Если раньше рекламные кампании настраивали полностью вручную, то сейчас в помощь интернет-маркетологам успешно работает искусственный интеллект.
Например, в Google Ads можно задать вектор желаемого результата, а система сама будет анализировать аудиторию и грамотно распределять бюджет. Это, конечно, не исключает работу рекламодателя, а только упрощает её, хоть и существенно: он все равно должен изучать результаты кампаний, выдвигать гипотезы и составлять отчёты.
Об этом рассказывает независимый эксперт и аудитор Google Ads Олег Поддубный.
Как настраивать конверсии, которые помогут правильно накачать кампании данными
Перед запуском РК в любой нише нужно обозначить цель. Например, в рамках одной кампании мы заинтересованы в лидах по низкой стоимости, а в рамках другой ключевое значение имеет валовый доход.
Конверсия — это соотношение количества посетителей сайта к количеству выполненных ими целевых действий.
Однако этот показатель — только часть экономики компании. Важна не сама конверсия и красивые цифры по ней в отчётах, а деньги, которые приносит рекламная кампания.
Эффективность в достижении установленных показателей — это промежуточный этап, позволяющий оценить, насколько качественный трафик мы привели. Но, опять же, это ещё не реальный доход, а минимальный шаг к нему.
Определяем KPI
Как мы уже говорили, сейчас рекламные кампании оптимизируются, и рекламодателю не нужно самостоятельно настраивать все стратегии.
Ему нужно задать только вектор: правильно «накормить» искусственный интеллект конверсиями, чтобы он лучше мозг оптимизировать РК, вне зависимости от ниши.
Google Ads обучается новым стратегиям в среднем за 5 дней, при этом берет статистику за последние 30—45 дней. Так он имеет возможность проанализировать больший массив данных, оценить результаты предыдущих кампаний (если они были) и сформировать более точные прогнозы.
Рекламодатель должен определить, какие показатели нужно достичь в результате РК, чтобы настроить конверсии и тем самым правильно обучить кампании с первого раза. Это экономит время, поскольку на полное переобучение нужно 45 дней.
Поэтому определяем KPI заранее:
- Нужно реалистично посчитать свою экономику: сколько конверсий необходимо в определенный период и сколько должна стоить одна, чтобы проект был выгодным. Если запуск первичный, то можно воспользоваться данными о приблизительной стоимости в конкретной нише (они обычно есть на платформе) Второй вариант — запустить голую гипотезу, и на ее основе пролить первые деньги, чтобы получить полноценный KPI под оценку проекта.
- Должно быть не более 3 показателей — тогда сохраняется фокус на главном. Если KPI будет больше, образуется нечто вроде информационного шума: например, высокий CTR, как правило, не означает, что будет высокий и коэффициент конверсии, поскольку клики ещё не гарантируют, что сайт подходит под трафик, и будут продажи.
- KPI должны быть взаимодополняемыми, а не противоречивыми по отношению друг ко другу. Следовательно, если какой-то показатель выплывает из других KPI, его можно упростить. Например, наш основной KPI — количество конверсий. В этом случае указывать стоимость в качестве ещё одного показателя нет смысла.
На основе этой таблички можно прикинуть, что на старте работ можно определить как KPI.
Если проект только запускается и нужен тест, можно задавать желаемые количество кликов и сумму потраченных денег.
Выдвигаем и тестируем гипотезы
Бизнес и пролив денег напрямую связаны с риском, потому что перед началом работы нужно тестировать гипотезы. И даже этот вариант не гарантирует, что бюджет не будет слит впустую, но он однозначно будет эффективнее, чем если настраивать РК «на авось».
Гипотеза строится по принципу HADI, в соответствии с которым мы предполагаем, какой хотели бы получить результат за определенный период, а через время анализируем, как РК сработала.
Принцип работы метода HADI цикличен.
Если мы не можем обозначить какой-либо показатель, его не нужно придумывать. Лучше опуститься на уровень ниже и посмотреть, какими данные мы располагаем.
Например, у нас нет возможности спрогнозировать количество транзакций, зато можем указать количество во кликов — следовательно, вокруг последнего и строим гипотезу.
Пример работы с гипотезой при запуске РК:
Если я потрачу 10 000 грн. на 1000 кликов, то при CR 1% получу 10 конверсий при стоимости 1000 руб. клика за конверсию.
Гипотеза сформулирована по методике HADI: указаны все атрибуты (10 конверсий по стоимости 1000 руб)
Вариант гипотезы для работы во время тестового периода:
Если я потрачу 10 000 грн. на 1000 кликов по цене 10 грн. за клик, то смогу проверить конверсионность сайта и понять экономическую целесообразность работы.
Как видим, первая гипотеза переформулирована, поскольку тестовый период подразумевает, что ранее данных о конверсиях не было. Следовательно, мы не располагаем данными о них, и потому проверяем, насколько у нас качественный трафик.
На основе полученных данных проводим анализ: ищем слабые и сильные точки кампании.
После этого формируем новую гипотезу, вносим изменения и продолжаем тестировать.
Настраиваем цели
Все конверсии условно делятся на макро- и микро-.
При обучении кампании нужно привлекать макро-конверсии, поскольку данные из них имеют большее значение: выше вероятность попасть именно в свою целевую аудиторию (или ЦА проекта).
Конечно, лучше всего оптимизировать стратегии на макро-конверсиях, но если их меньше чем 30 на одну РК, тогда надо «докармливать» микро-конверсиями.
Для этого поступаем как и с обозначением KPI: делаем шаг назад и смотрим, какие есть данные по микро-конверсиям.
Наибольшее значение для обучения РК имеют макро-конверсии, поскольку они касаются непосредственно заинтересованных в продукте пользователей.
Те, которые в таблице выше обозначены жёлтым цветом, не позволяют определить качество трафика, но показывают вовлеченность.
Следовательно, их задействовать можно, но есть риск, что ИИ приведет людей, не совершающих макро-конверсии (например, они изучают информацию на сайте, но не оставляют контактные данные).
Чтобы определить все цели на сайте, нужно пройтись по нему позиций «дотошного покупателя»: самостоятельно оставить заявки по всем доступным каналам, проверить их работу. Иными словами, пройти всю воронку самостоятельно.
Чтобы зафиксировать свои шаги с позиции клиента, лучше создать табличку «Карта событий» или «Карта настройки конверсии».
Такая табличка поможет оценить, все ли источники привлечения трафика были изучены и приняты по внимание.
В ней же нужно прописать все параметры, которые потом будут передаваться в Google Ads для обучения стратегий.
Следующий шаг — перенос целей с неё в рекламный кабинет.
Если использовать описанный выше метод, риск совершить ошибку намного ниже.
После настройки конверсий важно выбрать правильную атрибуцию.
Есть типы атрибуции, при которых конверсии считаются дольше (например, Time decay). В этом случае алгоритм будет немного пробуксовывать, и нам понадобится больше времени, чтобы все данные догрузились, и мы могли проанализировать результаты кампании.
Выбор зависит от проекта и его задач. Например, если мы ориентируемся на конверсии, то лучше выбирать при начальной настройке выбирать или Last Click, или Time Decay.
В какой момент какие стратегии использовать и как между ними переключаться
При настройке РК есть возможность корректировать ставки. Есть четкое разделение на стратегии и показ того, при каких стратегиях назначения ставок, что именно Google Ads делает сам, а какие корректировки мы можем вносить.
Показатели, отмеченные крестом — это те, где ИИ будет проводить сегментацию ЦА, анализ и оптимизацию, ориентируясь на свое машинное обучение. И соответственно, где он сам будет показывать рекламу.
Ручное назначение ставок означает, что мы ими самостоятельно управляем и самостоя но их оптимизируем. Этот вариант занимает намного больше времени.
Стратегии работают на основе формул и закономерностей.
Особенности обучения искусственного интеллекта стратегиям:
- 3—7 дней уходит на обучение и переобучение;
- данные хранятся в течение 45 дней;
Если внести любое изменение в настройки, стратегия уходит на переобучение, в процессе которого есть риск, что ухудшится результат. За это время происходит сплит аудитории, поскольку алгоритмы Google тестируют разные варианты размещения.
В результате каждый сегмент тестируется на работоспособность — ИИ определяет, какой сегмент конвертит лучше всего.
Если новая стратегия работает плохо, можно перезапустить РК — возможно не хватило бюджета протестировать все аудитории.
Таким образом, Google обозначает наиболее эффективный путь, ориентируясь на установленный вектор — те самые KPI, о которых шла речь в начале.
Тут важно понимать, что ИИ делает акцент именно на них. Например, если мы хотим низкую стоимость клика, он ставит в приоритет этот показатель, и игнорирует все остальные.
Система также сама распределяет бюджет, опираясь на заданные KPI.
Когда мы поднимаем бюджет при автоматический стратегия назначения ставок, Google будет автоматически понимать, что денег больше, потому у него появляется возможность их использовать на дополнительные тесты. Кроме этого, алгоритм попробует закупить более дорогие клики и вообще увеличить их количество.
Как проанализировать выгодность рекламных кампаний на базе UTM-меток
Зачем нужны UTM-метки:
- для отслеживания в аналитических системах, какой пользователь и откуда пришел;
- для классификации трафика согласно стандартам меток (например «Платный», «Бесплатный», «Способ оплаты за трафик»);
- для оценки эффективности трафика по данным Google Analytics;
- для создания «Ключей»/«Сцепок» при анализе эффективности РК по данным CRM и отслеживания звонков.
Метки должны соответствовать общепринятым или согласованным стандартам. Это нужно, чтобы можно было сцепить данные с CRM-системой или системами аналитики.
Пример хорошо упорядоченных UTM-меток.
Чтобы данные хорошо сводились с GA, нужно использовать авто-пометку Google Ads. Она несет полную информацию о клике пользователя: какой был его поисковый запрос, какое объявление сработало, какое время время клика и прочие данные.
Если это делать с UTM-метками и правильно настроенным GA, конфликтов между ними не будет.
Однако лучше называть компании и группы так, чтобы они были идентичными и в UTM, и в аккаунте — тогда информацию будет проще выгружать в другие сервисы и «сцеплять» её между собой.
Как записывать внесенные изменения, чтоб не забыть о своих тестах
Чтобы запускать рекламные кампании эффективно, нужно отслеживать, какие гипотезы хорошо сработали, а какие нет.
Для этого лучше вести учет в специальной таблице.
Информацию нужно указывать максимально подробно и перед обучением новой стратегии просматривать прежние результаты.
Таким образом, не будет риска слива бюджета на проверку гипотез, которые уже тестировались, но о которых забыли.
Подведём итоги:
- Искусственный интеллект сам обучается, задача рекламодателя - только задать вектор: «накормить» правильными конверсиями.
- Конверсии — это ещё не деньги в кассе, а только шаг на пути к ним.
- Важно установить правильные KPI. Для этого нужно выдвинуть гипотезу по методу HADI, протестировать её и проанализировать результаты. После этого при необходимости внести изменения в настройки и запустить новую РК.
- Стратегии работают на основе формул и закономерностей. 3-7 дней нужно на обучение, а данные хранятся в течение 45 дней.
- Лучше называть компании и группы так, чтобы они были идентичными и в UTM, и в аккаунте GA — тогда информацию будет проще выгружать в другие сервисы и «сцеплять» её между собой
- Результаты проверки гипотез и запуска РК нужно фиксировать в отдельной таблице.
Желаем успешных рекламных кампаний!
Подпишитесь на YouTube-канал SalesDoubler — там вы найдёте свежие вебинары от топовых экспертов в сфере арбитража и интернет-маркетинга!
А если хотите быть в курсе наших предстоящих мероприятий и трансляций — приглашаем в наш чат-бот и аккаунт в Facebook.
P.S. В Инстаграм мы показываем внутреннюю кухню SalesDoubler — тоже очень интересно :)
Если использовать описанный выше метод, риск совершить ошибку намного ниже.
Выбор зависит от проекта и его задач. Например, если мы ориентируемся на конверсии, то лучше выбирать при начальной настройке выбирать или Last Click, или Time Decay.
Пример хорошо упорядоченных UTM-меток.
