展望 2018 年的 PPC：新年預測

1. 更多受眾定位功能

過去五年中，PPC 最顯著的變化主要是受眾定位功能，2018 年也不例外。 我們預測受眾定位將以幾種不同的方式發展。

擴大客戶匹配目標

客戶匹配是基於您的 CRM（客戶關係管理）數據的受眾定位。 它允許您根據您選擇與 Google 共享的當前客戶的數據展示廣告。 目前，您可以在 Google 的各種屬性（例如搜索和 Gmail 廣告）中使用此定位。 但是，它目前不適用於第三方一般展示廣告。

在整個 2018 年，我們應該會看到如何使用客戶匹配定位。 由於此定位基於 CRM 數據，我們可能會在歐盟和其他地區看到一些限制。 這些領域有很多隱私法限制如何在廣告中使用客戶數據。 但是，我們仍然可以期待到處都能看到更多的客戶匹配定位選項。

類似列表的擴展

類似列表是您在 AdWords 中創建的受眾群體列表的相似列表。 目前，如果您不滿足某些最小數據大小，您很少會看到這些列表可用。 隨著機器學習在識別用戶行為並將其與其他人匹配方面變得越來越好，預計會在您的帳戶中看到更多類似的列表。

更輕鬆的第三方列表管理

AdWords 中使用最少的功能之一是能夠在您的 PPC 帳戶中使用非 Google 第三方列表。 此功能有超過 92,000 個可用的受眾列表。 這些列表來自第三方數據提供商，例如 BlueKai。

這些列表在大多數帳戶上不可見有兩個原因：

• 大多數人不租用受眾列表
• 他們按每千次展示費用（每次展示費用）付費

雖然大多數較小的帳戶永遠不需要將第三方數據與 Google 的定位分層，但有時它很有用，尤其是當您試圖進入一個非常狹窄的細分市場時。 不幸的是，當您在 CPC 產品中按每千次展示費用付款時，付款方式的組合可能會變得複雜。突然，使用這種方式時，展示不再免費。 使用 AdWords，您為點擊付費； 使用每千次展示費用，您需要為展示付費。 混合這兩種對立的支付系統可能會很棘手，因此在使用第三方列表時必須非常小心。

預計在 2018 年的某個時間，第三方列表數據的集成將更易於管理。

可怕的未知數不斷下降

在過去的幾年中，出現了幾個新的人口統計定位功能。 然而，對於許多廣告商來說，這些特徵沒有什麼意義，因為他們的人口統計數據主要由“未知”用戶組成，而不是年齡、性別和其他特徵已知的用戶。

2017 年，許多人的未知類別顯著下降。我們預測，2018 年，更多用戶將屬於已知類別，這使得這些高級功能中的許多功能對更多廣告商有用。

受眾目標採用率？

在 PPC 的世界中，檢查功能有兩個主要里程碑：

• 當該功能可用於一般用途時
• 當它實際上被一致地使用（如果有的話）時

大多數公司都嘗試過通過展示廣告網絡進行再營銷。 當我們檢查大量帳戶時，許多人已經對搜索網絡進行了抽樣，但還沒有完全採用搜索再營銷。 當我們查看類似列表、客戶匹配和人口統計洞察時，大多數帳戶都沒有使用這些功能。 沒有採用的原因有三個：

• 在這方面缺乏理解和教育
• 沒有足夠的數據供小帳戶使用
• 谷歌沒有提供工具來輕鬆擴展企業帳戶的所有功能

隨著谷歌界面的變化和大量功能的推出，2018 年應該是谷歌讓人們更容易大規模採用這些功能的一年。 希望 2018 年也將成為大多數 PPC 帳戶接受受眾定位的一年。

2. 歸因管理變更

如果用戶點擊三個搜索廣告、兩個自然列表、閱讀您的電子郵件然後進行轉化，那麼哪些訪問會獲得轉化功勞？ 這就是歸因管理試圖回答的問題。 2018 年，我們將看到歸因管理的兩個主要變化。

按屬性出價

目前，大多數公司都通過“最後一次點擊”出價。 這意味著如果一個人訪問您的網站六次然後購買，最後一次點擊將獲得所有功勞。 在直接響應的世界中，這可能很好。 在漫長的消費者旅程過程中，這種類型的出價會忽略用戶最初是如何找到你的。 它還傾向於高估品牌點擊，因為品牌點擊通常是轉化前的最後一次點擊。 因此，出價歸因需要更多地關注精細區分選項，以便在 PPC 流程中有用。

在您的轉化設置中，您可以通過將歸因模型從“最終點擊”更改為任何其他選項來選擇在您的帳戶中計算轉化的方式：

進行此更改後，您將開始在整個帳戶中看到部分轉化數據。 您根據轉化數據進行的任何出價都將根據您選擇的歸因模型進行。 雖然這個功能已經有一段時間了，但它一直沒有得到充分利用。 隨著歸因意識的提高和實施的便利性，我們將看到更多的帳戶基於非最終點擊的歸因模型進行競價。

跨渠道歸因管理對話

如果您將歸因模型更改為“基於位置”並啟用 CPA 出價，則您已通過歸因模型自動執行付費搜索出價。 然而，這些出價完全忽略了社交、電子郵件、自然和其他點擊。 此歸因模型中使用的點擊主要是您的 PPC 點擊。 現在可以在渠道級別進行跨渠道歸因分析。 一旦您開始連接各個接觸點——包括在整個轉換週期中發生的搜索查詢、實際電子郵件報價和社交提及，模型就會失敗。 這種失敗本質上不是數學上的，而是當您在轉化之前深入挖掘每個點擊路徑時路徑變得多麼稀缺的結果。

雖然我們不會在 2018 年看到此類競標發生，但我們應該看到更多關於如何正確處理這些情況的對話。 我們需要圍繞分析與必要接觸點、投標和預算分配相關的整個消費者路徑開始構建模型和工具。

3. 機器學習變得更智能

機器學習在初始階段非常有用，但是，隨著時間的推移，它似乎變得更笨，而不是更聰明。 更多的數據應該意味著更好的學習，但情況並非總是如此。 2018 年，我們應該看到機器學習變得更加智能。 考慮這個簡單的場景：您的所有廣告組中有一個廣告適合全年的搜索者。 在黑色星期五前一周，您在廣告組中製作了一個提及假日銷售的廣告。 然後機器學習開始研究這兩個廣告的表現。 它將很快了解到，提及假日促銷的廣告比未提及促銷的廣告效果要好得多。 因此，它幾乎一直都在投放假日廣告。

然後，假日季節過去了，隨著 1 月的開始，特殊的假日銷售廣告不再合適。 任何聰明的營銷人員都會同意是時候暫停季節性廣告了，但是機器不同意。 它繼續最常投放假日銷售廣告，因為它仍在根據最新數據工作。 最終，機器會發現此廣告效果不佳並停止投放，但這需要時間。 機器學習趕上當前趨勢可能要到 3 月或 4 月。

機器學習擅長發現模式並做出決定。 問題在於，當數據或輸入發生變化時，要趕上或學習新模式需要時間。 機器學習根本不擅長改變主意。

AdWords 多年來一直在使用機器學習，並且這些類型的場景正變得越來越普遍。 在整個 2018 年，我們應該會看到機器學習變得更加智能。 在 2016-2017 年，機器學習需要更少的數據來做出決策，從而加快學習速度。 現在它需要了解，當場景發生變化時，您可以更改之前的決策。

我們做得怎麼樣？

扮演算命先生並對未來進行預測會很有趣，因為它讓您有理由從日常瑣事中退後一步，對 PPC 採取更全面的觀點和方法。 您意識到，作為營銷人員，重要的是要審視過去、現在和未來，以便更好地為廣告商服務。 成功取決於許多事情的微妙組合，例如檢查過去發生的事情、當前能夠編碼的引擎、未來對話的進展情況以及來年的邏輯結果。

2018 年，我們計劃繼續撰寫文章並製作網絡研討會，研究 PPC、當前發展以及如何讓您的帳戶更有利可圖。 我們最終的預測是，2018 年對於 PPC 營銷人員來說將是美好的一年，我們希望您繼續關注我們，因為我們分享了 PPC 成功的最新技巧。