Анализ эффективности групп объектов в Performance Max
Казалось бы, с внедрением кампаний, таких как “Максимальная эффективность” (Performance Max), охватывающих все возможные площадки для товарной рекламы, такие как поиск, покупки, медийная сеть, YouTube, Gmail и рекомендации в разделе “Дискавери”, пользователь должен дать возможность развиваться искусственному интеллекту. И все это потому, что рекламные кампании Google базируются на разумных алгоритмах.
Однако всегда возникает желание или, по крайней мере, проанализировать ситуацию, выяснить, что эффективно работает, а что требует улучшений. После этого можно рассуждать о том, как можно повысить эффективность рекламной кампании, опираясь на данные и статистику.
В сегодняшней статье мы воздержимся от анализа эффективности рекламы и сосредотачиваемся на методах анализа результативности различных групп объектов в рамках PMax – кампании.
Итак, переходим к кампании “Performance Max”. В этой кампании у нас есть несколько групп объектов, и наша цель – определить, какая из них более эффективная.
Переходим в раздел “группы информации” и включаем необходимые столбцы для последующего анализа.
В нашей практике мы основное внимание уделяем таким показателям как показы, клики, стоимость, средняя стоимость за клик, конверсии, стоимость конверсии, коэффициент конверсии, стоимость конверсии на стоимость и количество товаров, готовых к показу.
Переходим на вкладку “Listing group”, чтобы отсортировать группы объектов, даже если внутри более детализированная классификация по типам товаров или ценовым категориям. Затем анализируем важные для нас показатели, такие как количество конверсий, стоимость конверсий, их ценность и т.п. На основе этого анализа принимаем решение о том, исключать ли определенную группу объектов или оставлять их в кампании.
Также мы должны изучить результативность текстовых объявлений и изображений. С этой целью, на уровне групп объектов, мы кликаем на пункт – “Просмотреть подробные сведения” в соответствующей заинтересовавшей нас группе.
В нашем случае система еще не накопила достаточно данных, чтобы определить, какие именно заголовки более популярны среди пользователей. Все они имеют статус “недостаточно данных”, поскольку слишком ограничена информация, даже при условии, что эта группа объектов была активной в течение длительного периода для анализа.
Проанализируйте свои рекламные кампании на основании этой статьи и делайте выводы, которые будут способствовать улучшению эффективности рекламы!
Если возникают дополнительные вопросы, задавать их в наш telegram-чат. Мы всегда готовы помогать всем, кто стремится изучать новое вместе с нами!
