Maximum Performance (of PMax) campagnes worden steeds populairder onder zoekadverteerders. De machine learning-bronnen van Google optimaliseren advertentieplaatsingen in het Google Display Netwerk. Hierdoor kunnen adverteerders hun inspanningen maximaliseren en hun doelgroep effectiever bereiken. Maar er zijn altijd compromissen met deze eigen mogelijkheden, niet in de laatste plaats omdat we meer zichtbaarheid en hefbomen verliezen om aan te trekken. Over het algemeen hebben we beperkt inzicht in de gegevens van deze campagnes, waardoor het moeilijk is om weloverwogen beslissingen te nemen over de beste manier om campagnes te optimaliseren en budget toe te wijzen. Bovendien moeten adverteerders vaak geaggregeerde gegevens over alle campagnetypen en platforms analyseren. Dit kan het volgende vereisen:
- Gegevens ophalen via de Google Ads API.
- Upload het naar een groter datawarehouse voor verdere manipulatie en analyse.
- Combineer het met Google Analytics data om een completer beeld te krijgen van de user journey.
Hier volgen enkele beperkingen waarmee u rekening moet houden bij het extraheren en analyseren van PMax-prestatiegegevens binnen en buiten de Google Ads-interface.
1. Beperkte granulariteit van PMax-gegevens
PMax-campagnes bieden beperktere rapportagemogelijkheden dan andere Google Ads-campagnes, dus het kan moeilijk zijn om de prestaties op de gebruikelijke manieren te analyseren. Doorgaans zijn Google Ads-campagnegegevens beschikbaar via een standaardrapport via de API. U kunt het niveau definiëren waarop u uw gegevens wilt segmenteren, zelfs tot op trefwoordniveau. Omdat PMax-campagnes machine learning gebruiken om de beste advertentieplaatsingen te bepalen, zijn er geen advertentiegroepen of zoekwoorden aan deze campagnes gekoppeld. Daarom zal een standaardrapport dat op een niveau wordt gegenereerd dat gedetailleerder is dan een campagne, verschillende velden bevatten die geen verband houden met PMax en niet zijn opgenomen iedereen gegevens voor deze campagnes in plaats van simpelweg irrelevante velden te verwijderen. Om standaard- en PMax-campagnes vast te leggen, moet u meerdere API-aanroepen doen en twee afzonderlijke gegevensverbindingen ophalen, die vervolgens kunnen worden geladen en samengevoegd in uw datastore.
- De eerste moet een standaardrapport zijn op het gewenste detailniveau, dat geen PMax-campagnegegevens zal bevatten.
- De tweede zou ook een normaal rapport op campagneniveau moeten zijn, maar deze keer zou het al dergelijke campagnes moeten uitsluiten Nee PMax om gegevensduplicatie te voorkomen.
Houd er ook rekening mee dat veel aangepaste rapporten en segmenten nuttig kunnen zijn voor campagneanalyse, zoals de best presterende bestemming. Ze zijn niet toegankelijk via de API en kunnen alleen in een geïsoleerde omgeving binnen de Google Ads-interface worden bekeken. Ontvang de dagelijkse nieuwsbriefzoekopdracht die marketeers vertrouwen. Aan het verwerken … Even wachten, a.u.b. INSCHRIJVEN Zie voorwaarden. functie getCookie(cname) { let name = cname + “=”; laat decodedCookie = decodeURIComponent(document.cookie); laat ca = gedecodeerdCookie.split(‘;’); voor(laat i = 0; i[i]; terwijl (c.charAt(0) == ‘ ‘) { c = c.substring(1); } if (c.indexOf(naam) == 0) { return c.substring(naam.lengte, c.lengte); } } opbrengst “”; } document.getElementById(‘munchkinCookieInline’).waarde = getCookie(‘_mkto_trk’);
2. Inzicht in Google Analytics vereist doordachte navigatie
Met de release van Google Analytics 4 en de daaropvolgende stopzetting van Universal Analytics kunnen adverteerders site- en app-gegevens gebruiken om inzicht te krijgen in het klanttraject en de betrokkenheidsactiviteit na klikken. Al het websiteverkeer dat door PMax-campagnes wordt gegenereerd, moet zorgvuldig worden beoordeeld en geanalyseerd. Om te beginnen ziet u geen PMax-gegevens buiten de standaardinstellingen Betaalde zoekopdracht kanaalgroepering, maar een afzonderlijke groepering wordt genoemd Kanaal oversteken waaronder gegevens van PMax- en slimme Shopping-campagnes. Wees voorzichtig met het toevoegen van dimensiefilters die niet compatibel zijn met PMax-campagnes. In tegenstelling tot de bovenstaande API-problemen waarbij de gegevens niet worden weergegeven, zorgen deze filters ervoor dat de gegevens onjuist worden weergegeven in de GA4-interface en niet kunnen worden vertrouwd. Hierdoor kan het een uitdaging zijn om cross-channelinzichten te krijgen die PMax-campagnes in GA4 bevatten. Bovendien tellen PMax-campagnes conversies voor opgenomen weergaven. Dit soort conversies is zeer waardevol omdat ze meer zijn afgestemd op videoadvertenties en post-video gebruikersgedrag dan andere soorten advertenties, en ze zijn een sterke indicator van betrokkenheid. Houd er rekening mee dat Google Analytics deze conversies niet standaard telt en dat dit doelbewust moet worden geconfigureerd.
3. Traditionele analysemethoden kunnen niet worden toegepast
Gezien de hierboven genoemde problemen, is het altijd mogelijk om Google Platforms te gebruiken om afzonderlijk rapporten en inzichten over PMax-campagnes te genereren. Bij het bekijken van de beschikbare gegevens op het platform is het belangrijk om rekening te houden met de verschillende beperkingen die aan deze gegevens zijn verbonden en om te beseffen dat traditionele analytische tactieken mogelijk niet effectief of haalbaar zijn. Sommige basisrapportagesjablonen zijn bijvoorbeeld beschikbaar in het PMax-campagneplatform, adverteerders kunnen geen rapporten aanpassen of aangepaste statistieken maken. Een andere factor waarmee rekening moet worden gehouden, is dat aangezien PMax-campagnes worden geoptimaliseerd op basis van realtime gegevens, de campagneprestaties dichter bij realtime moeten worden geanalyseerd en minder afhankelijk moeten zijn van historische gegevens en trends, aangezien de algoritmen voortdurend worden aangepast om de optimalisatie te optimaliseren. De betrouwbaarheid van realtime gegevens maakt traditionele A/B-testen ook moeilijk, vooral omdat we geen controle hebben over zaken als advertentieplaatsingen, indelingen, advertentiemateriaal of doelgroepen die we kunnen isoleren om hypothesen te testen. In plaats daarvan kunt u gewoon tests uitvoeren waarbij PMax-campagnes worden vergeleken met standaard Shopping-campagnes, of een opschalingsexperiment uitvoeren om te laten zien hoe het toevoegen van een PMax-campagne aan uw bestaande campagnemix het aantal conversies kan verhogen. Andere voorbeelden van inzichten die we verliezen bij het uitvoeren van PMax-campagnes zijn doelgroeptargeting, advertentieplaatsing en budgetbeheer. Hoewel dit allemaal zo is opgezet, kan het voor adverteerders moeilijk zijn om zich aan te passen aan het verlies van de mogelijkheid om te zeggen waar hun dollars worden verdeeld. Ze hebben misschien niet de tijd of het budget om een campagne lang genoeg uit te voeren om voldoende gegevens te verzamelen om de effectiviteit te maximaliseren. En hoewel PMax optimaliseert op basis van het gedrag van het publiek en advertenties, bieden ze geen gedetailleerde gegevens over hoe individuele koppen of afbeeldingen zouden kunnen presteren. Het bericht 3 Performance Max Reporting en datalimieten verscheen eerst op Search Engine Land.