数据

好奇为什么我说目标CPA和目标ROAS应该受到监控和管理,而不是一个人呆着? 我们应该这样做,因为每个人的业务中都有一些因素会影响转化率,而Google的预测系统可能无法接受这些转化率。 自动化只能检测到度量标准的变化,并且只能在狭窄的范围内进行操作,因此很可能会使用此数据完全对业务造成错误。

这是我个人遇到的一个示例……一天的自动出价注意到转换率大大下降,因此降低了出价以保持目标CPA。 由于出价要低得多,因此广告客户的转化量急剧下降,从未自动恢复。

这是发生了什么。 出价自动化系统正确地看到了转化率的下降,并向下调整了出价。 但是作为一个愚蠢的自动化技术,它从来没有问过为什么转换率会下降。 人类知道这是因为启动了新的着陆页。 人们会知道对此事件的正确响应是还原到上一个着陆页而不是降低出价。

机器学习不好,很难解释原因和方式。 给它显示一张猫的图片,它知道它是猫。 但是祝你好运来解释为什么它是猫。

在我关于数字营销的未来的书中,我解释了人类需要扮演的角色之一是PPC飞行员,该人监视自动化并可以在不良数据导致不良行为发生时进行纠正。

了解机器在做什么,并了解机器用来做出决定的数据。 这就是我之前提到的Hal Halian所说的话。

如果自动化不起作用或您不信任它,请考虑自动化分层

如果您相信自动化将在PPC中日趋普及,那么我们必须了解引擎提供给我们的自动化是如何工作的,这样我们才能通过管理其设置来优化它们。

这是一个简单的前提,即人类+机器要比单独的机器更好。 但是我认为在PPC中,该前提还有其他含义。 也许公式应该是:

“人(我公司的客户经理)+机器(由Google创建的自动化系统)比单独的机器要好。”

广告客户担心的不仅是这些机器正在接管我们的工作,还在于这些机器是由Google制造的,而Google也从中收取了很多广告费用。 作为前Google员工,我相信Google会尝试做正确的事,但是想要一些保证并进行监督并没有错,特别是当即使Google员工也无法真正说明他们的机器学习自动化如何真正实现他们的目标时决定。

因此,这就是PPC管理者希望参与其中而不是让机器自己进行PPC的原因。 人们可以监视机器的决策,并在这些决策看起来不太理想时提供纠正和指导。

编写您的PPC流程脚本,以获得自动化更好的结果

但是,将体力劳动添加到混合中会不利于效率和经济增长。 自动化会更好。 因此,客户经理真正应该努力的是拥有自己的自动化程序,以监视和优化来自引擎的自动化程序。 那就是自动化分层。

因此,与其争取:

人机+机器

我们应该争取:

广告商控制的自动化+引擎控制的自动化

但是,正如市场营销人员对建立自己的自动化系统充满热情(感谢多年以来一直在下载我的脚本的每个人)一样,事实是并非总是自然而然的。 那时第三方工具会有所帮助。

它们帮助广告商控制自动化对其帐户的作用。 我已经解释了如何使用自动化分层来监视和控制可能混淆完全匹配关键字含义的紧密变体。 下图试图从概念上进行解释,但是如果您需要更多的战术指南,请查看我以前的文章。

紧密变体形式允许Google将完全匹配的关键字(中间的小圆圈)定位到更大范围的搜索字词(外部大圆圈)的广告。 Google决定了他们使这个外部圈子的规模。 如果他们希望获得更多收入,则可以从字面上更改代码中的某些设置,以扩大圈子,使广告拍卖更具竞争力。 广告商想要更多的确定性和控制力。 因此,通过他们控制自动化的自动化分层,他们可以将搜索词(虚线圆)缩小到自己喜欢的水平。

底线

引擎的自动化已经在破坏PPC代理商,并将继续做更多。 像2008年那样一直在努力并进行PPC的任何人都必须接受这样的事实,即这不是面向未来的策略。 弄清楚如何将自动化融入您的工作中。 而且,如果您因不信任而没有这样做,请知道自动化分层之类的技术可以恢复一定程度的控制。


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。

本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容,一经查实,本站将立刻删除。如若转载,请注明出处:http://www.botadmin.cn/sylc/10253.html