Cosa abbiamo imparato sui 4 principali cambiamenti di Google rispetto a 90.000 campagne PPC
Pubblicato: 2016-03-15A febbraio, Google ha iniziato a modificare lentamente il modo in cui gli annunci vengono visualizzati nelle pagine dei risultati di ricerca desktop (SERP). Entro la fine del mese, gli annunci sul lato destro erano quasi scomparsi ed erano stati sostituiti da quattro annunci nella parte superiore della pagina e, occasionalmente, due in basso, sotto i risultati organici. Questo è, forse, il cambiamento più significativo nel modo in cui gli annunci vengono visualizzati sulle SERP di sempre.
Abbiamo avuto diversi esperti PPC che ci hanno fornito le loro previsioni su cosa potrebbe accadere per gli inserzionisti PPC, in particolare quelli con budget più piccoli, non appena è successo, e ora che abbiamo avuto la possibilità di guardare davvero i dati, condividiamo il nostro scoperte con te.
Per valutare l'impatto di questi cambiamenti, Acquisio ha estratto i dati da circa 90.000 campagne in esecuzione sulla piattaforma Acquisio, con una spesa complessiva di circa 50 milioni di dollari al mese. Abbiamo esaminato le quattro settimane prima che il cambiamento diventasse prevalente (21 gennaio - 17 febbraio 2016) e le due settimane successive (19 febbraio - 3 marzo 2016).
Le nostre conclusioni sono :
- Le impressioni e i clic al di sotto dei primi 4 sono diminuiti in modo significativo
- Il CPC per i posti al di sotto della Top 4 è aumentato
- Il CPC per gli annunci tra i primi 4 è aumentato fino al 10,5%
- Il CTR per gli annunci tra i primi 4 è aumentato fino al 4,5%
- Le campagne PPC ottimizzate con algoritmi di machine learning superano tutte le altre campagne
I dati che abbiamo raccolto mostrano che la concorrenza per gli annunci nelle prime 4 posizioni è diventata molto più forte. Questi annunci hanno un rendimento molto più alto rispetto a quelli negli ultimi posti, ma gli inserzionisti dovranno pagare di più per il privilegio di apparire in quei posti.
Abbiamo anche esaminato le campagne eseguite con l'ottimizzazione dell'apprendimento automatico di Bid & Budget Management (BBM) di Acquisio e abbiamo riscontrato che tali campagne hanno superato tutte le altre campagne. È un altro esempio di come l'apprendimento automatico supererà le prestazioni degli esseri umani e dell'importanza di ottimizzare le campagne con il più alto livello di intelligenza disponibile.
Diamo un'occhiata ai dati e vediamo come il nuovo schema di visualizzazione degli annunci di Google sulle SERP sta influenzando gli inserzionisti.
La metodologia che abbiamo utilizzato per valutare i dati
Innanzitutto, per ribadire, abbiamo utilizzato i dati di circa 90.000 campagne, quindi, a questo punto, siamo molto fiduciosi nei dati. I risultati provengono da un campione molto ampio, vario e rappresentativo di inserzionisti AdWords. I numeri che vedrai in questa sezione sono variazioni percentuali in valori assoluti.
Eravamo curiosi di vedere non solo il rendimento di tutte le campagne, ma anche il rendimento della nostra funzione di gestione delle offerte e del budget in queste nuove condizioni. Abbiamo guardato:
- Campagne ottimizzate da BBM e campagne non ottimizzate da BBM
- Prima dell'intervallo di tempo: 21 gennaio -17 febbraio 2016 (4 settimane)
- Dopo il periodo di tempo: 19 febbraio – 3 marzo 2016 (2 settimane)
Abbiamo esaminato i valori giornalieri medi della campagna di: impressioni, clic, spesa, posizione, CTR e CPC per ciascuna campagna. Nel nostro foglio di calcolo, è suddiviso in questo modo:
- Valori medi per tutti i valori chiave per tutti questi casi
- Confronto percentuale differenza prima e dopo: per ciascuno degli altri 4 casi:
- Confrontando la differenza tra i primi 4 e gli ultimi per gli altri 4 casi:
- Confronto della variazione % della variazione prima e dopo per ciascuno di questi casi:
Ed ecco cosa abbiamo scoperto.
Impressioni, clic e spesa pubblicitaria al di sotto della posizione 4 sono diminuiti in modo significativo
Indipendentemente dal fatto che le campagne fossero in esecuzione o meno su BBM, abbiamo riscontrato cali molto significativi nel numero di impressioni e clic al di sotto della posizione quattro. Anche il numero di campagne in corso in quei punti è diminuito. Questi sono i numeri per il periodo di due settimane dopo la modifica, rispetto al periodo precedente alla modifica.
Risultati senza BBM
Per le campagne regolari non eseguite con l'ottimizzazione BBM, abbiamo visto quanto segue per gli annunci in fondo:
Impressioni | -32,0% |
Clic | -44,8% |
Trascorrere | -38,3% |
Campagne al di sotto della Top 4 | -27,4% |
Ed è qui che diventa davvero interessante: il CPC per i punti al di sotto della posizione 4 è aumentato, mentre il CTR è diminuito drasticamente.
PCC | +13,6% |
CTR | -20,0% |
Risultati con BBM
I risultati per le campagne ottimizzate da BBM in realtà non erano così diversi fino a quando non siamo arrivati a CPC e CTR. Per BBM, i risultati in fondo sono stati così:
Impressioni | -49,7% |
Clic | -49,7% |
Trascorrere | -47,3% |
Campagne al di sotto della Top 4 | -21,9% |
La differenza inizia a essere davvero evidente quando osserviamo CPC e CTR. Questo è stato effettivamente un risultato molto positivo per noi, visti i numeri che vediamo sopra. Il CPC è aumentato, ma solo di un piccolo margine, e mentre il CTR è diminuito, la percentuale di calo è così trascurabile da essere impercettibile.
PCC | +4,9% |
CTR | -0,057% |
Sapevamo già che gli annunci sulla guida giusta ricevevano solo circa il 15% dei clic totali sulle SERP, quindi non dovrebbe sorprendere troppo il fatto che gli annunci che vengono effettivamente visualizzati nella parte inferiore delle SERP dovessero ottenere punteggi così bassi .
Quello che ci ha fatto piacere, ovviamente, è che BBM sta cercando di ottimizzare CPC e CTR nonostante il calo di impressioni e clic. Quello che tutti noi vogliamo davvero sapere è come il cambiamento ha influenzato coloro che stanno riuscendo a raggiungere quei primi 4 posti.
Il CPC e la spesa totale nella Top 4 sono aumentati in modo significativo
Iniziamo a vedere più differenze nel modo in cui si comportano le campagne regolari rispetto alle campagne ottimizzate per BBM quando esaminiamo le prime 4. Per le campagne non BBM, abbiamo riscontrato un piccolo calo delle impressioni, solo un piccolo aumento dei clic e un grande salto di spesa. Ancora una volta, stiamo confrontando il periodo successivo alla modifica con il periodo precedente.
Risultati senza BBM:
Ecco cosa abbiamo visto nelle prime 4 posizioni per le campagne non BBM:
Impressioni | -1,5% |
Clic | +3,0% |
Trascorrere | +13,7% |
Campagne nella Top 4 | +2,44% |
L'unica cosa che è cambiata in modo significativo qui è la quantità di denaro che le persone stanno spendendo per ottenere i loro annunci nelle prime 4 posizioni. Per quelle stesse campagne, abbiamo scoperto che la loro posizione media è scesa solo dell'1,9%, praticamente zero , quindi stanno spendendo di più per rimanere in gioco e stanno perdendo terreno mentre lo fanno. La competizione si sta davvero scaldando per quei posti.
Il prezzo per un clic è aumentato per gli annunci tra i primi 4, ma anche il CTR. Ecco cosa abbiamo trovato:
PCC | +10,5% |
CTR | +4,5% |
L'aumento del CTR (4,5%) più che compensa la perdita dell'1,5% delle impressioni, tuttavia l'aumento del CPC è molto più alto che alla fine gli inserzionisti ottengono meno clic per, essenzialmente, la stessa somma di denaro.
Risultati con BBM
L'apprendimento automatico sta sicuramente mantenendo queste campagne in corsa. Mentre la spesa pubblicitaria è aumentata, sono aumentate anche le impressioni e i clic. E il numero di campagne con annunci tra i primi 4 è aumentato in modo significativo.

Impressioni | +9,8%% |
Clic | +8,0% |
Trascorrere | +15,8% |
Campagne nella Top 4 | +12,3% |
Si tratta di salti davvero significativi rispetto alle campagne che non sono in esecuzione su BBM. In questo caso vediamo che la spesa è in aumento, ma ciò è dovuto all'aumento del numero di clic, nonché, in base ai dati delle campagne regolari, a un aumento complessivo della spesa pubblicitaria.
Abbiamo anche riscontrato un aumento del CPC con BBM, ma non tanto quanto le campagne non ottimizzate (aumento del prezzo inferiore del 41%, +6,6% contro +10,5%), nonché un leggero calo del CTR.
PCC | +6,6% |
CTR | -1,4% |
Ciò significa che se il 17 febbraio 2016 avessi speso $ 1.000 in pubblicità, il 19 febbraio avresti speso $ 1.105 senza BBM. Se fossi un utente di BBM, avresti speso solo $ 1.066 il 19 febbraio, risparmiando $ 39 quel giorno. Questo è il tuo 41% di risparmio sull'aumento del CPC dovuto alla nuova configurazione. Quindi, nel corso di 30 giorni, ciò si tradurrebbe in un risparmio di $ 1.170.
Ciò significa davvero che chiunque faccia pubblicità su larga scala e non utilizzi l'apprendimento automatico per ottimizzare le campagne perderà una grande quantità di clic.
Inoltre, contrariamente alle campagne non BBM, la posizione media di queste è effettivamente aumentata dello 0,94%, il che significa che non è cambiata affatto. Chiamiamo questo numero zero e diciamo che non c'è stato alcun cambiamento.
Guardando la differenza complessiva che fa l'apprendimento automatico
Una delle lezioni più importanti da questo cambiamento nella Top 4 è la netta differenza tra le 2 possibili posizioni degli annunci:
- Le prime 4 posizioni
- Posizioni inferiori
Quando si esaminano i dati sia prima che dopo il cambio, la produzione dalla Top 4 domina totalmente, e dopo il cambio questo si accentua. Per questo motivo abbiamo deciso di esaminare analiticamente questo problema.
Osservando il rapporto tra i valori tra le prime 4 e le ultime posizioni si trova:
Stato BBM | Prima dopo | Rapporto[Imp] | Rapporto[clic] | Rapporto[Spesa ($USD)] | Rapporto[#Campagne] |
Non su BBM | Prima di | 10.76 | 26.76 | 23.01 | 4.04 |
Non su BBM | Dopo | 15.61 | 49.93 | 42.40 | 5.71 |
BBM | Prima di | 6.61 | 14.18 | 14.91 | 2.79 |
BBM | Dopo | 14.42 | 30.48 | 32.78 | 4.02 |
Il valore formulato per ciascuno di questi casi è:
Questo mostra che il numero di impressioni e clic dalle prime 4 posizioni è di gran lunga maggiore di quello inferiore con commenti simili sulla spesa e sul numero di campagne. Dopo il passaggio alla nuova configurazione Top 4 senza binario destro il numero diventa ancora più esagerato. La variazione percentuale del rapporto tra i primi 4 e gli ultimi dopo la modifica:
Stato BBM | Per[Rapporto[Imp]] | Per[Rapporto[Clic]] | Per[Rapporto[Spesa ($USD)]] | per[Rapporto[#Campagne]] |
Non su BBM | 45,01% | 86,58% | 84,25% | 41,21% |
Su BBM | 118,10% | 114,92% | 119,93% | 43,79% |
La formula utilizzata è:
Questi valori mostrano che le campagne non ottimizzate hanno una crescita significativa nel rapporto Primi 4 e ultimi in tutti i casi. Il caso BBM è ancora più drammatico con i rapporti per impressioni, clic e spesa tutto più che raddoppiato.
La crescita del rapporto di crescita del rapporto BBM rispetto al caso non ottimizzato mostra:
- Crescita del rapporto impressioni superiore del 162%.
- Crescita del rapporto clic superiore del 33%.
- 42% in più di crescita del rapporto di spesa
- Crescita del 6,3% in più del rapporto campagna
I rapporti BBM mostrano un forte cambiamento dopo il cambiamento della Top 4 per estendere notevolmente la proprietà e la presenza delle sue campagne in questo importante settore pubblicitario della Top 4. BBM mette una parte maggiore della tua spesa pubblicitaria dove ha il rendimento migliore: nella Top 4.
Quello che stiamo davvero vedendo qui è quello che tutti si aspettavano. La stragrande maggioranza di impressioni, clic e spesa si trova nei primi 4 posti. Dire che ciò sarebbe accaduto prima del cambiamento era un po' come predire che il terreno sarebbe presto bagnato quando ci si trova sotto una nuvola di pioggia. La buona notizia è che sembra che tutti avessero ragione.
Ma ciò che ci entusiasma davvero sono le prestazioni di BBM in questo nuovo ambiente. L'ottimizzazione dell'apprendimento automatico si è adattata e si è evoluta automaticamente sotto il nuovo paradigma e puoi vedere chiaramente che BBM sta superando tutte le altre campagne dove conta e con margini molto ampi.
Rimanere in competizione per la Top 4
Per la maggior parte, le campagne costano di più e, rispetto al costo, la maggior parte degli inserzionisti non riceve abbastanza clic per giustificare l'aumento della spesa. Per gli inserzionisti che non utilizzano il machine learning per ottimizzare le campagne, continueranno a scoprire che:
- Le impressioni e i clic al di sotto della posizione dei primi 4 sono diminuiti di quasi la metà
- I clic per gli annunci tra i primi 4 sono leggermente aumentati, ma la spesa è aumentata notevolmente
- Il CTR per gli annunci tra i primi 4 è leggermente aumentato, ma il CPC è aumentato notevolmente
I risultati sono interessanti, indipendentemente dal fatto che tu stia utilizzando BBM o meno. Con i clic che costano di più e la spesa pubblicitaria in aumento, il punteggio di qualità come metrica è più importante che mai e gli inserzionisti devono impegnarsi sempre di più per assicurarsi di ottenere il maggior numero di conversioni possibile sulle pagine di destinazione.
Gli inserzionisti che gestiscono campagne di sensibilizzazione del marchio saranno costretti a tentare di fare di più con meno e potrebbero cercare di sfruttare i canali dei social media e la viralità nel tentativo di ottenere di più dalle loro campagne.
Ciò che è assolutamente chiaro è che l'ottimizzazione dell'apprendimento automatico per PPC è di gran lunga superiore alle prestazioni umane a questo punto e sfruttare un'ottimizzazione come questa sarà necessario per competere in futuro.
A vantaggio della chiarezza, confrontiamo l'aumento risultante con una tassa imposta da Google per essere apparsa nei primi 4 risultati. La buona notizia è che gli utenti di BBM pagheranno il 41% in meno di tasse, per continuare con l'analogia.
Ancora una volta: le campagne ottimizzate per BBM hanno dovuto affrontare un CPC leggermente superiore rispetto a prima della modifica, ma un aumento del CPC inferiore del 41% rispetto alle campagne non ottimizzate .
Chiunque sia interessato a saperne di più su come l'apprendimento automatico può ottimizzare le campagne PPC dovrebbe dare un'occhiata a questo webinar con Bryan Minor: 2016 The Year in Machine Learning. Bryan spiega come funziona la nostra ottimizzazione dell'apprendimento automatico e mostra risultati reali. Assicurati di dare un'occhiata!