26 июня 2019 Конференция-интенсив ВЕСЬ DIGITAL ЗА 1 ДЕНЬ!

Когда работа в аккаунте ведётся в течение длительного времени, на первый план выходит задача поддержания высокой эффективности кампаний и поиска новых возможностей для достижения результатов.

В нашей практике новые аккаунты Google Ads довольно легко и быстро достигают «побед». Со временем эти возможности становятся менее явными и возникает потребность в инновациях. Одним из путей обеспечения долговременной эффективности в уже успешных аккаунтах является использование такой функциональности, как «Проекты кампаний и эксперименты».

В представленном кейсе мы рассмотрим аккаунт компании, работающей в области юридических услуг (мы в течение пяти лет управляли рекламой этого клиента). Полученные результаты были феноменальными, и мы наблюдали невероятный рост. Аккаунт уже достиг зрелости, эффективность нас радовала, но перед нами стояла задача обеспечения дальнейшего роста лидов.

В течение года мы провели 80 экспериментов, чтобы протестировать широкий ряд функций. Ниже мы расскажем, какие результаты получили и к каким выводам пришли.

Проекты кампаний и эксперименты

Базово процесс использования этого инструмента выглядит так:

• Создаётся копия существующей кампании в качестве нового проекта;

• В неё вносятся желаемые изменения, чтобы протестировать гипотезы;

• Проект запускается одновременно с исходной кампанией на заданный период времени;

• Трафик между ними распределяется как A/B-тест (обычно в соотношении 50/50);

• Эксперимент проводится до тех пор, пока полученные результаты не достигнут статистической значимости;

• Результаты эксперимента применяются к исходной кампании или же отклоняются.

У Google есть подробное руководство по настройке экспериментов в кампаниях, которое мы рекомендуем использовать для работы с этой функциональностью.

Инструмент даёт возможность переосмыслить, как мы управляем аккаунтом и взаимодействуем со своими клиентами. Теперь мы можем сесть вместе с клиентом и вывести ряд гипотез, которые нужно протестировать. Эти гипотезы должны быть согласованными с целями клиента и в то же время расширяющими пределы возможного. Эксперименты также предоставляют безопасную среду для внедрения и тестирования новых функций. 

Возьмём, к примеру, недавний запуск новых ИИ-функций в Google Ads – таких как адаптивные объявления. Передача контроля над рекламой алгоритмам машинного обучения может казаться пугающей. Хотя Machine Learning способно обеспечить постепенное повышение эффективности, есть риски, что алгоритмам не удастся достичь желаемых результатов и аккаунт пострадает. Эксперименты позволяют минимизировать эти риски.

Что мы тестировали

С согласия нашего клиента мы провели ряд экспериментов. С их помощью были протестированы несколько гипотез, включая следующие:

• Автоматическое назначение ставок (стратегия «Максимум конверсий») обеспечит больше конверсий, чем ручное управление ставками.

• Автоматическое назначение ставок (стратегия «Целевая цена за конверсию») обеспечит лучшие результаты, чем достигаемые с помощью ручного управления.

• Более детальная структура кампании, основанная на SKAG (1 группа объявлений – 1 ключевая фраза) повысит показатель качества кампании.

• Адаптивные медийные объявления обеспечат более высокий CTR, чем статичные баннеры.

• Адаптивные поисковые объявления обеспечат лучший CTR, чем развёрнутые текстовые объявления.

• Новая, менее нагруженная деталями целевая страница обеспечит более высокие показатели конверсии.

• Новая целевая страница с другим изображением повысит коэффициент конверсии.

• Текст объявления с вопросом вместо утверждения в первом заголовке обеспечит более высокий CTR.

• Размещение рекламы на более низкой позиции позволит улучшить коэффициент конверсии.

• Повышение ставок на десктоп-устройства на 20% увеличит коэффициент конверсии.

Обратите внимание, что все гипотезы конкретные. Мы тестируем только один аспект и используем конкретную метрику для оценки.

Ниже – результаты четырёх проведённых нами экспериментов.

1. Изменение текста объявления

• Гипотеза. Вопрос, а не утверждение в первом заголовке обеспечит более высокий CTR.

• Что мы изменили. Все объявления в проекте кампании.

• Результаты:

• Решение. Этот эксперимент длился 18 дней. CTR вырос на 1%. Результаты были незначительными, поэтому мы решили их не применять.

• Вывод. Вопросы в заголовке не повышают эффективность объявлений в целом. Здесь нужно ориентироваться на конкретный поисковый запрос и объявление.

2. Адаптивные поисковые объявления

• Гипотеза. Адаптивные поисковые объявления обеспечивают лучший CTR, чем статичные.

• Что мы изменили. Запустили адаптивные объявления в проекте кампании.

• Результаты:

• Решение. Этот эксперимент длился 47 дней. CTR вырос на 1%. Результаты не были значительными. Тем не менее, мы решили их применить, поскольку адаптивные объявления не снижали эффективность и позволяли использовать больше вариантов объявлений.

• Вывод. Несмотря на отсутствие прироста эффективности, мы видели, что пользователи хорошо взаимодействовали с новым типом рекламы. Нам удалось минимизировать риски посредством эксперимента. После внедрения этого типа объявлений в кампании мы продолжали следить за ними и эффективность была стабильной.

3. Целевые страницы

• Гипотеза. Смена изображения на целевой странице (с мужчины на женщину) повысит показатели конверсии.

• Что мы изменили. Поменяли изображение.

• Результаты:

• Решение. Этот эксперимент длился 30 дней.Коэффициент конверсии вырос с 7% до 14,88%. Мы применили эксперимент и теперь используем только новую целевую страницу.

• Вывод. Прирост был значительным и показал, что иногда даже маленькое изменение – такое, как изображение с человеком другого пола – может иметь огромный эффект. Мы также узнали, что пользователи, вероятно, лучше реагируют на женские образы.

4. Стратегия «Целевая цена за конверсию»

• Гипотеза. Автоматическое назначение ставок («Целевая цена за конверсию») обеспечит лучшие результаты, чем достигаемые с помощью ручного управления ставками.

• Что мы изменили. Мы использовали эту стратегию в проекте кампании при той же CPA, которой уже удалось достичь в кампании с ручным управлением. Целью эксперимента было выяснить, сможем ли мы получить больше конверсий, используя стратегию «Target CPA».

• Результаты:

• Решение. Эксперимент длился 34 дня. Проект кампании получил 53 конверсии, а исходная кампания – 70 конверсий при более низкой CPA. В результате мы решили не применять «Целевую цену за конверсию» к этой кампании.

• Вывод. Автоматические стратегии назначения ставок пока ещё не идеальны. При этом стоит отметить, что в других тестах стратегия «Целевая цена за конверсию» сработала лучше, чем в этом. В Google нам рекомендовали запускать проект кампании с Target CPA на более долгий период. Мы согласны с этим мнением, но это не всегда оправдано для клиентов с ограниченным бюджетом.

По итогам экспериментов

Есть две проблемы, которые широко не обсуждаются и не рассматриваются в справочных статьях Google. При этом их очень важно учитывать при настройке экспериментов.

Во-первых, при разработке гипотез критически важно помнить о цели. Вы должны записать в блокноте, какова ваша цель и какую метрику вы хотите протестировать. Определение правильной метрики также критически важно, поскольку здесь легко ошибиться.

Например, если вы тестируете новый тип объявления, тогда гипотеза должна быть сформулирована с точки зрения CTR, а не CPA. Ваши результаты могут показать улучшения в CPA, однако это не должно влиять на ваше решение о применении результатов эксперимента, если гипотеза была связана с CTR.

Во-вторых, из-за неправильного времени проведения эксперимента можно получить ложно положительные результаты. Это происходит в том случае, если вы увеличиваете или уменьшаете длительность эксперимента, чтобы достичь значимых или желаемых результатов. Это происходит неосознанно: экспериментатор не понимает, что создаёт ложно положительный результат.

Подумайте вот о чём: если мы увеличиваем время проведения эксперимента на неделю, то можем получить значимый результат, а увеличивая ещё на одну неделю – незначимый. Поэтому менять период проведения эксперимента таким образом, чтобы он подходил под наши потребности, неправильно. Однако такие ошибки случаются даже в тщательно продуманных научных экспериментах.

Важно определить время проведения перед началом эксперимента и придерживаться заданных сроков. Чтобы даты было проще отслеживать, мы добавляем их в заголовок эксперимента.

Обычно эксперимент должен длиться не менее месяца. Вы также можете использовать калькулятор для определения размера выборки, если тестируемые вами изменения направлены на увеличение коэффициента конверсии.

Автор: Марк Мейерсон (Mark Meyerson)

Полная версия: https://www.searchengines.ru/mature-account.html