Modelowane listy odbiorców nie zawierają konkretnych osób, tylko prawdopodobieństwa. Wyjaśniam, jak powstają, gdzie ich szukać w panelu i jak czytać ich raporty.
„Nasze kampanie licytują się między sobą i przez to płacimy więcej” — słyszę to zdanie na co drugim spotkaniu przy przejmowaniu konta. Jest nieprawdziwe w części dotyczącej stawek i całkowicie prawdziwe w części dotyczącej bałaganu.
Google nie dopuszcza do jednej aukcji dwóch reklam z tego samego konta. Nie ma więc sytuacji, w której własna kampania podbija Ci koszt kliknięcia. Jest natomiast sytuacja, w której nie wiesz, która kampania obsługuje dane zapytanie, dane rozjeżdżają się na kilka kampanii jednocześnie, a algorytm ustalania stawek uczy się z fragmentów zamiast z całości.
Poniżej opisuję, jak wygląda mechanizm wyboru słowa kluczowego, jak wykrywam nakładanie się fraz i w których przypadkach porządkowanie jest tego warte, a w których szkodzi więcej niż pomaga.
Kiedy zapytanie użytkownika pasuje do kilku słów kluczowych z jednego konta, system musi wybrać jedno. Kolejność decyzji jest opisana w dokumentacji i warto ją znać, bo obala większość mitów na ten temat.
Najpierw brane są pod uwagę słowa kluczowe identyczne znaczeniowo z zapytaniem. Jeśli takie istnieją, pozostałe wypadają z rozważań, nawet gdyby miały wyższe stawki. Wśród identycznych znaczeniowo pierwszeństwo ma dopasowanie ścisłe, potem do frazy, a na końcu przybliżone.
Jeżeli żadne słowo nie jest identyczne znaczeniowo z zapytaniem — a to typowa sytuacja przy dłuższych frazach — decyduje ranking reklamy. Nie sama stawka, a stawka w połączeniu z jakością i przewidywanym wpływem rozszerzeń. To oznacza, że wygrywa kandydat, który ma najlepszą kombinację tych elementów, a nie ten, komu ustawiłeś wyższe CPC.
Praktyczny wniosek jest taki: nie kontrolujesz tego wyboru stawkami. Jeśli chcesz, żeby konkretne zapytanie obsługiwała konkretna kampania, musisz to wymusić strukturą i wykluczeniami, a nie licytacją.
Nie każde nakładanie jest tym samym problemem i nie każde wymaga reakcji.
Do porządkowania podchodzę w tej kolejności: najpierw marka, potem nakładanie tematyczne, na końcu duplikaty. Odwrotna kolejność jest kusząca, bo duplikaty ładnie się wyszukuje, ale przynosi najmniej.
Trzy narzędzia, w kolejności, w której z nich korzystam.
Pierwsze i najważniejsze to raport wyszukiwanych haseł. Poza samym zapytaniem pokazuje kolumnę ze słowem kluczowym, które je obsłużyło, oraz grupę i kampanię. Filtruję po najdroższych zapytaniach i sprawdzam, czy trafiają tam, gdzie zaplanowałem. Zapytanie występujące w dwóch kampaniach w tym samym okresie to sygnał, że podział nie działa tak, jak myślę.
Drugie to edytor Google Ads. Ma wbudowaną funkcję szukania zduplikowanych słów kluczowych — pozwala porównać wybrane kampanie, uwzględnić albo pominąć typ dopasowania i dostać czystą listę powtórzeń. To najszybszy sposób na uporządkowanie konta, które rosło latami. Zawsze robię to na kopii pobranej z konta i przeglądam wynik przed wysłaniem zmian.
Trzecie to zwykły eksport wszystkich słów kluczowych z kolumnami kosztu, konwersji i strony docelowej. W arkuszu widać rzeczy, których nie widać w panelu: te same frazy z różnymi adresami, grupy z jednym słowem obok grup z setką, całe kampanie bez ani jednej konwersji od pół roku.
Nie ma w panelu raportu, który powie „te dwie kampanie nakładają się o tyle procent”. Trzeba to złożyć samemu z powyższych źródeł.
Podstawowe narzędzie do wymuszenia własnego podziału to wykluczające słowa kluczowe. Zasada jest prosta: w kampanii, która nie powinna obsługiwać danego zapytania, dodaję je jako wykluczenie.
Dwa zastosowania wystarczają w większości kont. Pierwsze: wykluczenie nazwy marki w kampaniach ogólnych, żeby ruch brandowy zawsze szedł do kampanii brandowej. Drugie: wzajemne wykluczenia między kampaniami zbudowanymi na różnych dopasowaniach, jeśli świadomie prowadzę taki podział — frazy ścisłe w jednej, eksploracja w drugiej.
Trzy rzeczy, na które przy tym uważam.
Wykluczenie w dopasowaniu ścisłym blokuje wyłącznie dokładnie tę frazę. Chcąc odciąć całą rodzinę zapytań, potrzebuję dopasowania do frazy albo przybliżonego — i wtedy muszę sprawdzić, czego jeszcze przy okazji nie odcinam.
Wykluczenia nie działają wstecz i nie zmieniają historii, więc po ich dodaniu porównuję okresy, a nie sumy narastające.
Listy wykluczeń w bibliotece współdzielonej są wygodne, ale przy podziale ruchu między kampanie zwykle wolę wykluczenia lokalne. Wspólna lista podpięta wszędzie ma tendencję do odcinania czegoś, o czym zapomniałeś. Wykluczanie fraz na poziomie całego konta nadal wymaga zgłoszenia przez opiekuna, więc nie jest to narzędzie do codziennej pracy.
Tu zmieniło się najwięcej i to jest część, którą najczęściej pomijają starsze poradniki.
Przy ręcznych stawkach rozdrabnianie konta miało sens: więcej grup to więcej miejsc, w których mogłem ustawić inną stawkę. Przy strategiach automatycznych ta logika się odwraca. Algorytm i tak decyduje o stawce dla pojedynczej aukcji, a rozdrobnienie oznacza, że sygnały konwersji rozkładają się na wiele kampanii i w żadnej nie ma ich dość, żeby wyciągnąć wnioski.
Dlatego dziś przy porządkowaniu nakładania częściej łączę niż dzielę. Dwie kampanie o tym samym celu, tej samej stronie docelowej i tej samej grupie odbiorców zwykle powinny być jedną kampanią — a nakładanie rozwiązuje się samo, bo nie ma już czego rozdzielać.
Jest jednak warunek: łączenie kampanii resetuje okres uczenia. Nie robię tego w szczycie sezonu ani na trzy dni przed ważną kampanią promocyjną, i nie łączę wszystkiego jednym ruchem. Jedna zmiana, dwa tygodnie obserwacji, notatka z datą.
Zdarza mi się odradzać porządkowanie i chcę to jasno powiedzieć, bo poradniki zwykle kończą się na „usuń duplikaty”.
Duplikat słowa kluczowego w dwóch kampaniach o różnym kierowaniu geograficznym albo różnym harmonogramie nie jest duplikatem — to ta sama fraza obsługująca dwie różne sytuacje. To samo dotyczy kampanii prowadzonych na różne języki albo z różnymi stronami docelowymi dla różnych regionów.
Nakładanie między kampanią brandową i kampanią na frazy konkurencji też jest pozorne, o ile obie mają jasno rozdzielone zestawy fraz i wzajemne wykluczenia.
I najważniejsze: jeśli konto działa, koszt konwersji jest akceptowalny, a raport wyszukiwanych haseł nie pokazuje przepalania, to samo istnienie powtórzonych fraz nie jest powodem do przebudowy. Przebudowa kosztuje okres uczenia i ryzyko błędu, więc powinna wynikać z konkretnego problemu, a nie z estetyki listy słów kluczowych.
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 |