Modelowane listy odbiorców nie zawierają konkretnych osób, tylko prawdopodobieństwa. Wyjaśniam, jak powstają, gdzie ich szukać w panelu i jak czytać ich raporty.
Na branżowych konferencjach mówi się o dopasowaniu ścisłym jak o czymś, co odchodzi razem z ręcznym ustawianiem stawek. Rozumiem, skąd to się bierze, bo faktycznie stracił większość swojej dawnej funkcji.
Nie zgadzam się jednak z wnioskiem. Ścisłe dopasowanie przestało być narzędziem do budowania całej struktury konta, ale zyskało rolę węższą i wciąż potrzebną — jest sposobem na wydzielenie z ruchu tych kilku zapytań, które są dla firmy naprawdę ważne, i na zrobienie z nimi czegoś innego niż z resztą.
Ten tekst jest listą takich zastosowań. Nie po to, żeby przekonywać do powrotu do dawnego układu, ale żeby nie wyrzucać narzędzia, które w pięciu sytuacjach nadal nie ma zamiennika.
Trzeba zacząć od uczciwego opisu, bo nazwa myli.
Od kilku lat ścisłe dopasowanie obejmuje zapytania o tym samym znaczeniu, a nie o tym samym brzmieniu. Wchodzą w to liczba pojedyncza i mnoga, odmiana, szyk, literówki, skróty, a także sformułowania uznane przez system za równoważne — również takie, których sam bym za równoważne nie uznał. Do reklamy na frazę ścisłą trafiają więc zapytania, których w niej nie ma.
To zmienia sposób, w jaki tego typu używam. Nie traktuję go jako gwarancji, że reklama pokaże się tylko na jedno konkretne zapytanie. Traktuję go jako najmocniejszy dostępny sygnał, że o to zapytanie mi chodzi — sygnał, który wciąż jest wyraźnie węższy niż pozostałe typy i który wciąż ma priorytet w wewnętrznej hierarchii, gdy w koncie istnieje kilka pasujących fraz.
Warto też pamiętać, że hierarchia dopasowań nie jest już jedynym kryterium wyboru, które reklama zostanie pokazana. To dobra wiadomość dla wygody prowadzenia konta i zła dla przewidywalności.
Pierwsze i najmniej dyskusyjne zastosowanie. Ruch na nazwę firmy prowadzę na frazach ścisłych praktycznie zawsze.
Powód jest arytmetyczny. Zapytania z nazwą marki mają zupełnie inny współczynnik konwersji i inny koszt niż cała reszta konta. Wpuszczone do szerokiego kierowania zawyżają średnie i maskują to, co dzieje się w kampaniach zdobywających nowych klientów. Wydzielenie ich frazami ścisłymi jest najprostszym sposobem, żeby raport pokazywał prawdę.
Drugi powód jest praktyczny. Nazwa firmy i jej odmiany to zbiór, który znam w całości — nie potrzebuję tu żadnego odkrywania nowych zapytań. Szerokie kierowanie służy do znajdowania nieznanego; przy własnej marce nie ma czego znajdować.
Trzeci: kontrola treści. Reklama na nazwę firmy powinna mówić co innego niż reklama na kategorię produktu. Frazy ścisłe w osobnej kampanii dają mi pewność, że tak będzie.
Do tego dochodzą nazwy własne produktów, kody katalogowe i nazwy modeli. Kto szuka konkretnego symbolu urządzenia, wie, czego chce — parowanie takiego zapytania z odpowiednią stroną produktu robię wprost, a nie przez podpowiedź dla algorytmu.
Drugie zastosowanie dotyczy tych kilku zapytań, na których firma zarabia nieproporcjonalnie dużo.
W większości kont, które prowadzę, da się wskazać od kilku do kilkunastu fraz odpowiadających za znaczną część wartości. Zwykle są to zapytania o wysokiej intencji, z nazwą usługi i doprecyzowaniem — konkretny zabieg, konkretna usługa dla konkretnej branży, konkretny model produktu.
Dla tych fraz chcę mieć trzy rzeczy, których szerokie kierowanie nie daje: własną treść reklamy dopasowaną co do słowa, własną stronę docelową i własny, wyższy pułap kosztu pozyskania. Ostatnie jest najważniejsze — jeśli te zapytania siedzą w jednym worku z resztą, algorytm będzie traktował je według średniej całego zbioru, a nie według ich rzeczywistej wartości.
Wydzielenie ich do osobnej kampanii z frazami ścisłymi i wyższym progiem opłacalności to jedna z niewielu ingerencji, które w moim doświadczeniu poprawiają wynik szybko i bez efektów ubocznych.
Trzecie zastosowanie jest techniczne i mało widoczne na zewnątrz, a używam go często.
Jeżeli w koncie działają obok siebie kampanie o różnym przeznaczeniu, potrzebuję mechanizmu, który decyduje, gdzie trafi konkretne zapytanie. Ścisłe frazy pełnią tu rolę drogowskazu w jednym kierunku, a ścisłe wykluczenia — w drugim.
Typowy przykład: kampania z szerokim kierowaniem obsługuje odkrywanie nowego popytu, a kampania marki obsługuje zapytania z nazwą. Żeby ta pierwsza nie podbierała ruchu tej drugiej, w kampanii szerokiej dokładam wykluczenia w dopasowaniu ścisłym na nazwę firmy i jej odmiany. Wykluczenie ścisłe blokuje tylko dokładny wariant, więc nie odcina przy okazji zapytań pokrewnych — i dokładnie to jest w tym zastosowaniu potrzebne.
Ten sam mechanizm stosuję, gdy chcę odciąć od kampanii ogólnej wąską grupę zapytań o odmiennej rentowności: w ogólnej wykluczam je ściśle, w dedykowanej dodaję jako frazy ścisłe. Bez tego dwie kampanie licytują to samo i sam podnoszę sobie koszty.
Czwarte zastosowanie jest analityczne i najrzadziej wymieniane.
Kiedy przestawiam konto na szerokie kierowanie, tracę stabilną podstawę do porównań. Zbiór zapytań zmienia się z tygodnia na tydzień, więc porównanie miesiąca do miesiąca miesza efekt zmiany ustawień z efektem zmiany popytu.
Dlatego w kilku kontach zostawiam małą kampanię kontrolną z frazami ścisłymi na stały, wąski zestaw zapytań. Nie ma ona odkrywać nowego ruchu; jej zadaniem jest dostarczać stały punkt odniesienia. Kiedy jej koszt pozyskania rośnie równolegle z kosztem w kampanii szerokiej, wiem, że przyczyna jest rynkowa. Kiedy rośnie tylko w szerokiej, przyczyna jest u mnie.
Kosztuje to niewiele, bo zestaw jest wąski, a odpowiada na pytanie, które przy automatycznym prowadzeniu kampanii pada najczęściej: czy to my, czy rynek.
Piąte zastosowanie dotyczy sytuacji, w której cały mechanizm szerokiego kierowania po prostu nie ma z czego działać.
Przy niewielkiej liczbie zdarzeń w miesiącu, wąskiej branży albo eksporcie do kraju o małym rynku szerokie kierowanie zachowuje się nerwowo. System nie ma dość danych, żeby odsiać zapytania nietrafione, a każdy nietrafiony klik stanowi zauważalny procent budżetu. W takich kontach wąska lista fraz ścisłych, prowadzona ręcznie, daje przewidywalność, której nie da się kupić inaczej.
Podobnie z językami, w których automatyczne rozumienie znaczenia radzi sobie słabiej niż w angielskim. Dla polskich zapytań technicznych z odmianą i skrótami widuję dopasowania, które nie mają nic wspólnego z ofertą — a im węższa specjalizacja, tym częściej.
To nie jest argument przeciw automatyzacji, tylko za dopasowaniem narzędzia do skali. Konto z budżetem rzędu kilku tysięcy złotych miesięcznie i kilkoma konwersjami działa według innej logiki niż konto, w którym tych konwersji jest setka na dzień.
Dla równowagi trzy sytuacje, w których sam z niego rezygnuję.
Pierwsza to rozdrobnienie. Konto z setkami grup po jednej frazie ścisłej rozdziela dane tak drobno, że żadna strategia nastawiona na wynik nie ma na czym się oprzeć. Widziałem konta, w których samo scalenie takiej struktury poprawiło sytuację bez żadnej innej zmiany.
Druga to złudzenie kontroli. Skoro ścisłe obejmuje dziś zapytania o zbliżonym znaczeniu, prowadzenie konta w przekonaniu, że reklama pokazuje się tylko na wpisane frazy, jest po prostu nieprawdą. Raport zapytań trzeba czytać także tutaj.
Trzecia to koszt utrzymania. Ręczne rozbudowywanie listy fraz ścisłych o kolejne odmiany to praca, którą mechanizm dopasowania i tak wykona. Jeśli dopisuję nowe warianty, żeby dogonić rynek, znaczy to, że użyłem złego narzędzia do tego zadania.
Wniosek, przy którym zostaję: ścisłe dopasowanie nie jest już szkieletem konta, ale nadal jest najlepszym sposobem, żeby powiedzieć systemowi „o tym jednym zapytaniu rozmawiamy inaczej”. W koncie, w którym takich zapytań nie ma, można go nie używać. W większości kont takie zapytania są.
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 |