ما تعلمناه عن أفضل 4 تغييرات في Google من 90.000 حملة PPC

في فبراير ، بدأت Google ببطء في إجراء تغييرات على طريقة عرض الإعلانات على صفحات نتائج بحث سطح المكتب (SERPs). بحلول نهاية الشهر ، اختفت الإعلانات الموجودة على الجانب الأيمن تقريبًا ، وتم استبدالها بأربعة إعلانات في أعلى الصفحة ، وفي بعض الأحيان ، إعلانان في الجزء السفلي ، أسفل النتائج العضوية. ربما يكون هذا هو أهم تغيير في طريقة عرض الإعلانات على SERPs على الإطلاق.

لدينا العديد من خبراء الدفع بالنقرة يقدمون لنا تنبؤاتهم بشأن ما يمكن أن يحدث لمعلني الدفع بالنقرة - وخاصة أولئك الذين لديهم ميزانيات أصغر - بمجرد حدوث ذلك ، والآن بعد أن أتيحت لنا الفرصة للنظر حقًا في البيانات ، فإننا نشارك النتائج معك.

لتقييم تأثير هذه التغييرات ، استخرجت شركة Acquisio البيانات من حوالي 90.000 حملة تعمل على منصة Acquisio ، بإجمالي إنفاق يبلغ حوالي 50 مليون دولار شهريًا. قمنا بفحص الأسابيع الأربعة التي سبقت انتشار التغيير (21 يناير - 17 فبراير 2016) ، والأسبوعان اللاحقان (19 فبراير - 3 مارس ، 2016).

استنتاجاتنا هي :

• انخفضت مرات الظهور والنقرات أسفل أعلى 4 مرات بشكل ملحوظ
• زيادة الكلفة بالنقرة للمواقع الواقعة تحت المراكز الأربعة الأولى
• زادت تكلفة النقرة للإعلانات في المراكز الأربعة الأولى بنسبة تصل إلى 10.5٪
• زادت نسبة النقر إلى الظهور للإعلانات في المراكز الأربعة الأولى بنسبة تصل إلى 4.5٪
• تتفوق حملات الدفع لكل نقرة المحسّنة باستخدام خوارزميات التعلم الآلي على جميع الحملات الأخرى

تُظهر البيانات التي جمعناها أن المنافسة على الإعلانات في المراكز الأربعة الأولى قد أصبحت أقوى بكثير. تعمل هذه الإعلانات بمعدلات أعلى بكثير من تلك الموجودة في المواضع السفلية ، ولكن سيتعين على المعلنين دفع المزيد مقابل امتياز الظهور في تلك المواقع.

لقد فحصنا أيضًا الحملات التي يتم تشغيلها باستخدام تحسين التعلم الآلي من Acquisio's Bid & Budget Management (BBM) ، ووجدنا أن هذه الحملات تفوقت على جميع الحملات الأخرى. إنه مثال آخر على كيفية تفوق التعلم الآلي على البشر ، وأهمية تحسين الحملات بأعلى مستوى من الذكاء المتاح.

دعنا نلقي نظرة على البيانات ونرى كيف يؤثر مخطط عرض الإعلانات الجديد من Google على SERPs على المعلنين.

المنهجية التي استخدمناها لتقييم البيانات

بادئ ذي بدء ، للتكرار ، استخدمنا بيانات من حوالي 90.000 حملة ، لذلك ، في هذه المرحلة ، نحن واثقون جدًا من البيانات. جاءت النتائج من عينة كبيرة جدًا ومتنوعة وتمثيلية لمعلني Adwords. الأرقام التي ستراها في هذا القسم هي النسبة المئوية للتغييرات في القيم المطلقة.

كان من دواعي فضولنا أن نرى ، ليس فقط كيفية أداء جميع الحملات ، ولكن أيضًا كيفية أداء ميزة إدارة عروض الأسعار والميزانية الخاصة بنا في ظل هذه الظروف الجديدة. نظرنا إلى:

• حملات BBM المحسّنة مقابل الحملات التي لم يتم تحسينها بواسطة BBM
• قبل الإطار الزمني: 21 يناير - 17 فبراير 2016 (4 أسابيع)
• بعد الإطار الزمني: 19 فبراير - 3 مارس 2016 (أسبوعان)

لقد درسنا متوسط ​​القيم اليومية للحملة لكل من: مرات الظهور والنقرات والإنفاق والموضع ونسبة النقر إلى الظهور وتكلفة النقرة لكل حملة. في جدول البيانات لدينا ، انهارت على النحو التالي:

1. متوسط ​​القيم لجميع القيم الأساسية لجميع هذه الحالات

2. مقارنة نسبة الفرق قبل وبعد: لكل حالة من الحالات الأربع الأخرى:

3. مقارنة الفرق بين أعلى 4 وأدنى للحالات الأربع الأخرى:

4. مقارنة النسبة المئوية للتغييرات قبل التغيير وبعده لكل حالة من هذه الحالات:

وهذا ما اكتشفناه.

انخفض عدد مرات الظهور والنقرات والإنفاق على الإعلان أقل من الموضع 4 بشكل ملحوظ

بصرف النظر عما إذا كانت الحملات تعمل على BBM أم لا ، فقد شهدنا انخفاضًا كبيرًا في عدد مرات الظهور والنقرات أسفل الموضع الرابع. كما انخفض عدد الحملات الجارية في تلك المواقع. هذه هي الأرقام الخاصة بفترة الأسبوعين بعد التغيير ، مقارنة بالفترة السابقة للتغيير.

النتائج بدون BBM

بالنسبة للحملات العادية التي لا تعمل باستخدام تحسين BBM ، رأينا ما يلي للإعلانات في الأسفل:

وهنا يصبح الأمر مثيرًا للاهتمام حقًا: ارتفعت تكلفة النقرة للمواقع أسفل الموضع 4 ، بينما انخفضت نسبة النقر إلى الظهور بشكل كبير.

النتائج مع BBM

لم تكن نتائج الحملات التي تم تحسينها بواسطة BBM مختلفة في الواقع حتى وصلنا إلى تكلفة النقرة ونسبة النقر إلى الظهور. بالنسبة إلى BBM ، كانت النتائج في الأسفل كما يلي:

يبدأ الاختلاف في الظهور حقًا عندما ننظر إلى تكلفة النقرة ونسبة النقر إلى الظهور. كانت هذه في الواقع نتيجة إيجابية للغاية بالنسبة لنا ، بالنظر إلى الأرقام التي نراها أعلاه. لقد زادت تكلفة النقرة بالفعل ، ولكن بهامش ضئيل فقط ، وبينما انخفضت نسبة النقر إلى الظهور ، فإن النسبة المئوية التي انخفضت بها ضئيلة للغاية بحيث لا يمكن ملاحظتها.

لقد علمنا بالفعل أن الإعلانات الموجودة على الشريط الأيمن كانت تحصل على حوالي 15٪ فقط من إجمالي النقرات على SERPs ، لذلك لا ينبغي أن يكون مفاجئًا أن الإعلانات التي يتم عرضها بالفعل في الجزء السفلي من SERPs يجب أن تحصل على مثل هذه الدرجات المنخفضة .

من الواضح أن ما أسعدنا هو أن BBM تسعى إلى تحسين تكلفة النقرة ونسبة النقر إلى الظهور على الرغم من الانخفاض في مرات الظهور والنقرات. ما نريد جميعًا أن نعرفه حقًا هو كيف أثر التغيير على أولئك الذين تمكنوا من الوصول إلى المراكز الأربعة الأولى.

ارتفعت تكلفة النقرة والإنفاق الإجمالي في المراكز الأربعة الأولى بشكل ملحوظ

بدأنا في رؤية المزيد من الاختلافات في الطريقة التي تتصرف بها الحملات العادية مقارنة بالحملات المحسّنة لـ BBM عندما ننظر إلى أعلى 4. بالنسبة للحملات التي لا تستخدم BBM ، لاحظنا انخفاضًا طفيفًا في مرات الظهور ، وزيادة طفيفة في النقرات ، و قفزة كبيرة في الإنفاق. مرة أخرى ، نقارن الفترة التي تلي التغيير بالفترة السابقة.

النتائج بدون BBM:

هذا ما رأيناه في المراكز الأربعة الأولى للحملات بخلاف BBM:

الشيء الوحيد الذي تغير بشكل كبير هنا هو مقدار الأموال التي ينفقها الأشخاص للحصول على إعلاناتهم في المراكز الأربعة الأولى. بالنسبة لتلك الحملات نفسها ، وجدنا أن متوسط ​​مواضعها انخفض بنسبة 1.9٪ فقط - صفر أساسًا - لذا فإنهم ينفقون المزيد للبقاء في اللعبة ، ويفقدون قوتهم أثناء قيامهم بذلك. المنافسة محتدمة حقا لتلك المواقع.

ارتفع سعر النقرة للإعلانات في المراكز الأربعة الأولى ، وكذلك ارتفعت نسبة النقر إلى الظهور. هذا ما وجدناه:

الزيادة في نسبة النقر إلى الظهور (4.5٪) أكثر من تعويض الخسارة بنسبة 1.5٪ في مرات الظهور ، ومع ذلك فإن زيادة تكلفة النقرة أعلى بكثير بحيث يحصل المعلنون في النهاية على نقرات أقل مقابل نفس المبلغ من المال في الأساس.

النتائج مع BBM

يحافظ التعلم الآلي بالتأكيد على هذه الحملات في السباق. بينما زاد الإنفاق الإعلاني ، زادت أيضًا مرات الظهور والنقرات. وزاد عدد الحملات التي تحتوي على إعلانات في المراكز الأربعة الأولى بشكل ملحوظ.

هذه قفزات مهمة حقًا من الحملات التي لا تعمل على BBM. في هذه الحالة ، نرى أن الإنفاق قد ارتفع ، ولكن يتم حساب ذلك من خلال زيادة عدد النقرات ، وكذلك ، بناءً على البيانات الواردة من الحملات العادية ، الزيادة الإجمالية في الإنفاق الإعلاني.

لقد رأينا أيضًا زيادة في تكلفة النقرة باستخدام BBM ، ولكن ليس بقدر الحملات غير المحسّنة (41٪ زيادة أقل في الأسعار ، + 6.6٪ مقابل + 10.5٪) ، بالإضافة إلى انخفاض طفيف في نسبة النقر إلى الظهور.

ما يعنيه هذا هو أنك إذا أنفقت 1000 دولار على الإعلان في 17 فبراير 2016 ، ففي 19 فبراير ، كنت ستنفق 1105 دولارات أمريكية بدون BBM. إذا كنت من مستخدمي BBM ، كنت ستنفق 1066 دولارًا فقط في 19 فبراير ، مما يوفر 39 دولارًا في ذلك اليوم. هذه هي وفوراتك بنسبة 41٪ على الزيادة في تكلفة النقرة بسبب التكوين الجديد. لذلك ، على مدار 30 يومًا ، سيُترجم ذلك إلى توفير قدره 1170 دولارًا.

ما يعنيه هذا حقًا هو أن أي شخص يعلن على نطاقات كبيرة ولا يستخدم التعلم الآلي لتحسين الحملات سيفقد قدرًا هائلاً من النقرات.

أيضًا ، على عكس الحملات التي لا تستخدم BBM ، زاد متوسط ​​موضع هذه الحملات بنسبة 0.94٪ - وهذا يعني أنه لم يتغير حقًا على الإطلاق. دعنا نسمي هذا الرقم صفر ونفترض أنه لم يكن هناك تغيير.

النظر إلى الاختلاف العام الذي يحدثه التعلم الآلي

أحد أهم الدروس المستفادة من هذا التغيير هو الاختلاف الصارخ بين موقعين إعلانيين محتملين:

• أعلى 4 وظائف
• المواقف السفلية

عند فحص البيانات قبل التغيير وبعده ، يهيمن الإنتاج من المراكز الأربعة الأولى تمامًا ، وبعد التغيير يتم إبراز ذلك. لهذا السبب قررنا دراسة هذه المسألة تحليليًا.

بالنظر إلى نسبة القيم بين أعلى 4 وأسفل تجد:

القيمة التي تمت صياغتها لكل حالة من هذه الحالات هي:

يوضح هذا أن عدد مرات الظهور والنقرات من أعلى 4 مواضع أكبر بكثير من الجزء السفلي مع تعليقات مماثلة حول الإنفاق وعدد الحملات. بعد التغيير إلى التكوين الجديد لأفضل 4 بدون سكة أيمن ، يصبح الرقم مبالغًا فيه. النسبة المئوية للتغيير من أعلى 4 إلى نسبة القاع بعد التغيير:

الصيغة المستخدمة هي:

توضح هذه القيم أن الحملات التي لم يتم تحسينها قد حققت نموًا ملحوظًا في نسبة أعلى 4 إلى أسفل في جميع الحالات. تعتبر حالة BBM أكثر دراماتيكية مع نسب الظهور والنقرات والإنفاق أكثر من الضعف.

يوضح نمو نسبة نمو نسبة BBM مقارنة بالحالة غير المحسّنة:

• 162٪ نمو أعلى في نسبة الظهور
• 33٪ زيادة في نسبة النقرات
• 42٪ زيادة في معدل الإنفاق
• 6.3٪ نسبة نمو أعلى للحملة

تُظهر نسب BBM تحولًا قويًا بعد تغيير Top 4 لتوسيع ملكية حملاتها ووجودها بشكل كبير في أفضل 4 عقارات إعلانية. تضع BBM المزيد من إنفاق إعلانك في الأماكن التي تحقق أفضل أداء: في المراكز الأربعة الأولى.

ما نراه هنا حقًا هو ما توقعه الجميع. الغالبية العظمى من مرات الظهور والنقرات والإنفاق في المراكز الأربعة الأولى. كان القول بأن هذا سيحدث قبل التغيير يشبه إلى حد ما التنبؤ بأن الأرض ستكون رطبة قريبًا عند الوقوف تحت سحابة مطر. النبأ السار هو أنه يبدو أن الجميع كان على حق.

ولكن ما يثير حماستنا حقًا هو أداء BBM في هذه البيئة الجديدة. لقد تم تكييف تحسين التعلم الآلي وتطور تلقائيًا في ظل النموذج الجديد ، ويمكنك أن ترى بوضوح أن BBM يتفوق في الأداء على جميع الحملات الأخرى حيثما كان ذلك مهمًا ، وبهامش كبير جدًا.

البقاء في المنافسة على المراكز الأربعة الأولى

بالنسبة للجزء الأكبر ، تزداد تكلفة الحملات ، وعند مقارنتها بالتكلفة ، لا يحصل معظم المعلنين على نقرات كافية لتبرير الإنفاق المتزايد. بالنسبة للمعلنين الذين لا يستخدمون التعلم الآلي لتحسين الحملات ، سيستمرون في العثور على ما يلي:

• انخفضت مرات الظهور والنقرات تحت أعلى 4 نقاط بمقدار النصف تقريبًا
• زادت نقرات الإعلانات في المراكز الأربعة الأولى بشكل طفيف ، لكن الإنفاق زاد بشكل كبير
• زادت نسبة النقر إلى الظهور للإعلانات في المراكز الأربعة الأولى بشكل طفيف ، لكن تكلفة النقرة زادت بشكل كبير

النتائج مثيرة للاهتمام ، سواء كنت تستخدم BBM أم لا. مع زيادة تكلفة النقرات وزيادة الإنفاق الإعلاني ، أصبحت نقاط الجودة كمقياس أكثر أهمية من أي وقت مضى ، ويحتاج المعلنون إلى بذل المزيد والمزيد من الجهد للتأكد من حصولهم على أكبر عدد ممكن من التحويلات على الصفحات المقصودة.

سيُجبر المعلنون الذين يديرون حملات التوعية بالعلامة التجارية على محاولة فعل المزيد بموارد أقل ، وقد يسعون إلى الاستفادة من قنوات وسائل التواصل الاجتماعي والانتشار في محاولة للاستفادة بشكل أكبر من حملاتهم.

ما هو واضح تمامًا هو أن تحسين التعلم الآلي لـ PPC يتفوق كثيرًا على البشر في هذه المرحلة ، والاستفادة من التحسين مثل هذا سيكون ضروريًا للمنافسة في المستقبل.

من أجل الوضوح ، دعنا نقارن الزيادة الناتجة بالضريبة التي تفرضها Google للظهور في أفضل 4 نتائج. والخبر السار هو أن مستخدمي BBM سيدفعون ضرائب أقل بنسبة 41٪ ، لمواصلة القياس.

مرة أخرى: واجهت الحملات المحسّنة لـ BBM تكلفة نقرة أعلى قليلاً مما كانت عليه قبل التغيير ، لكن زيادة تكلفة النقرة أقل بنسبة 41٪ من الحملات التي لم يتم تحسينها .

يجب على أي شخص مهتم بمعرفة المزيد حول كيفية قيام التعلم الآلي بتحسين حملات الدفع لكل نقرة (PPC) الاطلاع على هذه الندوة عبر الويب مع Bryan Minor: 2016 The Year in Machine Learning. يشرح بريان كيف يعمل تحسين التعلم الآلي لدينا ، ويظهر لك نتائج حقيقية. تأكد من التحقق من ذلك!