Menu Fechar

Tipos de combinação de palavras-chave: Agregação vs. Segmentação

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

Na era da automação e da licitação inteligente, a “melhor prática” de segmentar os tipos de palavras-chave (Exato, Frase e Amplo / BMM) por campanha ou grupo de anúncios realmente melhora o desempenho? Uma pesquisa nas “melhores práticas de estruturação de campanha de anúncios de busca” resultará em uma miríade de artigos promovendo várias estruturas de campanha, a maioria dos quais inclina-se para a segmentação.

Este é um estudo de caso de acompanhamento do nosso post anterior que testou esta questão. Testes anteriores mostraram que a agregação melhorou o desempenho ao usar lances inteligentes. Contudo, alguns testes não são suficientes para responder definitivamente à pergunta.

Então expandimos o teste para 44 campanhas em 10 contas, a fim de ter um conjunto de dados robusto para responder à pergunta.

Tipos de correspondência e estruturas de campanha

Anúncios do Google apresentam quatro tipos de correspondência (ampla, ampla correspondência modificada, frase, e exata) que os anunciantes podem selecionar para suas palavras-chave para ajudar a controlar quais pesquisas podem acionar um anúncio. Cada tipo de correspondência funciona de forma diferente, onde ‘ampla’ corresponde à mais ampla gama de consultas de pesquisa e ‘exata’ à mais estreita gama. Devido a isso, a mesma palavra-chave definida para diferentes tipos de correspondência verá um desempenho variado.

Advertisers adaptados a essas diferenças na funcionalidade e desempenho do tipo de correspondência através de novas estruturas de campanha. Em geral, assume-se que as palavras-chave de correspondência ampla têm os CPCs mais altos e o desempenho geral mais baixo porque correspondem ao maior volume de consultas de pesquisa (muitas delas irrelevantes). Em contraste, assume-se que as palavras-chave de correspondência exata têm os CPCs mais baixos e o melhor desempenho geral porque acionam anúncios que correspondem à palavra-chave exata.

Advertisers projetaram estruturas de campanha para controlar o fluxo de consultas de pesquisa para tipos de correspondência específicos. Isso é feito através da segmentação dos tipos de busca em campanhas/grupos de anúncios separados, aplicando palavras-chave direcionais negativas entre campanhas/grupos de anúncios, mapeamento negativo de consultas, grupos de anúncios de uma única palavra-chave e muitas outras práticas estruturais.

Along Came Close Variants

No entanto, ao longo dos anos, o Google implementou várias atualizações de ‘close match variant’ para esses tipos de busca que mudaram sua funcionalidade. Uma “variante fechar” inclui pesquisas por palavras-chave com o mesmo significado que as palavras-chave, independentemente da ortografia ou diferenças gramaticais entre a consulta e a palavra-chave.

imagem passada 0 38

Outro desenvolvimento que afectou a estrutura da campanha é o lance inteligente

Por meio do lance inteligente, os lances são definidos em tempo real no nível da consulta com base em centenas de sinais de audiência. É impossível para os anunciantes humanos imitarem o que o lance inteligente é capaz de fazer porque o lance em tempo real não está sequer disponível para nós. De acordo com a Google, “Estes algoritmos têm um impacto sobre o desempenho numa gama mais vasta de parâmetros do que uma única pessoa ou equipa poderia calcular”. Na Seer interactive, temos visto muito sucesso com os lances inteligentes, mesmo batendo em plataformas de licitação de terceiros como Marin e Kenshoo.

E os lances inteligentes têm implicações nas estruturas das campanhas. De acordo com o livro de jogo da estrutura de contas do Google (este não é um documento público, peça uma cópia ao seu representante de anúncios do Google), “a segmentação granular de palavras-chave é desnecessária, uma vez que o lance inteligente é o tempo de leilão e fatores vários sinais além das palavras-chave e da consulta inserida”

Por isso, o Google recomenda consolidar o tráfego em menos e maiores grupos de anúncios, removendo segmentações de tráfego evitáveis, tais como: tipo de combinação de palavras-chave, dispositivo, geo, dia e público.

Em outras palavras, os anunciantes devem remover segmentações de tráfego desnecessárias a fim de alimentar algoritmos de licitação inteligentes com o máximo de dados possível.

imagem passada 0 37

Resultados do teste

Como mencionado anteriormente, nossos dois primeiros testes sobre este assunto mostraram melhorias no volume de conversão, CPA, CTR e CPC quando os tipos de correspondência foram agregados nos mesmos grupos de anúncios.

Para este estudo, expandimos a coorte de testes em toda a nossa agência para 44 campanhas a partir de 10 contas diferentes. Escolhemos campanhas que tinham tipos de match segmentados por grupos de anúncios, já estavam usando uma estratégia de licitação inteligente, e tinham um volume de impressão e conversão acima da média. Criamos então experimentos (divisão de tráfego 50/50) e mudamos a estrutura da campanha nas campanhas dos experimentos para que todos os tipos de match estivessem presentes no mesmo grupo de anúncios (os grupos de anúncios ainda estavam segmentados por temas de palavras-chave).

A nossa hipótese para o teste era que a agregação superaria a segmentação. Este teste durou 60 dias e ficámos surpreendidos com os resultados.

  • Teal = Controle de Segmentação
  • Orange = Experimento de Agregação
  • Purple = Diferença entre os dois

imagem passada 0 41

Overall, vimos as campanhas do experimento superarem as campanhas de controle de custo, volume de conversão, CPCs, CVR e CPA. Estes resultados parecem confirmar nossa hipótese de que a agregação superaria a segmentação, até que olhamos mais de perto os dados.

Cortando o desempenho por campanha, vimos que uma conta composta por mais de 60% de todas as impressões em toda a população do teste. Em seguida, olhamos os dados por conta e vimos um saco misto de desempenho. 50% das contas tiveram melhorias no CVR e apenas 33% das contas testadas tiveram melhorias nos CPCs e CPA.

imagem passada 0 40

Esta não foi a resposta definitiva que esperávamos, particularmente considerando a ampla gama de contas, estratégias de lances e palavras-chave incluídas no teste. No entanto, temos que confiar no conjunto de dados sobre a nossa mentalidade.

Um fator que não foi consistente entre as campanhas foi a estratégia de licitação inteligente que as campanhas estavam usando. O corte dos dados por estratégia de lance mostrou outro saco misto de desempenho, mas vimos que os tipos de correspondência agregada tiveram pior desempenho para CTR e CPC ao usar eCPC ou Max Clicks.

Os grupos de anúncios agregados estão correspondendo a mais consultas de pesquisa do que os grupos de anúncios segmentados. Por causa disso, o eCPC e Max Clicks pode ter tido pior desempenho para CTR e CPCs porque eles estão gastando mais em palavras-chave de busca ampla em relação às outras estratégias de licitação. Em contraste, as outras estratégias de licitação (Max Conv Value – CPA alvo) estão otimizando para metas específicas e provavelmente são mais seletivas em que tipos de combinação eles estão licitando.

imagem passada 0 39

Conclusion

Então qual a estrutura da campanha que resultará em melhor desempenho, agregação ou segmentação dos tipos de combinação de palavras-chave?

Baseado nos resultados dos nossos testes, não sabemos ao certo.

Desempenho parece diferir de conta para conta. Há demasiados factores, tais como estratégia de licitação inteligente, para considerar sobre o que irá determinar o sucesso ao usar uma estrutura de campanha versus a outra. Em geral, nós encorajamos você a testar isso em suas contas e ver o que funciona melhor para você.

Os desenvolvimentos do Google sobre tipos de correspondências e automação nos fazem pensar no que vem a seguir para palavras-chave e tipos de correspondências. Com o advento de variantes de resultados próximos e campanhas inteligentes como anúncios de busca dinâmica (que nem sequer requerem palavras-chave), isso nos faz questionar se os tipos de resultados serão algo daqui a cinco anos.

Se você estiver inspirado a testar isso por si mesmo, informe-nos como correu!

Certifique-se de assinar nossa newsletter para se manter atualizado sobre todas as coisas digitais.

Deixe uma resposta

O seu endereço de email não será publicado. Campos obrigatórios marcados com *