Automazione delle campagne Google Ads: gli inserzionisti possono mantenere il controllo?

Se utilizzati in modo intelligente, gli algoritmi consentono spesso di migliorare l'efficacia delle campagne. Quando si tratta di strategie di offerta automatizzate, l'algoritmo si basa su una serie di segnali per regolare le offerte in tempo reale: giorno, ora, pubblico, query, contesto... Per esempio, abbiamo effettuato un A/B Test per una campagna, con la strategia esistente " CPCmanuale" da un lato e la strategia automatizzata "massimizzazione delle conversioni con un ROItarget" dall'altro: il tasso di conversione è aumentato di 0,2 punti e le entrate sono aumentate del 45%. Mentre un tempo era necessario condurre un'analisi per determinare quali aggiustamenti al rialzo o al ribasso dovessero essere applicati a determinati pubblici o momenti della giornata, ora è l'algoritmo a svolgere questo compito, in tempo reale e caso per caso. Quest'ultimo punto è un buon esempio di come l'automazione faccia risparmiare tempo operativo alle agenzie, che ora possono concentrarsi su attività a maggior valore aggiunto come l'analisi approfondita.

Tuttavia, poiché l'automazione comporta una tale opacità, è necessario fare un passo indietro e considerare i risultati visualizzati con cautela. I dati disponibili per valutare l'efficacia delle campagne sono in diminuzione. I report sulle query sono campionati o inesistenti. Allo stesso modo, i report sui posizionamenti degli annunci e sul loro potenziale di esclusione sono molto limitati, a scapito della sicurezza del marchio. Inoltre, se non viene monitorata con attenzione, l'automazione può portare a un aumento dei costi. Prendiamo l'esempio di un cliente che desidera garantire la visibilità del proprio marchio. Per farlo, può impostare la campagna con la strategia automatica "Target impression share" e un obiettivo del 90% di share of voice. L'algoritmo farà quindi delle offerte in modo da garantire questa soglia, che può rivelarsi problematica in un contesto di crescente concorrenza. Se un altro inserzionista adottasse le stesse query, l'algoritmo potrebbe aumentare le sue offerte in modo da garantire il minimo richiesto, riducendo così fortemente il ritorno sull'investimento. Ad esempio, abbiamo effettuato un A/B Test sul marchio di un nostro cliente per confrontare l'attuale strategia "Target impression share" con una strategia "CPC manuale". Quest'ultima ci ha permesso di ridurre il CPC del 60% a parità di visibilità e ricavi. Sempre in tema di strategie di bidding, abbiamo notato che anche "Massimizzare le conversioni con un ROI target" aveva la tendenza ad aumentare i costi. Dopo una certa soglia, l'obiettivo di ROI definito ha un impatto diretto sull'aumento del CPC(vedi grafico). Inoltre, questa strategia può portare a CPC unitari molto elevati, a volte anche superiori a 10€. Non possiamo fare a meno di immaginare, quindi, che l'algoritmo sarà incline a fare clic più costosi una volta raggiunto l'obiettivo del ROI.

Illustrazione dell'impatto di Target ROAS sull'evoluzione del CPC.

Inquesto contesto, gli inserzionisti devono potersi fidare delle loro agenzie SEA per controllare i loro investimenti e sfruttare al meglio le soluzioni di automazione che vengono loro offerte, o affidarsi ad agenzie esterne nel caso di media buying internalizzato. Da un punto di vista strategico, l'agenzia può aiutare l'inserzionista a definire i propri obiettivi di business, a stabilirne le priorità e a tradurli in KPI media misurabili. Questa fase consente di determinare la strategia appropriata per massimizzare le prestazioni su tali indicatori. Prendiamo l'esempio di un inserzionista di e-commerce che desidera massimizzare le proprie entrate mantenendo il controllo sul ROI. Possiamo considerare il ROI come il principale indicatore di performance. Poiché il livello del CPC ha un impatto diretto sui costi, può essere considerato un KPI di controllo. L'agenzia può quindi definire le tattiche che consentiranno all'inserzionista di raggiungere il suo obiettivo, ossia la struttura dell'account, le parole chiave, i tipi di corrispondenza, le strategie di offerta, ecc... Se riprendiamo l'esempio precedente: per massimizzare le entrate garantendo un ROI minimo, si potrebbe essere tentati di applicare alle campagne la strategia di offerta automatizzata: "Massimizzare le entrate con un ROI target". Ma come si può essere certi che questa sia la scelta giusta? Utilizzando un A/B Test, se la piattaforma lo consente. L'approccio "test & learn" è infatti fondamentale per garantire l'ottimizzazione dell'account. Si tratta di un approccio molto più rigoroso rispetto all'applicazione con un solo clic delle raccomandazioni pronte all'uso di Google Ads. Infine, l'agenzia è responsabile dell'eccellenza operativa dell'account. Quest'ultima si ottiene attraverso l'intelligence tecnologica e competitiva, oltre che con l'adozione di un approccio di miglioramento continuo. Con questo intendiamo: andare oltre le sole performance, condurre ulteriori test A/B o mettere in discussione l'architettura di alcune campagne. Oltre a monitorare le prestazioni degli account, è possibile integrare facilmente delle protezioni per evitare gli inconvenienti dell'automazione. Ad esempio, i portafogli di offerte possono essere utilizzati per evitare l'impossibilità di associare soglie massime di CPC a strategie di offerta automatizzate. Inoltre, il primo titolo di un annuncio RSA può essere congelato per garantire che venga sempre visualizzato un messaggio. Ad esempio, abbiamo clienti che vogliono che il nome del loro marchio sia sempre presente nell'annuncio. Inoltre, la granularità delle campagne Smart Shopping o Performance Max può essere definita a livello di gruppo di annunci, al fine di perfezionarne l'ottimizzazione. Sebbene sollevi sempre più interrogativi sulla possibilità di mantenere il controllo sui propri investimenti e sulla sicurezza del marchio, l'automazione è una tendenza di mercato fondamentale e quindi indispensabile. Bisogna quindi affidarsi all'intelligenza delle piattaforme e automatizzare ciò che può essere automatizzato... ma in modo intelligente. Vale a dire: stabilendo delle salvaguardie, non dando nulla per scontato e adottando piuttosto un approccio di test & learn, e assicurandosi di fare sempre un passo indietro rispetto alle mere performance grazie ai pochi dati ancora disponibili. In questo contesto, gli inserzionisti dovrebbero potersi fidare delle loro agenzie, ora più che mai.