随着机器学习在我们生活的各个方面的出现——无论是在家里,像Alexa这样的个人人工智能助手,还是在工作中——技术和数字领域正在迅速发生变化。搜索的本质也开始改变,并适应这些变化。数字营销人员经常发现自己在努力改善结果时需要手动工作,拉开帷幕,将付费活动的齿轮转移到最微小的细节上。通过谷歌新的自动投标策略,称为“智能投标”,机器学习提供了一个合理的解决方案来测试,以优化您的活动。
什么是AdWords智能竞价?
智能竞价策略是使用机器学习来优化转换或转换值的自动竞价策略,包括目标CPA、最大化转换、目标ROAS和增强CPC。关于智能招标的更多信息可以找到在这里.
在这篇文章中,我们将专注于目标CPA和最大化转化率。根据谷歌,目标CPA将在你设定的目标CPA的预算范围内获得尽可能多的转换。最大化转化率让你在花费预算的情况下获得最大的转化率。
在5月份,我们写了一篇关于最大化转换测试的经验的博客文章从那以后,我们在推出的版本中测试了这个设置。这两种实验类型的结果可能会有一些差异,但我们不确定哪些差异可能是由谷歌算法的更新引起的,因为这没有公开共享。那就更有理由测试了!
为什么智能竞价有帮助?
自动竞价,当它运行良好时,可以帮助你更快地实现目标,尤其是在目标明确的情况下。有严格的ROAS目标?尝试目标ROAS保持在轨道上。需要尽可能多的转换,并有一个灵活的预算?最大化转化率可能是你的目标。
自动竞价还为其他关键任务腾出了时间。如果你每天花15分钟审查和更新你的出价,自动竞价可以帮助你每周节省超过一个小时。在这一年里,有整整一周的时间来探索其他策略。
此外,谷歌一直在强调(并改进!)自动竞价策略,所以它不会很快消失。是时候上船了!
目标注册会计师
我们已经在一些客户中测试了Target CPA,并看到了一些很好的结果。(本节中的所有例子都是B2B的,但请注意目标CPA的成功是B2B的不仅限于B2B!)
一个B2B客户想在他们的再营销活动中减少CPA,所以他们测试了Target CPA。转化率增加了69%,而CPA下降了61%。总成本下降了36%。
另一个B2B客户的非品牌注册会计师是他们愿意支付的三倍多。开始时,团队的目标是CPA比当前CPA低15%。最初,CPA下降了42%,而总支出下降了48%。转换量几乎保持不变,最终减少了1。
一些广告商可能只看到CPA略有下降,而其他指标则有所改善。我们的一个B2B客户的CPA下降了8%,而总转化率增加了46%。虽然CPA没有达到设定的目标水平,但还是下降了。
其他时候,客户看到的结果则喜忧参半。一个高等教育客户在30天内的CPA比目前的CPA低20%:总体而言,CPA下降了9%,而转化率保持相对平稳。不同活动的表现各不相同——一个非品牌活动的CPA下降了78美元,转化率增加了67%,而另一个非品牌活动的CPA增加了150美元,转化率下降了50%。
我们的团队调整了活动级别的目标CPA水平,并再进行了30天的实验,发现CPA性能有所改善——CPA下降了23%,转化率下降了16%,但CVR增加了5%。
最大限度地转换
就像Target CPA一样,我们在最大化转化率方面也看到了一些积极和不那么积极的结果。(我们将分享的两个积极表现的例子,巧合的是,都是高等教育广告商。但这并不意味着良好的业绩仅限于高等教育,也不意味着所有高等教育广告客户都会看到积极的业绩。)
我们为我们的一个高等教育客户测试了Maximize conversion,当时它还在测试阶段(上面同一个高等教育客户在Target CPA上看到了不同的结果)。转化率增加了71%,而CPA下降了45%,平均CPC下降了37%。
对于另一个高等教育客户,我们在设置完全向广告商推出后测试了“最大化转化率”。转化率增加了7%,而CPA下降了11%,平均CPC下降了9%。
我们的一个B2B客户进行了两次最大化转化实验(同一客户发现转化率增加了69%,而CPA下降了61%)。第一个实验非常成功,转化率从39增加到53,CPA从108美元下降到79美元。由于出色的表现,该活动实施了最大化转换,但自推出以来,CPA增加到实施前的3倍左右。在第二个实验中,转化率从13增加到22,但CPA增加了4倍多,从39美元增加到165美元。
让智能招标工作为您
谷歌的算法一直在学习和改进,但这并不意味着它们总是适用于每一个活动。为自己的成功做好准备,并考虑以下我们从智能竞价测试中学到的技巧:
- 测试最大化转化率可能会让你的注册会计师处于危险之中,所以如果你更关心转换量而不是实际的注册会计师和支出,请测试这个设置。
- 如果你需要保持在特定的CPA范围内,目标CPA代替。请记住,您的转换量可能会减少。
- 与其改变你所有的设置和风险表现,做一个AdWords实验!如果你担心业绩不佳,你可以采用50/50的比例来更快地得到结果,或者采用风险较低的比例——比如80/20。
- 测试特定的活动而不是一下子就把你的钱都花光。无论你的结果是好是坏,你都不会拿你整个账户的表现冒险。确保你选择的活动有足够的量来产生统计上显著的结果。然后,不管性能如何,尝试测试第二轮活动看看表现是否有所不同。
- 检查工作表现大概一周一次。要知道,算法需要时间来学习,而且很可能在实验开始后至少两周内,您才会看到性能的提高。通常,算法优化到真正的赢家需要至少四周的时间。如果在你达到四周的标记之前表现明显变差,尽早结束你的实验,但请记住,如果你允许更多的实验时间,实验结果可以显著提高。
- 对于Target CPA来说,把目标设定在目标之上看看最初发生了什么变化。然后,根据转换量调整目标。如果目标CPA“太低”,则可能无法进行适当的优化,结果可能会恶化。
- 剔除可能会减缓算法机器学习速度的低效广告支出。审查你的搜索词报告,以发现可能稀释数据的无关印象和点击。没时间筛选查询?招募先知提供一个PPC效率审核它会告诉你哪些关键字应该否定,还会对谷歌的智能竞价功能进行检查和平衡。
谷歌的智能竞价最大的收获是测试,测试,测试。作为营销人员,我们有能力科学地处理我们的活动,并深思熟虑地引入新的优化。并不是每一个活动都有令人兴奋的CPA或CVR结果,但努力测试这些新的竞价策略是优化活动的关键因素。