Quando recentemente me pediram para liderar um painel sobre o tópico, abordei algumas das estruturas clássicas, como grupos de anúncios de palavra-chave única, grupos de anúncios de produtos únicos etc.

Mas agora que a automação no cpc é muito mais prevalente, quais são algumas considerações novas para a estrutura perfeita?

1. Automação requer estrutura consistente

Manter uma estrutura consistente sempre foi importante para:

• Facilite o gerenciamento.
• Evite que você ou sua equipe se percam em contas de anúncios do Google de tamanho maior.

Mas onde os humanos geralmente conseguem descobrir onde encontrar as coisas em uma estrutura inconsistente, as máquinas podem ter muito mais dificuldade.

Aqui está um exemplo.

Um de nossos clientes estava usando uma combinação de algumas automações:

• Um script para garantir que as campanhas permaneçam dentro do orçamento mensal desejado.
• Um feed automatizado com inventário.
• Uma automação que cria campanhas a partir do feed de inventário.

Um dia, eles notaram que seus orçamentos haviam sido excedidos para veículos Nissan.

Após investigar, descobrimos que o feed com inventário às vezes colocava a palavra Nissan em maiúsculas e às vezes não.

Como resultado, a automação que criou as campanhas começou a criar duas campanhas da Nissan, como você pode ver na imagem abaixo.

A automação pode ser interrompida quando houver inconsistências na estrutura da conta, como neste exemplo, onde as palavras às vezes são escritas em maiúsculas de maneiras diferentes.

A automação que verifica os orçamentos havia sido configurada para esperar que a marca fosse adequada: “Nissan” e, portanto, a campanha com a cobertura superior “NISSAN” estava causando gastos adicionais.

Corrigir isso não era ciência do foguete, mas o problema poderia ter sido evitado se as convenções de nomenclatura fossem mais consistentes.

Quando as coisas são automatizadas, o risco é que os humanos prestem menos atenção e não capturem erros simples como esse antes que causem um problema.

Em outras palavras, é mais provável que o problema seja descoberto após causar excesso de gastos.

Considerando que, no passado, quando as campanhas eram criadas manualmente, esse problema provavelmente teria sido percebido por uma pessoa enquanto ela criava a campanha manualmente.

2. Camadas de automação são necessárias para obter melhores resultados

Fazendo um pequeno desvio da estrutura da conta, o exemplo anterior destaca outro aspecto interessante do PPC moderno.

Múltiplas automações são necessárias para obter os melhores resultados.

Enquanto descrevi as três automações que trabalharam lado a lado para transformar os dados do produto em um conjunto de campanhas com orçamento controlado, não cobri a quarta automação, a que sinalizou o problema.

Essa automação monitora anomalias nos custos. Quando uma campanha secundária para veículos Nissan foi criada com seu próprio orçamento, os custos aumentaram dramaticamente de um dia para o outro.

Isso pode ser sinalizado automaticamente por um alerta ou script para que o gerente de contas humano possa investigar o que pode estar errado.

À medida que implementamos mais automações que gerenciam nosso PPC, é importante também ter mais automações que monitoram o que está acontecendo e nos mantêm a par do status.

Esse conceito de camadas de automação também é evidente no exemplo a seguir, de uma automação que o Google não permite que os anunciantes desliguem: fechar variantes.

Como sabemos, variantes aproximadas significam que palavras-chave de correspondência exata agora podem acionar anúncios para consultas diferentes da palavra-chave, desde que o cérebro do aprendizado de máquina do Google considere que elas significam mais ou menos a mesma coisa.

Embora isso possa ser útil para descobrir novo tráfego e aumentar o volume, é perigoso executar uma conta no piloto automático em um mundo de variantes aproximadas.

Precisamos gastar nosso tempo revisando e analisando manualmente variantes aproximadas ou devemos implantar automações que garantam que elas não prejudiquem nosso desempenho.

O gerenciamento humano de consultas de variante próxima basicamente significa apenas mais tempo no gerenciamento de consultas. Um dos meus scripts anteriores pode ajudá-lo a ver mais rapidamente o desempenho da palavra-chave e de suas variantes próximas relacionadas lado a lado.

Manter-se atualizado sobre as variações aproximadas de maneira automatizada pode assumir uma de várias formas.

Por exemplo, podemos confiar nos lances inteligentes para garantir que, se houver uma variante aproximada de menor desempenho, ela obterá automaticamente um lance menor, para que ainda atendamos nosso CPA ou ROAS desejado.

Por exemplo, se de repente a palavra-chave mais orientada comercialmente “arranjo floral” começa a acionar anúncios para a variante próxima “arranjar flores”, que é menos comercial por natureza (e pode ser usada por alguém que quer aprender como organizar flores) ), o lance inteligente definiria um lance mais baixo.

Algumas das variantes aproximadas podem ter um significado semelhante, mas têm um nível diferente de comercialidade, exigindo que diferentes lances sejam executados no nível necessário.

Em outra forma de camadas de automação com variantes aproximadas, poderíamos:

• Pegue um script como o que nos auxilia na análise manual de consultas.
• Adicione algumas linhas de código para adicionar automaticamente palavras-chave negativas quando uma variante próxima atender a determinados critérios predefinidos associados ao baixo desempenho.

3. A automação não exige que você reestruture

Voltando à estrutura da conta, há um equívoco que merece ser tratado.

Às vezes, os anunciantes alteram a estrutura da conta na esperança de obter um melhor desempenho após ativar o lance automático.

A ideia é que o aprendizado de máquina do Google aprenda mais rápido se a estrutura da conta se tornar menos complexa (ou seja, as palavras-chave são combinadas em menos grupos de anúncios e menos campanhas).

Acontece que essa reestruturação é totalmente desnecessária.

A explicação simples é que o aprendizado de máquina do Google aprende com cada consulta.

Ele usa muitos sinais (como hora do dia, dispositivo, sinais do usuário etc.) para ajudar a prever a probabilidade de uma consulta específica levar a uma conversão específica.

Como você provavelmente pode adivinhar, é a maneira como você configurou as conversões que importa muito mais.

Não deve surpreender os anunciantes que o Google use dados de campanhas nas quais você não tem lances automáticos ativados para ajudar o sistema a aprender.

É por isso que é possível ativar o lance inteligente e obter instantaneamente resultados decentes, porque a máquina já aprendeu o que esperar do desempenho histórico.

Não há nada inerente à alteração da estrutura da conta que ajude a máquina a “aprender”. Portanto, se você obtiver um melhor desempenho após simplificar a estrutura da conta, considere que isso pode ocorrer por outro motivo, como:

• Você está exibindo anúncios diferentes do que antes.
• Você pode ter configurações diferentes em campanhas que antes.
• Você está analisando dados menos granulares.

A ponto de obter melhores resultados porque seus dados são menos granulares, isso indica um erro humano comum na análise de dados.

Quando você tem um grupo de anúncios que costumava receber três conversões em um mês e depois passa para duas conversões no mês seguinte, esse é um grande salto que causa uma grande mudança no CPA.

Mas se você combinar esses números em todos os dados da conta em que possui centenas de conversões, essa pequena alteração de 1 conversão em um grupo de anúncios não será uma mudança tão significativa.

O Google sabe que os anunciantes às vezes atribuem muito peso a essas pequenas alterações absolutas que na verdade são pequenas alterações relativas à conta mais ampla.

Mas os anunciantes inteligentes não devem precisar colocar antolhos e criar uma estrutura mais simples quando tudo o que é necessário para ver os resultados reais é…

4. Estrutura para suas necessidades comerciais

Portanto, se você não precisa reestruturar as coisas para que os lances automatizados funcionem melhor, qual é a estrutura certa?

Assim como sempre foi, isso depende do seu negócio.

Por exemplo, seus orçamentos podem determinar que você precise executar campanhas diferentes para diferentes linhas de negócios. Ou suas metas de lucratividade podem exigir que você tenha várias campanhas, cada uma com um ROAS de destino diferente.

Se você precisar de uma atualização no tROAS certo para atingir o ponto de equilíbrio em uma campanha do Google Ads, veja um gráfico que mostra como calculá-lo.

Como calcular o ACOS ou o tROAS para obter lucratividade com suas campanhas de pesquisa no Google ou Amazon.

Portanto, se você vende muitos produtos ou possui vários serviços com diferentes níveis de rentabilidade, precisará de várias campanhas, cada uma com suas próprias metas.

Mesmo que você execute campanhas do Smart Shopping, os anúncios de compras totalmente automatizados do Google, ainda faz sentido ter algumas campanhas com destinos diferentes.

Vejo muitas contas em que os anunciantes dividem as campanhas por tipo de correspondência, dispositivo, região etc.

Todas essas estratégias têm seus méritos e o ponto principal é que, se funcionou para você até agora, você não precisará alterá-la apenas porque deseja começar a automatizar lances com o lance inteligente.

5. Defina a meta de que você precisa, mesmo que seja uma grande mudança

E isso nos leva a um ponto final relacionado à estrutura.

Se vamos ter campanhas diferentes para CPA ou ROAS desejado, por que o Google diz que não devemos mudar a meta mais de 20% por vez?

Se o objetivo de nossa estrutura é apoiar as metas de negócios e, de repente, nossa meta de negócios exige uma meta drasticamente diferente, talvez devido a uma grande venda, por que não devemos definir os valores de que precisamos.

Para mim, isso não fazia sentido há muito tempo, porque o aprendizado de máquina do Google funciona para prever taxas de conversão ou valores de conversão para cada clique.

Por que mudar a tCPA de repente interferiria nisso?

A resposta é que não.

No entanto, o que acontece é que uma nova meta altera os CPCs que entram no leilão.

E quando um anunciante começa a oferecer mais lances, ele se torna elegível para exibir anúncios para consultas que talvez não tenham sido exibidas antes.

O mix de consultas muda!

E as alterações no mix de consultas podem ser realmente difíceis de analisar.

O problema específico no caso de uma combinação de consultas diferente como resultado de uma grande alteração no tCPA ou no tROAS é que novas consultas podem ter um desempenho muito diferente daquele para o qual você sempre apareceu.

Isso pode alterar o resultado geral da campanha e fazer com que os anunciantes percebam o sistema como “quebrado”.

Na verdade, não está quebrado, porque se você analisar as consultas em que você já apareceu antes, provavelmente elas ainda terão um desempenho consistente.

São as novas consultas que mudaram as médias e fazem parecer que o desempenho do sistema é diferente.

O gerenciamento agressivo de consultas por meio de camadas de automação, conforme descrito anteriormente, pode fornecer a resposta nesse caso.

Você pode definir o novo CPA de destino de que sua empresa realmente precisa enquanto usa o gerenciamento automatizado de consultas para manter o mix de consultas relativamente próximo ao que era antes.

Conclusão

Os anunciantes precisam estar cientes de algumas das armadilhas da automação para que não tomem decisões com base em informações incompletas.

A automação fez com que os gerentes de contas tivessem mais probabilidade de ver erros em estruturas consistentes depois que algo deu errado, e não no momento em que a estrutura foi criada e antes de causar um problema.

Isso pode ser corrigido com melhores alertas, monitoramento e auditoria.

A automação não requer estruturas de conta mais simples. Ainda precisamos executar as estruturas que fazem sentido para os nossos negócios.

De qualquer forma, devemos dedicar mais tempo para medir as conversões corretamente, em vez de organizar estruturas de contas em uma forma estranha que acreditamos que ajudará as máquinas.