Meny Stäng

Matchningstyper för nyckelord: Aggregation vs. segmentering

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

I en tid av automatisering och smarta budgivning, förbättrar den ”bästa metoden” att segmentera nyckelordsmatchningstyper (Exakt, Fraser och Bred / BMM) per kampanj eller annonsgrupp verkligen resultatet? En sökning på ”search ads campaign structure best practices” resulterar i en myriad av artiklar som förespråkar olika kampanjstrukturer, varav de flesta lutar åt segmentering.

Detta är en uppföljande fallstudie till vårt tidigare inlägg som testade denna fråga. Tidigare tester visade att aggregering förbättrade prestandan vid användning av smart budgivning. Ett par tester räcker dock inte för att slutgiltigt besvara frågan.

Så vi utökade testet till 44 kampanjer på 10 konton för att få en robust datamängd för att besvara frågan.

Matchtyper och kampanjstrukturer

Google Ads har fyra matchningstyper (bred, bred matchning modifierad, fras och exakt) som annonsörer kan välja för sina nyckelord för att hjälpa till att styra vilka sökningar som kan utlösa en annons. Varje matchningstyp fungerar på olika sätt, där ”bred” matchar det bredaste utbudet av sökfrågor och ”exakt” det smalaste utbudet. På grund av detta kommer samma sökord med olika matchningstyper att ge varierande resultat.

Administratörer anpassade sig till dessa skillnader i matchningstypers funktionalitet och resultat genom nya kampanjstrukturer. I allmänhet antas nyckelord med bred matchning ha de högsta CPC:erna och den lägsta totala prestandan eftersom de matchar den största volymen av sökfrågor (varav många är irrelevanta). Däremot antas exakt matchande nyckelord ha de lägsta CPC-priserna och den bästa övergripande prestandan eftersom de utlöser annonser som matchar det exakta nyckelordet.

Administratörer utformade kampanjstrukturer för att styra flödet av sökfrågor till specifika matchningstyper. Detta görs genom att segmentera matchningstyper i separata kampanjer/annonsgrupper, tillämpa riktade negativa sökord mellan kampanjer/annonsgrupper, mappning av negativa frågor, annonsgrupper med ett enda sökord och många andra strukturella metoder.

Along Came Close Variants

Under årens lopp har Google dock rullat ut olika uppdateringar av ”nära matchningsvarianter” för dessa matchningstyper, vilket har ändrat deras funktionalitet. En ”nära variant” omfattar sökningar efter sökord med samma innebörd som sökorden, oavsett skillnader i stavning eller grammatik mellan sökfrågan och sökordet.

Insatt bild 0 38

En annan utveckling som har påverkat kampanjstrukturen är smarta bud

Med hjälp av smarta bud sätts buden i realtid på sökordsnivå baserat på hundratals publiksignaler. Det är omöjligt för mänskliga annonsörer att efterlikna vad smart budgivning är kapabel till eftersom budgivning på frågenivå i realtid inte ens är tillgänglig för oss. Enligt Google ”tar dessa algoritmer hänsyn till ett större antal parametrar som påverkar prestandan än vad en enskild person eller ett team kan beräkna”. På Seer interactive har vi sett många framgångar med smart budgivning och har till och med slagit ut tredjepartsplattformar för budgivning som Marin och Kenshoo.

Och smart budgivning har konsekvenser för kampanjstrukturer. Enligt Google Account Structure Playbook (detta är inte ett offentligt dokument, be din Google Ads-representant om ett exemplar) är ”granulär nyckelordssegmentering onödig eftersom smart budgivning är auktionstid och tar hänsyn till olika signaler utöver nyckelord och den sökning som inmatas.”

På grund av detta rekommenderar Google att man konsoliderar trafiken i färre och större annonsgrupper genom att ta bort segmenteringar av trafiken som kan undvikas, t.ex.: matchningstyper för nyckelord, enheter, geografiska områden, dagar och målgrupper.

Med andra ord bör annonsörer ta bort onödiga trafiksegmenteringar för att mata smarta budalgoritmer med så mycket data som möjligt.

klistrad bild 0 37

Testresultat

Som tidigare nämnts visade våra två första tester i det här ämnet på förbättringar av konverteringsvolym, CPA, CTR och CPC när matchningstyperna aggregerades i samma annonsgrupper.

För den här studien utökade vi testkohorten i hela vår byrå till 44 kampanjer från 10 olika konton. Vi valde kampanjer som hade matchningstyper som segmenterades av annonsgrupper, som redan använde en smart budstrategi och som hade en imponerings- och konverteringsvolym som låg över genomsnittet. Vi skapade sedan experiment (trafiken delades upp 50/50) och ändrade kampanjstrukturen i experimentkampanjerna så att alla matchningstyper fanns i samma annonsgrupp (annonsgrupperna var fortfarande segmenterade efter nyckelordsteman).

Vår hypotes för testet var att aggregering skulle prestera bättre än segmentering. Testet pågick i 60 dagar och vi blev överraskade av resultaten.

  • Teal = Segmenteringskontroll
  • Orange = Aggregeringsexperiment
  • Lila = Skillnaden mellan de två

Inklistrad bild 0 41

Totalt sett såg vi att experimentkampanjerna presterade bättre än kontrollkampanjerna när det gällde kostnad, konverteringsvolym, CPC, CVR och CPA. Dessa resultat verkade bekräfta vår hypotes att aggregering skulle överträffa segmentering, tills vi tittade närmare på data.

Om vi delade upp prestandan per kampanj såg vi att ett konto utgjorde över 60 % av alla intryck i hela testpopulationen. Vi tittade sedan på data per konto och såg en blandad prestanda. 50 % av kontona såg förbättringar i CVR och endast 33 % av de testade kontona såg förbättringar i CPC och CPA.

pasted image 0 40

Detta var inte det definitiva svar vi förväntade oss, särskilt med tanke på det breda utbudet av konton, budstrategier och nyckelord som ingick i testet. Vi måste dock lita på datasetet framför våra tankesätt.

En faktor som inte var konsekvent mellan kampanjerna var vilken smart budstrategi som kampanjerna använde. Att dela upp data efter budstrategi visade en annan blandad prestanda, men vi såg att aggregerade matchningstyper presterade sämre när det gällde CTR och CPC när man använde eCPC eller Max Clicks.

De aggregerade annonsgrupperna matchar till fler sökfrågor än de segmenterade annonsgrupperna. På grund av detta kan eCPC och Max clicks ha presterat sämre för CTR och CPC eftersom de spenderar mer på bredmatchade sökord i förhållande till de andra budstrategierna. Däremot optimerar de andra budstrategierna (Max Conv Value – Target CPA) för specifika mål och är förmodligen mer selektiva när det gäller vilka matchningstyper de bjuder på.

pasta bild 0 39

Slutsats

Så vilken kampanjstruktur kommer att resultera i bättre prestanda, aggregering eller segmentering av matchningstyper för nyckelord?

Baserat på våra testresultat vet vi inte säkert.

Prestandan tycks skilja sig åt från konto till konto. Det finns för många faktorer, t.ex. en smart budstrategi, för att ta hänsyn till vad som avgör framgången när man använder den ena kampanjstrukturen jämfört med den andra. På det hela taget uppmuntrar vi dig att testa detta på dina konton och se vad som fungerar bäst för dig.

Googles utveckling av matchningstyper och automatisering får oss att undra vad som kommer härnäst för nyckelord och matchningstyper. Med tillkomsten av nära matchningsvarianter och smarta kampanjer som dynamiska sökannonser (som inte ens kräver nyckelord) får det oss att ifrågasätta om matchningstyper ens kommer att vara en sak om fem år.

Om du blir inspirerad att testa detta själv, låt oss veta hur det gick!

Se till att anmäla dig till vårt nyhetsbrev för att hålla dig uppdaterad om allt som rör det digitala.

Lämna ett svar

Din e-postadress kommer inte publiceras. Obligatoriska fält är märkta *