[ad_1]
多年來，關於如何組織PPC活動以實現最佳效果的文章很多。
最近，當我被要求主持有關該主題的小組討論時，我介紹了一些經典的結構，例如單一關鍵字廣告組，單一產品廣告組等。
但是，既然PPC中的自動化越來越普遍，那麼對於完美的結構有哪些新的考慮因素？
1.自動化需要一致的結構
保持一致的結構對於以下各項一直很重要：
- 使管理更輕鬆。
- 防止自己或您的團隊迷失在大型Google Ads帳號中。
但是，當人們通常可以找出在不一致的結構中找到東西的位置時，機器可能會費時得多。
這是一個例子。
我們的一位客戶正在使用幾種自動化的組合：
- 確保活動保持在目標每月預算範圍內的腳本。
- 帶有庫存的自動Feed。
- 通過庫存Feed創建廣告系列的自動化程序。
有一天，他們注意到日產汽車的預算超出了預算。
經過調查，我們發現帶有庫存的供稿有時使Nissan一詞大寫，有時卻沒有。
結果，創建活動的自動化已開始創建兩個Nissan活動，如下圖所示。
當帳戶結構不一致時（例如在此示例中，有時單詞會以不同的方式大寫），自動化可能會中斷。
已經建立了檢查預算的自動化程序，以期期望該品牌使用適當的外殼：「日產」，因此使用大寫字母「 NISSAN」的廣告系列導致了額外的預算支出。
解決問題不是火箭科學，但是如果命名約定更加一致，則可以避免該問題。
如果事情是自動化的，那麼風險就是人為的注意力會減少，並且在引發問題之前不要抓住這樣的簡單錯誤。
換句話說，此問題在導致超支之後更有可能被發現。
過去，在手動創建廣告系列時，一個人在手工創建廣告系列時可能會注意到此問題。
2.為了獲得最佳結果，必須進行自動化分層
前面的示例稍稍偏離了帳戶結構，強調了現代PPC的另一個有趣方面。
為了獲得最佳結果，必須進行多種自動化操作。
雖然我描述了將三種自動化方法結合使用，以將產品數據轉化為由預算控制的一組廣告系列，但我沒有介紹第四個自動化方法，後者是標記問題的方法。
該自動化監控成本異常。當使用自己的預算針對日產汽車進行二次營銷時，成本從一天到一天都急劇上升。
這可以通過警報或腳本自動標記，以便人工客戶經理可以調查可能存在的問題。
隨著我們部署更多的自動化來管理PPC，重要的是還要擁有更多的自動化來監控正在發生的事情並及時了解狀態。
這個概念 自動化分層 在以下自動化示例中，很明顯Google不允許廣告客戶關閉：緊密變體形式。
眾所周知，緊密變體意味著完全匹配的關鍵字現在可能會觸髮針對與該關鍵字不同的查詢的廣告，只要Google的機器學習大腦認為它們的含義大致相同即可。
雖然這有助於發現新的流量並增加交易量，但是在緊密的變體世界中，在自動駕駛儀上運行帳戶非常危險。
我們要麼需要花費時間手動檢查和審查緊密的變體，要麼應該部署自動化以確保它們不會降低我們的性能。
緊密變異查詢的人為管理基本上只意味著需要更多時間進行查詢管理。 我以前的腳本之一 可以幫助您更快速地並排查看關鍵字及其相關的緊密變體形式的效果。
以自動化方式停留在緊密變體的頂部可以採取多種形式中的一種。
例如，我們可以依靠智能出價來確保，如果有一個效果不佳的封閉式變體，它將自動獲得較低的出價，因此我們仍然可以達到我們的目標CPA或ROAS。
例如，如果更商業化的關鍵字「插花」突然開始觸發廣告的近似變體「插花」，這實際上是不太商業化的（可能會被尋求學習如何布置花的人使用） ），然後智能出價會設置較低的出價。
一些接近的變體可能具有相似的含義，但具有不同的商業水平，需要在需要的水平上執行不同的出價。
在具有緊密變體的另一種自動化分層形式中，我們可以：
- 拿一個 腳本 例如協助我們進行手動查詢分析的工具。
- 添加幾行代碼，以便當封閉變體滿足某些與性能低下相關的預定義條件時，它會自動添加否定關鍵字。
3.自動化不需要您進行重組
回到帳戶結構，存在一個誤解，需要解決。
廣告商有時會更改其帳戶結構，以期在啟用自動出價後獲得更好的效果。
這樣做的想法是，如果使帳戶結構的複雜度降低（即將關鍵字組合成更少的廣告組和更少的廣告系列），則Google的機器學習將更快地學習。
事實證明，這種重組完全沒有必要。
簡單的解釋是Google的機器學習可以從每個查詢中學習。
它使用許多信號（例如一天中的時間，設備，用戶信號等）來幫助預測特定查詢導致特定轉化的可能性。
您可能會猜到，這是設置轉化的重要方式。
對於廣告客戶而言，Google甚至會使用您未啟用自動出價來幫助其系統學習的廣告系列中的數據，這對廣告客戶來說也就不足為奇了。
這就是為什麼可以打開「智能出價」並立即獲得不錯的結果的原因，因為該機器已經了解了歷史性能。
更改可以幫助機器「學習」的帳戶結構並沒有內在的本質，因此，如果您在簡化帳戶結構後看到更好的性能，請考慮這實際上是由於其他原因，例如：
- 您展示的廣告與以前不同。
- 您在廣告系列中可能有與之前不同的設置。
- 您正在查看不太精細的數據。
由於您的數據粒度較小，因此可以看到更好的結果，這表明在分析數據時出現了常見的人為錯誤。
如果您有一個廣告組過去一個月內獲得了3次轉化，然後在下個月獲得了2次轉化，那將是一次巨大的進步，將導致CPA發生重大變化。
但是，如果您將這些數字混合到擁有數百次轉化的帳戶的所有數據中，那麼一個廣告組中1次轉化的微小變化就不會顯示出如此大的變化。
Google知道，廣告客戶有時會為這些小的絕對更改分配過多的權重，而這些更改實際上是與廣義帳戶相對較小的更改。
但是，只有精明的廣告客戶才能看到真正的結果是…
4.滿足您的業務需求的結構
因此，如果您不必重新調整結構以使自動出價更好地工作，那麼正確的結構是什麼？
一如既往，這取決於您的業務。
例如，您的預算可能決定您必須針對不同的業務線運行不同的廣告系列。或者您的盈利目標可能需要您進行多個廣告系列，每個廣告系列都具有不同的目標廣告支出回報率。
如果您需要在正確的術語表上進行複習，以達到Google Ads廣告系列的收支平衡，則下面的圖形顯示了計算方法。
如何計算ACOS或tROAS以在Google或Amazon上的搜索廣告系列中實現盈利。
因此，如果您銷售許多產品或擁有多種盈利水平不同的服務，則需要多個廣告系列，每個廣告系列都有自己的目標。
即使您投放智能購物廣告系列（Google的全自動購物廣告），也可以使用一些目標不同的廣告系列。
我看到許多帳戶，廣告客戶可在其中根據匹配類型，設備，區域等劃分廣告系列。
這些策略各有千秋，其關鍵是，如果到目前為止，它對您來說仍然奏效，則無需更改它，僅因為您想開始使用智能出價自動出價。
5.設置您需要的目標，即使有很大的變化
這將我們引向與結構有關的最後一點。
如果我們要針對不同的目標CPA或ROAS使用不同的廣告系列，為什麼Google表示我們一次不應將目標更改超過20％？
如果我們的結構要點是支持業務目標，並且突然之間我們的業務目標需要一個截然不同的目標（也許是由於大筆交易），那麼為什麼不設置所需的價值呢？
對我來說，這已經很久沒有意義了，因為Google的機器學習可以預測每次點擊的轉化率或轉化價值。
為什麼突然更改tCPA會對此產生干擾？
答案是事實並非如此。
但是，確實發生了一個新的目標，即更改了要競價的每次點擊費用。
當廣告客戶開始提高出價時，他們就有資格展示廣告，以查詢之前可能沒有出現過的查詢。
查詢組合更改！
而且查詢組合的變化可能真的很難分析。
由於tCPA或tROAS發生了很大的變化而導致查詢組合不同的情況下，一個具體的問題是新查詢的執行方式可能與您一直出現的查詢有很大不同。
這可能會更改廣告系列的總體結果，並導致廣告客戶將系統視為「已損壞」。
它實際上並沒有中斷，因為如果您分析以前已經出現過的查詢，則這些查詢很可能仍會保持一致。
是新查詢改變了平均值，使系統性能似乎有所不同。
如前所述，通過自動化分層進行積極的查詢管理可以在這種情況下提供答案。
您可以設置您的業務真正需要的新目標每次轉化費用，同時使用自動查詢管理來使查詢組合相對接近以前的水平。
結論
廣告商需要意識到一些自動化的陷阱，以免他們基於不完整的信息來做出決定。
自動化使客戶經理更有可能在出現問題之後而不是在創建結構時以及引起問題之前，在一致的結構中發現錯誤。
可以通過更好的警報，監視和審計來解決此問題。
自動化不需要更簡單的帳戶結構。我們仍然需要運行對我們的業務有意義的結構。
如果有的話，我們應該花更多的時間來正確地衡量轉化，而不是將帳戶結構調整為我們認為會對機器有所幫助的怪異形狀。
最後，由於我們需要做更多的工作來控制引擎的自動化，因此我們應該考慮我們控制的腳本，工具和其他自動化工具如何幫助我們減輕一些手動工作的負擔，從而使我們在任何事情上保持最活躍的狀態我們做到最好–具有戰略意義。
更多的PPC資源：
圖片積分
屏幕快照由作者拍攝，2020年2月
後期圖片：作者創作，2020年2月