Modelowane listy odbiorców nie zawierają konkretnych osób, tylko prawdopodobieństwa. Wyjaśniam, jak powstają, gdzie ich szukać w panelu i jak czytać ich raporty.
Pierwsza rzecz, którą robię po przejęciu konta z aktywną kampanią w sieci reklamowej, to otwarcie raportu miejsc docelowych. Nie po to, żeby oceniać efektywność. Po to, żeby sprawdzić, gdzie właściwie te reklamy się pokazywały.
Widok bywa pouczający. Aplikacje z prostymi grami, serwisy z treścią kopiowaną z innych stron, agregatory ogłoszeń, kanały o niczym. Nierzadko pierwsze pozycje po kosztach zajmują właśnie te miejsca, a nie serwisy tematycznie związane z ofertą.
Wykluczanie miejsc docelowych nie jest przy tym optymalizacją zaawansowaną. Jest higieną, bez której kampania w sieci reklamowej ma bardzo słabe wyniki i psuje opinię o całym formacie.
Sieć reklamowa Google obejmuje miliony stron internetowych, aplikacji mobilnych i materiałów wideo. Nie da się jej przejrzeć ani znać. Reklamodawca podaje kryteria kierowania, a system dobiera powierzchnie samodzielnie.
Dobiera je pod cel, który dostał. Jeśli kampania ma maksymalizować liczbę kliknięć albo tanie wyświetlenia, system znajdzie miejsca, w których kliknięcia są najtańsze — a najtańsze bywają tam, gdzie klika się przez przypadek.
Aplikacje mobilne są tu przypadkiem szczególnym i wymagają osobnej wzmianki. Reklama umieszczona w prostej grze zbiera kliknięcia od osób, które chciały trafić w przycisk zamknięcia. Formalnie to kliknięcia, w danych wyglądają jak ruch, a w rzeczywistości nie ma za nimi nikogo zainteresowanego ofertą. W kontach, w których nikt tego nie pilnował, ta kategoria potrafi pochłaniać znaczną część budżetu.
Nie twierdzę, że sieć reklamowa nie działa. Twierdzę, że domyślnie działa pod cel, którego nikt nie doprecyzował, a doprecyzowanie polega w dużej mierze na odcinaniu tego, czego nie chcemy.
Podstawowe narzędzie pracy. Pokazuje, gdzie reklamy się wyświetlały, ile to kosztowało i z jakim skutkiem.
Sposób, w jaki go czytam, jest zawsze taki sam. Sortuję po koszcie malejąco i przechodzę od góry. Interesują mnie pozycje, które wydały pieniądze i nie przyniosły konwersji ani sensownego zaangażowania.
Zwracam uwagę na kilka sygnałów ostrzegawczych. Bardzo wysoka klikalność przy zerowej konwersji — to prawie zawsze przypadkowe kliknięcia. Duża liczba wyświetleń skupiona w jednym miejscu, co oznacza, że system znalazł tanią powierzchnię i wsypuje tam budżet. Nazwy, których nie da się rozpoznać, i domeny bez związku z tematem.
Osobno przeglądam pozycję zbiorczą opisującą aplikacje mobilne. Bywa tam ukryte kilkadziesiąt procent wyświetleń, których nikt nie zauważył, bo w raporcie widnieją pod jedną nazwą zbiorczą, a nie jako lista.
Przy kampaniach z automatycznym doborem powierzchni raport nie zawsze pokazuje wszystko z pełną szczegółowością, ale i tak jest najlepszym dostępnym źródłem wiedzy o tym, co się dzieje.
Google daje kilka poziomów odcinania niechcianych powierzchni i warto używać ich świadomie, bo różnią się skalą działania.
Zwracam uwagę na jedno: wykluczenia treści i kategorii są ustawieniami kampanii, a listy miejsc można trzymać w bibliotece współdzielonej i przypisywać do wielu kampanii naraz. Ta druga opcja jest tym, co sprawia, że praca nie musi być powtarzana za każdym razem.
Osobna, bardzo przydatna funkcja: lista miejsc wykluczonych dla całego konta.
Trzymam tam to, czego firma nie chce nigdy i w żadnej kampanii. Aplikacje i serwisy zidentyfikowane jako bezwartościowe, powierzchnie budzące zastrzeżenia wizerunkowe, a w niektórych branżach — serwisy konkurencji, jeśli klient nie chce się przy nich pokazywać.
Zaleta jest oczywista: nowa kampania startuje od razu z tym filtrem, bez konieczności pamiętania o przepisywaniu list. Wada polega na tym, że pomyłka rozchodzi się na wszystko, więc listę na tym poziomie prowadzę ostrożnie i z komentarzem, dlaczego dana pozycja się na niej znalazła.
Praktyczna rada organizacyjna: warto zbudować taką listę raz, na podstawie doświadczeń z kilku kampanii, i traktować ją jako standard konta. Przy obsłudze wielu klientów w tej samej branży bazowa lista oszczędza godziny.
Częstotliwość przeglądów zależy od etapu kampanii.
Nowa kampania wymaga zaglądania do raportu co kilka dni, bo w pierwszych tygodniach system najintensywniej szuka powierzchni i wtedy powstaje najwięcej strat. Kampania ustabilizowana — raz na dwa tygodnie albo raz w miesiącu.
Przy dużych kampaniach ręczne przeglądanie tysięcy pozycji nie ma sensu. Wtedy ustalam progi: miejsca, które przekroczyły określony koszt bez konwersji, wykluczam zbiorczo, nie zastanawiając się nad każdym osobno. Przy jeszcze większej skali warto rozważyć automatyzację — reguły albo skrypt, który raz w tygodniu wyszukuje takie pozycje i przygotowuje listę do zatwierdzenia.
Odwrotny ruch też się opłaca. Miejsca, które regularnie dowożą konwersje, warto wyodrębnić do osobnej kampanii z kierowaniem na wybrane miejsca docelowe i wyższą stawką. To najlepsze wykorzystanie wiedzy zdobytej podczas wykluczania.
Kilka rzeczy, którymi da się sobie zaszkodzić.
Wykluczanie za wcześnie i na zbyt małych danych. Miejsce z dwustu wyświetleniami i zerem konwersji nie jest jeszcze niczym udowodnione, a odcięte przedwcześnie może odebrać kampanii dobrze działającą powierzchnię.
Wykluczanie po samej klikalności bez patrzenia na konwersje. Niska klikalność w miejscu, które dowozi sprzedaż, jest bez znaczenia.
Nadmiar wykluczeń w kampanii nastawionej na automatyczne stawki. Jeśli lista jest bardzo długa, system ma coraz mniej miejsca na optymalizację i kampania traci zasięg, a wraz z nim wolumen konwersji potrzebny do uczenia się.
Wykluczanie na złym poziomie. Wykluczenie dodane w jednej grupie reklam, gdy problem dotyczy całej kampanii, oznacza, że tę samą pracę trzeba będzie wykonać jeszcze kilka razy.
I ostatnia, najczęstsza: brak jakiegokolwiek przeglądu i przekonanie, że kampania w sieci reklamowej po prostu nie działa. Nie działa niepilnowana — to nie to samo.
Używamy plików cookies, aby ułatwić Ci nawigację oraz wykonywanie określonych funkcji. Szczegółowe informacje o wszystkich plikach cookies znajdziesz w każdej kategorii zgody poniżej.
Pliki cookies oznaczone jako "Niezbędne" są przechowywane w Twojej przeglądarce, ponieważ są one kluczowe dla zapewnienia podstawowych funkcji strony.
Używamy również plików cookies firm trzecich, które pomagają nam analizować, w jaki sposób korzystasz z tej strony, zapamiętują Twoje preferencje oraz dostarczają treści i reklamy odpowiednie dla Ciebie. Te pliki cookies będą przechowywane w Twojej przeglądarce tylko za Twoją uprzednią zgodą.
Możesz zdecydować, czy chcesz włączyć lub wyłączyć niektóre bądź wszystkie te pliki cookies, jednak wyłączenie niektórych z nich może wpłynąć na Twoje doświadczenia podczas przeglądania strony.
| Cookie | Czas przechowywania | Opis |
|---|---|---|
| __cf_bm | 13 minutes | Cloudflare bot management — distinguishes humans from bots. |
| rc::* | Persistent | Google reCAPTCHA — localStorage holding anti-bot challenge state. |
| Cookie | Czas przechowywania | Opis |
|---|---|---|
| wpEmojiSettingsSupports | Session | WordPress — sessionStorage flag caching whether the browser can render emoji (feature detection). |
| ytidb* | Persistent | YouTube — IndexedDB storing playback/search state for embedded videos. |
| Cookie | Czas przechowywania | Opis |
|---|---|---|
| _ga_* | 400 days | Google Analytics 4 — persists session state per property. |
| _ga | 400 days | Google Analytics — distinguishes unique users via a client id. |
| Cookie | Czas przechowywania | Opis |
|---|---|---|
| NID | 183 days | Google — stores preferences for personalized ads. |
| fr | 90 days | Meta — encrypted Facebook id and browser id for ads. |
| _gcl_au | 90 days | Google AdSense/Ads — experiments with advertising efficiency (conversion linker). |
| Cookie | Czas przechowywania | Opis |
|---|---|---|
| __Secure-YNID | 180 days | |
| YSC | Session | |
| __Secure-ROLLOUT_TOKEN | 180 days | |
| VISITOR_INFO1_LIVE | 180 days | |
| VISITOR_PRIVACY_METADATA | 180 days | |
| datr | 400 days | |
| sb | 400 days | |
| wd | 7 days |