Menu Zamknij

Keyword Match Types: Aggregation vs. Segmentation

Kontrybutorzy: Tim Moorhead, Tracy McDonald, Forrest Schaffer, & Rachel Venner

W dobie automatyzacji i inteligentnego biddingu, czy „najlepsza praktyka” segmentacji typów dopasowania słów kluczowych (Exact, Phrase i Broad / BMM) według kampanii lub grupy reklam naprawdę poprawia wydajność? Poszukiwanie „najlepszych praktyk w zakresie struktury kampanii reklam w wyszukiwarkach” zaowocuje niezliczoną ilością artykułów promujących różne struktury kampanii, z których większość skłania się ku segmentacji.

Jest to studium przypadku będące kontynuacją naszego poprzedniego postu, w którym testowaliśmy to pytanie. Poprzednie testy wykazały, że agregacja poprawiła wydajność podczas korzystania z inteligentnego biddingu. Jednak kilka testów to za mało, aby definitywnie odpowiedzieć na to pytanie.

Więc rozszerzyliśmy test do 44 kampanii na 10 kontach, aby mieć solidny zestaw danych do odpowiedzi na to pytanie.

Typy dopasowania i struktury kampanii

Google Ads posiada cztery typy dopasowania (szerokie, szerokie dopasowanie zmodyfikowane, fraza i dokładne), które reklamodawcy mogą wybrać dla swoich słów kluczowych, aby pomóc kontrolować, które wyszukiwania mogą wywołać reklamę. Każdy typ dopasowania działa inaczej, gdzie „szerokie” mecze do najszerszego zakresu zapytań i „dokładne” do najwęższego zakresu. Z tego powodu, to samo słowo kluczowe ustawione na różne typy dopasowania będzie miało różną wydajność.

Reklamodawcy dostosowali się do tych różnic w funkcjonalności typów dopasowania i wydajności poprzez nowatorskie struktury kampanii. Ogólnie rzecz biorąc, szerokie słowa kluczowe mają z założenia najwyższe CPC i najniższe ogólne wyniki, ponieważ są dopasowane do największej ilości zapytań (z których wiele jest nieistotnych). Z kolei dokładne dopasowanie słów kluczowych zakłada się, że ma najniższe CPC i najlepszą ogólną wydajność, ponieważ uruchamia reklamy, które pasują do dokładnego słowa kluczowego.

Rreklamodawcy zaprojektowali struktury kampanii, aby kontrolować przepływ zapytań do konkretnych typów dopasowania. Odbywa się to poprzez segmentację typów dopasowania w oddzielnych kampaniach/grupach reklam, stosowanie kierunkowych negatywnych słów kluczowych pomiędzy kampaniami/grupami reklam, mapowanie negatywnych zapytań, grupy reklam z pojedynczymi słowami kluczowymi i wiele innych praktyk strukturalnych.

Along Came Close Variants

Jednakże na przestrzeni lat Google wprowadziło różne aktualizacje „bliskich wariantów dopasowania” do tych typów dopasowania, które zmieniły ich funkcjonalność. Bliski wariant” obejmuje wyszukiwania słów kluczowych o tym samym znaczeniu, co słowa kluczowe, bez względu na różnice ortograficzne lub gramatyczne między zapytaniem a słowem kluczowym.

pasted image 0 38

Kolejną zmianą, która wpłynęła na strukturę kampanii, jest inteligentne licytowanie

Dzięki inteligentnemu licytowaniu, oferty są ustalane w czasie rzeczywistym na poziomie zapytania na podstawie setek sygnałów od odbiorców. Jest to niemożliwe dla ludzkich reklamodawców, aby naśladować to, co inteligentna licytacja jest w stanie, ponieważ licytacja w czasie rzeczywistym na poziomie zapytania nie jest nawet dostępna dla nas. Według Google, „Algorytmy te biorą pod uwagę szerszy zakres parametrów, które wpływają na wydajność, niż pojedyncza osoba lub zespół mógłby obliczyć.” W Seer interactive widzieliśmy wiele sukcesów z inteligentną licytacją, nawet pokonując platformy licytacji stron trzecich, takie jak Marin i Kenshoo.

A inteligentna licytacja ma implikacje dla struktur kampanii. Zgodnie z podręcznikiem struktury konta Google (nie jest to dokument publiczny, poproś przedstawiciela Google Ads o kopię), „granularna segmentacja słów kluczowych jest niepotrzebna, ponieważ inteligentna licytacja jest aukcją czasu i czynników różnych sygnałów poza słowami kluczowymi i zapytanie wpisane.”

Ponieważ to, Google zaleca konsolidację ruchu do mniejszej liczby i większych grup reklam poprzez usunięcie segmentacji ruchu, których można uniknąć, takich jak: typ dopasowania słowa kluczowego, urządzenie, geo, dzień i odbiorców.

Innymi słowy, reklamodawcy powinni usunąć niepotrzebne segmentacje ruchu, aby zasilić algorytmy inteligentnego biddingu jak największą ilością danych.

pasted image 0 37

Wyniki testów

Jak już wcześniej wspomnieliśmy, nasze pierwsze dwa testy na ten temat wykazały poprawę wolumenu konwersji, CPA, CTR i CPC, gdy typy dopasowania były agregowane w tych samych grupach reklam.

Do tego badania rozszerzyliśmy kohortę testową w naszej agencji do 44 kampanii z 10 różnych kont. Wybraliśmy kampanie, które posiadały typy dopasowania podzielone na grupy reklam, korzystały już z inteligentnej strategii biddingowej oraz miały ponadprzeciętny wolumen odsłon i konwersji. Następnie stworzyliśmy eksperymenty (ruch podzielony 50/50) i zmieniliśmy strukturę kampanii w kampaniach eksperymentalnych tak, aby wszystkie typy dopasowania były obecne w tej samej grupie reklam (grupy reklam były nadal segmentowane według tematów słów kluczowych).

Naszą hipotezą do testu było to, że agregacja przewyższy segmentację. Ten test trwał 60 dni i byliśmy zaskoczeni jego wynikami.

  • Teal = Kontrola segmentacji
  • Pomarańczowy = Eksperyment agregacji
  • Purpurowy = Różnica między nimi

pasted image 0 41

Ogółem, widzieliśmy, że kampanie eksperymentalne przewyższają kampanie kontrolne pod względem kosztów, wielkości konwersji, CPC, CVR i CPA. Wyniki te zdawały się potwierdzać naszą hipotezę, że agregacja przewyższy segmentację, dopóki nie przyjrzeliśmy się bliżej danym.

Przyglądając się wynikom w rozbiciu na kampanie, zauważyliśmy, że jedno konto stanowiło ponad 60% wszystkich wyświetleń w całej populacji testowej. Następnie przyjrzeliśmy się danym w podziale na konta i zobaczyliśmy mieszane wyniki. 50% kont odnotowało poprawę w CVR, a tylko 33% testowanych kont odnotowało poprawę w CPC i CPA.

pasted image 0 40

Nie była to ostateczna odpowiedź, której oczekiwaliśmy, szczególnie biorąc pod uwagę szeroki zakres kont, strategii ofert i słów kluczowych zawartych w teście. Jednakże, musimy zaufać zbiorowi danych, a nie naszym poglądom.

Jednym z czynników, który nie był spójny w różnych kampaniach, była strategia inteligentnego licytowania, której używały kampanie. Rozdzielenie danych według strategii bidów pokazało kolejny mieszany worek z wydajnością, ale zauważyliśmy, że zagregowane typy dopasowania wypadły gorzej pod względem CTR i CPC, gdy używaliśmy eCPC lub Max Clicks.

Zagregowane grupy reklam dopasowują się do większej liczby zapytań niż grupy segmentowane. Z tego powodu, eCPC i Max kliknięcia mogły mieć gorsze wyniki dla CTR i CPC, ponieważ wydają więcej na szeroko dopasowane słowa kluczowe w porównaniu z innymi strategiami ofert. Z kolei pozostałe strategie ofertowe (Max Conv Value – Target CPA) optymalizują się pod kątem konkretnych celów i prawdopodobnie są bardziej selektywne pod względem typów dopasowania, na które licytują.

pasted image 0 39

Podsumowanie

Więc jaka struktura kampanii przyniesie lepsze wyniki, agregacja czy segmentacja typów dopasowania słów kluczowych?

W oparciu o wyniki naszych testów, nie wiemy tego na pewno.

Wydajność wydaje się różnić w zależności od konta. Istnieje zbyt wiele czynników, takich jak inteligentna strategia licytacji, aby rozważyć, co będzie decydować o sukcesie przy użyciu jednej struktury kampanii w porównaniu do drugiej. Ogólnie rzecz biorąc, zachęcamy do przetestowania tego na swoich kontach i zobaczyć, co działa najlepiej dla Ciebie.

Rozwój Google w zakresie typów dopasowania i automatyzacji sprawia, że zastanawiamy się, co jest dalej dla słów kluczowych i typów dopasowania. Wraz z pojawieniem się wariantów dopasowania bliskiego i inteligentnych kampanii, takich jak dynamiczne reklamy wyszukiwania (które nawet nie wymagają słów kluczowych), stawiamy sobie pytanie, czy typy dopasowania będą w ogóle czymś za pięć lat.

Jeśli jesteś zainspirowany do przetestowania tego dla siebie, daj nam znać, jak poszło!

Zapewnij sobie możliwość zapisania się do naszego newslettera, aby być na bieżąco z wszystkimi rzeczami cyfrowymi.

Dodaj komentarz

Twój adres e-mail nie zostanie opublikowany. Wymagane pola są oznaczone *