Problem površinskega sledenja v oglaševalskih kampanjah
Umetna inteligenca in algoritmi pametnih ponudb (Smart Bidding) v platformi Google Ads za uspešno delovanje zahtevajo izjemno natančne in kakovostne signale. Kljub temu velika večina B2B podjetij ter organizacij, ki se osredotočajo na generiranje potencialnih strank (lead generation), uspeh meri izključno na podlagi površinskih mikro-konverzij. Te vključujejo dejanja, kot so izpolnjeni kontaktni obrazci, prenosi e-knjig ali kliki na e-poštni naslov.
Takšen pristop postane izjemno problematičen pri skaliranju oglaševanja. Z zanašanjem na te osnovne metrike platformo dobesedno učite, da aktivno išče uporabnike, ki pogosto klikajo in izpolnjujejo obrazce, ne pa nujno posameznikov, ki bodo dejansko opravili nakup in postali donosne stranke. Ko v oglaševalski sistem pošljete podatke o neustreznih kontaktih in nekvalificiranih poizvedbah, umetna inteligenca ta vzorec napačno prepozna kot uspeh. Sistem tako začne trošiti večino vašega proračuna za iskanje podobnih, nizkokakovostnih uporabnikov, s čimer se vaša dejanska cena na pridobitev plačljive stranke (CPA) drastično poveča.
Oglaševalski algoritmi optimizirajo strogo proti izidom, ki jim jih določite, ne morejo pa sami logično sklepati, kateri izmed teh izidov je za vaše podjetje dejansko najbolj finančno donosen. Vaša naloga je, da sistemu posredujete čiste in relevantne podatke o prihodkih.
Akcijski nasvet:
Izvedite celovito revizijo svojih primarnih konverzijskih dejanj. Če se vaše kampanje optimizirajo izključno na podlagi preprostih izpolnitev obrazcev, ne da bi pri tem upoštevali nadaljnjo kakovost tega stika v vaši bazi podatkov (CRM), te konverzije nemudoma preklopite v status sekundarnih (opazovalnih) dejanj in pripravite teren za integracijo globljih signalov uspešnosti.
Tehnični temelj: Izboljšane konverzije (Enhanced Conversions)
Zaradi vse strožje svetovne in evropske zakonodaje o zasebnosti podatkov ter postopnega, a neizogibnega ukinjanja piškotkov tretjih oseb (third-party cookies), tradicionalno sledenje s piksli iz dneva v dan izgublja svojo natančnost in zanesljivost. Oglaševalci so priča izpadom podatkov, kjer se uspešne pridobitve strank preprosto ne pripišejo pravilni kampanji, kar onemogoča učinkovito optimizacijo. Izboljšane konverzije rešujejo ta naraščajoči problem s pošiljanjem prvoosebnih podatkov strank (first-party data) neposredno v oglaševalsko platformo ob strogem upoštevanju zasebnosti.
Mehanizem delovanja je izjemno sofisticiran. Ko uporabnik na vaši spletni strani vnese podatke in izpolni povpraševanje, funkcija izboljšanih konverzij zbere osebne podatke, kot sta e-poštni naslov in telefonska številka. Te podatke nato algoritem v vašem brskalniku varno šifrira s pomočjo enosmernega zgoščevalnega algoritma SHA-256, še preden zapustijo spletno mesto in se posredujejo Googlu. Sistem nato te anonimizirane in šifrirane vrednosti primerja z bazo prijavljenih Google uporabnikov, kar omogoča zelo natančno pripisovanje konverzij določenemu kliku na oglas, ne da bi bil pri tem potreben sledilni piškotek.
Raziskave na ravni celotne industrije kažejo, da natančna implementacija te funkcije omogoča povrnitev med 10 in 20 % vseh konverzij, ki bi bile sicer zaradi preprečevanja sledenja (ITP) in ad-blockerjev izgubljene. Ta dodaten dotok podatkov algoritmu omogoča hitrejše in boljše učenje.
Akcijski nasvet:
Vzpostavite sledenje prek orodja Google Tag Manager in omogočite izboljšane konverzije. Z razvijalcem natančno preglejte kodo vaše spletne strani in uporabite prilagojene CSS selektorje, ki bodo brezhibno in varno zajeli vrednosti iz vnosnih polj v trenutku pošiljanja obrazca.
Sprememba pravil igre: Uvoz konverzij brez povezave (Offline Conversion Imports)
Čeprav izboljšane konverzije odlično rešujejo problem identifikacije uporabnika ob oddaji obrazca, same po sebi ne rešujejo problema kakovosti (lead quality). Za ta namen potrebujete implementacijo sistema za uvoz konverzij brez povezave oziroma Offline Conversion Imports (OCI). OCI neposredno premosti vrzel med vašim oglaševalskim računom in internim prodajnim sistemom oziroma CRM platformo, kot je denimo Salesforce, HubSpot ali Pipedrive.
Ta integracija celoten digitalni ekosistem obvesti, kaj se je z določenim uporabnikom zgodilo nekaj dni ali celo mesecev zatem, ko je prvotno kliknil na oglas. Ključni element procesa je parameter GCLID (Google Click Identifier). Ob vsakem kliku na oglas se ta specifični parameter ustvari in preda v URL naslovu. Optimizirano spletno mesto mora ta GCLID zajeti in ga prek skritih vnosnih polj vnesti v CRM kartico nove potencialne stranke ob sami oddaji povpraševanja.
Ko določen uporabnik v vašem prodajnem procesu napreduje in preide iz statusa tržno kvalificiranega kontakta (MQL) v prodajno kvalificiran kontakt (SQL) ali pa uspešno podpiše pogodbo, vaš CRM sistem ta uspeh sporoči nazaj v Google Ads, in sicer skupaj z originalnim GCLID parametrom ter natančno denarno vrednostjo posla. Oglaševalski račun se na ta način transformira iz izoliranega generatorja klikov v transparenten center za optimizacijo prihodkov.
Akcijski nasvet:
Preverite integracijo vaših spletnih obrazcev in se prepričajte, da se parametri, kot so GCLID, wbraid ali gbraid, ne izgubijo pri prehajanju med različnimi podstranmi in zanesljivo prispejo v skrito polje vašega CRM-ja. Nastavite avtomatizirane delovne tokove, da se ti podatki dnevno pošiljajo nazaj v oglaševalsko platformo.
Študija primera: Kako smo dosegli 45-odstotno znižanje CPA z združitvijo signalov
Prehajanje na podatkovno gnan pristop najbolje pojasni praktična implementacija pri B2B podjetju, specializiranem za programsko opremo (SaaS). Podjetje je agresivno vlagalo v iskalno omrežje in prejemalo zelo ugodno ceno na oddan kontakt, vendar se je prodajna ekipa nenehno ukvarjala z nekvalificiranimi posamezniki, študenti in mikro podjetji, ki niso imeli zadostnega proračuna. Cena na dejansko pridobljeno stranko, ki je podpisala pogodbo, je bila za kar 85 % nad ciljno maržo podjetja.
Strategijo optimizacije smo razdelili na tri kritične faze posodobitve infrastrukture in upravljanja s ponudbami:
- Prva faza – Diagnostika in priprava terena: Aktivirali smo izboljšane konverzije za vse kontaktne točke na strani in prečistili nepotrebne in podvojene sprožilce v Tag Managerju, kar je ustvarilo trden temelj za pripisovanje zaslug pravim oglasom.
- Druga faza – Nastavitev OCI integracije in vrednosti lijaka: Vzpostavili smo neposredno API povezavo z njihovim CRM sistemom. Določili smo prehodne oziroma t.i. statične nadomestne vrednosti (proxy values) glede na prodajni lijak. Zanimanje za demonstracijo (MQL) smo ocenili na 150 €, status kvalificirane priložnosti (SQL) na 800 €, status zaključene prodaje (Closed Won) pa je pošiljal dejansko vrednost sklenjene letne pogodbe.
- Tretja faza – Migracija strategije pametnih ponudb: Dosedanja strategija “Maksimiziranje konverzij” (Maximize Conversions), ki je vrednotila vsak obrazec enako, je bila nadomeščena s strategijo Ciljne donosnosti naložbe v oglase (Target ROAS).
Takoj po spremembi strategije ponudb je sistem doživel tritedensko fazo učenja (learning phase), med katero je drastično upadlo skupno število poceni konverzij. Algoritem je namreč ustavil prikazovanje oglasov tistim uporabnikom, za katere je na podlagi zgodovinskih vzorcev ugotovil, da le prenašajo e-knjige in nikoli ne postanejo plačljive stranke. Šele v drugem mesecu optimizacije so se kazalniki stabilizirali. Število smetiščnih kontaktov je skoraj povsem usahnilo, obseg SQL konverzij se je močno povečal, končna CPA vrednost za dejansko sklenjen posel pa se je znižala za izjemnih 45 %.
Akcijski nasvet:
Če je vaš prodajni cikel zelo dolg (npr. več mesecev), Google algoritem ne more učinkovito optimizirati kampanj zgolj na podlagi zaključene prodaje. Uporabite nadomestne vrednosti (proxy values) za vmesne faze prodajnega lijaka. Matematično izračunajte vrednost posamezne stopnje tako, da pomnožite povprečno vrednost pogodbe z verjetnostjo, da se bo določen status uspešno pretvoril v končen posel.
Sinhronizacija z avtomatizacijo in kampanjami Performance Max
Popolna in zanesljiva povratna zanka s prvoosebnimi podatki izven spleta danes postaja nepogrešljiv zaščitni mehanizem pred nenadzorovanim trošenjem proračuna. To velja predvsem pri kampanjah najvišje stopnje avtomatizacije, kot so kampanje Performance Max (PMax) in ključne besede s širokim ujemanjem (broad match).
Algoritem kampanje PMax pregleduje popolnoma celoten Googlov inventar, kar vključuje iskalno in prikazno omrežje, platformo YouTube ter omrežje Gmail, vse z namenom, da poišče predpisane konverzije za najnižjo možno ceno. Brez posredovanja natančnih podatkov prek OCI sistema bodo te kampanje neizbežno targetirale najcenejši možen inventar, ki prinaša najvišji volumen slabih kontaktov in botov. Takoj, ko algoritem fiksirate na specifične CRM dogodke in jim pripišete natančno denarno vrednost, umetna inteligenca dobi močne operativne omejitve. S tem izključite agresivno pošiljanje spam kontaktov in algoritem osredotočite na analizo predvidljivih lastnosti tistih posameznikov, ki potrjeno ustvarjajo dolgoročni profit.
Akcijski nasvet:
Nikoli ne sprožite kampanj Performance Max v industrijah za generiranje potencialnih strank (B2B), dokler nimate aktiviranega uvoza podatkov brez povezave in vzpostavljenega robustnega seznama za ujemanje strank (Customer Match). S tem umetni inteligenci zagotovite ustrezno testno občinstvo (seed audience) za gradnjo natančnejših modelov ciljanja.