Internet

Cara menghentikan kampanye Google AdWords dari kegagalan

jasa google ads

Iklan Mengganggu baru-baru ini menguraikan alasan utama mengapa kampanye AdWords berhasil atau gagal, berdasarkan audit lebih dari 2000 akun AdWords.

Mereka menemukan penyebab kegagalan berikut:

  • Pelacakan konversi tidak lengkap
  • Tingkat konversi yang buruk
  • Iklan menghabiskan inefisiensi
  • Pembelanjaan iklan sia-sia

Melihat alasan ini, jelas bagi kami bahwa mereka semua memiliki satu kesamaan – semuanya berasal dari ketidakmampuan bisnis untuk memahami nilai sesungguhnya dari setiap titik kontak di jalur pelanggan mereka untuk membeli.

Dengan kata lain, kampanye AdWords yang gagal tidak mengaitkan peran setiap kata kunci dengan benar di jalur konversi.

Jadi, bagaimana Anda mencegah masalah seperti ini terjadi?

The benefits of data-driven attribution

Atribusi didefinisikan sebagai proses ‘menetapkan nilai secara akurat ke setiap titik kontak pemasaran digital di seluruh perjalanan pengguna lengkap, memberikan pemahaman yang hebat tentang kombinasi peristiwa apa yang mendorong konversi’.

Jasa Google Ads Sebagian besar model ‘out-of-the-box’ mengaitkan konversi pelanggan dengan metrik sewenang-wenang seperti langkah pertama atau terakhir dalam perjalanan mereka.

Namun, model pengaitan multi-saluran berbasis data menggunakan algoritme pembelajaran mesin yang unik untuk mempertimbangkan setiap langkah dalam perjalanan terkait dengan yang lain. Dengan demikian, ia memberikan nilai paling akurat untuk setiap titik kontak.

Dan bagaimana atribusi dapat membantu AdWords?

Untuk menjawab pertanyaan ini, mari kita lihat masalah yang ditandai oleh Periklanan Mengganggu, dan lihat bagaimana model pengaitan berdasarkan data berperan penting dalam mengatasinya.

1. Conversion tracking

Iklan Mengganggu menemukan bahwa, dari 57,7% akun AdWords dengan pelacakan konversi, separuh memiliki pengaturan yang buruk sehingga mereka mungkin tidak melacak apa pun sama sekali.

Seharusnya tidak terlalu mengejutkan bahwa pengaitan berdasarkan data dapat menghilangkan masalah ini bagi pemasar. Model pengaitan berfungsi dari kumpulan data kaya yang diumpankan dari Platform Data Pelanggan – yang mengintegrasikan semua sumber data pelanggan, baik online maupun offline, dan di beberapa sesi, perangkat, dan saluran, ke dalam satu tampilan pelanggan.

Pandangan ini memberikan visibilitas yang rinci pada seluruh perjalanan pelanggan akhir-ke-ujung. Bekerja dari sumber data kaya ini, model pengaitan dapat memberi tahu pemasar apa yang terjadi sebelum dan sesudah klik.

2. Conversion rates

Temuan kedua untuk Disruptive Advertising adalah tingkat konversi rata-rata untuk akun AdWords adalah 2,18%. Ini menunjukkan bahwa, meskipun pelanggan mungkin mengklik kata kunci, ini jarang menghasilkan konversi.

Sekali lagi, solusinya dapat ditemukan dalam atribusi yang akurat – jika Anda tidak melacak kata kunci Anda dengan benar, bagaimana Anda bisa tahu berapa banyak klik yang mengarah ke konversi?

Membuktikan hal ini, Periklanan Mengganggu menemukan bahwa 10% teratas dari akun Jasa AdWords yang dilacak secara akurat memiliki rasio konversi minimal 20%. Pemodelan pengaitan berdasarkan data menyediakan pemasar dengan keterlihatan yang sangat dibutuhkan tentang kata kunci mana yang berkontribusi pada konversi, dan yang hanya menguras anggaran mereka.

3. Ad spend efficiency

Semakin banyak uang yang dibelanjakan untuk istilah penelusuran yang tidak dikonversi, semakin kurang efektif pengeluaran iklan Anda. Jadi bagaimana pengaitan berdasarkan data mencegah hal ini?

Oleh karena itu, model ini melihat setiap langkah dalam perjalanan pelanggan Anda, ia mampu memberi tahu Anda secara pasti kata kunci mana yang menghasilkan 0, atau di samping 0, konversi. Wawasan ini jelas tak ternilai bagi pemasar yang mencoba mencari kata kunci mana yang menghasilkan ROI tinggi, dan yang hanya membuang-buang uang mereka.

Dengan mencari tahu kata kunci mana yang tidak meningkatkan konversi, pemasar dapat mendistribusikan ulang pengeluaran mereka untuk meningkatkan perolehan prospek dari kata kunci yang membawa hasil, atau mereka yang memiliki potensi tetapi belum diinvestasikan.

4. Wasted ad spend

Periklanan Mengganggu menemukan bahwa 61% dari pembelanjaan iklan dalam audit mereka terbuang sia-sia. Ketika Anda mempertimbangkan skenario di atas – di mana penawaran kata kunci dioptimalkan dengan tidak benar – hasil ini tidak mengherankan.

Dan, seperti yang sudah kami bahas, ketika Anda menggunakan model pengaitan berdasarkan data untuk memberi Anda keterlihatan yang sangat dibutuhkan dari kinerja kata kunci Anda, sangat mudah untuk berhenti menghabiskan uang untuk kata kunci yang tidak membawa pelanggan, dan untuk mendistribusikannya kepada mereka yang akan melakukannya.

Dari ikhtisar cepat tersebut, jelas bahwa jawaban untuk ‘mengapa beberapa kampanye AdWord gagal’ adalah fakta bahwa akun AdWords ini tidak memanfaatkan pengaitan berdasarkan data.

Dengan menerapkan model ini, pemasar dapat dengan cepat memperoleh pemahaman yang lebih jelas tentang persis bagaimana kinerja kampanye kata kunci mereka, dan mana yang hanya membuang-buang waktu dan uang.

Memang, Fospha telah melihat situasi yang serupa dengan satu klien dengan pembelanjaan iklan yang tidak efisien yang, setelah menggunakan model pengaitan berdasarkan data untuk mengurangi pembelanjaan kata kunci mereka yang terbuang, menemukan bahwa 50% kata kunci mereka tidak berkontribusi pada konversi dengan cara apa pun. Akibatnya, ROI meningkat sebesar 30%.

 

Tags
Show More
Close