Pensa in grande ai dati multicanale!

Probabilmente avrai notato che ogni singola agenzia PPC là fuori è "data-driven".

Allora perché la maggior parte delle agenzie che incontriamo hanno difficoltà con silos di dati che rendono difficile l'ottimizzazione cross-channel e quasi impossibili le informazioni a livello di agenzia?

La chiamiamo contraddizione basata sui dati : la maggior parte delle agenzie aspira ad essere guidata dai dati, ma la realtà tecnicamente complessa dell'implementazione di questo significa che la maggior parte lotta per essere veramente guidata dai dati.

Ogni agenzia innovativa ha le sue strategie e regole uniche per cose come la gestione del budget e l'ottimizzazione degli annunci e, per lavorare in modo efficiente, è necessario automatizzarle su più piattaforme.

Ma costruire gli strumenti di ottimizzazione personalizzati necessari che utilizzano le tue strategie PPC uniche per aumentare le prestazioni delle campagne dei tuoi clienti è costoso e richiede tempo.

O è?

In passato era proibitivo per le agenzie più piccole creare strumenti personalizzati. Ma la tecnologia di base è cambiata! Sono qui per dirti che le dimensioni della tua agenzia non contano più.

Siamo un team di specialisti che costruiscono soluzioni di automazione PPC personalizzate e soluzioni di infrastruttura dei dati pubblicitari mirate per le agenzie e abbiamo riscontrato il successo iniziale come azienda che lavora con agenzie più piccole che hanno da 12 a 60 dipendenti. Ciò offre ai nostri sviluppatori e ingegneri cloud una prospettiva unica nel settore PPC.

Dovevamo trovare modi di lavorare più efficienti e oggi ti mostrerò un approccio che può implementare letteralmente qualsiasi agenzia di dimensioni: è flessibile, infinitamente scalabile ed estremamente conveniente. In effetti, la maggior parte delle agenzie lavora già con gli strumenti necessari.

Smetti di gestire i tuoi clienti in silos

Per gli esperti di infrastrutture dati PPC come noi, il reporting cross-channel e l'automazione del processo di ottimizzazione delle modifiche tra piattaforme sono in realtà due facce della stessa medaglia.

Pensa in modo olistico ai tuoi dati!

Al livello più elementare, hai bisogno di una pipeline di dati PPC che estrae i dati da varie fonti di dati come le reti pubblicitarie, li pulisce e li normalizza e crea un flusso di dati automatico al data warehouse della tua agenzia. In un secondo passaggio, devi trasferire le modifiche di ottimizzazione alle reti pubblicitarie.

Seguiremo i passaggi a turno.

Passaggio 1: quale data warehouse?

I vostri clienti vi hanno ingaggiato per ottimizzare la spesa e gestire i budget in modo efficiente. Se non hai tutti i tuoi dati in un unico posto, come analizzerai tutti i dati dei tuoi clienti contemporaneamente su più canali per ottenere approfondimenti sulle strategie di gestione dell'account che rendono la tua agenzia di successo e ottimizzarla? Come farai a confrontare facilmente le prestazioni di tutti i diversi account che gestisci come agenzia?

Il tuo data warehouse è il luogo in cui unifichi e memorizzi tutti i dati della tua agenzia. Ci sono enormi vantaggi in questo e vale sempre la pena farlo. Per prima cosa, è facile eseguire analisi avanzate sui dati per scopi di ottimizzazione.

Ad esempio, di recente abbiamo aiutato un'agenzia a ripensare la strategia delle parole chiave per un intero verticale utilizzando l'analisi di n-grammi confrontando gli annunci Google e gli annunci Microsoft fianco a fianco. Questo non sarebbe stato possibile senza avere i dati archiviati in un data warehouse centrale. Ed è proprio questo il motivo per cui dovresti evitare a tutti i costi le piattaforme di reporting multicanale online: stai sacrificando il controllo per la comodità.

Ovviamente la facilità d'uso è importante ed è per questo che onestamente non raccomanderemmo altro che Google BigQuery. Ottieni prestazioni di livello aziendale a basso costo e molto probabilmente la tua agenzia utilizza già altri strumenti Google come Fogli e Data Studio che si integrano perfettamente con esso. Ha anche connessioni dirette con SA360 e Google Analytics, quindi non è nemmeno necessario essere molto tecnici per estrarre quei dati.

Ancora più importante, BigQuery spunta tutte le caselle in termini di prestazioni, flessibilità e scalabilità. Inoltre, i tuoi dati vengono salvati automaticamente per scopi di ripristino di emergenza. Ed è molto, molto economico!

Vale anche la pena notare che BigQuery si integra con tutte le principali piattaforme di visualizzazione dei dati, ma Data Studio di solito è più che sufficiente se sai come usarlo (ecco una guida).

Passaggio 2: quale pipeline di dati?

Poiché poche agenzie con cui collaboriamo dispongono di ingegneri e sviluppatori cloud specializzati interni, abbiamo effettivamente creato un data warehouse pubblicitario gestito appositamente per le agenzie di marketing digitale e estrae ogni giorno terabyte di dati PPC da varie fonti.

Ecco cosa abbiamo imparato:

Innanzitutto, non sono necessari più di 500 connettori pubblicizzati da piattaforme come Supermetrics, Funnel, Improvado, Adverity o simili. Molto probabilmente annunci di Google, annunci di Facebook, annunci di Microsoft, annunci di Instagram, annunci di Linkedin e annunci di Twitter e alcuni altri saranno al centro della tua agenzia.

Concentrati invece sulla riduzione al minimo dei passaggi manuali e della manutenzione. Abbiamo finito per costruire il nostro servizio gestito attorno a una nuova soluzione innovativa per l'infrastruttura dei dati pubblicitari chiamata Shape ADI perché ha una potente API bidirezionale!

Non per essere troppo tecnici, ma la cosa potente è che ci consente di effettuare chiamate utilizzando un'API per estrarre dati dalle reti pubblicitarie più popolari e restituire dati normalizzati in BigQuery.

La normalizzazione dei dati può essere un enorme costo nascosto perché può comportare passaggi aggiuntivi, quindi è necessario utilizzare soluzioni che lo automatizzano. Quando inseriamo i dati storici dei clienti di un'agenzia per annunci Google, annunci Facebook, annunci Youtube, annunci Microsoft, annunci Instagram, annunci Linkedin e Twitter in BigQuery, è tutto facilmente comparabile. Utilizziamo tabelle e viste preconfigurate per BigQuery (enorme risparmio di tempo!).

La manutenzione delle API è un'altra cosa da considerare. Le reti pubblicitarie (in particolare Facebook e Google) aggiornano costantemente le proprie API. Prima dovevamo mantenere sette o più API separate: ora possiamo fare affidamento su un'API sapendo che è sempre aggiornata (non sottovalutare la tranquillità!).

Infine, la copertura delle API della rete pubblicitaria può variare notevolmente tra le società di pipeline di dati, quindi potresti rimanere senza informazioni chiave che non puoi includere nella tua analisi. Concentrati sulla massima copertura delle API rilevanti per i tuoi casi d'uso PPC piuttosto che sul numero totale di connettori.

In conclusione, con questa configurazione ci vuole un pomeriggio per impostare il reporting cross-channel per un'agenzia di medie dimensioni e richiede una manutenzione minima.

Passaggio 3: riscrivi le modifiche di ottimizzazione alle reti pubblicitarie

Per ricapitolare, il nostro obiettivo non è solo quello di estrarre i dati, ma anche di automatizzare la scrittura delle modifiche di ottimizzazione nelle reti pubblicitarie per scopi come la gestione del budget. Per questo abbiamo bisogno di un'API bidirezionale: come suggerisce il nome, consente ai tuoi dati PPC di fluire in entrambe le direzioni.

Le pipeline di dati convenzionali come Supermetrics, Funnel, Improvado, Adverity e simili non offrono questa opzione. Questo è estremamente limitante. Creiamo soluzioni di automazione personalizzate per le agenzie e l'API bidirezionale di Shape è stata sviluppata per aiutare le agenzie a creare piattaforme di gestione PPC e altre tecnologie pubblicitarie scalabili e all'avanguardia.

Ma non è necessario che tu crei sempre un'intera piattaforma perché sia ​​necessaria un'API bidirezionale. Le persone sottovalutano il potere di un buon vecchio foglio Google! Ecco due casi d'uso comuni che incontriamo che puoi risolvere con un foglio Google in combinazione con il tipo di infrastruttura dati che ho descritto sopra.

Esempio di caso d'uso 1: gestione del budget

In questo scenario, le agenzie in genere ci chiedono di aiutarle a mettere in pausa tutte le campagne con spese eccessive su tutti i canali o ad aumentare i budget per tutte le campagne per un account cliente specifico. Tutti ricordiamo il dolore di Google che ha aumentato la fascia di spesa giornaliera eccessiva e l'importanza di tenere sotto controllo i costi.

Può essere fastidioso accedere a piattaforme diverse ed è meglio avere il controllo centrale. Con l'infrastruttura dei dati di cui abbiamo discusso sopra, puoi gestire i budget centralmente da un foglio Google senza dover mantenere API separate.

Significa anche che puoi smettere di impostare budget in silos: invece di decidere un budget di ricerca e un budget social in modo indipendente, ad esempio, puoi creare facilmente modelli che ti consentono di prevedere le prestazioni per un intero cliente quando suddividi il budget complessivo in diversi modi .

Esempio di caso d'uso 2: controlli sanitari e avvisi

Ogni agenzia ha le proprie regole per ciò che costituisce un comportamento "normale" (quante parole chiave per gruppo di annunci, quanti annunci, quanti test, convenzioni di denominazione ecc.). Ma è una seccatura per i gestori degli account esaminare piattaforme diverse individualmente per gli avvisi, per non parlare di un calo di tempo. Perché non dovresti creare un report centrale che consolidi gli avvisi?

Questi due esempi mostrano che la creazione di strumenti di automazione altamente efficaci è sicuramente alla portata di agenzie di qualsiasi dimensione e non è necessario un esercito di sviluppatori per arrivarci. L'importante è che tu disponga della giusta infrastruttura di dati pubblicitari in atto che ti permetta di iniziare e di mantenere aperte le tue opzioni.