[ad_1]
多年来，关于如何组织PPC活动以实现最佳效果的文章很多。
最近，当我被要求主持有关该主题的小组讨论时，我介绍了一些经典的结构，例如单一关键字广告组，单一产品广告组等。
但是，既然PPC中的自动化越来越普遍，那么对于完美的结构有哪些新的考虑因素？
1.自动化需要一致的结构
保持一致的结构对于以下各项一直很重要：
- 使管理更轻松。
- 防止自己或您的团队迷失在大型Google Ads帐号中。
但是，当人们通常可以找出在不一致的结构中找到东西的位置时，机器可能会费时得多。
这是一个例子。
我们的一位客户正在使用几种自动化的组合：
- 确保活动保持在目标每月预算范围内的脚本。
- 带有库存的自动Feed。
- 通过库存Feed创建广告系列的自动化程序。
有一天，他们注意到日产汽车的预算超出了预算。
经过调查，我们发现带有库存的供稿有时使Nissan一词大写，有时却没有。
结果，创建活动的自动化已开始创建两个Nissan活动，如下图所示。
当帐户结构不一致时（例如在此示例中，有时单词会以不同的方式大写），自动化可能会中断。
已经建立了检查预算的自动化程序，以期期望该品牌使用适当的外壳：“日产”，因此使用大写字母“ NISSAN”的广告系列导致了额外的预算支出。
解决问题不是火箭科学，但是如果命名约定更加一致，则可以避免该问题。
如果事情是自动化的，那么风险就是人为的注意力会减少，并且在引发问题之前不要抓住这样的简单错误。
换句话说，此问题在导致超支之后更有可能被发现。
过去，在手动创建广告系列时，一个人在手工创建广告系列时可能会注意到此问题。
2.为了获得最佳结果，必须进行自动化分层
前面的示例稍稍偏离了帐户结构，强调了现代PPC的另一个有趣方面。
为了获得最佳结果，必须进行多种自动化操作。
虽然我描述了将三种自动化方法结合使用，以将产品数据转化为由预算控制的一组广告系列，但我没有介绍第四个自动化方法，后者是标记问题的方法。
该自动化监控成本异常。当使用自己的预算针对日产汽车进行二次营销时，成本从一天到一天都急剧上升。
这可以通过警报或脚本自动标记，以便人工客户经理可以调查可能存在的问题。
随着我们部署更多的自动化来管理PPC，重要的是还要拥有更多的自动化来监控正在发生的事情并及时了解状态。
这个概念 自动化分层 在以下自动化示例中，很明显Google不允许广告客户关闭：紧密变体形式。
众所周知，紧密变体意味着完全匹配的关键字现在可能会触发针对与该关键字不同的查询的广告，只要Google的机器学习大脑认为它们的含义大致相同即可。
虽然这有助于发现新的流量并增加交易量，但是在紧密的变体世界中，在自动驾驶仪上运行帐户非常危险。
我们要么需要花费时间手动检查和审查紧密的变体，要么应该部署自动化以确保它们不会降低我们的性能。
紧密变异查询的人为管理基本上只意味着需要更多时间进行查询管理。 我以前的脚本之一 可以帮助您更快速地并排查看关键字及其相关的紧密变体形式的效果。
以自动化方式停留在紧密变体的顶部可以采取多种形式中的一种。
例如，我们可以依靠智能出价来确保，如果有一个效果不佳的封闭式变体，它将自动获得较低的出价，因此我们仍然可以达到我们的目标CPA或ROAS。
例如，如果更商业化的关键字“插花”突然开始触发广告的近似变体“插花”，这实际上是不太商业化的（可能会被寻求学习如何布置花的人使用） ），然后智能出价会设置较低的出价。
一些接近的变体可能具有相似的含义，但具有不同的商业水平，需要在需要的水平上执行不同的出价。
在具有紧密变体的另一种自动化分层形式中，我们可以：
- 拿一个 脚本 例如协助我们进行手动查询分析的工具。
- 添加几行代码，以便当封闭变体满足某些与性能低下相关的预定义条件时，它会自动添加否定关键字。
3.自动化不需要您进行重组
回到帐户结构，存在一个误解，需要解决。
广告商有时会更改其帐户结构，以期在启用自动出价后获得更好的效果。
这样做的想法是，如果使帐户结构的复杂度降低（即将关键字组合成更少的广告组和更少的广告系列），则Google的机器学习将更快地学习。
事实证明，这种重组完全没有必要。
简单的解释是Google的机器学习可以从每个查询中学习。
它使用许多信号（例如一天中的时间，设备，用户信号等）来帮助预测特定查询导致特定转化的可能性。
您可能会猜到，这是设置转化的重要方式。
对于广告客户而言，Google甚至会使用您未启用自动出价来帮助其系统学习的广告系列中的数据，这对广告客户来说也就不足为奇了。
这就是为什么可以打开“智能出价”并立即获得不错的结果的原因，因为该机器已经了解了历史性能。
更改可以帮助机器“学习”的帐户结构并没有内在的本质，因此，如果您在简化帐户结构后看到更好的性能，请考虑这实际上是由于其他原因，例如：
- 您展示的广告与以前不同。
- 您在广告系列中可能有与之前不同的设置。
- 您正在查看不太精细的数据。
由于您的数据粒度较小，因此可以看到更好的结果，这表明在分析数据时出现了常见的人为错误。
如果您有一个广告组过去一个月内获得了3次转化，然后在下个月获得了2次转化，那将是一次巨大的进步，将导致CPA发生重大变化。
但是，如果您将这些数字混合到拥有数百次转化的帐户的所有数据中，那么一个广告组中1次转化的微小变化就不会显示出如此大的变化。
Google知道，广告客户有时会为这些小的绝对更改分配过多的权重，而这些更改实际上是与广义帐户相对较小的更改。
但是，只有精明的广告客户才能看到真正的结果是…
4.满足您的业务需求的结构
因此，如果您不必重新调整结构以使自动出价更好地工作，那么正确的结构是什么？
一如既往，这取决于您的业务。
例如，您的预算可能决定您必须针对不同的业务线运行不同的广告系列。或者您的盈利目标可能需要您进行多个广告系列，每个广告系列都具有不同的目标广告支出回报率。
如果您需要在正确的术语表上进行复习，以达到Google Ads广告系列的收支平衡，则下面的图形显示了计算方法。
如何计算ACOS或tROAS以在Google或Amazon上的搜索广告系列中实现盈利。
因此，如果您销售许多产品或拥有多种盈利水平不同的服务，则需要多个广告系列，每个广告系列都有自己的目标。
即使您投放智能购物广告系列（Google的全自动购物广告），也可以使用一些目标不同的广告系列。
我看到许多帐户，广告客户可在其中根据匹配类型，设备，区域等划分广告系列。
这些策略各有千秋，其关键是，如果到目前为止，它对您来说仍然奏效，则无需更改它，仅因为您想开始使用智能出价自动出价。
5.设置您需要的目标，即使有很大的变化
这将我们引向与结构有关的最后一点。
如果我们要针对不同的目标CPA或ROAS使用不同的广告系列，为什么Google表示我们一次不应将目标更改超过20％？
如果我们的结构要点是支持业务目标，并且突然之间我们的业务目标需要一个截然不同的目标（也许是由于大笔交易），那么为什么不设置所需的价值呢？
对我来说，这已经很久没有意义了，因为Google的机器学习可以预测每次点击的转化率或转化价值。
为什么突然更改tCPA会对此产生干扰？
答案是事实并非如此。
但是，确实发生了一个新的目标，即更改了要竞价的每次点击费用。
当广告客户开始提高出价时，他们就有资格展示广告，以查询之前可能没有出现过的查询。
查询组合更改！
而且查询组合的变化可能真的很难分析。
由于tCPA或tROAS发生了很大的变化而导致查询组合不同的情况下，一个具体的问题是新查询的执行方式可能与您一直出现的查询有很大不同。
这可能会更改广告系列的总体结果，并导致广告客户将系统视为“已损坏”。
它实际上并没有中断，因为如果您分析以前已经出现过的查询，则这些查询很可能仍会保持一致。
是新查询改变了平均值，使系统性能似乎有所不同。
如前所述，通过自动化分层进行积极的查询管理可以在这种情况下提供答案。
您可以设置您的业务真正需要的新目标每次转化费用，同时使用自动查询管理来使查询组合相对接近以前的水平。
结论
广告商需要意识到一些自动化的陷阱，以免他们基于不完整的信息来做出决定。
自动化使客户经理更有可能在出现问题之后而不是在创建结构时以及引起问题之前，在一致的结构中发现错误。
可以通过更好的警报，监视和审计来解决此问题。
自动化不需要更简单的帐户结构。我们仍然需要运行对我们的业务有意义的结构。
如果有的话，我们应该花更多的时间来正确地衡量转化，而不是将帐户结构调整为我们认为会对机器有所帮助的怪异形状。
最后，由于我们需要做更多的工作来控制引擎的自动化，因此我们应该考虑我们控制的脚本，工具和其他自动化工具如何帮助我们减轻一些手动工作的负担，从而使我们在任何事情上保持最活跃的状态我们做到最好–具有战略意义。
更多的PPC资源：
图片积分
屏幕快照由作者拍摄，2020年2月
后期图片：作者创作，2020年2月