Co dokładnie proponuje ta rekomendacja

Google wprowadził tę podpowiedź pod koniec 2020 roku i od tego czasu jest ona stałym elementem strony Rekomendacje. System przegląda słowa kluczowe w kampanii, szacuje, ile ruchu odcina obecny typ dopasowania, i wskazuje te słowa, których przełączenie na dopasowanie przybliżone ma według jego prognozy podnieść liczbę konwersji lub ich wartość przy zachowaniu celu.

Warunek jest jeden i nie jest przypadkowy: kampania musi korzystać ze Smart Biddingu, czyli docelowego CPA, docelowego ROAS, maksymalizacji liczby konwersji albo maksymalizacji wartości konwersji. W kampanii z ręcznym CPC tej rekomendacji po prostu nie zobaczysz. Google nie proponuje szerokiego dopasowania tam, gdzie stawka jest jedną liczbą wpisaną z ręki.

Warto też pamiętać, w jakim krajobrazie ta podpowiedź się pojawia. Modyfikator dopasowania przybliżonego został wycofany — od lipca 2021 nie da się tworzyć nowych słów w tym formacie, a jego zachowanie wchłonęło dopasowanie do wyrażenia. Zostały trzy typy: ścisłe, do wyrażenia i przybliżone. Rekomendacja z panelu dotyczy zwykle przeskoku z dopasowania do wyrażenia na przybliżone, rzadziej ze ścisłego.

Sama zmiana typu dopasowania jest z technicznego punktu widzenia jedną z najtańszych operacji na koncie i jedną z najtrudniejszych do cofnięcia bez śladu. Po przełączeniu słowo zbiera zapytania z zupełnie innego zakresu, a historia skuteczności sprzed zmiany przestaje być porównywalna z tym, co widzisz po niej.

Dlaczego Google spina to właśnie ze Smart Biddingiem

Logika jest tu spójna i warto ją rozumieć, zamiast traktować jako marketing.

Dopasowanie przybliżone bez automatycznych stawek jest kłopotliwe, bo jedno słowo kluczowe zbiera zapytania o bardzo różnej wartości, a Ty masz dla nich jedną stawkę. Zapytanie zakupowe i zapytanie czysto informacyjne kosztują wtedy tyle samo, choć warte są zupełnie różne pieniądze. Dlatego przez lata standardem było rozbijanie kont na grupy według typów dopasowania — to była namiastka kontroli nad ceną ruchu.

Smart Bidding zmienia tę arytmetykę, bo ustala stawkę w momencie każdej pojedynczej aukcji, patrząc na konkretne zapytanie, urządzenie, lokalizację i pozostałe sygnały. Segmentowanie konta po typach dopasowania przestaje być narzędziem kontroli kosztu, bo cenę ustala teraz system, a nie struktura konta.

Jest jednak drugi bok tej samej monety, o którym rekomendacja nie mówi wprost. Jakość tych decyzji stoi na danych konwersji z Twojego konta. Jeśli jako konwersje główne masz oznaczone kliknięcia w numer telefonu, wejścia na stronę kontaktu i zapis do newslettera, to szerokie dopasowanie da algorytmowi ogromny wybór zapytań, po czym kupi on tanio dokładnie to, o co go poprosiłeś. To nie awaria automatu, to jego posłuszeństwo.

Sprawdzam więc kolejność działań: najpierw pomiar, potem szerokie dopasowanie. Nigdy odwrotnie.

Czego ta rekomendacja o Twoim koncie nie wie

Prognoza w panelu jest szacunkiem opartym na danych aukcyjnych i historii konta. Nie jest prognozą zysku i nigdy nią nie była.

• Marży i wartości pojedynczej sprzedaży — jeśli do Google Ads trafia samo zdarzenie zakupu bez wartości albo wartość bez uwzględnienia zwrotów, system optymalizuje pod liczby, które nie mają związku z Twoim wynikiem.

• Tego, czego nie obsługujesz — części asortymentu, regionów, w które nie wysyłasz, usług, których nie świadczysz. Dla algorytmu zapytanie o produkt z sąsiedniej kategorii jest trafne semantycznie, dla Ciebie jest stratą.

• Granicy między marką a ruchem generycznym — dopasowanie przybliżone potrafi zacząć zbierać zapytania z nazwą Twojej marki albo marek konkurencji, a to zmienia sens raportowania i koszt konwersji w kampanii.

• Ile pracy dojdzie Ci po zmianie — szersze dopasowanie to więcej zapytań do przeglądania i więcej wykluczeń do dopisywania. Rekomendacja pokazuje potencjalny wzrost, nie nakład obsługi.

Osobno traktuję wynik optymalizacji. To wskaźnik zgodności konta z zaleceniami Google, a nie ocena jakości prowadzenia kampanii. Konto z wynikiem osiemdziesięciu kilku procent i uporządkowanym pomiarem jest w lepszym stanie niż konto ze stoma procentami osiągniętymi przez przyklikanie wszystkiego, co panel podsunął.

Kiedy tę rekomendację przyjmuję

Zgadzam się na przejście na dopasowanie przybliżone, gdy spełnionych jest kilka warunków naraz, a nie gdy spełniony jest jeden.

Konwersje muszą być skonfigurowane czysto: bez dublowania, z sensownym podziałem na główne i pomocnicze, a w e-commerce z przekazywaną wartością transakcji. Kampania musi mieć budżet, który nie kończy się codziennie w połowie dnia — szersze dopasowanie zwiększa dostępny wolumen, więc kampania ograniczona budżetowo po prostu przepnie wydatek na inne zapytania, zwykle nie te najlepsze. I musi być ktoś, kto raz w tygodniu przejrzy raport wyszukiwanych haseł, bo bez tego zmiana zostaje bez nadzoru.

Odpuszczam albo odkładam decyzję, gdy oferta jest wąska i mocno specjalistyczna, gdy konwersji jest tak niewiele, że każda zmiana ginie w szumie, oraz gdy konto ma ruch brandowy i generyczny w jednej kampanii. W tym ostatnim przypadku najpierw rozdzielam te dwa strumienie, a dopiero potem rozważam poszerzanie dopasowania.

Jest jeszcze jedna sytuacja, w której mówię „nie teraz”: szczyt sezonu. Zmiana typu dopasowania to zmiana zakresu ruchu, a więc i restart części nauki algorytmu. Robienie tego w najlepszym miesiącu roku jest najdroższym możliwym momentem na eksperyment.

Jak wdrażać, żeby dało się to potem ocenić

Nie używam przycisku, który stosuje wszystkie rekomendacje naraz. Przy takim ruchu nie da się później powiedzieć, co zmieniło wynik.

Zaczynam od jednej kampanii i od słów, które mają najwięcej danych. Zamiast podmieniać typ dopasowania w istniejącym słowie, częściej dodaję nowe słowo w dopasowaniu przybliżonym obok dotychczasowego i obserwuję, jak rozkłada się między nimi ruch. Zachowuję wtedy punkt odniesienia i mogę się wycofać, usuwając jedno słowo, a nie odbudowując historię.

Przed zmianą przygotowuję wykluczenia. Podpinam do kampanii listy wykluczających słów kluczowych, dopisuję wykluczenia tematyczne wynikające z tego, czego nie sprzedaję, i sprawdzam wykluczenia na poziomie grup reklam, żeby nowe zapytania nie wpadały w niewłaściwe komunikaty. Wykluczenia dopisane po dwóch tygodniach są dopisane o dwa tygodnie za późno.

Okno oceny to minimum dwa, realnie trzy tygodnie — z uwzględnieniem opóźnienia konwersji na tym koncie. W tym czasie nie ruszam celu CPA ani ROAS, bo wtedy nie odróżnię efektu poszerzenia dopasowania od efektu zmiany progu opłacalności. Jedna zmienna na raz, nawet jeśli to wolniejsze, niż większość osób chciałaby.

Co obserwuję po zmianie

Pierwsze miejsce to raport wyszukiwanych haseł, ale z pełną świadomością jego ograniczenia: nie pokazuje wszystkich zapytań, część zostaje odfiltrowana z powodu progów prywatności. Wnioski wyciągam więc z tego, co widzę, i nie zakładam, że mam obraz kompletny.

Drugie to poziom, na którym oceniam skuteczność. Po przejściu na dopasowanie przybliżone raportowanie na poziomie pojedynczego słowa robi się mylące, bo w jedno słowo wpada wachlarz zapytań o różnym zamiarze. Patrzę na kampanię i grupę reklam, a słowo traktuję jako drzwi, nie jako jednostkę oceny.

Trzecie to charakter nowego ruchu. Interesuje mnie nie tylko koszt konwersji, ale i to, czy dochodzące zapytania są zakupowe, czy informacyjne, oraz czy nie zaczęły dotyczyć spraw, w których nie mam czym odpowiedzieć. To ta obserwacja, nie liczba w kolumnie, decyduje o dopisywanych wykluczeniach.

Czwarte to kanibalizacja marki. Jeśli w kampanii generycznej pojawiają się zapytania z nazwą firmy, część tanich konwersji, które wyglądają na sukces poszerzenia, to po prostu przechwycony ruch brandowy. Wtedy wykluczam markę w tej kampanii, żeby dalej mierzyć to, co chciałem mierzyć.

Rekomendacje stosowane automatycznie

Na koniec rzecz, którą sprawdzam za każdym razem, gdy przejmuję konto po kimś innym: na stronie Rekomendacje można włączyć automatyczne stosowanie części typów podpowiedzi. Bywa to zaznaczone, a nikt na koncie o tym nie wie, bo ustawienie zostało kliknięte kiedyś przy okazji rozmowy z opiekunem albo przy zakładaniu kampanii.

Skutek jest taki, że zmiany w kampaniach dzieją się bez decyzji człowieka, a potem trudno zrekonstruować, dlaczego kampania wygląda inaczej niż w zeszłym miesiącu. Dlatego przeglądam listę włączonych automatyzacji i zostawiam zaznaczone tylko te, na które faktycznie się zgadzam. W praktyce zostawiam mało.

Drugim miejscem jest historia zmian. Każdą modyfikację, której nie kojarzę ze swoją pracą, znajduję tam razem z informacją, kto ją wprowadził — także wtedy, gdy zrobił to system albo osoba z zewnątrz mająca dostęp do konta. Widzę to na większości kont, które przejmuję: część „niewyjaśnionych” zmian skuteczności ma bardzo prostą przyczynę widoczną w tym raporcie.

Moje podejście do tej rekomendacji sprowadza się więc do jednego zdania: to sensowna hipoteza wystawiona przez system, który zna aukcję lepiej niż ja, ale nie zna mojego biznesu wcale. Hipotezy się testuje, nie przyklikuje.