Modelowane listy odbiorców nie zawierają konkretnych osób, tylko prawdopodobieństwa. Wyjaśniam, jak powstają, gdzie ich szukać w panelu i jak czytać ich raporty.
Rozmowa o optymalizacji budżetu prawie zawsze zaczyna się od pytania „ile dosypać”. Uważam, że to złe pierwsze pytanie. Właściwe brzmi: czy pieniądze, które już wydajesz, trafiają na zapytania, o których wiesz, że sprzedają.
Dwa narzędzia pozwalają na to odpowiedzieć precyzyjnie i oba są w panelu od zawsze. Pierwsze to dopasowanie ścisłe, które pozwala wydzielić zapytania znane i pewne. Drugie to udział w wyświetleniach, który mówi, jaką część dostępnego rynku na tych zapytaniach faktycznie zdobywasz.
Połączenie jednego z drugim daje coś, czego nie da żadna ze strategii automatycznych: jasną odpowiedź na pytanie, czy problemem jest brak pieniędzy, brak jakości, czy po prostu brak rynku.
Przez lata dopasowanie ścisłe traciło na znaczeniu, bo Google systematycznie rozszerzał to, co pod nie podpada. Dziś nie oznacza identycznego ciągu znaków, a zapytania o tym samym znaczeniu — z odmianami, literówkami, przeformułowaniami.
To rozszerzenie bywa traktowane jako argument przeciw temu typowi dopasowania. Uważam odwrotnie: ścisłe pozostaje najwęższym dostępnym narzędziem, a skoro pozostałe typy poszerzyły się jeszcze bardziej, jego względna przewaga w kontroli wzrosła.
Praktyczna rola, jaką mu wyznaczam, jest wąska i konkretna. Do dopasowania ścisłego przenoszę frazy, o których wiem z danych, że konwertują: znalezione w raporcie wyszukiwanych haseł, z historią sprzedaży, z policzonym kosztem konwersji. Nie zgadywane, nie wygenerowane przez planer — potwierdzone.
Te frazy dostają osobną grupę reklam albo osobną kampanię, własną stawkę i własny budżet. To jest rdzeń konta, o który nie chcę walczyć resztkami środków po tym, jak szerokie dopasowanie zje budżet na przypadkowych zapytaniach.
Kolejność, którą stosuję przy przebudowie istniejącego konta.
Ten model wymaga pracy i nie jest modny w czasach, w których większość komunikatów namawia do oddania kontroli automatom. Broni się jednak liczbami wszędzie tam, gdzie budżet jest ograniczony i każde kliknięcie musi mieć uzasadnienie.
Kiedy masz już rdzeń na dopasowaniu ścisłym, potrzebujesz odpowiedzi na pytanie, ile jeszcze da się z niego wyciągnąć. Do tego służy udział w wyświetleniach.
Metryka mówi, jaki procent dostępnych wyświetleń zdobywasz — przy Twoim obecnym kierowaniu i słowach kluczowych. Do tego Google rozbija to, czego nie zdobyłeś, na dwie przyczyny, i ta rozbiórka jest sednem całej analizy.
Utrata z powodu budżetu znaczy, że aukcję dałoby się wygrać, ale skończyły się pieniądze. Jeśli dzieje się to w kampanii ze zdrowym kosztem konwersji, masz przed sobą najtańszy dostępny wzrost — dosypanie budżetu przełoży się na sprzedaż niemal liniowo, dopóki nie wyczerpiesz zapasu.
Utrata z powodu rankingu znaczy, że przegrywasz aukcje. Tu dosypanie budżetu nie zmieni nic, bo budżet nie jest wykorzystywany do końca. Trzeba albo podnieść stawkę, albo poprawić jakość — a to drugie jest tańsze i trwalsze.
Praktyczna reguła, którą stosuję: zanim podniosę budżet gdziekolwiek, sprawdzam, czy kampania w ogóle traci wyświetlenia z powodu budżetu. Jeśli nie traci, dosypywanie środków jest ruchem pozornym.
Sto procent udziału nie jest celem i to warto powiedzieć wyraźnie, bo bywa wpisywane do prezentacji jako ambicja.
Ostatnie kilkanaście procent udziału w wyświetleniach to zwykle aukcje najbardziej konkurencyjne, o najwyższej cenie kliknięcia. Domykanie ich rentownie udaje się rzadko. Przy pełnym udziale warto natomiast zadać inne pytanie — czy kierowanie i lista fraz nie są za wąskie. Sto procent udziału na pięciu frazach oznacza, że wykorzystałeś cały rynek, który sam sobie zdefiniowałeś, a nie cały rynek istniejący.
Przydatne są tu Statystyki aukcji. Pokazują, z kim faktycznie rywalizujesz i jaki udział mają konkurenci. Bywa, że rozwiązują dylemat od razu: jeśli w aukcji stoi gracz o wielokrotnie większym budżecie, sensowniejszą decyzją jest przesunięcie środków na mniej obleganą część rynku niż walka, której nie da się wygrać rentownie.
Rytm, który stosuję raz w miesiącu, w tej kolejności.
Najpierw sprawdzam rdzeń na dopasowaniu ścisłym: koszt konwersji i utracony udział. Kampanie z dobrym kosztem i utratą z powodu budżetu dostają więcej środków — to decyzja podejmowana bez dyskusji.
Potem sprawdzam utratę z powodu rankingu w tym samym rdzeniu. Jeśli jest wysoka, nie podnoszę stawek od razu, a najpierw patrzę na składowe wskaźnika jakości. Poprawa trafności reklamy i strony docelowej obniża koszty, podczas gdy podniesienie stawki je podnosi.
Na końcu patrzę na kampanie badawcze i podejmuję decyzje o awansie albo wykluczeniu fraz. Środki na tę część biorę z tego, co zostało — i przyjmuję, że jest to koszt zdobywania wiedzy, nie inwestycja z natychmiastowym zwrotem.
Zaletą tego procesu jest to, że każda decyzja ma uzasadnienie w konkretnej liczbie, a nie w przeczuciu. Wadą, że wymaga regularności — a konto, do którego nikt nie zagląda przez kwartał, wróci do stanu, w którym budżet znowu rozpływa się w zapytaniach, o których nikt nic nie wie.
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 |