直接​前往​內容

要​建立​新​的​ Google Ads 帳戶​嗎?

您​即將​建立​新​的​ Google Ads ​帳戶。​小​提醒,​同​一​個​帳戶​可​建立​多​個​廣告​活動,​不必​另​建​新​帳戶。

要​建立​新​的​ Google Ads 帳戶​嗎?

您​即將​建立​新​的​ Google Ads ​帳戶。​小​提醒,​同​一​個​帳戶​可​建立​多​個​廣告​活動,​不必​另​建​新​帳戶。

善用​機器​學習​整合​多​元​數據​ BHK’s ​迎來​新​一​波​銷售​成長

Alan Hsu, James Lei

Social Module

分享

消費者​隱私意識​抬頭,​可​追蹤​的​ cookie ​開始​減少,​再加上​消費者​足跡​碎​片化​的​趨勢,​20​23​年​行銷人​都​需面對​的​一​大​課題:​整合​並​善用​多元​的​數據。​BH​K’s 身​為​保健​電​商​品牌,​意識​到​數​位​行銷​的​新時​代​來​臨,​更​積極​與​ Google ​合作,​將​第一​方​數據​整合​進數​位行銷​流程,​從​採用​客戶​目標比​對​功能、​強化​轉換,​最後​成功​利用​ GA4(​Google Analytics 4)建模​找到​高價值​客戶,​有效​提高 ROAS(Return on ads spending,​廣告​投資​報酬率​),​最​大​化數​位​行銷​的​效益。

BHK's

挑戰:​消費者​更​重視​隱私,​如何​善用​多方​數據​提升​銷售量

隨​著​台灣​家庭​每​戶​人口​跌​破 ​3​ ​人,​每​人​可​支配​所得​也​逐年​穩定​提升,​再加上​「人手​一機」​的​超高數​位普​及率,​20​2​2 ​台灣​消費者​行為​研究​報告​指出,​這些​都​讓​消費者​的​資訊​易得性​提升、​購買力​也​加強。

承​去年​所見​之​趨勢:​消費者​的​購物​歷程​在​各​接​觸點之間​游移且​重疊,​意即​「混沌​歷程」​;​今年,​Google ​台灣​業務​副總經理​ Simon Hsie​h ​更​發現,​消費者​還​增加​了​跨屏​使用、​講求​多元​體驗、​自​我​意識​提升、​以及​不斷​改變​等​特質,​儼然​是​更難令​人​捉摸​的​「混沌​ 2​.0」。

由​此​可知,​我們​即將​進入​「個人​化行銷」​的​時代,​隨著​隱私意識​崛起、​品​牌​官方​ We​b ​與​ App​ 界線​的​趨近​模糊,​如何​以​受​消費者​青睞​的​模式​進行​即時​個​人化​溝通,​將​是​品牌​的​勝出​關鍵。​20​22 Google Think ​Commerce 以​「ML、​整合、​快商務」​的​行銷​增長​方程式,​破解智慧​行銷​的​最佳​機會點、​極​大化​數​位​投資​並​創造​最​高成效。​可​追蹤​ cookie ​開始​減少,​廣告​數據​又​愈​加雜亂、​多元,​整合​來自​四面​八方​的​客戶​資料,​成為​品牌​的​當務​之急。​其中,​善加利用​第一​方​數據,​是​許多​品​牌​可​執行​的​的​第一​步。​第一​方​數據​即為​品牌​自有​的​客戶​相關​資料,​舉凡​客​戶​名單、​銷售​紀錄、​客戶​使用​網站​的​行為、​CR​M(Customer relationship manageme​nt,​客戶​管理​系統​)​資料​等,​都​是​相當​有​價值​的​第一​方​數據。​ 2​02​1 年​ Google ​和​波士頓​顧問​公司​(BCG)​合作​的​一份​台灣​數​位​轉型​調查​中​就​發現:​ 2​02​0 年​疫情​期間,​善用​第一​方​數據​的​企業​不僅​在​營收​成長​上​表現​平均​領先​ 11​%​ ,​甚至​收益​成長​幅度​可​高達​ 2.9​ ​倍。

面對​這​波​數據​整合​的​挑戰,​BH​K’s ​了​解自​身​優勢​在​於​豐厚​的​客戶​資料庫,​而​挑戰​則​在​於:​如何​善用​這​批​數據,​讓​品牌​在​轉換​成本​不變​的​情況​下,​提升​銷售量。​而​要​達成​此​目標,​方法​不​外乎​以下​兩​個:

  1. 找到​新​的​產品​格式​或​管道來​增量
  2. 測試​不同​的​目標​對象、​不同​的​人群來​提升​效益
BHK's 2

Google 數據​整合​三​階段​ ​協助​ BHK’s ​精準​找到​高價值​客​戶

在​消費者​重視​數據​隱私​的​態勢​下,​ Google ​結合​第一​方​數據​資料​與​機器​學習​技術,​建立​並​優化​客​戶​價值​模型,​在​每​階段​的​行銷​行動​中,​不斷​升級​數據​運用​效益。​從​上​傳現​有​的​第一​方​數據​開始​建立​初步​的​機器​學習​模型,​再​利用​「強化​轉換」​(Enhanced conversions)​找​回​因為​技術​限制​無法​完整​追蹤​的​轉換,​最後​結合​ GA​4 ​預測​高價值​目標​對象,​完成​精準​的​高價值​銷售。

BHK's 數據整合三階段

第一​階段:​上傳​第一​方​數據,​建立​機器​學習模型

在​第一​方​數據​資料​完整​的​基礎​下,​BH​K’s ​第一​階段​即​嘗試​利用​ Google Ads ​的​「目標​客戶​比對」​功能,​將​ B​HK’s ​的​第一​方​資料​與​ Google ​的​資料​整合,​鎖定​高價值​客戶。​ B​HK’s ​過​往​影音​行銷​表現​亮眼,​品牌​也​延續​這​股​氣勢,​搭配​比​對​過​第一​方​數據​的​客戶​名單,​在​滿意​的​轉換​成本​下​提升​整體​銷售量。

以​ B​HK’s ​為​例,​ Google ​發現​ CR​M​ ​名單​的​轉換率​是​更高​的,​相對​其他​TA​類型​可以​提升​ 4 到​ 6​ ​倍​的​轉換率。​此外,​有​加入​ CR​M​ ​名單​的​廣告​活動 CPA(Cost per Action​) ​下降​約​ 1​5%。

Google ​也​分享​在​第一​階段​的​最佳​做法:​客戶​目標​比​對​的​關鍵​資訊​最​好​有​ 2​ ​個​以上​的​項目,​同時​提供​電話​與​ email ,​可以​再​增加​ 2 到​ 3​ 成​的​比​對率,​進一步​產生​量​體​大​的​名單。​此外,​ Google ​也​建議​名單量​體​要​到​ 10​ 萬​以上​較​能​獲得​最佳​成效。

第二​階段:​強化​轉換,​找回​遺失​的​訂單​結果

第一​階段​試驗​取得​成功​後,​BH​K’s 接​著​嘗試​結合​強化​轉換​功能,​找回​由於​瀏覽器​等​技術​限制​下​無法​完整​追蹤​的​轉換。​Google ​強調,​此​階段​可以​用​來​補足​因​大​環境​而​「遺失」​的​客戶​資料。​舉凡​不​想​被​收集 cookie ​的​客戶,​或​是​因為​瀏覽器​不​支援​第三​方​ cookie ​而​遺失​的​客戶,​都​可以​透過​強化​轉換​功能,​進一步​「找回」,​減少​廣告​數據​與​實際​訂單​之間​的​落差。

Google ​提供​的​「強化​轉換」​功能​中,​企業​主可​藉由​安裝​全域​網站​代碼,​在​取得用​戶​同意​的​情況​下,​即​能​以​保障​客戶​隱私​的​方式,​將​第一​方​資料​與​ Google ​數據​比對,​進而​觀測到​更多​欠缺​的​客戶​資料、​增加​廣告​轉換​的​準確度。

BHK’s ​得力於​強化​轉換​功能,​不僅​ YouTube​ 影音​廣告​轉換​增加​ 35.​2​%,​搜尋​廣告​轉換​也​出現​ ​2​.2​% ​的​增長。​除此​之​外,​整體​轉換​價值​也​出現​約​ 40​%​ ​的​季​成長,​有效​弭平​廣告​數據​與​轉換​訂單​之間​的​落差,​更凸顯​強化​轉換​的​必要​性。

第三​階段:​利用​ GA4 ​建模,​辨識​高​潛力​消費者

握​有​足夠​的​客戶​資料,​BH​K’s ​的​下一​步​就是​找到​高價值​的​潛在​消費者。​BH​K’s ​與​ Google ​合作,​透過​既有​的​訪客​行為,​GA​4 ​將​自動​建立​機器​學習​模型,​預測​出具​高價值​的​目標​對象,​例如​未來​七天​可能​在​網站​上​購買​的​用戶,​讓​廣告​能​更加​精準地​投放,​有效率​的​提高​轉換​及​轉單​成效。

Google ​的​資料​顯示,​BH​K’s ​有​加入​ GA​4 ​預測​的​高潛力​購買​名單​的​廣告,​ROAS ​表現​相對​增加​ 22%​ (​實驗組​對​比控制​組)。​而​在​深入​了​解實驗組​的​數據​後,​會​發覺​其中​ GA​4 ​預測​高​潛力​購買​名單​的​ R​OAS ​表現,​相對​整體​目標​對象平均​增加​了​ 7​5​% 。​證實​瞄準​高價值​客戶​的​策略,​能​為​品牌​帶來​更​有​效率​的​數​位​行銷。

擁有​與​ Google​ ​成功​的​合作​經驗,​BH​K’s ​執行長​ Jason Tsai ​提到,​「透過​與​ Google ​的​實驗,​BH​K’s ​可以​更​有​效率​的​優化​客戶​資料,​也​幫助​我們​理​解客戶​資料​整合​的​的​價值。​」​ B​HK’s ​更​進一步​表示,​在​未來​的​行銷​活動​中,​都​將​持續​實踐 Google 數據​整合​三​階段,​以確​保​行​銷成效​最​大化。

廣告​數據​多元且​發散​ Google ​建議:​善用​機器​學習​整合​數據

當客戶​資料​不​再​只是​來自​ ​cookie,​品牌​應​當思考如何​善用​手​上​握有​的​數據,​最​大化​其​價值。​新時代​之​下,​企業​必須​開始​擁抱機器​學習​技術,​找到​顧客​價值​預測​模型,​就​能​更​有​效​分​配行銷​預算,​投資​真正​的​高價​值​客群、​創造​整體​利益​的​最​大化。

行銷數據​趨向​多​元且​發散​的​時代,​數據​整合​的​方式​也​更加多樣化,​BH​K’s ​與​ Google​的​合作,​成​功示​範 ​Google​ ​領先​的​廣告​技術​與​品牌​多​元​數據​結合,​所​帶來​的​影響力。​以​ B​HK’s ​的​案例​為​鏡,​新時代​的​行銷人​也​需​開始​針對​手​上​的​數據,​訂製​一套​最​適合​的​數據​整合​模式,​才​能​帶​領品​牌​在​新環境​中突圍,​迎來​新​一​波​銷售​成長。

Alan Hsu

James Lei

James Lei

​返​回​頁​首