Modelowane listy odbiorców nie zawierają konkretnych osób, tylko prawdopodobieństwa. Wyjaśniam, jak powstają, gdzie ich szukać w panelu i jak czytać ich raporty.
Jest grupa branż, w których prowadzenie kampanii wygląda inaczej niż w podręcznikach. Elektronika, opony, materiały budowlane, suplementy, bilety — wszędzie tam, gdzie ten sam produkt sprzedaje dwadzieścia firm i klient w ciągu minuty widzi wszystkie ceny obok siebie. Nie ma tu przewagi w postaci wyjątkowej oferty, jest tabela z liczbami.
Widzę na kontach z takich rynków powtarzalny schemat: reklamy działają, ruch jest, konwersji nie ma, a ktoś w firmie wyciąga wniosek, że „Google Ads przestało działać”. Zwykle nie przestało — po prostu kampania promuje ofertę, która w danym momencie jest kilkanaście procent droższa od reszty rynku i żadna korekta stawek tego nie odwróci.
Opisuję, jak układam pracę na takim koncie i które decyzje przenoszę z poziomu kampanii na poziom asortymentu.
Zaczynam od rozstrzygnięcia, czy problemem jest cena, czy coś, co tylko na cenę wygląda.
Robię to najprościej, jak można: biorę dwadzieścia najczęściej klikanych produktów albo usług i sprawdzam ręcznie, jak wygląda oferta konkurencji na te same rzeczy. Nie w narzędziu, a w wyszukiwarce, z telefonu, tak jak zrobiłby to klient. Interesuje mnie nie tylko sama kwota, ale też koszt dostawy, dostępność i termin realizacji, bo w części branż to one decydują o wyborze przy zbliżonych cenach.
Jeżeli okazuje się, że oferta jest konkurencyjna, a konwersji nadal nie ma, przyczyna leży gdzie indziej — w ścieżce zakupowej, w formularzu, w czasie odpowiedzi na zapytanie. Wtedy nie ma sensu przebudowywać kampanii pod ceny.
Dopiero gdy widzę powtarzalną różnicę na naszą niekorzyść, przyjmuję, że pracuję w warunkach presji cenowej, i zmieniam sposób prowadzenia konta. To inne rzemiosło niż standardowa optymalizacja.
Nie trzeba od razu budować systemu monitoringu, żeby zorientować się w sytuacji.
Te cztery źródła zestawiam raz na miesiąc w jednym arkuszu. Nie po to, żeby ścigać się z każdą zmianą u konkurenta, ale żeby wiedzieć, w których grupach produktów gramy z górnej, a w których z dolnej pozycji.
To zmiana, która daje najwięcej, a wymaga tylko porządku w danych produktowych.
Dzielę asortyment na trzy koszyki: pozycje, w których jesteśmy wyraźnie tańsi od rynku, pozycje w okolicy średniej i pozycje wyraźnie droższe. Podział wpisuję do etykiet niestandardowych w pliku produktowym i na tej podstawie buduję osobne grupy zasobów albo osobne kampanie.
Po co? Bo każdy z tych koszyków wymaga innego celu i innej stawki. Tam, gdzie jesteśmy najtańsi, chcę maksymalnej widoczności i akceptuję niższy zwrot, bo konwersja przychodzi łatwo. Tam, gdzie jesteśmy najdrożsi, nie chcę licytować się o pierwsze miejsce w porównywarce — chcę ograniczonej obecności, wyższego progu zwrotu i ruchu z zapytań, w których cena nie jest głównym kryterium.
Wrzucenie wszystkiego do jednej kampanii z jednym celem zwrotu prowadzi zawsze do tego samego: budżet przepływa do produktów tanich w sprzedaży i tanich w marży, a droższe pozycje dostają resztki. Raporty wyglądają wtedy przyzwoicie, a zysk firmy nie rośnie.
Najczęstsza sytuacja i jednocześnie najbardziej wymagająca warsztatowo.
Pierwsza rzecz to przesunięcie rozmowy z ceny na warunki. Jeżeli mamy darmową dostawę od niższego progu, dłuższy termin zwrotu, serwis na miejscu, dostępność od ręki albo płatność odroczoną — to musi być w tekstach reklam, w rozszerzeniach i w opisie produktu, a nie tylko w regulaminie. Klient porównujący dwie oferty o zbliżonej cenie wybiera tę, która wygląda pewniej.
Druga to wybór zapytań, w których nie konkuruje się ceną. Zapytania z nazwą modelu i słowem „cena” są dla nas wtedy najgorsze. Zapytania problemowe, kompatybilnościowe, serwisowe czy porównawcze dają zupełnie inne rozmowy z klientem. Buduję z nich osobne kampanie z własnym budżetem, bo w jednym worku z zapytaniami transakcyjnymi zawsze przegrają na koszcie konwersji.
Trzecia to ograniczanie strat na asortymencie, którego nie mamy szans obronić. Nie wyłączam takich produktów z automatu, ale schodzę im z priorytetu i przestaję traktować ich słabe wyniki jako powód do zmiany celów w całej kampanii.
Automatyczne strategie działają tutaj dobrze, pod warunkiem że mają uczciwe dane i cele ustawione per koszyk cenowy.
Docelowy zwrot z nakładów ustawiam osobno dla każdego z trzech koszyków opisanych wyżej, a nie jeden dla całego konta. To najprostsza dźwignia, jaką mamy, i zaskakująco rzadko widzę ją użytą.
Pilnuję okresu uczenia. Na rynku cenowym pokusa jest duża — cena zmieniła się w poniedziałek, więc w poniedziałek zmieniamy też cel kampanii. Efektem są kampanie, które nigdy nie wychodzą z fazy uczenia. Zmiany celów wprowadzam nie częściej niż raz w tygodniu, a jeśli w tym samym czasie robimy akcję cenową, to najpierw akcja, potem obserwacja, dopiero na końcu ewentualna korekta.
Osobno traktuję promocje krótkie. Przy dwudniowej obniżce nie ma sensu przestawiać strategii — lepiej dołożyć budżet i zadbać, żeby informacja o promocji dotarła do reklam i do danych produktowych, bo tam decyduje się, czy klient w ogóle zobaczy nową cenę.
W tych branżach największe efekty dają rzeczy, których nie ustawia się w Google Ads, ale bez których kampania nie ma z czego wygrać.
Rozmowa o progu darmowej dostawy, o widoczności terminu wysyłki na karcie produktu, o tym, czy telefon jest odbierany w ciągu dnia — to wszystko wpływa na skuteczność reklamy mocniej niż kolejna korekta stawek. Traktuję to jako część swojej roboty i mówię o tym klientowi wprost, nawet jeśli wychodzę poza zakres zlecenia.
Druga rzecz to szybkość reakcji na dostępność. Reklamowanie produktów niedostępnych albo z odległym terminem realizacji jest w rynku cenowym najdroższym błędem, jaki znam, bo klient ma dwadzieścia alternatyw w tej samej sekundzie. Warto, żeby dane o stanach magazynowych trafiały do pliku produktowego kilka razy na dobę, nie raz na tydzień.
Trzy rzeczy, które w takich warunkach kończą się źle wystarczająco często, żeby je wymienić.
Nie zbijałbym cen do poziomu najtańszej oferty w rynku tylko po to, żeby poprawić wyniki kampanii. Reklama pokaże wtedy piękny zwrot z nakładów, a firma sprzeda więcej i zarobi mniej. Tę decyzję podejmuje właściciel z kalkulacją w ręku, nie specjalista patrzący na kolumnę konwersji.
Nie oceniałbym takiego konta wyłącznie po średnim koszcie konwersji z całości. Średnia z trzech koszyków cenowych o zupełnie różnej charakterystyce nie opisuje niczego, co da się poprawić.
I nie budowałbym całej strategii na jednym typie kampanii. W rynku, w którym pozycja cenowa zmienia się w ciągu tygodnia, potrzebne są równolegle kampanie produktowe, zapytania niecenowe i praca nad powracającymi klientami — bo tylko ten trzeci obszar z czasem uwalnia firmę od licytacji.
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 |