Descubrir por qué cambió el rendimiento de una campaña de publicidad en búsquedas puede ser tremendamente difícil, pero herramientas como Optmyzr pueden ayudar.
Hay muchas piezas móviles en las campañas de PPC y eso puede hacer que sea difícil identificar la causa cuando cambia el rendimiento. Una investigación sobre la causa del cambio puede ser de arriba hacia abajo o de abajo hacia arriba. Aquí cubriremos ambas formas de investigar la causa raíz y también compartiremos herramientas que hacen que este proceso sea más rápido.
La dificultad de investigar los cambios en el rendimiento de PPC
Lo que hace que sea tan difícil saber por qué cambian los resultados en PPC es que todos los anuncios se ejecutan en una subasta cada vez que se realiza una búsqueda y cada subasta tiene diferentes parámetros, como dónde se encuentra el buscador, qué hora es, qué más ha estado. investigando y mucho más. Cada vez que el anunciante realiza un cambio en la configuración, cambia la forma en que participa en la subasta y eso puede generar diferentes resultados para los principales KPI. Algunos ejemplos:
- El anunciante cambia su oferta y esto provoca un cambio en el rendimiento porque su anuncio ahora se muestra para un conjunto diferente de consultas.
- El anunciante habilita un nuevo tipo de anuncio como RSA (anuncios de búsqueda receptivos) y el rendimiento cambia cuando el sistema de aprendizaje automático de Google comienza a mostrar el anuncio a una nueva audiencia que antes no estaba expuesta al antiguo tipo de anuncio.
Investigación de arriba hacia abajo
Investigar por qué cambió el rendimiento generalmente comienza con una pregunta sobre un KPI principal. Por ejemplo, podría preguntar, «¿por qué tuvimos menos conversiones el mes pasado que el mes anterior?» La extracción de estos datos se puede hacer directamente en la interfaz de Google Ads agregando un segundo rango de fechas a las páginas de la campaña. Es bastante simple cuando desea saber el tamaño del cambio, pero se vuelve engorroso rápidamente cuando los anunciantes comienzan a buscar interacciones entre métricas en un esfuerzo por conectar los puntos para determinar la causa subyacente.
Por ejemplo, si descubre que las conversiones han aumentado, es posible que desee saber por qué sucedió esto. Como todos sabemos, hay dos impulsores directos de conversiones: los clics y si esos clics se convirtieron, es decir, si tuvieron alguna tasa de conversión. A continuación, si queremos saber por qué cambiaron los clics, tenemos que mirar las dos cosas principales que generan clics: impresiones y CTR. Esto se vuelve rápidamente difícil en la interfaz de Google Ads, donde todo está en una tabla grande que es muy ancha y no se puede leer sin desplazarse de izquierda a derecha.
Una herramienta como Investigador de PPC de Optmyzr simplifica enormemente este tipo de investigación de rendimiento de arriba hacia abajo. Su visualización refleja de cerca los pasos que un profesional de PPC normalmente seguiría manualmente.
La herramienta tiene muchos filtros que permiten un análisis más profundo, como filtros para campañas, etiquetas, rangos de fechas, redes y tipos de dispositivos. Solo se necesitan unos pocos clics para volver a ejecutar todo el análisis cuando un hallazgo genera más preguntas. Por ejemplo, cuando un anunciante encuentra una caída en la tasa de conversión, puede preguntarse si esto se debe a diferencias entre sus sitios móviles y de escritorio.
Este análisis adicional está a solo un clic de distancia agregando un filtro para los tipos de dispositivos. Con una visualización clara, el anunciante puede comprender rápidamente que un sitio móvil mal optimizado es una de las principales razones de la disminución del rendimiento. A medida que más volumen de búsqueda cambia de escritorio a dispositivo móvil, su mala tasa de conversión en dispositivos móviles genera menos conversiones a pesar de que el volumen general de clics es relativamente estable.
El investigador de PPC también permite desgloses rápidos en un análisis de la causa raíz donde el usuario puede tener una idea de qué elementos de una cuenta son los principales impulsores de grandes cambios en las métricas. Por ejemplo, si parece que una caída en las conversiones se debe en gran parte a una disminución en las impresiones, un solo clic en el cuadro de impresiones muestra el análisis de la causa raíz que muestra los principales cambios para las impresiones.
Una vez que un anunciante determina las métricas que necesitan una investigación, puede profundizar en la pestaña de análisis de la causa raíz para ver qué partes de la cuenta son las más responsables del cambio.
Investigación de abajo hacia arriba
Otra forma de investigar por qué cambió el rendimiento de PPC es un enfoque ascendente que comienza con los elementos más granulares de una cuenta de PPC. Si bien un enfoque de arriba hacia abajo puede ocultar cambios buenos y malos siempre que los promedios generales sean estables, una investigación de abajo hacia arriba revelará estos cambios más granulares.
Una investigación de abajo hacia arriba en profundidad generalmente requiere procesar una gran cantidad de datos a través de una hoja de cálculo, una tarea que requiere mucho tiempo y con la que los profesionales de PPC están muy familiarizados.
El proceso de encontrar cosas que cambiaron generalmente implica estos pasos:
- Descargar datos para el intervalo de fechas en el que cambiaron los resultados
- Descargar datos para las mismas entidades de un intervalo de fechas anterior en el que las cosas se consideraban «normales»
- Combine los dos conjuntos de datos haciendo un vlookup
- Agregue algunas fórmulas para calcular la cantidad de cambio y agréguelas en columnas adicionales a la hoja de cálculo
- Agregue filtros y clasificación para traer los cambios más importantes a la parte superior
Si bien este proceso funciona muy bien en hojas de cálculo, herramientas como Motor de reglas de Optmyzr puede hacerlo más rápido y más repetible, dos consideraciones importantes para las agencias con poco tiempo y los equipos internos de PPC.
El motor de reglas toma automáticamente los datos necesarios del motor de anuncios y ofrece una interfaz de usuario gráfica simple para construir declaraciones if-then con él. El siguiente ejemplo muestra una regla en la que Optmyzr toma automáticamente datos para dos rangos de fechas, realiza una combinación automática de los múltiples rangos de fechas y luego los presenta en un informe fácil de leer.
Reglas de ejemplo para investigar el rendimiento de PPC
Optmyzr ha creado ‘recetas’ predefinidas en su motor de reglas para que los profesionales de PPC puedan ejecutar investigaciones y optimizaciones comunes con un solo clic y, al mismo tiempo, permitir el acceso a la metodología subyacente a aquellos que desean personalizar la lógica.
Caída de impresiones debido a consultas perdidas
La forma principal de orientar anuncios en PPC es a través de palabras clave. Pero esas palabras clave son en realidad solo un medio para orientar las consultas que realizan los usuarios. Un simple cambio, como una nueva oferta para una palabra clave, puede afectar las consultas para las que se muestra esa palabra clave. Y cuando los resultados se ven diferentes, es difícil saber si la oferta o la nueva combinación de consultas es la causa principal. Para investigar esto, los anunciantes pueden usar el motor de reglas para comparar consultas en dos períodos. Pueden ser de especial interés las consultas que pasaron de un volumen bajo a un volumen alto y viceversa.
Disminución lenta del rendimiento
Otra buena investigación es encontrar entidades en una cuenta de PPC que tengan una tendencia lenta pero constante en sentido contrario. En una investigación semana tras semana o mes tras mes, la mayor parte de la atención se suele dedicar a cosas con grandes cambios. Pero eso permite que los componentes de la cuenta que se degradan lentamente pasen por alto la atención del gerente y, finalmente, estos pequeños cambios realmente pueden acumularse.
Google escribió un script de muestra para esto, el Informe de rechazo de grupos de anuncios. Y aunque las secuencias de comandos son excelentes, Optmyzr incluso tiene muchas que puede copiar y pegar en su cuenta, todavía hay muchos anunciantes que prefieren no trabajar con secuencias de comandos. Rule Engine es una gran solución que brinda a los anunciantes el poder de los scripts en una interfaz más familiar para especificar su lógica.
En lugar de tener que escribir la lógica de la investigación en código JavaScript, ahora es posible crear la lógica en un generador de reglas gráfico. Tomando el script de ejemplo de Google, ¿qué pasa si el anunciante desea encontrar palabras clave en declive o grupos de productos de compras? ¿Qué pasaría si quisieran establecer un umbral para cuando una disminución sea lo suficientemente significativa como para preocuparse? Hacer estas mejoras en la metodología es fácil con Rule Engine de Optmyzr.
Cerrar variantes
Una investigación de abajo hacia arriba no siempre necesita comenzar con una pregunta sobre el desempeño. También puede analizar si la segmentación de anuncios se mantiene lo suficientemente enfocada. En este ejemplo, se puede crear una regla para marcar casos de variantes cercanas de coincidencia exacta que deben investigarse. En septiembre de 2018, Google amplió las variantes cercanas al permitir que las palabras clave de concordancia exacta muestren anuncios cuando la consulta se considera del ‘mismo significado’ que la palabra clave exacta.
Si bien esto es solo un informe, la belleza de un motor de reglas es que es fácil tomar los hallazgos y actuar sobre ellos. Por ejemplo, esta regla podría mejorarse y usar atributos de rendimiento para decidir cuándo agregar una palabra clave negativa para una variante cercana no deseada.
Conclusión
Explicar por qué cambia el rendimiento en una cuenta puede consumir mucho tiempo para los equipos de PPC. Ya sea que prefiera una investigación de arriba hacia abajo o de abajo hacia arriba para encontrar la causa raíz, existen herramientas como Optmyzr que pueden agilizar el proceso y hacerlo repetible de manera más consistente para que los gerentes de PPC puedan brindar el alto nivel de servicio esperado por las empresas cuyo marketing apoyan.