Najnowsze aktualizacje Google Ads: zaktualizowane procesy dopasowywania słów kluczowych i zmiany w modelu atrybucji

Google Ads opublikował niedawno dwa ważne ogłoszenia, w tym aktualizację sposobu dopasowywania słów kluczowych do zapytań oraz zmianę domyślnego modelu atrybucji. Oto, co reklamodawcy powinni wiedzieć o tych aktualizacjach.

Zmieniają się zasady ustalania priorytetów słów kluczowych

Przeanalizujmy najnowsze ogłoszenie Google dotyczące typów dopasowania słów kluczowych i zobaczmy, co ono mówi:

Dzięki BERT, wstępnemu szkoleniu Google w zakresie przetwarzania języka naturalnego, bycie bardziej zaawansowanym i zrozumienie intencji wyszukiwania jest teraz łatwiejsze. Nawet dopasowanie przybliżone może teraz pomóc Ci znaleźć odpowiedni ruch przy mniejszej liczbie słów kluczowych.

Google poparło to przykładem: „bardzo szczegółowe zapytanie, takie jak „Wałek wejściowy uszczelnienia przekładni 5-biegowej z 1995 r.”, jest teraz w stanie dopasować do słowa kluczowego w dopasowaniu przybliżonym „ części samochodowe”, ponieważ możemy stwierdzić, że są one powiązane, mimo że żadne z słowa w zapytaniu i w słowie kluczowym faktycznie pasują”.

Słowo kluczowe w dopasowaniu do wyrażenia lub w dopasowaniu przybliżonym identyczne z zapytaniem będzie teraz preferowane, o ile można je dopasować.

Google rozszerzyło to, co zrobiło z dopasowaniem ścisłym na początku tego roku, na dopasowanie przybliżone i do wyrażenia. Oto przykład Google, który to wyjaśnia: „załóżmy, że ktoś wyszukuje hasło „dostawa sushi w pobliżu” i masz słowa kluczowe w dopasowaniu przybliżonym „ dostawa sushi” i „ dostawa sushi w pobliżu” . Przed tą aktualizacją oba te słowa kluczowe mogły być wyświetlane. Teraz preferowane jest słowo kluczowe „ dostawa sushi w pobliżu” , ponieważ jest identyczne z wyszukiwanym hasłem”.

Odpocznij jednak spokojnie. Google mówi dalej „jeśli masz odpowiednie słowo kluczowe w dopasowaniu ścisłym, które jest identyczne z zapytaniem, nadal będzie ono preferowane przed słowem kluczowym w dopasowaniu do wyrażenia i przybliżonym”.

Trafność i ranking reklamy będą decydującymi czynnikami, gdy wyszukiwanie nie jest identyczne z żadnym z Twoich słów kluczowych.

Oprócz rankingu reklamy przy określaniu, które słowo kluczowe zostanie wybrane, Google weźmie teraz pod uwagę sygnały dotyczące trafności. Wyjaśniając, czym są te sygnały trafności, Google powiedział: „Trafność określa się, analizując znaczenie wyszukiwanego hasła, znaczenie wszystkich słów kluczowych w grupie reklam i stron docelowych w grupie reklam”. W poniższej tabeli przedstawiono różne scenariusze.

Podobnie jak w przypadku większości znaczących zapowiedzi Google, również ta spotkała się z mieszanymi reakcjami ze strony branży PPC.

Julie Bacchini napisała: „Więc co dokładnie robiłeś do tej pory? Na serio. Czy jako reklamodawca niemądrze było sądzić, że zawsze to robiłeś? Przeczytaj jej przemyślenia na temat tej zmiany na jej blogu.

Inni, jak Amy Bishop i Greg Finn, twierdzili, że nadal warto utrzymywać wiele typów dopasowania dla tego samego słowa kluczowego, pomimo nacisków Google, aby skłonić reklamodawców do przejścia na połączenie inteligentnego określania stawek i dopasowania przybliżonego.

Oparty na danych jest teraz domyślnym modelem atrybucji

Odchodząc od atrybucji ostatniego kliknięcia, Google ogłosił, że od października 2021 r. atrybucja oparta na danych (DDA) będzie domyślnym modelem atrybucji dla wszystkich nowych działań powodujących konwersję.

Google przyznało, że model atrybucji ostatniego kliknięcia nie spełnia potrzeb reklamodawców, ponieważ ignoruje wszystko oprócz ostatniego wyszukiwania przed konwersją użytkownika. Do tej pory reklamodawcom, którzy nie mieli wystarczającej liczby konwersji, aby kwalifikować się do atrybucji opartej na danych, zalecano przejście na model oparty na pozycji lub rozkład czasowy.

Google ustosunkował się do minimalnych wymagań dotyczących danych do korzystania z DDA i powiedział: „usuwamy wymagania dotyczące danych i dodajemy obsługę dodatkowych typów konwersji. Dzięki tym ulepszeniom zmieniamy też atrybucję opartą na danych jako domyślny model atrybucji dla wszystkich nowych działań powodujących konwersję w Google Ads”.

W jaki sposób atrybucja oparta na danych jest lepsza?

Weźmy przykład użytkownika szukającego butów do biegania. Ta użytkownik przechodzi przez kilka różnych wyszukiwań, zanim dokona konwersji. Może zacząć od wyszukania hasła „ trampki” lub „ buty do biegania” , a po odkryciu linii butów do biegania Adidas, ponownie wyszukać konkretny model w jej ulubionym kolorze i rozmiarze i kupić buty.

Problem z atrybucją ostatniego kliknięcia polega na tym, że przypisuje cały udział ostatniemu kliknięciu. Zignoruje fakt, że użytkownik zaangażował się w kilka Twoich reklam; zignoruje fakt, że dotarła do ostatniego słowa kluczowego, ponieważ najpierw miała kontakt ze słowami kluczowymi z początku ścieżki. Wszystkie te różne słowa kluczowe, których szukał użytkownik przed konwersją, są całkowicie ignorowane.

Oparte na danych dają lepszy obraz całej podróży zakupowej. Google przygląda się teraz kolejności wyszukiwań i widzi, jak poszczególne zapytanie pasuje do tej sekwencji. Szacuje udział każdego słowa kluczowego w ostatecznej konwersji. Poniższa ilustracja z opracowania Google dotyczącego metodologii DDA pokazuje, w jaki sposób można zważyć dane zapytanie.

Ostatecznie atrybucja oparta na danych pomaga lepiej zrozumieć wartość wszystkich słów kluczowych. Dzięki tej lepszej wiedzy Twoje ręczne i automatyczne optymalizacje mogą być lepsze. Na przykład, gdy znajdziesz wyszukiwane hasło, które nie prowadzi do konwersji, możesz dodać je jako wykluczające słowo kluczowe, zrezygnować z licytowania go w ogóle lub licytować mniej. Jeśli zrobiłeś to na podstawie niekompletnych danych konwersji, tak jak w przypadku danych uzyskanych z LCA, możesz obniżyć skuteczność konta. Dzięki DDA możesz dokonywać lepszych optymalizacji.

Żaden model atrybucji nie dostarczy Ci 100% dokładnych informacji, ale oparte na danych są najbliższe dostarczaniu informacji, które pozwolą Ci ograniczyć marnotrawstwo wydatków.

Wreszcie, zachęcając reklamodawców do łączenia atrybucji opartej na danych z automatycznym określaniem stawek, Google powiedział: „W połączeniu ze strategiami automatycznego określania stawek atrybucja oparta na danych może generować dodatkowe konwersje przy tym samym koszcie pozyskania. Dzieje się tak, ponieważ nasze systemy mogą lepiej przewidywać przyrostowy wpływ konkretnej reklamy na generowanie konwersji i odpowiednio dostosowują stawki, aby zmaksymalizować ROI”.

Jeśli nie znasz jeszcze zagrożeń związanych z połączeniem inteligentnego określania stawek i atrybucji ostatniego kliknięcia, możesz o tym przeczytać tutaj.

Prawa autorskie do zdjęć PixieMe - stock.adobe.com