Automation e Bid Strategy: tutti gli strumenti a nostra disposizione per gestire account complessi secondo Fabio Milione

L’Adplify Academy si è conclusa con l’intervento di Fabio Milione, Head of Search & Biddable Media in GroupM. Il relatore ci ha spiegato come funziona il machine learning, attraverso l’analisi di un caso concreto di ottimizzazione di bid strategy, e raccontandoci cos’è l’automation, con esempi di campagne automatizzate e di regole e script per la gestione di account complessi, presenti da anni nel pannello di Google Ads, ma poco utilizzati. Prima di Fabio sono intervenuti all’evento anche Chiara Storti, Gianpaolo Lorusso, Tomaso Uliana e Simone Rinzivillo.

Lo scenario di riferimento

Fabio ha iniziato nel 2008 a fare campagne search e gli hanno insegnato che questi sono i parametri fondamentali da monitorare tutti i giorni:

  • Quality score
  • CPC
  • Clic
  • Posizione media
  • Impression
  • CTR
  • Conversioni
  • ROI

Fabio ci confessa che inizialmente non ne comprendeva l’importanza, poi ha cominciato ad intravedere la potenza di questo mezzo quando ha capito che riusciva ad ottimizzare ogni singola keyword per ciascuno di questi valori. Questo è il modello che vale ancora oggi, ma fino ad un certo punto, come vedremo più avanti.

 Il Quality Score come elemento fondamentale

Nonostante l’avvento dell’automation, il Quality Score resta un elemento fondamentale, che ha permesso a Google di diventare Google nella search: Fabio ci ricorda che prima avevamo Yahoo Overture, in cui chi aveva un cpc più alto, stava in alto, stop. Con l’arrivo di Google è stato introdotto il Quality Score che definisce la posizione dell’annuncio e il cpc da pagare, in base alla pertinenza della keyword con l’annuncio e la pagina di destinazione. Quindi non è più necessario pagare tanto per stare in alto, ma bisogna avere una campagna che qualitativamente sia fatta bene, affinchè l’annuncio risponda ad una determinata esigenza.

Il Quality Score (QS) è il punteggio assegnato a ogni keyword acquistata,
su una scala da 1 a 10. Influisce sulla posizione organica dell’adv e concorre
a determinare l’offerta minima per singola keyword.

Perché Google ha introdotto questo valore? Per garantire una qualità della ricerca, così si è inventata questo modello che gli ha permesso di avere quel successo che adesso ha nel settore della search, non solo a pagamento.

Ottimizzazione della strategia di bidding

Parlando delle sua formazione nel mondo AdWords Fabio ricorda che l’indicazione era quella di ottimizzare il bid per singola keyword:

  • Diminuire il “bid” delle keyword che convertono meno
  • Aumentare il “bid” delle keyword più performanti
  • Ricercare nuove keyword
  • Pausare le keyword che non convertono

Questo è il modello standard a CPC manuale, che ancora viene usato tantissimo, soprattutto negli account piccoli e con keyword brand. Tuttavia la search sta cambiando, in quanto:

  • Si moltiplicano i device: l’80% delle ricerca avvengono da mobile, il che impatta tantissimo sulla qualità finale dei risultati. Fabio ci racconta come in GroupM abbiano notato che da quando c’è stato questo incremento, i risultati di CPL sono stati completamente sballati, perché il processo di conversione fatto da mobile ha una qualità inferiore a quella fatta da desktop. Quindi il sistema sta cambiando completamente e non possiamo non tenerne conto.
  • Si moltiplicano i prodotti: prima c’era solo la search, ora invece le tipologie di campagne sulla search sono davvero tante (Google Shopping, DSA e molte altre).
  • Continua l’innovazione: siamo partiti dalle prime bid strategy a CPA target e siamo arrivati al machine learning. L’evoluzione è stata costante e continua ancora, perché i sistemi di machine learning oggi riescono a fare cose che fino a qualche anno fa erano impensabili.

Ricapitolando, in passato si lavorava solo per keyword, oggi invece a questa si aggiungono una serie di altri elementi, come i dispositivi, gli orari e il giorno in cui viene fatta una conversione, la località e gli interessi. Conoscere queste informazioni ci permette di ottimizzare la campagna sapendo già che possiamo andare a biddare in maniera diversa a seconda di località, giorno e dispositivo. In futuro (che è già oggi) avremo ancora tanti altri dati a disposizione, da non riuscire a gestire in maniera manuale: se dovessimo fare dei bid adjustments per dati demografici, tipo di browser, segmento di pubblico diventerebbe un lavoro immane che non ci porterebbe risultati concreti.

È però fondamentale modificare le offerte sulla base della combinazione di indicatori unici di ciascun utente, perché ogni singolo aspetto è importante per il percorso di conversione del cliente. Ad esempio, Fabio ci racconta come molto spesso si sente dire che il mobile non converte: andando a fare un’analisi del suo percorso di conversione, scopriremmo invece che il mobile corrisponde al primo clic dell’utente, quindi la prima ricerca viene fatta da smartphone. Poi però per compilare il form e lasciare i propri dati, preferisce completare il percorso da desktop. Se utilizziamo come metodo di attribuzione il “last clic” potrebbe sembrare che il mobile non converta, ma in realtà non è così: il mobile spesso rappresenta è il primo touchpoint ed è una fonte di traffico che possiamo permetterci di perdere.

Tutti questi fattori non possono però essere tenuti sotto controllo da un essere umano, perché lo specialist non ha né tempo né mezzi per stare dietro a tutto l’ecosistema Google Ads, che nel tempo si è notevolmente complicato. Per questo ci viene in aiuto il machine learning.

Cos’è il Machine Learning

Il Machine Learning è una macchina capace di insegnare a se stessa partendo dall’esperienza.

Fabio ci spiega meglio che la macchina impara facendo, infatti se attacchiamo un algoritmo di machine learning ad una campagna search, come indicato da Google, dobbiamo attendere alcuni giorni per dargli il tempo di “imparare” accumulando i dati e rielaborandoli per ottimizzare la campagna.

Il  machine learning decide in real time quanto biddare su ogni singola keyword: basta indicare un cap, e lui decide in tempo reale come intervenire. Questo garantisce un vantaggio competitivo enorme, perché permette di avere delle ottimizzazioni di bid costanti e tempestive che, ovviamente, non potremmo avere con l’ottimizzazione manuale. Lo specialist non deve più concentrarsi sul costo per clic, ma piuttosto sulla strategia migliore in base agli obiettivi di campagna.

La case history: il confronto tra bid strategy e  campagne con bidding manuali

A questo punto Fabio ci mostra una case history di un cliente nel settore finance, per mostrarci la differenza tra il bidding manuale e una bid strategy di machine learning. La gestione manuale portava ad avere una serie di problemi per le keyword generiche con bid massimi che oscillavano tra i tre euro e i tre euro e cinquanta, ma con CPL molto alti; introducendo l’ottimizzazione a CPA target sono riusciti ad avere un incremento dello speso (+24%) a fronte di un 109% in più di lead (apertura di un conto corrente) e un abbattimento del CPL del 40%.

Non solo bid strategy: le Campagne Automatiche

L’automation non è solo bid strategy, ma è anche altro. Le Campagne Automatiche, ad esempio, di cui Fabio ci parla attraverso due casi studio:

  • Uno riguarda le Smart Shopping Campaign, che permettono di fare campagne shopping per obiettivi completamente automatizzate, migliorando i risultati e le conversioni. Come funzionano? Hanno bisogno di obiettivi prefissati (conversioni, CPL o ROAS) sulla base dei quali lavora. Dove sono visibili? Non sono solo sulla serp di Google, ma lavorano anche su tutte le sue properties.Fabio ci riporta la case history di E-price, e-commerce di elettronica molto forte in Italia, in cui l’obiettivo era ottimizzare il COS utilizzando le Smart Shopping Campaign e le DSA Campaign. Con le prime hanno generato un aumento di visite al sito dell’80%, spendendo la stessa cifra di prima, equivalente a circa 90/95% di clic in più, il che ha portato un abbattimento dei costi per ogni singolo clic. Il COS del cliente è sceso dal 26% al 17% in quattro mesi. In tal modo le campagne shopping sono diventate redditizie e remunerative per questo cliente.
  • L’altro esempio di Campagna Automatica che Fabio ci ha raccontato sono le DSA (Dynamic Search Ads), ossia campagne che non usano le keyword, ma in cui il sistema matcha la query che l’utente immette su Google con contenuto, url o title della pagina, targettizzando in tal modo le campagne. Il sistema crea dinamicamente l’headline, noi forniamo solo le description, e decide in quale parte del sito far finire l’annuncio, non è quindi necessario indicare la pagina di destinazione.

Queste tipologie di campagne sono fondamentali per intercettare le query di lunga coda, in particolare in servizi come l’e-commerce di E-Price, che ha una tale quantità di prodotti che sarebbe impossibile intercettare tutte le queries che rappresentano l’intero magazzino del negozio virtuale. Si possono prendere in considerazione solo le macrocategorie, come le marche e il tipo di elettrodomestico, ma se qualcuno fa una query di lunga coda, non riusciamo ad intercettarla, con la DSA invece riusciamo a rispondere anche a quel tipo di ricerca. Inoltre le DSA migliorano il Quality Score della campagna, perché è evidente la pertinenza tra la query, l’annuncio e la pagina di destinazione,  di conseguenza anche il CTR è elevatissimo, poichè l’utente trova sempre  una risposta adeguata alla query che ha immesso.

Non solo bid strategy: le Regole Automatizzate

Un altro sistema di automation che esiste da diverso tempo nei pannelli di Google Ads, ma che viene ancora poco utilizzato riguarda le Regole Automatizzate. Queste permettono di:

  • Pianificare annunci
  • Mettere in pausa keyword o annunci con basso rendimento
  • Controllare e programmare cambi di bid
  • Controllare budget e costi

Fabio ci porta qualche esempio pratico di come utilizzarle sulla base dell’obiettivo prefissato.

Se abbiamo keyword di top brand dove l’obiettivo è impression share 100% ma, solitamente non abbiamo competition, possiamo fissare due regole:

  1. la prima che dice alla keyword singola top brand di alzare il bid del 10% quando l’impr. Share scende sotto il 98%
  2. la seconda che dice di abbassare il bid del 10% quando l’impr. Share è arrivata a 98%.

Questo è solo un esempio di cosa si può fare con le regole automatizzare per snellire il proprio lavoro e portare comunque a casa il risultato. Altri possibili utilizzi sono:

  • A livello di campagna, modificare il budget giornaliero o attivare/mettere in pausa una campagna
  • A livello di annuncio, attivarlo o disattivarlo
  • A livello di gruppo di annunci, modificare il CPC massimo predefinito o attivare/mettere in pausa un gruppo
  • A livello di keyword, tra le varie cose modificare l’offerta CPC o aumentare le offerte per la prima pagina

Non solo Bid Strategy: gli Script

Un’altra automation è quella degli script, utili per gestire e ottimizzare account complessi, in maniera automatica. È necessario il supporto di uno sviluppatore che sappia sviluppare una tipologia di script che sia riconosciuta dalle API di Google e che permettano di apportare automaticamente delle modifiche all’account al posto nostro.

Gli script si possono utilizzare ad esempio per:

  • Modificare le offerte
  • Mettere in pausa gruppi di annunci
  • Aggiungere keyword senza farlo manualmente

Ancora una volta Fabio ci racconta il funzionamento degli script attraverso degli esempi pratici, utilizzati da lui stesso durante la sua attività lavorativa.

  • SQR: Search Query Report Script, script che permette di inviare un query report per ogni singolo account con cadenza personalizzabile. Questa azione automatizzata garantisce un notevole risparmio di tempo, evitando allo specialist di entrare nel pannello e impostare il lavoro manualmente e ripeterlo ciclicamente.
  • Negative Conflict Keyword Checker: lo script troverà le parole chiave a corrispondenza inversa mancanti e i conflitti tra i tipi di corrispondenza e invierà all’utente un link a un foglio di calcolo contenente i negativi suggeriti da caricare.
  • Quality Score Analyzer: lo script segnala tutte le keyword con QS basso, anche qui permettendo un notevole risparmio di tempo.
  • URL Checker: lo script individua gli URL non funzionanti e invia agli specialist un Excel con gli errori degli account.
  • Budget Advisor: mail giornaliera con andamento del budget mese al giorno precedente, con indicazione dello spending e del cpc. Quindi se stiamo sbagliando nell’allocazione del budget, il sistema ci avverte e ci dice come fare.

Gli script sono particolarmente utili quando ci sono molti account da gestire e non si riesce a star dietro a tutti, perché garantisce ottimi risultati in tempi più brevi.

In conclusione

Per chiudere, Fabio ci riepiloga i motivi per cui utilizzare la tecnologia per ottimizzare le campagne:

  • Per raggiungere risultati migliori e più in fretta
  • Per automatizzare il delivery delle campagne anche quando l’agenzia è chiusa
  • Per fruire di funzionalità avanzare altrimenti non attivabili
  • Per ottenere una reportistica più completa

Gli specialist hanno paura di attivare le automation perché temono di perdere il lavoro.

In effetti il lavoro dello specialist cambia, ma non sparisce: diventa un consulente che cerca la strategia migliore per raggiungere i kpi del cliente. Non bisogna aver paura di affidare il nostro lavoro alla tecnologia, con la consapevolezza che si tratta di un lavoro che va guidato, attraverso l’esperienza dello specialist.

Questo è il video integrale dell’intervento di Gianpaolo Lorusso:

Di seguito invece potete sfogliare le slide mostrate durante lo speech:

Prova Adplify

Lascia un commento

Il tuo indirizzo email non sarà pubblicato. I campi obbligatori sono contrassegnati *

Amplifica la Performance,
Semplifica la Gestione

Scopri i prossimi rilasci della piattaforma che renderanno ancora più semplice la gestione di campagne Google Ads ad alto rendimento. Seguici sui social per rimanere sempre aggiornato.