Zaloguj się przez Google Automatyczne określanie stawek w Google Ads to rozwiązanie dla firm, które pomaga reklamodawcom automatycznie ustalać stawki na podstawie celów skuteczności. Inteligentne określanie stawek to zbiór strategii automatycznego określania stawek, które korzystają z systemów uczących się do optymalizacji liczby lub wartości konwersji. Inteligentne określanie stawek wyznacza dokładne stawki w każdej aukcji, aby zwiększać liczbę lub wartość konwersji na poziomie opłacalności, który jest porównywalny lub nawet lepszy niż w przypadku dotychczasowych celów skuteczności. Inteligentne określanie stawek wyróżnia się 3 głównymi cechami:
- faktycznym ustalaniem stawek w czasie aukcji,
- korzystaniem z adaptacyjnych systemów uczących się na poziomie zapytania,
- dostępem do bogatych sygnałów płynących od użytkowników i analizą obejmującą wiele sygnałów.
Przyjrzyjmy się tym cechom bardziej szczegółowo.
Ponad 80% reklamodawców Google korzysta z automatycznego określania stawek.
Faktyczne ustalanie stawek w czasie aukcji
W przypadku strategii ustalania stawek pod kątem liczby i wartości konwersji inteligentne określanie stawek zapewnia faktyczną optymalizację w czasie aukcji, ponieważ wyznacza stawki w każdej aukcji z osobna, a nie tylko kilka razy dziennie. Dzięki temu reklamodawcy zyskują dokładniejszą optymalizację stawek oraz możliwość ich adaptacji do niepowtarzalnych kryteriów wyszukiwania poszczególnych użytkowników. Zamiast dostosowywać stawki tylko na podstawie zbiorczych danych o skuteczności wśród ogółu użytkowników, algorytmy ustalania stawek Google Ads oceniają też odpowiednie sygnały kontekstowe dostępne w czasie aukcji, np. porę dnia i konkretną wyświetlaną reklamę albo urządzenie, lokalizację, przeglądarkę i system operacyjny użytkownika.
Ocenianie szansy na konwersję w każdej aukcji pomaga w różnicowaniu stawek i precyzyjniejszej optymalizacji. Weźmy za przykład reklamodawcę z branży finansowej. Może się okazać, że użytkownicy systemu iOS częściej otwierają rachunki rozliczeniowe lub że użytkownicy smartfonów z miast, w których jest więcej placówek banku, chętniej będą je odwiedzać. Dzięki określaniu stawek w czasie aukcji Google Ads może wykrywać takie sygnały, aby lepiej przewidywać współczynnik lub wartość konwersji, oraz ustawiać stawki lepiej dopasowane do każdego wyszukiwanego hasła.
Ustalanie stawek w czasie aukcji zapewnia jeszcze większą częstotliwość i precyzję określania stawek
Samodzielne ustawianie stawek: stawki za poszczególne słowa kluczowe możesz ustawić samodzielnie na jeden z 3 sposobów: zmieniając stawki w interfejsie Google Ads, za pomocą kryteriów skuteczności opartych na regułach (np. gdy udział w wyświetleniach spadnie poniżej X%, podnieś stawki o Y%) lub korzystając z interfejsu API. Ze względu na ograniczenia czasowe reklamodawcy mogą podczas każdej tury optymalizacji zmieniać stawki tylko w przypadku części słów kluczowych, np. tych najskuteczniejszych lub należących do wybranych kategorii produktów.
Rosnąca ilość dostępnych danych utrudnia jednak reklamodawcom ręczne ustawianie stawek na podstawie unikalnego kontekstu każdego użytkownika. W przypadku ustalania stawek w czasie aukcji do wyznaczania niepowtarzalnych stawek w każdej aukcji służą sygnały kontekstowe.
Ustalanie stawek w czasie aukcji w Google Ads: inteligentne określanie stawek w Google Ads korzysta z algorytmów systemów uczących się do optymalizowania stawek w każdej aukcji. Jest to najdokładniejszy i najskuteczniejszy sposób ustalania stawek.
Uwaga
Uwaga
Korzystanie z adaptacyjnych systemów uczących się na poziomie zapytania
Algorytmy systemów uczących się korzystają z dokładnych danych o konwersjach do tworzenia precyzyjnych algorytmów ustalania stawek, które przewidują skuteczność na różnych poziomach stawek. Mimo że wyszukiwane hasła o dużej liczbie wyszukiwań dostarczają często mnóstwa danych o konwersjach na potrzeby modelowania, na kontach znajdują się też zwykle rzadko wyszukiwane słowa kluczowe lub nowe słowa kluczowe o ubogiej historii skuteczności, które też trzeba brać pod uwagę. W przypadku rzadko wyszukiwanych słów kluczowych rozwiązania do określania stawek korzystają z modeli opartych na systemach uczących się, aby ustalać stawki będące wynikiem najlepszego w danym momencie oszacowania współczynnika konwersji.
Rozwiązania do ustalania stawek mogą np. testować różne poziomy stawek w celu utworzenia modelu współczynnika konwersji dla danego słowa kluczowego. Może to jednak prowadzić do obniżenia skuteczności w czasie, gdy słowo kluczowe zbiera dopiero dane, ponieważ proces ten może trochę potrwać w zależności od liczby wyszukiwań. Inną typową metodą modelowania skuteczności współczynnika konwersji w przypadku rzadko wyszukiwanych słów kluczowych jest „pożyczanie” danych od tych samych słów kluczowych, ale o innych typach dopasowania, lub z grup reklam i kampanii o wyższej skuteczności.
Inteligentne określanie stawek z powodzeniem stosuje tę metodę, a nawet ją ulepsza poprzez korzystanie z danych na poziomie zapytania pochodzących z całego konta. Jeśli używasz śledzenia konwersji dla wielu kont, inteligentne określanie stawek może też korzystać z danych na poziomie zapytania pochodzących z całego konta menedżera. Dzięki temu algorytmy ustalania stawek mają znacznie więcej danych, na podstawie których mogą podejmować decyzje. Poza tym ogranicza to wahania skuteczności w przypadku niewielkiej ilości danych o konwersjach na poziomie słów kluczowych.
Dlaczego nauka na poziomie zapytania polepsza ustalanie stawek
Załóżmy, że dodajesz nowe słowa kluczowe lub przenosisz dotychczasowe słowa kluczowe do innej grupy reklam. Algorytmy ustalania stawek w Google Ads nie muszą od nowa poznawać ich skuteczności. Algorytmy prowadzą naukę na poziomie zapytania, a nie słowa kluczowego, więc jeśli dane wyszukiwane hasło jest już znane z innych części kampanii, algorytmy korzystają po prostu z wiedzy zdobytej wcześniej na koncie, aby podejmować trafniejsze decyzje dotyczące stawek.
Dostęp do bogatych sygnałów płynących od użytkowników i analiza obejmująca wiele sygnałów
Każde zapytanie jest inne, a stawki dla każdego z nich powinny odzwierciedlać niepowtarzalne sygnały kontekstowe występujące w czasie aukcji. Przy ustalaniu optymalnych stawek najważniejszymi czynniki są takie sygnały jak pora dnia, obecność na liście remarketingowej czy urządzenie i lokalizacja użytkownika. Oprócz analizy tych sygnałów w każdej aukcji inteligentne określanie stawek bierze pod uwagę dodatkowe sygnały, m.in. system operacyjny, przeglądarkę internetową i ustawienia językowe użytkownika, aby prowadzić optymalizację z uwzględnieniem różnic skuteczności występujących w odniesieniu do poszczególnych platform i użytkowników. Ten dodatkowy kontekst pozwala inteligentnemu określaniu stawek dokładniej przewidywać prawdopodobieństwo konwersji w każdej aukcji i ustawiać optymalną stawkę. Lista poniżej zawiera zestawienie wielu ważnych sygnałów prognostycznych, które inteligentne określanie stawek bierze pod uwagę podczas optymalizowania stawek.
| Sygnały kontekstowe | Opis | Przykład |
| Urządzenie | System może optymalizować stawki, kierując się tym, czy zapytanie pochodzi z komputera, tabletu czy komórki. |
Reklamodawca: salon samochodowy Podczas ustalania stawek system bierze pod uwagę, czy wyszukiwanie hasła „lokalizacje salonów samochodowych” miało miejsce na komputerze czy na smartfonie. |
| Lokalizacja | System może optymalizować stawki z uwzględnieniem konkretnej lokalizacji (aż do poziomu miasta), w której użytkownik się znajduje lub której szuka, nawet wtedy, gdy jego własna lokalizacja jest określona na wyższym poziomie. |
Reklamodawca: bank Nawet wtedy, gdy lokalizacja jest ustawiona na województwo śląskie, podczas ustalania stawek system bierze pod uwagę, czy zapytanie „nowy rachunek rozliczeniowy” pochodzi z różnych miast tego regionu (np. z Katowic lub z Gliwic, gdy występują różnice między placówkami banku pod względem zasięgu działania). |
| Pora dnia lub dzień tygodnia | System może optymalizować stawki z uwzględnieniem lokalnej pory dnia i dnia tygodnia użytkownika zgodnie z jego strefą czasową |
Reklamodawca: kawiarnia Podczas ustalania stawek system bierze pod uwagę, czy użytkownik wykonuje wyszukiwanie o 7:00 przed pójściem do pracy czy o 12:00 w poniedziałek w porze obiadowej. |
| Listy odbiorców (RLSA, kierowanie na listę klientów lub podobni odbiorcy) | System uwzględnia listy odbiorców w przypadku reklam w wyszukiwarce. |
Reklamodawca: sprzedawca online Podczas ustalania stawek system bierze pod uwagę, czy użytkownik przeglądał dany produkt podczas poprzedniej wizyty w witrynie, czy znajduje się na przesłanej przez sprzedawcę liście programów lojalnościowych lub czy ma profil podobny do obecnych klientów. Uwzględniany jest też czas ostatniej wizyty użytkownika. |
| Faktyczne zapytanie | System może optymalizować stawki z uwzględnieniem całej treści zapytania powodującego wyświetlenie reklamy, a nie tylko słowa kluczowego, do którego ono pasuje. |
Reklamodawca: sklep obuwniczy Podczas ustalania stawek system bierze pod uwagę, czy zapytanie użytkownika to „skórzane buty” czy „naprawa butów”, nawet wtedy, gdy oba pasują do słowa kluczowego „buty”. |
| Kreacja | Jeśli masz wiele kreacji odpowiednich do wyświetlenia w wynikach danego wyszukiwania, system może zoptymalizować stawkę na podstawie tego, która kreacja się wyświetli oraz czy prowadzi ona do aplikacji mobilnej. |
Reklamodawca: internetowe biuro podróży Podczas ustalania stawek system bierze pod uwagę, czy wyświetlana reklama zawiera kreację „najnowsze oferty” czy „popularne wyjazdy wypoczynkowe” oraz czy prowadzi do witryny lub aplikacji mobilnej. System ustala to na podstawie prawdopodobieństwa doprowadzenia przez daną kreację do konwersji w przypadku konkretnego zapytania. |
| Język interfejsu | System może optymalizować stawki z uwzględnieniem ustawień językowych danego użytkownika. |
Reklamodawca: witryna oferująca naukę języka hiszpańskiego W przypadku zapytania „naucz się nowego języka” system ustala stawki, biorąc pod uwagę, czy użytkownik, który zobaczy reklamę, ma w Google ustawiony język angielski czy hiszpański. |
| Przeglądarka | System może optymalizować stawki z uwzględnieniem przeglądarki, z której pochodzi zapytanie. |
Reklamodawca: producent oprogramowania Podczas ustalania stawek system bierze pod uwagę, czy użytkownik wyszukuje hasło „oprogramowanie na maca” w Safari czy w Chrome. |
| System operacyjny | System może optymalizować stawki z uwzględnieniem systemu operacyjnego użytkownika, który wysłał dane zapytanie. |
Reklamodawca: sprzedawca akcesoriów telefonicznych Podczas ustalania stawek system bierze pod uwagę, czy użytkownik wyszukuje hasło „etui na telefon” na urządzeniu z Androidem czy z iOS. |
| Partner w sieci wyszukiwania | System może optymalizować stawki z uwzględnieniem tego, u którego partnera w sieci wyszukiwania wyświetla się reklama. |
Reklamodawca: marka produktów szybkozbywalnych System ustala różne stawki zależnie od tego, czy zapytanie pochodzi z trafniejszych wyszukiwań w witrynie e-commerce czy w witrynie informacyjnej. |
| Oceny i recenzje aplikacji mobilnych | System może optymalizować stawki z uwzględnieniem ocen użytkowników aplikacji i liczby ich opinii. |
Reklamodawca: producent gier System ustala różne stawki w zależności od oceny aplikacji i liczby opinii o niej. |
Samodzielne dostosowywanie stawek w przypadku poszczególnych sygnałów, np. urządzenia czy lokalizacji, to doskonały pierwszy krok do wyznaczania dokładniejszych stawek. Inteligentne określanie stawek potrafi jednak więcej niż tylko przeprowadzenie tradycyjnej analizy sygnałów. Kontekst wyszukiwania nie ogranicza się przecież do pojedynczego sygnału. Inteligentne określanie stawek może więc rozpoznawać i uwzględniać w swoim działaniu istotne interakcje między miliardami kombinacji sygnałów, które mogą mieć wpływ na współczynniki konwersji.
Ocena poszczególnych sygnałów kontra analiza łącznego wpływu różnych sygnałów
Poszczególne dostosowania stawek w przypadku sygnałów takich jak urządzenie, lokalizacja czy pora dnia są określane na podstawie zbiorczych danych o skuteczności. Rozwiązanie do ustalania stawek może np. ocenić, jak Twój współczynnik konwersji na urządzeniach mobilnych wypada na tle ogólnego współczynnika konwersji na komputerach i tabletach, a później ustawić odpowiednie dostosowanie stawek mobilnych.
Chociaż ta metoda agregacji danych i oceny średnich wyników skuteczności pomaga uniknąć dostosowywania stawek na podstawie niewystarczającej ilości informacji, może też jednak pomijać drobne różnice między poszczególnymi aukcjami pod względem możliwości konwersji. Kredytodawca hipoteczny może np. zaobserwować, że ma współczynniki konwersji na urządzeniach mobilnych niższe o 20% niż na komputerach i tabletach. W efekcie ustawi dostosowanie stawek mobilnych na -20%. Nie uwzględnia to jednak pór dnia, w których współczynniki konwersji na urządzeniach mobilnych są wysokie, np. rano, kiedy użytkownicy mogą w drodze do pracy szukać na telefonach informacji o kredytach.
Co więcej, jeśli zaczniesz nakładać na to dodatkowe dostosowania stawek (np. z uwzględnieniem lokalizacji), obliczenie ich z osobna i późniejsze przemnożenie przez siebie nie zapewni uwzględnienia wzajemnej interakcji między tymi sygnałami. A może nawet doprowadzić do nadmiernego zawyżenia stawek, jeśli połączysz wiele dużych wzrostów stawek z i tak już wysoką stawką podstawową za słowo kluczowe.
Inteligentne określanie stawek ocenia interakcje między sygnałami, aby wykrywać ważne korelacje wpływające na współczynniki konwersji. Dzięki połączeniu algorytmów ustalania stawek z kombinacjami sygnałów, które mają największy wpływ na skuteczność konwersji, inteligentne określanie stawek może obliczać wszechstronniej zoptymalizowane stawki uwzględniające współdziałanie określonych sygnałów.
| Sygnały dostępne na potrzeby dostosowań stawek | Przykłady sygnałów dostępnych wyłącznie w przypadku inteligentnego określania stawek |
|
|
Inteligentne określanie stawek używa kombinacji co najmniej 2 sygnałów. Przed ustaleniem stawki w czasie aukcji może np. uwzględniać lokalizację, system operacyjny i język.
