使用 Google Analytics 提高在线商店的 PPC 性能

已发表: 2020-05-27
使用 Google Analytics 提高在线商店的 PPC 性能

现在是 2020 年! 新的一年充满了改善电子商务业务绩效并将其提升到全新高度的机会。 我唯一的问题是:你有足够的勇气一头扎进去吗?

您甚至可能不知道 2019 年对于正在使用或刚刚开始使用 PPC(按点击付费)搜索引擎营销工作的电子商务企业来说是关键的一年,而搜索巨头谷歌在适应更多机器学习方面取得了巨大进步随着智能购物活动和 Bing Ads 正式更名为 Microsoft Advertising。

我的意思是,仅在 2019 年,Google 就对 Google Ads 和 Merchant Center 等产品进行了 10 多项有影响力的更改和增强。 (注意:在之前的几年里,他们平均每年只有这个数字的一​​半左右,其中许多是“不为人知的”更新)。

然而,每个新的一年都会有新的机会比以前做得更好。 许多商家将仅依靠各自的广告平台(即 Google Ads)报告和指标来反映以前的表现。 这在中小型电子商务企业中是一种相对普遍的做法,尤其是,主要是由于:

  • 缺乏对主题的精炼知识
  • 更少的资源或更少的人员来支持使用其他工具
  • 害怕使用更多数据使事情变得过于复杂
  • 只是没有足够的时间!

然而,这就是众所周知的“脚下的一枪”:通过忽略其他工具(甚至是免费工具),商家正在失去重要数据、漏斗洞察力以及改善之前每个时期的业绩高点和缺点的机会——无论是 2 周还是 2 年。

到目前为止,您的工具包中没有比Google Analytics(分析)更好(免费)的工具了。

对于你们中的一些人来说,我敢肯定,我只是在提到这个名字时感到有点不寒而栗,但还有另一种恐惧:FOMO——对错过的恐惧应该超过你的恐惧。

我最真诚的希望是我可以消除这种内在的恐惧,因为 Google Analytics 是您的武器库中至关重要的一部分(尽管经常被误解),它可以并且将会对帮助您提高在线商店的 PPC 活动绩效产生不可思议的影响正确使用时。

大“呃!” – 您的 UA 跟踪代码

我当然可以原谅那些可能还没有准备好深入了解 Google Analytics 的人,但是绝对没有理由不拥有 Google Analytics 帐户,尤其是没有正确设置它。

好吧,也许我可以原谅一个恐高症,但让我们试着在这里变得真实,好吗? 设置您的 GA 帐户非常简单,如果您真的刚刚开始,那么您可以前往 Google Marketing Platform 开始。

让我们快速了解一下我们的主题:您的 Universal Analytics 跟踪代码。 就是这个! 只需 Google 为您创建的一小段代码,您所要做的就是在您的网站上实施。

我的意思是这东西是数据收集的瑞士军刀——它切片、切块、细分——用这些数据了解你的购物者行为只会让你成为一个更好的“营销人员”。 此代码使用和报告的数据和指标是帮助您提高 PPC 活动绩效的关键因素。

现在,每个电子商务商店都是不同的,尤其是现在,您在哪个电子商务平台上建立了您的网站。 像BigCommerce这样的 SaaS 电子商务领导者可以很容易地实现此代码,以便使用干净的后端控制面板开始跟踪所有购物者行为,您可以在其中简单地复制、粘贴并将代码片段保存到特定字段中 - 其余的由平台完成确保将代码放置在源代码中的正确位置。

这不是唯一的方法。 谷歌的标签管理器是我个人最喜欢的——一个允许你在一个“容器”中实现来自不同来源的多个代码片段的工具。

我可以很容易地添加,当尝试在您的网站的源代码中添加多个片段时,它可能会变得非常混乱,而对于采用全渠道营销策略的任何人来说,谷歌标签管理器是一个很好的解决方案,例如在使用 Facebook 广告等其他广告平台时微软广告,因为每个(甚至谷歌仍然)都有自己独特的跟踪代码集。

专业提示:Google 的 Tag Assistant 是一个免费的浏览器扩展程序,可用于记录和检查各种跟踪代码的状态——包括 Google Analytics。 如果代码碰巧失败或实施不当,此工具可以帮助您解决任何问题。

谷歌标签助手录音

虽然实现您的 UA 跟踪代码并确保其正确触发可能是第一步,但在 Google Analytics 中还有一些其他重要设置需要注意,尤其是对于电子商务企业主:

关联您的 Google Ads 帐号

看起来很明显,不是吗? 将 Google Analytics 与 Google Ads 连接起来显然是不费吹灰之力。 它允许您在登录 Google Ads 帐户时导入基于分析的转化目标。

导航到Admin > Property > Google Ads Linking并解决这个问题。

Google Ads 关联功能

数据收集和数据保留

也可以在Tracking Info下的属性设置中找到,这些设置非常重要,它们的命名几乎概括了所有内容。

数据收集现在使用 Google 信号,并允许 Analytics 在未启用标准化数据时收集有关访问者的其他数据。 启用这个!

数据保留(相对较新且不那么重要)可用于控制从 Analytics 服务器自动删除用户级和事件级数据之前的时间量。

不要忘记! 每家收集客户个人信息的企业都必须了解有关数据保护、隐私和“被遗忘权”的现行法律。 更具体地说,企业主必须采取措施确保其公司遵守欧盟的《通用数据保护条例》(GDPR) 以及自 2020 年 1 月 1 日起实施的《加州消费者隐私法》(CCPA)。

Google Signals ePrivacy GDPR 中的数据收集

电子商务设置

好吧,显然我们想要启用它。 电子商务设置允许 Google Analytics 开始跟踪重要指标,例如购物车级别的购物者行为。 默认情况下,它还会生成交易转化目标,然后将其导入 Google Ads。

增强型电子商务设置仅进一步提高了收集数据的深度,可选步骤还标记您的结帐渠道步骤。

您可以在Admin > View > Ecommerce Settings中找到这些。

Google Analytics 中的电子商务报告

Google Ads 中的交易转化目标

我想扔这个只是为了额外的措施——因为这是一个不容跳过的步骤。 否则,您将无法将 Google Ads 广告系列的转化与 Google Analytics 中的交易数据联系起来。

虽然也可以使用 Google Ads 转化跟踪,但绝大多数电子商务企业主会看到只能从 Google Analytics(分析)导入的交易转化目标报告的更准确的转化​​价值(收入)

在 Google Ads 中,导航至工具和设置(扳手图标)> 衡量 > 转化。 选择添加新的转化目标后,选择导入 > Google Analytics ,然后继续执行概述的步骤:

Google Analytics 中的广告转化导入

不一定是您的典型实现,但您可以在下面看到该特定目标之后在 Google Ads 界面中的样子:

实施交易转化后的 Google Ads 表现

总而言之,这应该让你有一个很好的开端。 现在,如果您碰巧已经启动并运行,也许这会促使您对您的 Google Analytics(分析)帐户、设置和转化操作进行快速甚至深入的健康检查——如果您发现任何潜在的问题,也许这是修复它们的催化剂。

虽然报告、数据、指标、图表和所有这些爵士乐本身都是很棒的工具,但您仍然可以使用 Google Analytics(分析)完成更多工作。

事实上,我的下一个主题不仅是一个超级强大的PPC 性能资产,而且它是您可以立即实施、根据您的内心内容进行定制并随着时间的推移进行优化的东西。

我说的是再营销受众

最终赢回——再营销

如果您自己曾经想知道公司似乎能够通过他们的广告“在互联网上追逐您”,那么您就有了再营销(有时也称为重新定位)的第一手经验。

再营销是电子商务商店等公司首先使用谷歌分析等工具收集访问者行为和人口统计数据,然后使用收集到的数据来构建广告活动,明确定位并重新向上述访问者投放广告的做法。

用于再营销/重定向的前两个 PPC 广告渠道是Google Ads 和 Facebook Ads。

我的笔记:我们今天没有深入研究 Facebook,但这主要是因为 Facebook 有自己的重定向方式,根本不需要谷歌分析——因此它与我们在这里讨论的主题有关.

但是,Google Ads 可以与 Google Analytics(分析)协同工作,帮助您在正确的时间、出于正确的原因定位正确的先前购物者,并大幅提高广告支出和销售回报率。 事实上,在我们于 2017 年进行的一项研究中,当 RLSA(搜索广告再营销列表)刚刚开始时,我们注意到了一些令人难以置信的结果:

搜索广告的再营销列表

更重要的是,Google Ads 在其看似无穷无尽的出色工具中,允许商家和营销人员将广告活动分为两个不同的类别,它们都以一种或另一种方式利用再营销:

  • 仅限再营销:某些广告系列类型(例如动态再营销)的唯一目的是向以前的网站访问者定位和投放广告。 动态再营销将这一概念进一步应用于电子商务企业,因为它利用他们的产品提要根据之前购物者在离开店面之前实际查看、购买甚至放弃的产品来提供产品风格的展示广告。
  • 受众:无论是搜索(文本)、展示、视频还是购物,零售商都可以将受众“附加”到广告系列中,从而使广告不仅可以投放到一般目标市场,还可以根据您设置的标准投放给以前的访问者为每一位观众。 例如,如果您有一个针对整个美国的购物广告系列,那么具有“购物车放弃者”的附加受众的同一广告系列也会同时向该细分市场重新投放广告。

专业提示:明白了! 从技术上讲,任何广告系列都可以通过使用针对受众的 Google Ads 定位设置来“仅用于再营销”——其中有两个:定位和观察。 使用定位设置时,这会将您的广告投放仅隔离到您应用的受众。 观察通过包括普通观众和以前的访客(基于观众标准)来实现。

正如您可能知道的那样,至少到目前为止,我们有相当多的基础要涵盖 - 您可能想知道 Google Analytics 究竟在哪里发挥了作用。

好吧,正如 Google Analytics 收集我们在 Google Ads 中运行再营销活动所需的数据一样,它也可以用于构建再营销受众。

谷歌分析受众定义

多年来与电子商务企业合作,我们的团队已经能够分离出4 个关键的再营销受众,每个商家都应该将它们附加到他们的广告活动中,尤其是他们的购物广告活动。

请注意,我以跳过所有访问者受众为开头,因为 Google Ads 实际上会自动构建此细分,因此我们现在可以忽略它,因为我们不需要使用 Google Analytics 构建它。

其他三个观众如下:

  • 购物车放弃者:那些购物车里装满产品但离开后再也没有回来结账的人
  • 结帐放弃者:从购物车的漏斗中略微跳下,但仍然是那些放弃并且再也没有回来完成购买的人
  • 跳出的访客:我们真正的意思是 100% 的跳出率,或者访问您的网站并几乎立即离开的人

所有这些都可以使用管理 > 属性设置中的 Google Analytics 中的受众定义和受众构建器来构建。

Google Analytics 中的受众构建器

创建每个受众的开始完全相同:

  • 选择+ 新受众
  • 点击新建
  • 现在在 Audience Builder 中,找到高级 > 条件

每个观众的标准是事情开始变得有点棘手的地方,但本质上并不是很难弄清楚。 随意查看本指南,它将引导您构建购物车和结帐放弃者受众。

在上面的屏幕截图中,您可以看到跳出访问者的条件,其中我为会话设置了条件过滤器 > 包含 > 跳出 = 100——此时我现在可以单击应用。

专业提示:您还可以考虑将过滤器设置为 Bounces ≥ 90,这也表示跳出率较高,但作为电子商务企业,您需要更加小心。 即使是 90% 的跳出率也可能会排除过去确实购买过的人,这些人实际上可能是高质量的再营销受众。

但是,接下来,我需要设置我的会员资格持续时间或 1 到 540 天之间的时间长度(30 天是默认设置,绝对是一个不错的起点),我希望我的网站访问者保持在此受众群体中,因此考虑当我在 Google 中的广告系列向他们进行再营销时。 在同一步骤中,我们还将在继续之前命名我们的新受众。

Google Analytics 中的受众定义

最后,我们选择目标(即您的 Google Ads 帐户),然后向其发布受众。

Google Analytics(分析)中的受众目标

出色的! 现在,我们只需要将这个 Audience 附加到 Google Ads 中的广告系列。

在 Google Ads 中添加受众

这是假设您已经在 Google Ads 中创建或投放了广告系列。

借助 Google Ads 用户界面,可以非常轻松地将我们的新受众添加到我们想要的任何广告系列或广告组中。

这也是需要注意的重要一点:您可以设置受众以涵盖整个广告系列或设置每个广告组独有的受众。 这在搜索广告系列中特别有用,在这些广告系列中,您可能根据特定关键字甚至着陆页来构建广告组。 因此,通过设置广告组唯一受众,您还可以根据该特定标准控制重新定位的访问者。

为了本指南的目的,我们将把我们新创建的反弹访客受众添加到整个广告系列中。 在 Google Ads 中,找到并点击您要修改的广告系列,然后点击受众:

在 Google Analytics 中添加受众

现在,点击蓝色的编辑图标(看起来像铅笔)打开编辑受众菜单。 如下所示,我们将其添加到广告系列(而不是广告组)中,选择观察作为我们的定位设置,并使用搜索功能,我们可以找到并选择我们刚刚在 Google Analytics 中构建的受众——假设您记得名称:

Google Ads 受众观察

对您的选择感到满意后,只需点击此编辑菜单底部的保存,您的受众就会添加到广告系列中。

让我们在这里快速暂停一下常见问题解答。

这实际上是做什么的?

如果我们使用购物广告系列的示例,将受众附加到广告系列不会导致广告在互联网上跟随人们。

那就是展示广告再营销。

然而,它所做的是,当有人与我们的广告互动、访问我们的店面、离开(因此被 Google Analytics 捕获),然后再次在 Google 上执行另一次搜索时——我们的广告可能会展示结果又一次。

为什么是“观察”?

观察设置确保此活动将根据其主要定位设置(即位置、设备等)运行,并同时向与我们的广告互动的先前搜索者进行再营销。

定位为设置会强制此广告系列仅针对我们的相关受众,而忽略一般定位设置。 这将是我在设置仅限再营销的广告系列时使用的设置。

在这种情况下,我不想要一个“仅限再营销”的广告系列,但我确实想要一个既可以向普通人群(基于广​​告系列定位设置)也可以向我的再营销受众投放广告的广告系列。

出价调整呢?

由于我在提到它们之前停顿了一下,因此任何有 Google Ads 经验的人可能已经停在这里并想知道出价调整,但是对于那些没有经验的人来说,你可能甚至不知道它们是什么。

在 Google Ads 中,出价调整允许您设置一个广泛的百分比乘数,该乘数可以根据特定细分(如受众群体)提高或降低整个广告系列或广告组的最高 CPC 出价。

出价调整反弹购物者

出价调整也可用于更改设备和位置等细分市场的出价。 现在,我们为什么要这样做? 嗯,这都是关于理解每个细分市场的意图和价值

在我们使用反弹访问者的示例中,我们可以对购物者的意图和价值做出某些假设,因为他们访问了我们的网站但几乎立即离开。 据此,我们可以假设这些受众很可能由低价值购物者组成,他们几乎没有购买意图。

因此,对于这样的观众,我们将出价降低了 90%,这样虽然仍有机会赢回其中一些观众,但我们不会花太多钱来尝试再次吸引他们。

相反,如果我们使用Cart Abandoners受众,这个细分市场很可能代表具有明显购买意图的高价值购物者。 例如,他们可能只是忘记了结账和完成购买。

放弃出价调整车

在这种情况下,我们将出价提高了 100% ,因为我们希望超定位该细分市场,以吸引高价值受众并吸引他们返回并完成购买。

最后,无论您使用什么受众,重要的是始终衡量意图和价值,然后相应地做出有关您的出价调整的决定。

但作为一般规则:

  • 低价值,低意图 =减少
  • 高价值。 高意图=增加

下一步是什么? 衡量、优化、成长

在我们在一起的时间里,我们已经涉足了很多领域,现在您应该在使用您的 Google Analytics(分析)为您的 PPC 广告活动带来更好的结果方面拥有一个很好的开端。

但是,与此同时,您还没有完成! 既然你已经准备好了,我能给的最好的建议就是等待!

与 PPC 中的任何做法(即 Google Ads)一样,我们需要给我们的广告系列时间来收集有价值的数据并产生一些结果。 我们拥有的数据越多,我们在持续优化中就可以变得越精细。 我通常建议在单独对再营销受众群体进行任何更改之前,先留出30-60 天的时间。

那些可能不熟悉 PPC 或 Google Ads 再营销的人应该随着时间的推移查看某些指标来衡量绩效,例如:

  • 点击率:人们点击您的广告的频率与您的广告被看到的次数相比。 有助于确定您的广告在其报价中是否足够“有吸引力”。
  • 转化率:与您的广告被点击的次数相比,人们完成操作或购买的频率。 可以帮助您更好地了解人员已经到达后的现场表现。
  • 成本/转化:点击广告后,您平均每次操作或购买花费了多少。 较高的转化成本可能是降低出价调整的好理由。
  • 转化率价值/成本 (ROAS):广告支出回报率是一个 X 乘数值,表示您赚取的收入与产生上述收入的成本相比。 较低的 ROAS 可能是损失的关键指标,尤其是对于电子商务业务。 当考虑到您的本地商品销售成本 (COGS) + 广告支出时,较低的 ROAS可能意味着您没有赚到任何钱,或者您实际上在这些销售中亏本。

虽然这些指标最好直接在 Google Ads 中进行分析,但您仍然可以使用 Google Analytics(分析)电子商务报告来更深入地了解您的表现。

Google Analytics 成为展示类型或动态再营销 PPC 广告系列的更重要工具,因为您可以深入了解 Google Ads 无法实现的关键绩效层,例如交易、平均订单价值,甚至税收和运费指标。

当您开始您的旅程时,我最真诚的希望是,我能够教给您一些可以帮助您在 PPC 活动中成长和成功的东西。

不要害怕尝试不同的东西,要勇敢,要大胆。 专注于数据驱动的方法,因为只有在数据中我们才能看到最终的大局。

Convert Experiences 与 Google Analytics 无缝集成,因此您可以设置复杂的测试并收集有关您的实验如何在不同用户群中执行的宝贵见解。

一个受欢迎的功能是 Google Analytics(分析)电子商务收入跟踪,它为您提供有关 RPV(每位访问者的收入)、转化率、每个变体的订单项目等的高级数据。

转换体验中的 Google Analytics(分析)电子商务收入跟踪

注册免费试用 Convert Experiences 并亲自查看。

Phillip Koo 网络研讨会
Phillip Koo 网络研讨会