¿Ha llegado a su fin el mundo del PPC tal como lo conocíamos?
La respuesta corta, amigo mío, es que aún no y, si continúas leyendo este artículo, entenderás a qué me refiero :-)
He leído ávidamente todos los artículos e informes de Frederick Vallaeys y de varios de los profesionales más importantes de Google Ads en el mundo. También he realizado muchos experimentos por mi cuenta y estoy seguro de que todavía hay un amplio margen para que la segmentación manual selectiva funcione mejor que el aprendizaje automático.
Pero entonces la verdadera pregunta se convierte en: ¿cómo hacerlo (sin perder las inmensas posibilidades que ofrece la IA)? Y, ¿en qué circunstancias vale la pena?
La respuesta, como suele ser el caso en la industria del marketing digital, no es fácil y debe aplicarse caso por caso, después de una evaluación de las campañas en curso.
¿Cuándo vale la pena la automatización?
Mis casi 20 años en PPC me han enseñado que no hay una forma correcta o incorrecta de hacer Google Ads, sino varias formas más o menos efectivas de dirigirse a tus prospectos o clientes ideales.
Literalmente he visto cosas en campañas de Google Ads (que no creerías) funcionando bien, y estructuras técnicamente perfectas que no lograban ni siquiera el objetivo mínimo para el que fueron construidas.
Por eso siempre he tratado de alcanzar a mi audiencia objetivo ideal de las maneras más completas (y simples) que la plataforma me permite. Esta forma de hacer campañas nunca fallará.
Pero también significa que no puedes usar un modelo o estructura fija para promocionar todo. Siempre tienes que probar enfoques casi completamente diferentes para cumplir con los objetivos de tu campaña.
De todos modos, después de haber probado varias estructuras de anuncios diferentes, llego a elaborar un marco general, que espero también pueda ayudarte.
¿Qué es el ‘Agile Target Layering’ y cómo funciona?
Lo llamé “ágil” porque no está construido sobre una estructura fija. Tienes que cambiarlo tan pronto como veas que no logra resultados o si encuentras mejores formas de dirigirte efectivamente a tu audiencia.
Usé las palabras “segmentación por capas” porque para sacar el máximo provecho de tus campañas debes asegurarte de que el aprendizaje automático entienda perfectamente cuáles son tus audiencias ideales y las cubra completamente.
Si no lo hace, debes combinarlo con algunas “capas” de segmentación manual para asegurarte de cubrir lo que sabes que funciona mejor al menor costo posible.
Actualmente, la única forma de lograr este objetivo es agregar algunas campañas “a la antigua” al PPC AI, que apenas estamos comenzando a probar en estos días.
El marco de Agile Target Layering por Gianpaolo Lorusso
Para explicarlo de una manera simple, debes dirigirte a la mejor intención de búsqueda de conversión de tus audiencias con una campaña de concordancia de frase o exacta (comenzando por palabras clave de marca, por ejemplo).
Luego deja la búsqueda de estrellas de conversión al aprendizaje automático (ML), esculpiendo estas campañas con negativas para términos irrelevantes y lo que ya está funcionando bien en tus campañas “a la antigua”.
Una vez que ML encuentra algo que convierte, puedes volver a entrar en el proceso y construir una nueva capa de segmentación manual sobre ello, o simplemente disfrutar de todos los beneficios de ML y dedicar tu tiempo ahorrado a pensar en otros enfoques que podrías usar para tus usuarios objetivo (o incluso mejor, pasar tiempo con tu familia 😊).
Agile Target Layering aplicado a una industria hipercompetitiva
Imagina que tienes que vender alquileres de casas de lujo en Sorrento (uno de los mejores lugares costeros de Italia) a escala global.
Fuente: Sorrento Home Rentals
Tus palabras clave de Fondo del Embudo (BOFU) para construir campañas de búsqueda de concordancia de frase o exacta específicas podrían ser: “villas de lujo en Sorrento”, “alquileres de lujo en Sorrento”, “villas en Sorrento con piscina privada”, “apartamentos de lujo en Sorrento”, etc. Es decir, “ubicación específica + un término relacionado con el lujo + término de alquiler de casa”.
Nada, excepto términos de marca con el nombre de la villa o sitio web, atraerá más usuarios en el objetivo a tu sitio.
Si tu presupuesto lo permite, podrías agregar algunas campañas MOFU de concordancia amplia con palabras clave como: “villas en Sorrento”, “alquileres vacacionales en Sorrento”, “alquileres de casas en Sorrento”, etc., y ver si el aprendizaje automático puede hacer la magia de encontrar audiencias jugosas para ti.
Luego nuevamente podrías agregar una capa final con campañas totalmente impulsadas por aprendizaje automático como Performance Max o Discovery/Display para dirigirte a audiencias TOFU y ver si puedes convencer a alguien que ni siquiera está al tanto de la existencia de un lugar tan hermoso como Sorrento y solo quiere un lugar para literalmente “gastar” su tiempo (y dinero, por supuesto).
Después de un período de entrenamiento inicial (cuanto menor sea el presupuesto, más largo será el período) podrás verificar qué necesita ajustes, qué debe detenerse y qué merece más impulso y optimización.
Conclusiones finales
Creo firmemente que nuestra misión como profesionales de PPC en este tiempo de gran cambio en nuestra industria es instruir al aprendizaje automático sobre lo que no sabe o no puede saber (marginalidad de ventas, estacionalidad, marcas competidoras con nuestro mismo posicionamiento exacto en el mercado, mejores audiencias para comenzar, etc.) y asegurarnos de que nuestro presupuesto se gaste primero en lo que tiene la máxima posibilidad de convertir y luego, si los márgenes de ganancia lo permiten, en lo que podría convertir.
Este es un post invitado por Gianpaolo Lorusso, un consultor de PPC & CRO.
Sobre el autor: Gianpaolo Lorusso es un consultor de PPC & CRO para varias empresas medianas y grandes. También fundó ADworld Experience, el evento de Pago por Clic y Optimización de la Tasa de Conversión más grande de Europa y el más grande del mundo basado en casos reales de PPC.
