艾奇菌有话说:
本文译自国外的文章,以谷歌的关键词竞价广告Google Adword为产品背景,文章中涉及到了四种匹配方式,其中“完全匹配”、“词组匹配”、“广泛匹配”分别与我们所熟悉的“精确匹配”、“短语匹配”、“广泛匹配”相对应。而第四种匹配方式,叫做“广泛匹配修饰符”,精准性介于“词组匹配”与“广泛匹配”之间。艾奇菌附图一张,具体解释了“广泛匹配修饰符”这种匹配方式所适用的范围。
正文�
在过去几年里,华丽的图形和图表出现在了网络营销活动中的次数越来越多。
最可能的原因一般是决策者、分析师和执行者们对数据的理解和觉悟越来越高。也有可能是市场上出来的数据分析工具越来越简易。
这样虽然很不错,但是一些分析工具通常涵盖大量的数据信息,需要花费大量的时间来整合,有的时候甚至难以理解这些数据所要传达的主要内容。
不论你或你的团队现在使用的是哪种数据分析工具,我想在这里分享几个在搜索引擎营销(SEM)过程中,如何通过关键词数据来分析账户的小心得。
例如如何评估当前付费搜索效果,如何可以在第一时间找到潜在问题的解决方案等。下面是我找到的几种非常有用的分析方法:
1.不同匹配方式下(包含广泛匹配修饰符)的每日曝光次数
下方的曲线图列出了在某段时间里,不同匹配方式下的每日曝光数据。这也包含了“广泛匹配修饰符”关键词的数据,意味着你得先在你的数据报表里,将那些带有“+”符号的广泛匹配关键词标记为广泛匹配修饰符关键词。
广泛匹配曝光次数的占比高(如下图所示),侧面说明账户数据是不健康的,因为一个广告主的所有广告在搜索引擎上的展现是有限制的,广泛匹配曝光次数占比高,意味着更加精准的匹配方式的曝光数量偏低。你需要降低广泛匹配曝光次数的百分比(根据实际广告效果,约为20%-40%左右),并且还需要保证这个数据在一段时间内是稳定的。
处理方案:添加更多完全匹配关键词或者否定搜索词,让广告定位更精准,同时滤除掉那些不相关的曝光次数。你需要不断的重复这个操作,直到广泛匹配曝光量达到“可接受”的百分比,而一般来讲,想要达到这个百分比,你所有的关键词都需要开启完全匹配,并且完全匹配关键词出价要高于词组匹配关键词、广泛修饰符关键词和广泛匹配关键词的出价。
要知道一个高出价的仅使用广泛匹配的关键词,会偷走账户其他关键词的曝光量,所以要小心分配账户内部的关键词流量!
2.根据长尾词和匹配方式,对比平均每次点击价格
下图展现了不同长尾词和匹配方式下的平均CPC(每次点击价格),根据之前提到的方法,广泛匹配修饰符关键词数据也会包含其中。一般来讲,长尾关键词的竞争强度较低,CPC也更便宜。广告主会希望一个关键词可以以更低的价格,带来更多的曝光次数,而下图却没有佐证这一点。我们可以看到,下方6个关键词的词组匹配CPC更高。
关键词数据
处理方案:你需要平衡掉那些峰值,尤其是针对词组匹配、广泛修饰符和广泛匹配。更具体一点,对于这种高层次的数据分析还需要至少一个附加步骤,你需要提取出那些由3-4个字组成的,不合理的高CPC关键词。
3.对比关键词展示份额和CPA(每次转换费用)
首先,要知道不是所有可视化数据都需要通过图表来表示!有时候,一个表格比图表更能说明问题,尤其是我们可以为表格增添多种颜色来做标识。
下方列表是一个根据关键词展示份额百分比,来计算各个百分比下的关键词个数,以及他们获得的转化次数和每次转化价格(CPA)。该数据表还根据品牌词和非品牌词进行了划分。一般来讲,你需要最大化你的展示份额,同时还得获得一个较低的CPA。
下面的报表告诉我们如何区分那些低展示份额和低CPA的关键词——也就是机会关键词。如下表所示,有341个非品牌关键词的展示份额虽然只有60%,但是CPA仅为30美金左右,这比其他大部分的非品牌关键词的推广效果都要好得多。我们也能发现大部分非品牌关键词的展示份额大于70%,CPA更是高达95美金——这些就是你需要注意的推广效果差的关键词。
关键词数据
处理方案:导致低展示份额的主要原因有3种:出价低,质量得分低或每日预算低(或者三者均有之)。总之,如果关键词所在的广告系列预算受限,你可以给那些效果差的关键词(指高展示份额,高CPA的关键词)降低出价,让机会关键词获得更多广告预算。
然后,如果广告系列预算充足,你首先要做的是:抬高效果好的机会关键词的出价,降低效果差的关键词的出价。理所当然,对于那些低质量得分的关键词,你需要不断测试新的广告语,直到质量得分有一定提升。
这是一个非常重要的账户优化方案,我们也可以将平均排名代替展示份额,来做账户分析。对于展示份额来讲,它更能直观的反应机会关键词给账户带来的利润增长空间。
结语
查看和分析关键词数据的方法有很多,上面提到的只是一些例子而已。可视化数据报表的目的并不是让图表变得更漂亮。反而,那些图表或表格需要更加简单明了,易操作——他们需要告诉人们发生了什么,该如何解决,以及如何针对已执行的内容做进一步改善。
我知道有时候不会那么容易,但是我觉得这并不妨碍你经常问你自己,或者你的团队如下问题:数据还能变得更好么?是否还能找到可行性更高的方法?
投稿&版权联系:QQ710554356