Novinky reklamních platforem přejí často hlavně e-shopům a B2C businessům. Automatizované strategie, možnost tvorby reklam přímo z feedu a další vychytávky bývají pro firmy, které nemají e-shop těžko uchopitelné. Obzvlášť, jedná-li se o službu a ne o produkt. O jaké technologie se vlastně jedná a jak je můžete využívat, i když e-shop nevlastníte?

Podle Googlu, o jehož Google Ads dnes budeme mluvit, i podle našich výsledků u e-shopových klientů, šetří tyto novinky čas i práci. Přinášejí větší výkon a často i efektivnější správu vložených prostředků. Chceme vám ukázat jak využít výhod, které nabízejí, i přesto, že nejste e-shop.

V agentuře se staráme jak o e-shopy, tak o “ne-eshopové” (lead generation) B2C i B2B klienty. Tak jsme si řekli, že bychom některé z novinek chtěli vyzkoušet i u nich.

 

O co jde?

Konkrétně jsme se zaměřili automatizované strategie nabídek. Ty samy určují kdy, komu a s jakou cenou za proklik se reklama zobrazí. V reálu pak jako konzultant neříkáte klasicky Google Ads: “Za kliknutí na toto klíčové slovo jsem ochoten zaplatit maximálně 5 Kč”, ale spíše “Google, za každou 1 Kč investovanou do reklamy mi přines 10 Kč v obratu”.

 

 

Obr. 1 – Výběr typu strategie v Google Ads
Zdroj: Klientské Google Ads

Google Ads k tomu využívá strojové učení. Podle naší zkušenosti dovede fungovat poměrně dobře, ale má svá “ale”.

Zaprvé, musíte mít DOBŘE nastaveno měření konverzí.

Zadruhé, musíte mít v účtu dostatek dat o konverzích (minimálně vyšší desítky, ideálně stovky) za posledních 30 dní.

První bod lze poměrně úspěšně vyřešit za pomoci šikovného analytika, ale častěji bývá problém právě s nedostatkem relevantních dat. Logika za tím je jednoduchá. Bez dat se nemá algoritmus, který zajišťuje automatizaci, na čem učit. A právě nedostatek dat jsme se pokusili obejít.

 

Jak to vlastně funguje? 

Nejlépe se dá fungování algoritmu představit na příkladu offline světa. Představte si jej jako člověka, který stojí na ulici a oslovuje lidi. Ptá se jich, jestli by si chtěli koupit daný produkt nebo službu. U úspěšných i neúspěšných “transakcí” si zaznamenává detaily (faktory) o daném člověku. Pohlaví, věk, jejich zájmy, lokalitu a podobě. Z těchto faktorů si skládá obrázek o ideálním zákazníkovi. Jakmile se zeptá dostatečného množství lidí, je pak schopný zjistit, které transakce spíše povedou k nákupu a které ne. Na základě těchto měření pak dokáže předvídat a nabízet různé ceny za proklik různým lidem. A to mnohdy efektivněji, než kdyby vše nastavoval PPC specialista.

Výhoda pro vás? Šetříte drahocenný čas specialisty a efektivněji investujete rozpočet (tedy spíše Google ho investuje za vás).

Je zde ale úskalí nedostatku dat. E-shopy data o nákupech často mají či snadno získají. Ale co dělat, pokud nejste e-shop? Kde sbírat velké množství dat, pokud prodáváte službu, o kterou má zájem třeba jen 10 lidí za měsíc? A co když trvá rozhodovací proces u vašich zákazníků několik týdnů, měsíců až let?

My jsme řešili stejný problém a přišli jsme na to, jak nedostatek dat obejít. Uměle jsme počet dat navýšili.

 

Co je pro Google konverze?

Teď už víte jak algoritmus funguje a víte, že je třeba mít data o konverzích. Systém ale neví, co je konverze v případě vašeho businessu. To určujete vy.

Pokud jste majitelem e-shopu, je jasné, co je považováno za konverzi = úspěšné provedení nákupu vašich produktů. Pokud je účelem vašeho webu pouze prezentace vámi poskytované služby a nelze ji například rovnou zakoupit, systémy Google netuší, co je ve vašem businessu konverzí.

 

Mikro a Makro konverze

Jak tedy efektivně získat data o konverzích? Odpověď leží v rozdělení konverzí na dva druhy.

Nákup nebo odeslání poptávkového formuláře se někdy označuje jako tzv. makro konverze; tedy něco, co je primárním cílem webu, o co nejvíce usilujete. Právě těch může být málo. Pokud se ale podíváte na to, co se dělo před splněním konverze, zjistíte, že může existovat určitý vzorec chování předcházející nákupu.

Někdo se přihlásil do newsletteru? Zobrazil si někdo telefonní číslo na webu? Vyplnil formulář, ale už ho neodeslal? Výborně! Sice ještě nenakoupil, ale už je v nákupní cestě pravděpodobně dál než někdo, kdo na webu neprovedl žádnou akci. Tato cenná data se označují jako mikro konverze. Pokud se je rozhodnete sbírat, můžete se dostat k datům, která vám mohou pomoci s výkonem kampaní a růstem počtu makro konverzí; tedy těch hlavních konverzí.

Na poslední zmíněné mikro konverzi (vyplněný, ale neodeslaný formulář) jsme vše testovali.

 

Reálné fungování

Staráme se o klienta u kterého měříme počet odeslaných formulářů. Návštěvník přijde, vyplní formulář a v dalším kroku jej odesílá. My na webu měříme jak počet vyplněných, ale neodeslaných formulářů, tak počet úspěšně odeslaných.

Rozhodli jsme se měřit počty obou variant, ačkoli našim cílem je samozřejmě zajistit co nejvyšší počet úspěšně odeslaných, nikoli pouze vyplněných. Daty jsme pak “nakrmili” algoritmus zajišťující automatické nabízení cen.

 

A výsledek?

Tím, že jsme obohatili data o další informace v podobě mikro konverzí, se podařilo Google Ads „naučit“ zobrazovat relevantněji reklamu. Tím stoupl počet makro konverzí o cca 10–15 % oproti době, kdy jsme mikro konverze nepoužívali. Ověřili jsme to tak, že jsme na 4 týdny vypnuli v Ads data o mikro konverzích a algoritmus používal jen data o makro konverzích. Vizte obrázek 2.

 

 

Obr. 2 – Makro konverze také klesaly a trvalo přes měsíc, než jsme se dostali zpět
Zdroj: Klientské Google Analytics, zdroj / medium – Google / cpc

Klesal jak počet mikro konverzí, tak počet makro konverzí. Mikro konverze nás tolik nezajímají, ale makro konverze ano.

 

 

Obr. 3 – Počet mikro konverzí přirozeně klesl
Zdroj: Klientské Google Analytics, zdroj / medium – Google / cpc

Co jsme ještě zjistili

Při zkoumání dat z Google Analytics jsme objevili dvě zajímavé věci. Nárůst konverzního poměru makro konverzí v období propadu jejich počtu (během experimentu) a pokles ceny za konverzi (CPA). Což šlo poněkud proti našim očekáváním. Dodali jsme přeci systému více dat, tak by měl cílit přesněji a ve výsledku levněji. Ne tak docela.

Nižší cenu za konverzi a vyšší konverzní poměr si vysvětlujeme tím, že během cílení pouze na makro konverze přicházela na web jen nejrelevantnější návštěvnost a bylo jí méně než obvykle. Tím pádem byl vyšší konverzní poměr.
Naopak při rozšíření cílení o mikro konverze, konverzní poměr klesl. To nám ale nevadilo, protože celkový výkon byl vyšší.

 

Obr. 4 – Růst a pokles konverzního poměru makro konverze během a po experimentu
Zdroj: Klientské Google Analytics, zdroj / medium – Google / cpc

Zjistili jsme, že při použití mikro konverzí roste celkový objem konverzí. Jednou z pohnutek pro tento experiment bylo vyčerpání potenciálu searche a remarketingu; chtěli jsme přijít s další možností cílení spíš než jen spustit akviziční display reklamu.

Na druhou stranu se nám nepodařilo snížit cenu za konverzi. Maximálně jsme se dostali na stejnou cenu jako před experimentem. Z našeho pohledu jde o to, že Google po použití mikro konverzí nažene skrz reklamu lidi, o kterých si myslí, že vyplní formulář, i když nám jde primárně o vyplnění a odeslání. Roste počet všech návštěvníků, ale neúměrně tomu (méně) roste počet relevantních návštěvníků. Proto také klesá konverzní poměr.

Z našeho pohledu to ale stále má smysl, jelikož v dlouhém období se zdá, že se trend obrací. Experiment jsme dělali v březnu 2019 a od té doby se nám výkon v horizontu měsíců zlepšuje. I kdyby ale stagnoval, má to pro klienta cenu. Už jen proto, že ušetříme čas na ručním biddování.

 

Na co dát pozor

Určitě netvořte konverze z náhodné akce na webu jen proto, abyste měli data. Technicky to samozřejmě dostatek dat zajistí, ale reálně bude algoritmus dělat rozhodnutí na základě nevhodných dat. Pokud máte 5 makro konverzí za měsíc v podobě odeslaného formuláře a dalších 100 mikro konverzí za to, že někdo na vašem blogu přečetl alespoň 3 články, pak bude algoritmus na váš web vodit lidi, o kterých usoudí, že si s větší pravděpodobností přečtou články. Nikoliv, že vyplní a odešlou poptávkový formulář.

Doporučujeme samozřejmě z cílení vyloučit ty uživatele, kteří již hlavní makro konverzi provedli.

V obr. 3 je vidět, že nám experiment rozhodil výkon na další měsíc, i když jsme v potaz vzali i sezónní pokles. Takže je třeba počítat s “učící fází” experimentu + když se experiment ukázal jako méně výkonný, tak se opět Google Ads musel znova učit pracovat jak s mikro, tak s makro konverzemi.

Pokud máte k automatickým strategiím nabídek či měřením konverzí nějaké otázky, obraťte se na mne. Rád vám poradím. Máte sami jinou zkušenost? Podělte se o ni s námi, budeme rádi.