Google Ads Akıllı Teklif ve Otomatik Teklif Stratejilerine Bir Bakış

Mükemmel bir web sitesi oluşturmak için çok çalıştınız. Kaliteli Google Ads kampanyaları oluşturdunuz ve her kitle için en iyi tıklama sonrası açılış sayfalarını bulmak için deneyler kullandınız. Anahtar kelime tekliflerinizi ve bütçelerinizi sadık bir şekilde yönetirken, reklam metni testlerini tekrarladınız ve tekrarladınız. Belki de tüm dönüşümlerinizin doğru bir şekilde izlendiğinden emin olmak için GTM'de tıklamayla tetiklenen etkinliklerle biraz zaman geçirmişsinizdir. Yine de, EBM hedeflerine ulaşmak veya hesabınızı büyütmek için hala mücadele ediyorsunuz.

Robotların yardım etmeye başlamasına izin vermenin zamanı geldi.

Tüm doğru şeyleri yapıyorsunuz, ancak her bir anahtar kelime teklifini, bütçeyi, reklam varyasyonunu ve kitle hedefini mükemmel şekilde denetlemek için yeterli zamanınız yok. Neyse ki, anlayışlı bir teknik pazarlamacısınız ve PPC dolarınızdan daha fazlasını elde etmek için makine öğreniminden yararlanmaya hazırsınız. Otomasyon ve makine öğrenimi dünyasını keşfederken yapabileceğiniz en iyi testlerden biri, Google Ads Teklif Verme stratejileridir.

Google Ads Akıllı Teklif, daha güçlü teklif otomasyonu için makine öğrenimini nasıl kullanır?

Google Ads, 2010'un ortalarında duyurulan önceki otomatik teklif seçeneklerini temel alarak 2016'da Akıllı Teklif stratejilerini kullanıma sundu. Akıllı Teklif, son iki yılda genişlemeye ve daha da güçlenmeye devam etti. Google iki yeni strateji hedefi ekledi ve makine öğrenimi daha gelişmiş hale geldikçe destekleyici algoritmalar gelişmeye devam ediyor. Kullanılabilir stratejilerin tam listesi aşağıda gözden geçirilmiştir, ancak önce Akıllı Teklif'in nasıl ve neden çalıştığına bakalım.

Her Google arama kullanıcısı, birkaç tanımlayıcı özellik veya "sinyal" taşır. Bunlar aşağıdakileri içerir:

• Cihaz
• Konum
• Cinsiyet
• Yaş
• Gelir düzeyi
• Günün zamanı
• Haftanın günü

Google, reklamverenlere bu sinyallerin herhangi birinden veya hatta bazı durumlarda iki veya daha fazlasının bir kombinasyonundan elde edilen performans toplamlarını gösterir. Deneyimli PPC yöneticileri, toplam performansı normdan önemli ölçüde farklı olan sinyaller için teklif değiştiriciler uygulamanın akıllıca olduğunu bilir. Bununla birlikte, aynı zamanda, hiç kimsenin ortaya çıkabilecek sinyallerin her varyasyonunu ve kombinasyonunu mükemmel bir şekilde kapsayamayacağını da kabul ederler.

İşleri daha da karmaşık hale getirmek için, elle karşılaşıldığında ya hep ya hiç kararları gerektiren başka sinyaller de var:

• Coğrafi ayarlar , fiziksel olarak mevcut olanlara ek olarak, hedef konumlarınızla ilgilenen kullanıcıları içerecek şekilde ayarlanabilir.
• Metin reklamlar , tüm Arama Ağı iş ortaklarında gösterilmeye uygun olabilir veya hiçbirini seçmeyebilir
• Kampanya ve reklam grubu ayarları , çeşitli reklam özelliklerini dikkate alan "Optimize edilmiş" reklam rotasyonu için seçici otomasyondan yararlanabilir

Diğerlerinin yanı sıra tarayıcı ve işletim sistemi, önceki web sitesi etkileşimleri, ürün özellikleri gibi çeşitli sinyaller Google Ads veri segmentlerinde tamamen görünmezdir (otomatik teklif verme sinyallerinin tam listesine bakın). Ayrıca, veriler analiz için mevcut olsa bile şu anda teklifleri şu gizli sinyallere göre manuel olarak değiştirmenin bir yolu yoktur:

Makine öğrenimine girin.

Google Ads makine öğrenimi, her aramadan ve her tıklamadan gelen tüm görünür ve gizli sinyalleri izler ve analiz eder. Makine öğrenimi, demografik bilgiler, cihaz kullanımı ve ifade edilen veya çıkarsanan ilgi alanları ve tercihlerdeki farklılıklardan kaynaklanan kullanıcı davranışındaki küçük ama önemli varyasyonları seçebilir. Daha sonra bu sinyaller, geçmiş tıklama ve dönüşüm oranları gibi performans verileriyle çapraz referanslandırılır ve teklifler, seçtiğiniz hedefi karşılamak için artırılır veya azaltılır.

Sonuç olarak, makine öğrenimi son derece dinamik ve veriye dayalı bir yaklaşımdır ve bu da ona PPC cephaneliğinizde güçlü bir araç olma potansiyeli verir.

Yaygın Akıllı Teklif stratejilerinin faydalarını karşılaştırma

Herhangi bir Akıllı Teklifi test etmeden önce, otomatik bir PPC teklif stratejisi KULLANMAMANIZIN nedenlerini anladığınızdan emin olun. Kampanyalarınızın Akıllı Teklif başarısı için gereksinimleri karşıladığından eminseniz (15 veya 30 dönüşüm/30 gün, yalnızca "Dönüşümler" sütununda raporlanan kaliteli dönüşüm işlemleri, yaklaşan kampanya Bitiş Tarihi yok), sonraki görev hangi teklif stratejisini belirlemektir ihtiyacınıza en uygun.

Şu anda Google Ads Akıllı Teklif tarafından desteklenen dört otomatik teklif stratejisi vardır:

• Geliştirilmiş TBM
• Hedef EBM
• Hedef ROAS
• Dönüşümleri En Üst Düzeye Çıkarın

Teknik olarak bir Akıllı Teklif stratejisi olmasa da (dönüşümlerden çok trafiğe odaklandığı için), Akıllı Teklif seçenekleri tartışılırken Tıklamaları En Üst Düzeye Çıkarma da genellikle dikkate alınır.

Akıllı Teklifin avantajlarından yararlanmak için her bir stratejinin hedeflerini kendi hedeflerinizle koordineli olarak değerlendirmelisiniz:

Test edilecek doğru Akıllı Teklif stratejisini seçme

Her bir Akıllı Teklif stratejisi seçeneğinin, yüksek kaliteli trafik, katılım ve dönüşüm sağlamaya yönelik kendine özgü bir yaklaşımı vardır. Bu yaklaşımlar, kampanyanızı, reklam grubunuzu ve anahtar kelime tekliflerinizi değiştirmek için kullanılan temel algoritmayı belirler. Bu nedenle, başarılı bir uygulama için uygun seçimi yapmak çok önemlidir.

Seçeneklerde daha kolay gezinmek için, hedeflerinize ulaşmak için önce hangi Akıllı Teklif stratejisini test etmeniz gerektiğini belirlemek üzere aşağıdaki tabloyu kullanabilirsiniz:

Yeni teklif verme stratejilerini, performansı incelenen süre boyunca önceki teklif stratejinizle doğrudan karşılaştırmanıza olanak tanıyan Google Ads Denemeleri aracılığıyla test etmeniz önerilir.

Akıllı Teklifin işinize yarayıp yaramadığını belirleme

Denemeniz başlatıldıktan sonra, Akıllı Teklif'in gerçekten sizin lehinize çalışıp çalışmadığını belirlemek zor olabilir. Google Ads, bir denemedeki herhangi bir sekmeyi görüntülerken sonuçları kaynak kampanyaya kıyasla gösterir:

Bununla birlikte, iyi adlandırılmış bir denemeyle, basit bir Kampanya raporu indirerek ve kaynak kampanyanız ile deneme için TPG'leri yan yana (veya bu durumda satır satır) inceleyerek performansı karşılaştırmayı daha kolay bir şekilde görebilirsiniz.

Örnek 1: Dönüşümleri en üst düzeye çıkarın

Potansiyel müşteri yaratma müşterisi adına son zamanlarda yapılan bir deney, Dönüşümü En Üst Düzeye Çıkarma stratejisinin, bütçesi sınırlı bir arama kampanyasında performansı nasıl önemli ölçüde artırabildiğini gösteriyor.

Test, ortalamanın altında bir EBM ile tutarlı olası satış hacmi sağlayan iki kampanyada başlatıldı. Bu belirli kampanyalardaki olası satışları şirket içinde kapatmak daha zor olduğundan, amaç, ek harcama yapmadan daha fazla potansiyel müşteri oluşturmaktı. Dönüşümleri En Üst Düzeye Çıkarma teklif stratejisi, daha düşük toplam maliyet ve daha düşük maliyet/dönüşümle trafik, etkileşim ve dönüşüm metriklerini artırmayı başardı:

Dönüşümleri En Üst Düzeye Çıkarma denemelerini test eden her iki kampanya da, Geliştirilmiş TBM emsallerine göre daha düşük bir EBM ile daha fazla dönüşüm elde etti. Bu nedenle, Dönüşümleri En Üst Düzeye Çıkarma stratejisi tam olarak uygulandı ve iyi performans göstermeye devam etti.

Bunun gibi bir sonuç, herkesin kampanya deneylerini incelerken görmek isteyeceği bir sonuçtur, ancak maalesef çoğu bu kadar ideal değildir.

Örnek 2: Hedef EBM

Hedef EBM'nin belirli bir dönüşüm başına maliyetle olası satış hacmini artırmak için test edildiği ve sonuçların hiç de net olmadığı bir potansiyel müşteri oluşturma hesabından başka bir deney düşünün.

Bu test, geçmişte yüksek kaliteli olası satışlar oluşturan ancak maliyet/dönüşümün zaman içinde arttığı iki kampanyada başlatıldı. Kampanyalar bütçeyle sınırlı olmadığından amaç, dönüşüm gerçekleştirme olasılığı düşük olan kullanıcılar için boşa harcanan harcamayı azaltmak üzere reklam dağıtımını optimize etmekti. Hedef EBM teklif stratejisi, dönüşüm oranını artırırken maliyeti düşürmeyi başardı, ancak daha düşük trafik ve dönüşüm hacmi pahasına elde edildi:

Her iki kampanya da karışık sonuçlar gördü ve nihai belirleme, deneyin orijinal hedeflerine göre yapıldı. Hedef EBM'nin zaman zaman EBM teklifinin aşılmasını önlemek için trafiği sınırladığı biliniyor, ancak boşa harcanan harcamayı azaltarak ve reklam yayınını yüksek kaliteli arama yapanlara odaklayarak dönüşüm başına maliyeti etkili bir şekilde azalttı. Gösterimler, tıklamalar ve dönüşümlerdeki düşüş, daha düşük maliyetle yüksek kaliteli olası satışlar oluşturmak için daha verimli teklif verme lehine göz ardı edildi.

Kapanış düşünceleri

Akıllı Teklif, en iyi kullanıcıların çoğunu tıklama sonrası açılış sayfalarınıza çekmek için tasarlanmıştır. Ancak, algoritmaların bu sözü farklı şekilde yerine getirebileceği anlaşılmalıdır. Bazen, bunu öncelikle daha büyük miktarda trafik sağlayarak başarırlar. Diğer zamanlarda, sitenize veya tıklama sonrası açılış sayfanıza daha kaliteli kullanıcılar çekmek için trafik azalabilir.

Denemenizin sonuçları karışıksa, kazananı belirlerken ilk hedefleriniz üzerinde düşünmeyi unutmayın ve kampanyalarınızın her biri için en etkili teklif stratejisini bulmak üzere gerektiğinde değişkenleri ayarlamayı düşünün.