Inteligentne stawki za kliknięcia w Google Ads – praktyczny poradnik

Na początek należy zatem rozdzielić strategie automatyczne od inteligentnych. Do pierwszych zaliczamy: maksymalizację liczby kliknięć, wybraną lokalizację na stronie wyszukiwania i docelowy udział w wygranych aukcjach.

Te strategie nie wymagają od algorytmu zastosowania zaawansowanych technik uczenia maszynowego, a polegają jedynie na prostym podbijaniu lub obniżaniu stawki w zależności od tego, jak w danej aukcji zachowuje się konkurencja. Algorytm Google, posiadający na wejściu takie dane, ma za zadanie jedynie dopasowanie naszych stawek do obranej strategii. W związku z tym wygeneruje odpowiednią pozycję reklamy lub zmaksymalizuje liczbę kliknięć. Nie wymaga to analizy żadnych dodatkowych czynników.

Inaczej sytuacja wygląda w przypadku strategii stawek określanych jako „inteligentne”: docelowy CPA, docelowy ROAS, maksymalizuj liczbę konwersji i ulepszony CPC. Te strategie mają korzystać z bardziej zaawansowanych algorytmów, wykorzystujących uczenie maszynowe, aby osiągać zadany cel.

Którą strategię zatem wybrać dla naszej kampanii i czy zawsze strategie „inteligentne” sprawdzą się lepiej? Przeanalizujmy każdy przypadek z osobna.

Automatyczne strategie (mniej) inteligentne

Maksymalizacja liczby kliknięć

Z mojego doświadczenia jest to typ strategii automatycznej, który sprawdza się zdecydowanie najlepiej. Autentycznie pozwala znacznie obniżyć stawki za kliknięcia, a przy tym często jednocześnie powoduje wzrost liczby konwersji. Strategia ta bardzo dobrze sprawdza się przede wszystkim w kampaniach zakupowych. Ta strategia działa jeszcze lepiej, gdy korzystamy z Double Clicka, gdyż wówczas mamy o wiele większą kontrolę nad efektami. Możemy np. określić dodatkowo maksymalną i minimalną wartość stawki za kliknięcia i/lub maksymalną i minimalną pozycję, których algorytm musi się trzymać.

Wybrana lokalizacja na stronie wyszukiwania

Ten typ strategii można uruchomić, jeśli chcemy koniecznie utrzymywać reklamy na górze wyników wyszukiwania (w obrębie miejsc 1-3 lub 1-4), bez względu na koszty i zwrot z inwestycji. Można go zastosować dla wybranej grupy słów kluczowych, na których ze względów prestiżowych lub wizerunkowych wyjątkowo zależy klientowi. Jednakże z dużym prawdopodobieństwem można przyjąć, że zwrot z inwestycji będzie mniejszy niż w przypadku maksymalizacji kliknięć czy nawet ręcznego ustawiania stawek.

Udział w wygranych aukcjach

Polega na tym, iż wybieramy domenę konkurencji, którą chcemy przelicytować i określamy, w jakim odsetku aukcji chcemy być wyżej niż dany konkurent. W zdecydowanej większości wypadków stanowczo odradzam tego typu strategię, gdyż może generować bardzo duże koszty (i inflację, jeśli „przeciwnik” zastosuję tę samą strategię) i bardzo niewielki zwrot z inwestycji. Czasem jednak w celach prestiżowych i zgadzając się na prawdopodobnie bardzo niski lub wręcz ujemny zwrot z inwestycji, klienci chcą uruchomić na kilku frazach taką strategię, aby tylko pokonać na najbardziej strategicznych frazach najważniejszego konkurenta.

Strategie (nieco bardziej) inteligentne

Docelowy CPA

W tym wypadku algorytm ustala stawki w ten sposób, aby osiągnąć podany przez nas maksymalny koszt konwersji.

Jest to z jednej strony strategia mocno promowana przez Google, natomiast wymaga bardzo dużej uwagi ze strony specjalisty odpowiedzialnego za kampanię. Dlaczego? W przypadku ustawienia zbyt niskiej lub zbyt wysokiej kwoty CPA kampania może zacząć działać wyraźnie gorzej niż w wypadku ręcznie ustawianych stawek. Przed uruchomieniem tej strategii konieczne są więc dwie rzeczy:

Zapisz się do newslettera

i pobierz checklistę
wdrożeniową GA4

Dzięki niej prawidłowo wdrożysz Google
Analytics 4 na swojej stronie!

Tak, zapisz mnie!

email marketing powered by FreshMail

Wyrażam zgodę na przetwarzanie przez 4PEOPLE Sp. z o.o. z siedzibą w Katowicach moich danych osobowych w celu realizacji usługi NewsletterRozwiń całość

– przede wszystkim Ads musi zliczać jedynie te konwersje, które są najważniejsze (np. zakup czy wysłanie formularza), ponieważ w przeciwnym razie algorytm będzie dopasowywał stawki także w celu osiągnięcia konwersji drugorzędnych (np. odwiedziny jakiejś podstrony, pobranie pdf itp.), przez co stawki będą źle dopasowane i liczba najważniejszych dla klienta typów konwersji spadnie zamiast wzrosnąć.

– po drugie, musimy dysponować danymi o konwersjach z dłuższego czasu, najlepiej z minimum ostatnich 13 miesięcy, aby przeanalizować rozkład średnich kosztów konwersji w poszczególnych miesiącach (uwzględniając sezonowość) i dobrać odpowiednie CPA. W branżach o dużej sezonowości należy więc często modyfikować tę stawkę, aby zachować wysoką skuteczność.

Z naszych doświadczeń niestety często wynika, iż nawet stosując się do wszystkich powyższych wytycznych strategia ta daje w wielu wypadkach gorsze rezultaty niż maksymalizacja kliknięć czy ręczne ustalanie stawek. W wielu wypadkach podnosi bowiem koszty konwersji bez wyraźnej zmiany ich liczby. Najlepiej natomiast działa ona w kampaniach, gdzie mamy po kilkadziesiąt konwersji dziennie – wówczas algorytm możemy „nakarmić” wystarczająco dużą ilością danych, aby działał właściwie.

Docelowy ROAS

Również w tym wypadku trzeba spełnić wszystkie warunki podane przy okazji docelowego CPA, aby algorytm dobrze zadziałał. Generalnie, im więcej danych może on przeanalizować, tym lepiej i szybciej machine learning będzie w stanie dopasować ustawienia kampanii w celu osiągnięcia odpowiedniego zwrotu z inwestycji. Ze względu na oparcie strategii o ROAS sprawdzi się ona w wypadku witryn korzystających z e-commerce, zwłaszcza w przypadku kampanii produktowych.

Maksymalizuj liczbę konwersji

Ten typ strategii dopasowuje stawki w ten sposób, aby w ramach dostępnego budżetu zmaksymalizować liczbę konwersji. Także i tu bardzo istotne jest więc dobrze skonfigurowane mierzenie konwersji i skupienie się na przekazywaniu do algorytmów danych jedynie o najważniejszych typach konwersji. Strategia ta sprawdza się jednak całkiem dobrze, zwłaszcza warto ją uruchomić w przypadku, kiedy dana kampania generuje sporo konwersji, lecz nie wydaje całego przeznaczonego budżetu. Wówczas najczęściej uda się podnieść liczbę konwersji, natomiast z drugiej strony mogą również wzrosnąć koszty konwersji, gdyż strategia ta dąży do wydawania całego założonego budżetu dziennego. W wypadku korzystania z tej strategii należy dodatkowo pamiętać, iż kampania nie może korzystać ze wspólnego budżetu, lecz musi mieć osobny, przeznaczony tylko dla niej.

Ulepszony CPC

Ulepszony CPC (lub inaczej eCPC) to mechanizm, który na podstawie danych historycznych może automatycznie zwiększyć lub zmniejszyć stawkę za kliknięcia, którą sami ustawiliśmy dla każdej frazy, maksymalnie o 30%. Różnica w porównaniu do docelowego CPA czy docelowego ROAS polega na tym, iż eCPC wykorzystuje mniejszą liczbę sygnałów do analizy. Z kolei w przypadku wykorzystania tej strategii w kampanii produktowej należy pamiętać, iż Google zaleca, aby każda z grup produktowych generowała minimum 200 kliknięć/tydzień.

Zasadność wdrożenia tego typu strategii jest spora, z doświadczenia w wielu kampaniach wynika, że faktycznie może ona zauważalnie poprawić liczbę konwersji, natomiast trzeba się również w wielu wypadkach liczyć ze wzrostem kosztów konwersji. Pomimo tego mamy jednak znacznie większą kontrolę nad stawkami, niż w przypadku wszystkich pozostałych strategii automatycznych – warto więc skorzystać z niej, jeśli pozostałe strategie się nie sprawdzają.

Które strategie naszym zdaniem sprawdzają się najlepiej i pomagają osiągnąć lepsze wyniki? Z doświadczenia wynika, że póki co jest to maksymalizacja kliknięć oraz ulepszony CPC, a więc mimo wszystko jedne z najmniej „inteligentnych” strategii. Algorytmy w pozostałych strategiach, chociaż działają już znacznie lepiej niż jeszcze kilka lat temu, wciąż jednak częstokroć zbyt mocno podnoszą koszty konwersji i koszty samej kampanii.

Przede wszystkim należy pamiętać, że żadna z omówionych strategii nie działa na zasadzie „ustaw i zapomnij”. Cały czas należy kontrolować aktualny poziom zwrotu z inwestycji oraz liczbę i koszt konwersji. Należy również reagować w wypadku zmian związanych z sezonowością, co wymaga czasem zastosowania zupełnie innej strategii lub parametrów docelowych.

Ostatnia sprawa, na którą warto zwrócić uwagę, to fakt, iż w przypadku algorytmów wykorzystujących uczenie maszynowe nie mamy pełnej wiedzy, w jaki sposób dochodzą one do swych „wniosków” i ustalają stawki. Google wspomina jedynie o dziesiątkach różnych czynników. Ostatecznie natomiast te algorytmy nie mają wiele wspólnego z rzeczywistą „sztuczną inteligencją” i wszystkie oparte są o pewne założenia przygotowane zawczasu przez analityków i programistów. Jeśli więc w ich wnioskowaniu pojawi się błąd, zamiast pomóc mogą bardziej zaszkodzić. Dlatego warto stosować zasadę ograniczonego zaufania – wdrażać je tam, gdzie teoretycznie powinny zapewniać lepsze wyniki, ale stale obserwować i powracać do poprzednich strategii, jeśli wyniki okażą się gorsze.