Ist die Welt des PPC, wie wir sie kannten, zu Ende?

Die kurze Antwort, mein Freund, lautet: noch nicht, und wenn du diesen Artikel weiterliest, wirst du verstehen, was ich meine :-)

Ich habe alle Artikel und Berichte von Frederick Vallaeys und mehreren der weltweit wichtigsten Google Ads-Profis aufmerksam gelesen. Ich habe auch viele Experimente selbst durchgeführt und bin sicher, dass es immer noch einen großen Spielraum für manuelles selektives Targeting gibt, das besser abschneiden kann als maschinelles Lernen.

Aber dann wird die eigentliche Frage: Wie macht man das (ohne die immensen Möglichkeiten der KI zu verlieren)? Und unter welchen Umständen lohnt es sich?

Die Antwort, wie so oft in der digitalen Marketingbranche, ist nicht einfach und muss von Fall zu Fall nach einer Bewertung der laufenden Kampagnen angewendet werden.

Wann lohnt sich Automatisierung?

Meine fast 20 Jahre im PPC haben mich gelehrt, dass es keinen richtigen oder falschen Weg gibt, Google Ads zu machen, sondern mehrere mehr oder weniger effektive Wege, um Ihre idealen Interessenten oder Kunden zu erreichen.

Ich habe buchstäblich Dinge in Google Ads-Kampagnen gesehen (die Sie nicht glauben würden), die gut funktionieren, und technisch perfekte Strukturen, die nicht einmal das minimale Ziel erreichen, für das sie erstellt wurden.

Deshalb habe ich immer versucht, meine ideale Zielgruppe auf die vollständigste (& einfachste) Weise zu erreichen, die die Plattform mir erlaubt. Diese Art, Kampagnen durchzuführen, wird niemals scheitern.

Aber es bedeutet auch, dass man kein festes Modell oder eine Struktur verwenden kann, um alles zu bewerben. Man muss immer fast völlig unterschiedliche Ansätze ausprobieren, um die Ziele der Kampagne zu erreichen.

Jedenfalls, nachdem ich mehrere verschiedene Anzeigenstrukturen getestet habe, komme ich dazu, ein allgemeines Gerüst zu entwickeln, das hoffentlich auch Ihnen helfen kann.

Was ist ‘Agile Target Layering’ und wie funktioniert es?

Ich nannte es „agil“, weil es nicht auf einer festen Struktur basiert. Man muss es ändern, sobald man sieht, dass es keine Ergebnisse erzielt oder wenn man bessere Wege findet, um die Zielgruppe effektiv anzusprechen.

Ich habe die Worte „Target Layering“ verwendet, weil man sicherstellen muss, dass maschinelles Lernen perfekt versteht, welche Ihre idealen Zielgruppen sind und diese vollständig abdeckt.

Wenn nicht, muss man es mit einigen manuellen Ziel-„Schichten“ kombinieren, um sicherzustellen, dass das, was man weiß, am besten zu den niedrigsten Kosten funktioniert, abgedeckt wird.

Derzeit ist der einzige Weg, dieses Ziel zu erreichen, einige „Old School“-Kampagnen zum PPC-KI hinzuzufügen, die wir in diesen Tagen erst langsam zu kosten beginnen.

Um es einfach zu erklären, sollte man die am besten konvertierende Suchabsicht der Zielgruppen mit einer Phrase- oder Exact-Match-Kampagne ansprechen (beginnend mit Marken-Keywords, zum Beispiel).

Dann überlässt man die Suche nach den Konversionssternen dem maschinellen Lernen (ML), indem man diese Kampagnen mit Negativen für irrelevante Begriffe und das, was in Ihren „Old School“-Kampagnen bereits gut funktioniert, herausarbeitet.

Sobald ML etwas findet, das konvertiert, kann man den Prozess erneut durchlaufen und eine neue manuelle Zielschicht darauf aufbauen oder einfach alle Vorteile von ML genießen und die gesparte Zeit nutzen, um über andere Ansätze nachzudenken, die man für die Zielnutzer verwenden könnte (oder noch besser, Zeit mit der Familie verbringen 😊).

Agile Target Layering angewendet auf eine hyperkompetitive Branche

Stellen Sie sich vor, Sie müssen Luxus-Ferienhäuser in Sorrent (einem der besten Küstenorte Italiens) weltweit verkaufen.

Ihre Bottom of the Funnel (BOFU) Keywords, um spezifische Phrase- oder Exact-Match-Suchkampagnen zu erstellen, könnten dann sein: „Sorrent Luxusvillen“, „Sorrent Luxusvermietungen“, „Sorrent Villen mit privatem Pool“, „Sorrent Luxusapartments“ usw. Das heißt „spezifischer Ort + ein Luxus-bezogener Begriff + Ferienhaus-Begriff“.

Nichts, außer Markenbegriffen mit dem Namen der Villa oder der Website, wird jemals mehr zielgerichtete Nutzer auf Ihre Seite ziehen.

Wenn Ihr Budget es zulässt, könnten Sie dann einige Broad-Match-MOFU-Kampagnen mit Keywords wie: „Sorrent Villen“, „Ferienvermietungen Sorrent“, „Sorrent Ferienhäuser“ usw. hinzufügen und sehen, ob maschinelles Lernen die Magie vollbringen kann, saftige Zielgruppen für Sie zu finden.

Dann könnten Sie eine letzte Schicht mit vollständig maschinell gesteuerten Kampagnen wie Performance Max oder Discovery/Display hinzufügen, um TOFU-Zielgruppen anzusprechen und zu sehen, ob Sie jemanden überzeugen können, der nicht einmal von der Existenz eines so schönen Ortes wie Sorrent weiß und nur einen Ort sucht, um buchstäblich seine Zeit (und natürlich Geld) zu „verbringen“.

Nach einer anfänglichen Trainingsphase (je niedriger das Budget, desto länger die Phase) können Sie überprüfen, was Anpassungen benötigt, was gestoppt werden muss und was mehr Schub und Optimierung verdient.

Abschließende Erkenntnisse

Ich glaube fest daran, dass unsere Mission als PPC-Profis in dieser Zeit des großen Wandels in unserer Branche darin besteht, maschinelles Lernen darüber zu informieren, was es nicht weiß oder nicht wissen kann (Marginalität der Verkäufe, Saisonalität, Wettbewerbermarken mit unserer exakt gleichen Positionierung im Markt, beste Zielgruppen, um zu beginnen, usw.) und sicherzustellen, dass unser Budget zuerst für das ausgegeben wird, was die größte Chance hat, zu konvertieren, und dann, wenn die Gewinnmargen es erlauben, für das, was möglicherweise konvertieren könnte.

Dies ist ein Gastbeitrag von Gianpaolo Lorusso, einem PPC- & CRO-Berater.

Über den Autor: Gianpaolo Lorusso ist ein PPC- & CRO-Berater für mehrere mittelständische & große Unternehmen. Er gründete auch ADworld Experience, das größte Pay Per Click & Conversion Rate Optimization Event in Europa und das größte der Welt, basierend auf realen PPC-Fällen.