Krönika: Så får du till AI för AdWords och Google Shopping

Automatisering är det överlägset största som Google pushar för just nu. AdWords-experten Karl Lindberg från byrån AdRelevance ger e-handlarna sina bästa tips för att hitta rätt i AI-djungeln.

Googles mantra under 2018 har gått från att man bör tänka ”mobile-first” till att man bör tänka ”AI-first”. Det innebär artificiell intelligens, eller maskininlärning, och att man i princip automatiserar allt som går att automatisera för sin annonsering.

Google pushar mycket aktivt för fördelarna med att låta systemet ta alla beslut genom att utnyttja den fulla kraften av maskininlärning. Man bör arbeta mer AI-styrt där möjligheterna finns, och det finns några viktiga nycklar för att få AI att prestera och att ha en konkurrensfördel.

Annons
Annons

Datadrivna beslut är nyckeln till framgång

Det första man kan konstatera är att det är avgörande att arbeta datadrivet med AdWords och Google Shopping för att man ska kunna ta korrekta optimeringsbeslut och maximera resultatet. En bra strategi är att arbeta mer AI-styrt där möjligheten finns, för att frigöra mer tid till en övergripande strategi och riktade tester. Dock behövs finjusterande manuell handpåläggning och intelligens för att man ska ligga steget före konkurrenterna.

Ett exempel kan vara när man arbetar datadrivet med Target ROAS; då tar Google inte hänsyn till om ens sajt rankas som nummer ett på ett sökord organiskt. Det kan innebära att en aggressiv budgivning på det sökordet inte resulterar i total ökad försäljning för köpt och organisk trafik. Med manuell intelligens kan man analysera helheten och lägga till det som en parameter.

"Senaste klick" - förlegat sätt att arbeta på

För att kunna arbeta datadrivet på ett effektivt sätt, måste man välja en bra attributionsmodell som passar den egna verkligheten. Standardinställningen för AdWords är "senaste-klick-attributionsmodell". Det innebär att det senaste klicket får 100 procent credit för konverteringen eller köpet. "Senaste klick" är ett förlegat sätt att arbeta på och går att jämföra med att endast en anfallare får credit för att ett lag vinner en fotbollsmatch.

För e-handlare med ett mycket stort antal konverteringar kan "datadriven attributionsmodell" vara ett bättre alternativ för att få en tydligare helhetsbild över alla touchpoints som påverkar ett köp. Det kommer med stor sannolikhet att visa att generiskt sök påverkar köpet på ett mer omfattande sätt än "senaste klick"-datan visar. Med den insikten kan man fatta bättre beslut för att öka tillväxten. Minimumnivån för att kvalificera sig för "datadriven" är 15 000 klick på Google-sök och minst 600 konverteringar under en 30-dagarsperiod.

För de som kvalificerar sig är dock inte "datadriven" per automatik den bäst lämpade modellen. För företag där tillväxt under en period är klart viktigare än lönsamhet, kan "första klick", eller "positionsbaserad" vara intressanta alternativ att överväga.

KPI-targets efter affärsdata och marginaler

AdWords och Google Shopping-annonsering behöver tydliga targets för att kunna vara framgångsrika. Utan targets går det inte att arbeta datadrivet för att maximera resultaten. Så länge man ligger inom target och klarar av att - på ett professionellt sätt - hantera all försäljning som genereras (inklusive att hålla utlovade leveranstider), är det oftast rätt strategi att trycka på utan att ha en fast månadsbudget som bromsar. Exempel på KPI:er kan vara Cost of Sale, Life-Time-Value och ROAS.

Ju mer genomarbetade targets man har, desto bättre är det. Det är fördelaktigt att ta med affärsdata, som till exempel marginaler på olika produkter, för att kunna arbeta ännu mer målstyrt. I Google Shopping går det att skapa anpassade etiketter för att kunna sätta individuella targets, det kallas för Target-ROAS. Det går att bryta ut och sätta individuella targets på till exempel underkategorier, produktkategorier, produkttyp, bästsäljare, nyinkomna och rea-produkter.

Smart Bidding passar inte alla e-handlare

"Smart bidding" är Googles benämning på sin automatiserade budgivning och kan prestera bra för e-handlare med ett stort antal konverteringar. Algoritmerna tar hänsyn till en mängd olika signaler vid auktionstillfället - som enhet, plats, klockslag, remarketinglista, språk, och operativsystem - för att fånga upp det unika sammanhanget i varje sökning. För att systemet skall lära sig och kunna ta hänsyn till alla ovan nämnda signaler, krävs ett stort antal konverteringar och tålamod med resultaten under tiden som tillräckligt med data samlas in.

Annons
Annons

För e-handlare som exempelvis har sällanköp med stora ordervärden är det inte säkert att Smart Bidding är rätt väg att gå, eftersom det är relativt få konverteringar per månad och det tar mycket lång tid för systemet att lära sig.

Risk att lita på systemet till 100 procent

För oss på AdRelevance råder det inga tvivel om att AI och maskininlärning är framtiden för sök och därmed kommer det att bli både bättre och mer sofistikerat. Det finns dock en risk med att till 100 procent förlita sig på att systemet tar rätt affärsbeslut för ens egen verksamhet. Systemet har självklart också även Googles lönsamhet inlagd som en parameter. Genom att utnyttja den fulla kraften av maskininlärning och addera finjusterande manuell handpåläggning och intelligens kan man ligga steget före konkurrenterna.

Prenumerera

Du missar väl inte vårt nyhetsbrev E-handelsnytt?

Tack!