Sekilas Tentang Google Ads Smart Bidding & Strategi Bidding Otomatis

Anda telah bekerja keras untuk membuat situs web bintang. Anda telah membuat kampanye Google Ads berkualitas dan menggunakan eksperimen untuk menemukan halaman landing pasca-klik terbaik untuk setiap audiens. Anda telah mengulangi dan mengulangi pengujian salinan iklan, sambil mengelola tawaran kata kunci dan anggaran dengan setia. Mungkin Anda bahkan menghabiskan waktu dengan peristiwa yang dipicu klik di GTM untuk memastikan semua konversi Anda terlacak dengan benar. Namun, Anda masih berjuang untuk memenuhi sasaran BPA atau mengembangkan akun Anda.

Saatnya membiarkan robot mulai membantu.

Anda melakukan semua hal dengan benar, tetapi tidak memiliki cukup waktu untuk mengawasi dengan sempurna setiap tawaran kata kunci, anggaran, variasi iklan, dan target pemirsa. Untungnya, Anda adalah pemasar teknis yang cerdas dan siap memanfaatkan pembelajaran mesin untuk mendapatkan lebih banyak lagi dari dolar PPC Anda. Salah satu pengujian terbaik untuk dijalankan saat Anda menjelajahi dunia otomatisasi dan machine learning adalah dengan strategi Bidding Google Ads.

Cara Google Ads Smart Bidding menggunakan machine learning untuk otomatisasi bid yang lebih canggih

Google Ads memperkenalkan strategi Smart Bidding pada tahun 2016, mengembangkan opsi bidding otomatis sebelumnya yang diumumkan pada pertengahan 2010. Selama dua tahun terakhir, Smart Bidding terus berkembang dan tumbuh lebih kuat. Google telah menambahkan dua sasaran strategi baru, dan algoritme pendukung terus berkembang seiring dengan semakin canggihnya pembelajaran mesin. Daftar lengkap strategi yang tersedia diulas di bawah, tetapi pertama-tama mari kita pertimbangkan bagaimana dan mengapa Smart Bidding bekerja.

Setiap pengguna pencarian Google membawa beberapa karakteristik pengenal, atau "sinyal". Ini termasuk hal-hal seperti:

• Perangkat
• Lokasi
• Jenis kelamin
• Usia
• Tingkat pendapatan
• Waktu hari
• Hari dalam seminggu

Google menunjukkan kepada pengiklan kumpulan performa dari salah satu sinyal ini atau, dalam beberapa kasus, bahkan kombinasi dari dua sinyal atau lebih. Manajer PPC berpengalaman mengetahui bahwa sebaiknya menerapkan pengubah tawaran untuk sinyal yang kinerja gabungannya sangat berbeda dari biasanya. Namun, pada saat yang sama, mereka juga menyadari bahwa tidak seorang pun dapat dengan sempurna menutupi setiap variasi dan kombinasi sinyal yang mungkin muncul.

Untuk membuat masalah menjadi lebih rumit, ada sinyal lain yang membutuhkan keputusan semua atau tidak sama sekali saat dihadapkan secara manual:

• Setelan geografis dapat disetel untuk menyertakan pengguna yang tertarik dengan lokasi target Anda, selain yang ada secara fisik
• Iklan teks mungkin layak tampil di semua mitra Jaringan Penelusuran, atau tidak memilih sama sekali
• Setelan kampanye dan grup iklan dapat menggunakan otomatisasi selektif untuk rotasi iklan yang “Dioptimalkan” yang mempertimbangkan berbagai karakteristik iklan

Beberapa sinyal sama sekali tidak terlihat dalam segmen data Google Ads, antara lain termasuk browser dan sistem operasi, interaksi situs sebelumnya, atribut produk, (lihat daftar lengkap sinyal penawaran otomatis). Selain itu, meskipun data tersedia untuk dianalisis, saat ini tidak ada cara untuk mengubah tawaran secara manual berdasarkan sinyal tersembunyi ini:

Masukkan pembelajaran mesin.

Machine learning Google Ads melacak dan menganalisis setiap sinyal yang terlihat dan tersembunyi dari setiap penelusuran dan setiap klik. Pembelajaran mesin dapat memilih variasi kecil namun signifikan dalam perilaku pengguna yang berasal dari perbedaan demografis, penggunaan perangkat, dan minat serta preferensi yang diungkapkan atau disimpulkan. Sinyal tersebut kemudian dirujuk silang dengan data kinerja, seperti rasio klik dan konversi historis, dan tawaran dinaikkan atau diturunkan untuk memenuhi target pilihan Anda.

Pada akhirnya, pembelajaran mesin adalah pendekatan yang sangat dinamis dan berbasis data, yang memberikan potensi untuk menjadi alat yang ampuh dalam gudang senjata PPC Anda.

Membandingkan manfaat strategi Smart Bidding umum

Sebelum menguji Smart Bidding apa pun, pastikan Anda memahami alasan TIDAK menggunakan strategi bidding PPC otomatis. Jika Anda yakin kampanye Anda memenuhi persyaratan untuk keberhasilan Smart Bidding (15 atau 30 konversi/30 hari, hanya tindakan konversi berkualitas yang dilaporkan di kolom "Konversi", tidak ada Tanggal Akhir kampanye yang akan datang), tugas selanjutnya adalah menentukan strategi bidding mana paling sesuai dengan kebutuhan Anda.

Saat ini ada empat strategi penawaran otomatis yang didukung oleh Google Ads Smart Bidding:

• BPK yang disempurnakan
• BPA target
• Menargetkan Laba Atas Belanja Iklan
• Maksimalkan Konversi

Meskipun secara teknis bukan strategi Smart Bidding (karena berfokus pada traffic, bukan konversi), Maksimalkan Klik juga biasanya dipertimbangkan saat membahas opsi Smart Bidding.

Untuk mendapatkan manfaat dari Smart Bidding, Anda harus mempertimbangkan tujuan dari setiap strategi yang berkoordinasi dengan strategi Anda sendiri:

Memilih strategi Smart Bidding yang tepat untuk diuji

Setiap opsi strategi Smart Bidding memiliki pendekatan uniknya sendiri untuk mendorong traffic, interaksi, dan konversi berkualitas tinggi. Pendekatan ini menentukan algoritme dasar yang digunakan untuk memanipulasi tawaran kampanye, grup iklan, dan kata kunci Anda. Dengan demikian, membuat pilihan yang tepat sangat penting untuk keberhasilan aplikasi.

Untuk menavigasi opsi dengan lebih mudah, Anda dapat menggunakan diagram di bawah untuk mengidentifikasi strategi Smart Bidding mana yang harus Anda uji terlebih dahulu untuk memenuhi sasaran Anda:

Sebaiknya uji strategi penawaran baru melalui Eksperimen Google Ads, yang memungkinkan Anda membandingkan langsung kinerja dengan strategi penawaran sebelumnya selama periode waktu yang diperiksa.

Menentukan apakah Smart Bidding cocok untuk Anda

Setelah eksperimen Anda diluncurkan, akan sulit untuk menentukan apakah Smart Bidding benar-benar menguntungkan Anda. Google Ads menampilkan hasil dibandingkan dengan kampanye sumber saat melihat tab apa pun dalam eksperimen:

Namun, dengan eksperimen terkenal, Anda dapat lebih mudah melihat performa dibandingkan dengan mendownload laporan Kampanye sederhana dan memeriksa KPI untuk kampanye sumber dan eksperimen secara berdampingan (atau baris demi baris, dalam hal ini).

Contoh 1: Maksimalkan konversi

Satu eksperimen baru-baru ini menyimpulkan atas nama klien perolehan prospek yang menunjukkan bagaimana strategi Maksimalkan Konversi mampu meningkatkan kinerja secara dramatis dalam kampanye penelusuran dengan anggaran terbatas.

Pengujian diluncurkan di dua kampanye yang mendorong volume prospek yang konsisten dengan CPA yang lebih rendah dari rata-rata. Karena prospek dari kampanye khusus ini lebih sulit ditutup secara internal, tujuannya adalah untuk menghasilkan lebih banyak prospek tanpa mengeluarkan biaya tambahan. Strategi penawaran Maksimalkan Konversi mampu meningkatkan lalu lintas, keterlibatan, dan metrik konversi, dengan biaya total yang lebih rendah dan penurunan biaya/konversi:

Kedua kampanye yang menguji Maksimalkan Konversi dengan eksperimen melihat lebih banyak konversi dengan CPA yang lebih rendah daripada rekan Enhanced CPC. Oleh karena itu, strategi Maksimalkan Konversi diterapkan sepenuhnya dan terus berjalan dengan baik.

Hasil seperti ini adalah salah satu yang ingin dilihat semua orang saat memeriksa eksperimen kampanye mereka, tetapi sayangnya, sebagian besar tidak seideal ini.

Contoh 2: Target CPA

Pertimbangkan eksperimen lain dari akun penghasil prospek, di mana Target CPA diuji untuk meningkatkan volume prospek dengan biaya per konversi tertentu, dan hasilnya sama sekali tidak jelas.

Pengujian ini diluncurkan dalam dua kampanye yang secara historis menghasilkan prospek berkualitas tinggi, tetapi biaya/konversinya terus meningkat dari waktu ke waktu. Karena kampanye tidak dibatasi oleh anggaran, tujuannya adalah untuk mengoptimalkan penayangan iklan guna mengurangi pengeluaran yang sia-sia bagi pengguna yang kemungkinan tidak akan berkonversi. Strategi penawaran BPA Target mampu mengurangi biaya sekaligus meningkatkan rasio konversi, tetapi dengan harga lalu lintas dan volume konversi yang lebih rendah:

Kedua kampanye melihat hasil yang beragam, dan penentuan akhir dibuat berdasarkan tujuan awal eksperimen. Target CPA diketahui terkadang membatasi lalu lintas untuk mencegah terlampauinya tawaran BPA, tetapi hal itu secara efektif mengurangi biaya per konversi dengan mengurangi pengeluaran yang terbuang dan memfokuskan penayangan iklan pada pencari berkualitas tinggi. Penurunan tayangan, klik, dan konversi diabaikan demi penawaran yang lebih efisien untuk menghasilkan prospek berkualitas tinggi dengan biaya lebih rendah.

Menutup pikiran

Smart Bidding dirancang untuk mendapatkan lebih banyak pengguna terbaik ke halaman landing pasca-klik Anda. Namun, harus dipahami bahwa algoritme dapat memenuhi janji tersebut secara berbeda. Kadang-kadang, mereka akan melakukannya terutama dengan menyediakan lalu lintas dalam jumlah yang lebih besar. Di lain waktu, lalu lintas mungkin menurun untuk mendorong pengguna berkualitas lebih tinggi ke situs atau laman landas pasca-klik Anda.

Jika hasil eksperimen Anda beragam, ingatlah untuk merenungkan sasaran awal Anda saat menentukan pemenang, dan pertimbangkan untuk menyesuaikan variabel jika diperlukan untuk menemukan strategi penawaran yang paling efektif untuk setiap kampanye Anda.