Головна » Блог » PPC | Контекстна та таргетингова реклама » Оптимізація показників ефективності контекстної реклами. Частина 2. Процес оптимізації

Оптимізація показників ефективності контекстної реклами. Частина 2. Процес оптимізації

17.05.2019

Дмитро Галяк, РРС-спеціаліст Webpromo


 

Зміст:

  1. Ручні та автоматичні методи оптимізації.
  2. Побудова гіпотези, запуск експерименту.
  3. Оцінка результатів оптимізації.

Ручні та автоматичні методи оптимізації

З чого починається оптимізація?

Створення реклами. Саме на цьому етапі детальність опрацювання аккаунта визначає, що саме ви будете оптимізувати надалі. Додали мало оголошень – в майбутньому будете додавати нові для оптимізації. Погано пропрацювали семантику – будете розширювати її в майбутньому.

В цілому, важко назвати це повноцінним оптимізацією, так як це просто доопрацювання кампаній і доопрацювання акаунтів.Перед тим, як починати оптимізувати рекламу, упевніться, що ви максимально пропрацювали все перед цим. Інакше ви просто будете займатися “дороблення”.

Перед запуском перевірте свої налаштування. Якщо працюєте з уже існуючою рекламою, проведіть аудит, виділіть моменти, які можуть сприяти погіршенню результатів і оптимізуйте рекламу.

Рис.9. Етапи робіт перед запуском рекламної кампанії

Зазначу також, що відповідь на таке питання: “Коли оптимізувати контекстну рекламу?” досить простий – “Коли не виконується KPI”. А щоб зрозуміти, що вони не виконуються, досить звернутися до системи SMART (дивіться частина 1). Якщо стоїть завдання досягти якихось показників за місяць, то ми місяць збираємо інформацію і робимо висновок, що за цей місяць ми не досягли результатів, давайте оптимізувати. Місяць повинен починатися ні коли ви готуєте рекламу, а коли ви її запустили, оголошення пройшли модерацію, ви скорегували ставки, бюджети.

Методи оптимізації

Методи оптимізації за принципом впровадження діляться на ручні і автоматичні.

Ручні методи оптимізації

Дуже часто одна-дві ручні коригування можуть значно поліпшити ефективність кампанії. В цілому ми можемо призупинити неефективні групи, ключі або оголошення.

Далі ми розглянемо, як це зробити.

Зверніть увагу на результати такої оптимізації.

Рис.10. Результати ручної оптимізації на прикладі кейсу

На рис.10 показаний невеликий кейс, який відображає дані, зібрані за 2 місяці. Що було зроблено: проведено зупинки неефективних ключів, груп, оголошень. В результаті число лидов зросла, а ціна ліда знизилася. Досить було просто призупинити те, що не працює, вручну.

Як це реалізується?

Тут найбільш часто виникає питання: що і коли припиняти?

Раптом мало даних? Я зупиню, а потім пошкодую. Переконайтеся, що дані з ваших звітів достовірні і зробіть аудит аккаунта. Якщо ваші об’яви не показувалися на верхніх позиціях, це говорить про те, що реклама неефективна (велика частина користувачів просто не бачила ваші ключі).

В такому випадку перевірте, чи використовували ви варіанти оптимізації для підвищення релевантності, 
динамічну підстановку ключових слів, перевірили ви, щоб ваші ключові слова не блокувати мінус-словами 
(якщо ключове слово було заблоковано, то воно не покаже потрібну статистику і реальну ефективність). 
Також відзначимо, що перед зупинкою ключового слова, групи або іншого структурного елементу кампанії, 
необхідно визначитися який верхній показник (threshold) ми вибираємо для припинення.
На даному слайді відображено приклад вибору threshold для припинення ключових слів.

Рис.11. Показники для зупинки реклами

Така оцінка повинна враховувати і можливу подальшу оптимізацію показника. Тому по CPA, наприклад, трешолд повинен бути вище, ніж значення по KPI. Ключі з різною частотою можуть мати різні репрезентативні обсяги даних. Низькочастотні ключі можуть дуже довго збирати статистику, тому поріг по кількості кліків по ним повинен бути нижче. Для оптимізації ви вибираєте найбільш частотні, структурні елементи кампанії. Робити припущення про ефективність ключа в цілому, за яким було 10-20 кліків, не має сенсу.

Подивимося, що вийшло в результаті припинення ключа "купити мультиварку ціна".

Рис.12. Результат оптимізації на прикладі з ключем “купити мультиварку ціна”

Бачимо, що наша середня ціна за конверсію знизилася до 97,50 і ми виконали KPI “отримати конверсії за вартістю 100 грн”. Дана модель не відображає весь результат оптимізації. Невідомий результат полягає в тому, що 1480 грн, які раніше використовувалися на неефективний ключ, перерозподіляються на більш ефективні. Також дані кошти можна використовувати для оцінки нової семантики або перевірки нової гіпотези.

Ручна оптимізація має свої особливості. Вона може не працювати, якщо структура аккаунта налаштована 
поверхнево і нічого аналізувати (мало ключів, оголошень). Тому перед оптимізацією дуже важливо добре 
пропрацювати структуру облікового запису.

Перед запуском потрібно перевірити як збирається статистика (бувають випадки, коли вона збирається некоректно). Потім за реальними показниками ви можете припиняти те, що не працює. Дані оптимізації можна вносити вручну, але частіше за все фахівці використовують автоматичні правила або скрипти, які дозволяють значно прискорити і спростити обсяг роботи. Зверніть увагу на труднощі, які можуть виникнути в процесі.

Мал. 13. Мінуси ручної оптимізації

Ручна оптимізація – це постоптімізація. Ви повинні зібрати дані за певний період (тиждень, місяць, може навіть рік, щоб потім впровадити оптимізацію). Яке рішення в даній ситуації?

Використовуємо автоматичні правила, скрипти або проводимо експерименти і використовуємо автоматичні стратегії.

Автоматичні стратегії

Система Google Ads вже давно використовує міць машинного навчання для підвищення показників реклами. Ознайомимося з доступними зараз стратегіями, їх описами і практичної інтерпретацією.

Мал. 14. Типи автоматичних стратегій

Деякі автоматичні стратегії можуть не підійти для цілей бізнесу. Для прикладу візьмемо стратегію “цільове положення на сторінці пошуку”. Найчастіше у бізнесу стоїть завдання показуватися на якійсь конкретній позиції або показуватися вище якогось конкурента. Для таких цілей є інша стратегія – “цільової відсоток виграшів”. Тільки інтерпретувавши автоматичну стратегію для своїх завдань (для свого бізнесу) можна успішно її застосувати.

Якщо у вас є думка про те, що якась стратегія працює краще, запустіть експеримент і порівняйте дані. 
Ви будете впевнені в тому, що ваше рішення було правильне або ви помилялися. Найчастіше фахівці в роботі 
користуються такою стратегією, як "Цільова ціна за конверсію".
Дана стратегія означає, що Google Ads автоматично призначає ставки так, щоб забезпечувати максимум 
конверсій по виразно вказаній ціні. Також часто використовується напівавтоматична стратегія "Оптимізатор 
ціни за конверсію". Вона автоматично коригує ставки, які задані вручну. При цьому намагається досягти 
максимально кількості конверсій, значно не спотворюючи середню ціну за клік. Часто використовується с
тратегія "Максимум конверсій". За такої стратегії система намагається отримати якомога більше конверсій в 
рамках заданого бюджету. Стратегія найкраще підходить, якщо у вас є хороший запас по CPA за певною ціною з
а конверсію.

Переваги автоматичних стратегій

В першу чергу, це використання машинного навчання, яке працює цілодобово. Воно аналізує сигнали автоматично і може збирати інформацію про велику кількість сигналів (навіть тих, які недоступні для ручної настройки, таких як браузер). Автоматичне коректування ставок відбувається для кожного окремого аукціону. Зверніть увагу на рекомендації системи Google Ads для машинного навчання: в акаунті має реєструватися не менше 30 конверсій на місяць, або для стратегії “Цільова рентабельність інвестицій у рекламу” – не менше 50 конверсій на місяць.

Мал. 15. Результати оптимізації кампанії після автоматичної стратегії “Максимум конверсій”

У ряді пошукових РК була запущена автоматична стратегія. За 4 місяці коефіцієнт конверсій і кількість переходів зросла. Необхідно, щоб реклама в такому випадку працювала постійно і щоб не вносилися різкі зміни в кампанію. Також потрібно постійно перевіряти пошукові запити, щоб не показуватися по нерелевантних.

Але є й інші варіанти.

Стратегія “Максимум конверсій” може знизити кількість переходів.

Рис.16. Результат автоматичної оптимізації РК. Стратегія “Максимум конверсій” може знизити кількість переходів.

Причини можуть бути різні: система обробила, можливо, не ті дані ви передали і їх треба виправити, або були сезонні зміни. Але в даній ситуації внести ручні коригування в цю стратегію у вас не вийде.

Розглянемо мінуси для для автоматичних стратегій і вирішення цих проблем.

Рис.17. Мінуси автоматичної стратегії

Автоматичні стратегії рекомендуються системою Google Ads завжди, коли ви створюєте нову рекламу для бізнесу. Але у вашого бізнесу завжди є особливості, які ця система не завжди може врахувати. Іноді краще попрацювати певний період без автоматизації, щоб зібрати статистику, зібрати дані, а далі вже поступово переходити на автоматичні стратегії. Без експериментів важко оцінити реальну ефективність в порівнянні з якимись даними. Непогано, коли у вас є робоча кампанія без автоматичної стратегії. Ви запускаєте експеримент з конкретної автоматичної стратегією, порівнюєте дані і робите висновок.

Звуження варіантів ручної оптимізації

Якщо ви використовуєте автоматичну стратегію (наприклад, максимум конверсій), то вже не зможете зробити певні коригування для пристроїв і якихось рішень, припустимо, аудиторних. Автоматичні стратегії іноді можуть досить довго навчатися, тому при запуску рекомендується не чіпати настройки реклами протягом двох тижнів. Якщо протягом 2-х тижнів результати нас не влаштовують, ми можемо змінити ставку, почекати ще два тижні і потім робити якісь висновки.

Перенавчання

При внесенні змін до кампанії (наприклад, коригування денного бюджету або припинення з якоїсь причини), реклама перенавчати, при новому запуску дані навчання зникають і вона вчиться заново. Тобто для автоматичної стратегії тривала робота – це запорука успіху.

Яке може бути рішення для автоматичних стратегій?

Використовуйте експерименти для того, щоб вибрати, яка стратегія підходить для вашого бізнесу. Так, вона автоматична, але необхідно регулярно оцінювати результати і коригувати жодних певних установок. Якщо ви ще не до кінця довіряєте автоматичної стратегії, випробуйте оптимізатор ціни за конверсію. Ви отримаєте напівавтоматичну стратегію.

Побудова гіпотези, запуск експерименту

Процес оптимізації

Ми ознайомилися з варіантами ручної і автоматичної оптимізації. Перейдемо до самого процесу оптимізації: коли застосовувати такі оптимізації, як працювати в процесі оптимізації, як будувати гіпотези і запускати експерименти.

Подивимося на даний процес.

Рис.18. процес оптимізації

Процес починається з проблеми. Необхідно чітко поставити проблему. Зазвичай вона полягає в наступному: у бізнесу є KPI, а контекстна реклама їх не досягає, тобто KPI не виконуються. Ми робимо висновок, що реклама неефективна і припускаємо гіпотезу про те, що зміна в рекламній кампанії може поліпшити ефективність реклами. Зміни можуть стосуватися як налаштувань реклами, так і структурних елементів. Ви можете змінити елементи оголошень, цільові сторінки або стратегії призначення ставок. Ви зробили гіпотезу, потім проводите тест.

Для тесту є прекрасний інструмент в системі Google Ads - експеримент. За результатами експерименту 
проводимо аналіз отриманих даних. Якщо він дозволяє попередньо досягти KPI, впроваджуємо зміни, 
спостерігаємо, чи зникне проблема. Якщо проблема не зникає, то ми рухаємося далі по вказаній схемі 
(ми знаходимося в постійній циклічній оптимізації). Також гіпотези не завжди можуть бути вірними. 
На етапі аналізу ми дивимося, що могло бути втрачено, можемо знову повернутися до гіпотезі і знову проводити
 тести. Іноді аналіз нічого не дає. Тоді ми повертаємося до проблеми і нічого не впроваджуємо.

Приклад процесу оптимізації

Рис.19. Приклад процесу оптимізації

Розглянемо приклад процесу оптимізації (рис.19).

Проблема: низька кількість переходів в кампанії.

Гіпотеза: на першій позиції в рекламній видачу конверсійних вище.

Тест: запуск експерименту з першою позицією. Отримуємо дані, проводимо аналіз: на першій позиції кліки дорожче, конверсій менше.

Насправді, інтерпретацій може бути безліч. Головне те, що ми провели прикладної експеримент, оцінили 
показники і наша гіпотеза виявилась невірною. Відповідно, ми припускаємо іншу гіпотезу, аналізуємо вже її 
дані. Якщо вони дозволяють досягти KPI, ми впроваджуємо гіпотезу і аналізуємо далі.

Запуск експерименту

Розглянемо приклад запуску експерименту.

Мал. 20. Запуск експерименту (частина 1)

Ми завжди можемо знайти у вкладках налаштування "проекти і експерименти", - "створити новий проект" 
-Додати туди кампанію - змінити її.

Мал. 21. Запуск експерименту (частина 2)

Потім вибрати варіант “провести експеримент”. Визначаємо період експерименту. Також хочу звернути увагу на варіанти розподілу трафіку. Трафік можна розділити на підставі запитів і на підставі файлів-кукис. В чому різниця?

Один і той же користувач, у разі поділу на основі пошукових запитів, потрапить до вибірки двох кампаній: вихідної і експериментальної. В результаті при різних пошукових запитах він побачить оголошення з різних кампаній.

Якщо ми розділимо на підставі файлів-кукі, ми отримаємо наступні результати: реклама буде показуватися тільки конкретним унікальним користувачам, експеримент здасться одним користувачам, оригінальна кампанія – іншим. І в даному випадку дані можуть виявитися іншими, тобто точнішими і вибірка буде більш коректною. В результаті, ми отримаємо в нашому кабінеті оригінальну кампанію і експеримент з певною гіпотезою.

Аналіз експерименту

Як оцінити результат експерименту?

Мал. 22. Аналіз експерименту

Оцінити результат експерименту ми можемо як і в кабінеті Google Analytics, так і в кабінеті Google Ads. В Analytics ми просто порівнюємо дані в звіті, а в звіті Google Ads ми можемо побачити результати в порівнянні з оригінальною експериментальної кампанією. При наведенні на ці показники, відображається, на скільки ці дані статистично значущі. Якщо з’являється таке позначення як “даних недостатньо”, це означає, що система на підставі своїх вибірок вирішила, що експеримент необхідно продовжувати, щоб отримати статистично значущі дані.

У даній ситуації при отриманні такого статусу найкраще продовжити експеримент, зібрати більше даних і
 потім вже робити висновок про ефективність оригінальної кампанії і експериментальної кампанії.

Оцінка результатів оптимізації

Як найпростіше оцінити результати оптимізації?

Подивимося за прикладом.

  1. Один з варіантів – це оцінити ПланФакт. Наприклад, бізнес поставив перед нами завдання: отримати більше 200 конверсій на місяць. Ми провели певні оптимізації, отримали 210 конверсій на місяць і робимо висновок, що KPI досягнутий, оптимізація спрацювала правильно, в правильному напрямку.

  2. Також є варіант БилоСтало. Якщо порівнювати періоди до оптимізації і після оптимізації, порівнювати 
    звітні періоди, ми повинні бачити різницю. Якщо ця різниця позитивна, (тобто, у нас було 200 конверсій, 
    а стало 230) це означає, що ефективність кампанії зросла і а оптимізація принесла результат.
  3. Також ми можемо зробити звіт щодо змін у динаміці. Ми візуально побачимо як змінюється динаміка 
    до оптимізації і після оптимізації. Наприклад, на даній діаграмі присутня позитивна динаміка.

Мал. 23. Приклад оцінки результатів експерименту

Отже ми розглянули, як ставити завдання, як ставити цілі перед контекстною рекламою, як оптимізувати контекстну рекламу ручними і автоматичними методами і як оцінювати результати оптимізації.

Успішних вам рекламних кампаній!

Последние материалы рубрики

Конверсія продажів онлайн та офлайн: проста формула + приклад розрахунку

Конверсія продажів онлайн та офлайн: проста формула +...

Визначення поняття конверсії продажів. Як правильно робити розрахунок та підвищити ефективність маркетингової стратегії?

Як оптимізувати зображення на сайті: практичні рекомендації від назви до мікророзмітки

Як оптимізувати зображення на сайті: практичні...

Впевнені, що знаєте як оптимізувати картинки на сайті? Які основні вимоги пошукових систем до зображень на сайті? Як стиснути графіку...

Модель аукціону першої ціни: нововведення від Google AdSense

Модель аукціону першої ціни: нововведення від Google AdSense

Модель аукціону першої ціни спростить процес покупки рекламних місць на платформі Google AdSense.

Google Analytics 4 оновився: інтеграція з Search Console, атрибуція на основі даних і досягнення маркетингових цілей

Google Analytics 4 оновився: інтеграція з Search Console, атрибуція на...

Що оновили в Google Analytics 4? Як інтегрували Search Console, змінили модель атрибуції, а також які представили нові дві моделі машинного навчання?...

Залишились питання?
Наші експерти готові відповісти на них

 

Зв’яжіться за вказаним нижче телефоном з нашим менеджером або скористайтеся послугою «Зателефонуйте мені». Ми зв’яжемося з вами найближчим часом.

Кожен в команді— майстер своєї справи
Ціную Webpromo за гнучкість
Команда Webpromo, як продовження нашого відділу маркетингу
Спокійний за просування своїх проєктів в інтернеті