PPC 예산 예측에 대한 수학적 솔루션

10년이 넘는 기간 동안 여러 업계의 많은 고객을 위해 Google Ads 계정을 관리하면서 항상 비슷한 질문이 떠오른다는 사실을 알게 되었습니다. 내가 자주 받는 가장 일관된 질문은 하나의 필수 개념으로 요약됩니다.

'다른 광고 투자에 대한 결과를 어떻게 예측할 수 있습니까?' .

이 질문에 대한 훌륭한 답변을 제공하는 것이 지난 2년 동안 저의 사명이었습니다.

노련한 Google Ads 전문가는 이와 같은 질문에 답하는 본능을 개발합니다. 계정에서 시간을 보낸 후에는 그 잠재력을 느낄 수 있습니다.

좋은 예측 이라고 느꼈던 것에 대해 직관적인 대답을 할 수 있음에도 불구하고 정당화하려고 할 때 항상 부족했습니다.

Budget Optimize는 이 문제를 해결하기 위해 개발한 도구입니다. 캠페인 궤적의 시각적 플롯과 다양한 지출에서의 실적에 대한 수학 기반 예측을 제공합니다. 이를 통해 우리는 솔루션을 생성하고 그 이면의 추론을 볼 수 있습니다.

어떻게 PPC 지출을 정확하게 예측할 수 있습니까?

이 질문은 일반적으로 새 계정을 인수할 때 발생하지만 계정이 성숙함에 따라 수년에 걸쳐 계속해서 나타납니다. 이 주제에 대한 고객의 질문은 다양하지만 비슷한 지점에서 수렴됩니다.

• 예산은 충분합니다. 제대로 만들 수 있다면 ROI가 X:1이 될 수 있습니까?
• 계정의 지출을 X만큼 늘리면 CPA는 어떻게 됩니까?
• 계정을 최대한 활용하려면 실제로 무엇을 지출해야 합니까?
• 예산을 철회해야 합니다. 예산을 X% 줄이면 CPA(또는 ROI)는 어떻게 됩니까?

이 질문 뒤에 무엇이 있고 누가 질문하는지 이해 하는 것이 중요 합니다. 이러한 질문은 높은 수준이며 질문하는 사람은 특정 광고가 한 방향으로 작성되는 이유 또는 이 키워드가 해당 광고와 일치하는 이유와 같은 세부사항을 보고 있지 않습니다.

이는 의사 결정권자와 주요 이해 관계자가 묻는 질문이며 궁극적으로 비즈니스에 중요한 질문임을 의미합니다. 이것이 잘 대답하는 것이 중요한 질문인 이유입니다. 근거가 있는 대답은 비즈니스에서 중요하고 중요한 결정에 영향을 미치는 사람들에게 깊은 인상을 줄 것입니다.

이때 이 질문에 어떻게 대답하시겠습니까? 일반적인 접근 방식은 노출 점유율을 기반으로 추정하는 것입니다. 각 캠페인을 살펴보고 지출 및 전환의 변화를 추정할 수 있습니다. 노출 점유율을 두 배로 늘리면 지출과 전환도 두 배로 늘어난다고 가정합니다. 이것은 제한된 답변을 제공하지만 수익 체감을 고려하지 않고 투자를 늘릴 때 선형 캠페인 실적을 가정합니다.

이것이 시각적으로 어떻게 보이고 지속적인 지출 증가에 대해 얼마나 비현실적인지 알 수 있습니다. 아래 예에서 노출 점유율(IS)을 30%에서 60%로 두 배로 늘리면 지출 및 전환의 선형 증가를 가정하고 두 측정항목 모두 두 배가 됩니다.

이미지 1: 노출 점유율을 사용하여 지출 가능성 증가를 추정하면 비현실적인 선형 예측이 생성됩니다.

우리는 캠페인을 보다 정확하게 매핑하고 수익 체감을 설명할 수 있는 더 나은 모델이 필요합니다.

Google Ads 계정 시각화

더 나은 접근 방식은 과거 성과를 기반으로 수학적 모델을 구축하는 것입니다. 이 모델을 설명하는 가장 좋은 방법은 그래프로 시각화하는 것입니다.

이를 다른 차원에서 Google Ads 계정을 볼 수 있다고 생각하십시오. 우리는 캠페인, 노출수 및 클릭수, 키워드 및 광고 실적을 보는 데 익숙합니다.

이는 모두 계정 구성 요소를 이해하고 최적화하는 데 중요하지만 이러한 측정항목에 초점을 맞춘다고 해서 계정 궤적에 대한 전체적인 보기가 제공되는 것은 아닙니다 .

계정 궤적은 근본적인 질문에 답할 수 있는 새로운 차원입니다. 실적을 예측하고 예측하는 데 사용할 수 있는 계정 실적의 시각적 보기를 제공합니다.

다음은 계정 궤적을 플롯하고 시각화하는 방법의 예입니다.

x축은 일일 지출을 표시하고 y축은 일일 전환량을 표시합니다. 각 점은 6개월 동안 특정 날짜의 지출 및 전환입니다. 이 6개월 동안 매일 그래프 매핑에 약 182개의 점이 있습니다.

그래프만 봐도 이미 계정 궤적을 짐작할 수 있습니다. 지출과 전환 사이에 관계가 있음을 알 수 있습니다. 지출이 증가하면 특정 비율로 전환이 증가합니다.

우리의 핵심 통찰력은 수학적으로 설명할 수 있는 이 관계의 변화율입니다 .

회귀 분석

회귀 분석은 이 기간 동안의 지출과 전환 간의 관계를 수학적으로 나타낼 수 있는 일종의 기계 학습 모델입니다. 동일한 예에서 이제 이 관계를 매핑하기 위해 회귀선을 추가했습니다.

회귀 곡선을 통해 다양한 지출 수준에서 해당 전환을 예측할 수 있습니다. 또한 그래프의 한계를 넘어 곡선의 회귀 공식을 사용하여 일일 지출까지 이동할 수 있습니다.

비용 대 CPA 측정기준

이전에 비용 대 전환을 차트로 표시했습니다. 또한 잠재적으로 더 통찰력 있는 또 다른 차원인 비용 대 CPA를 차트로 작성할 수 있습니다. 여기서 CPA(또는 ROI)는 가장 중요한 성과 측정입니다.

아래 스크린샷에서 왼쪽의 그래프는 비용 대 전환의 플롯이고 오른쪽의 그래프는 비용 대 CPA로 플롯된 동일한 계정입니다.

비용 대 CPA 그래프는 하루에 약 $1,400를 지출하는 최적의 CPA 포인트가 있음을 그래픽으로 보여줍니다. 여기서 CPA가 가장 낮습니다. 그 시점부터 지출을 늘리면 CPA가 어떻게 상승하기 시작하는지 시각화할 수 있습니다.

이제 두 가지 시각적 측면(차원)에서 계정 궤적을 볼 수 있습니다. 두 회귀 그래프는 서로 다른 지출 수준에서 전환 또는 CPA 를 예측하는 데 유용합니다. (또는 수익 및 ROI). 이것이 중요한 메트릭이며 우리는 이를 예측하는 공식을 가지고 있습니다.

계정의 잠재력을 이해하고 원래 질문에 답하는 것이 이제 가능합니다. 더 이상 추측 게임이나 직관이 아닙니다. 이제 과거 실적에 기반을 둔 건전한 수학적 모델을 기반으로 예측할 수 있습니다.

예산 최적화 가치 제안

회귀 분석은 Excel에서 수행할 수 있지만 Budget Optimize는 우수한 분석을 위한 추가 기능을 추가할 수 있습니다. 장점은 다음과 같습니다.

다른 회귀 모델에 맞추기 : 계정마다 궤적이 다르므로 회귀 모델이 더 정확합니다. 우리는 r-제곱 및 평균 제곱 오차 를 최상의 모델을 자동 맞춤하고 가장 정확한 예측을 내놓기 위한 척도로 봅니다.

아래 예는 다양한 모델이 비용과 전환 간의 관계를 나타낼 수 있는 방법을 보여줍니다. 일부 모델은 다른 모델보다 추세를 더 정확하게 반영합니다.

What-if 분석: 계정을 시각화하면 최적의 CPA 또는 ROI를 쉽게 파악할 수 있습니다. 이 도구는 가정 분석을 사용하여 이를 수학적으로 해결할 수도 있습니다.

고급 필터링: 특정 계정 측정항목을 필터링하고 다양한 캠페인 조합을 확인해야 하는 경우 이러한 모델을 실행하고 다시 실행하는 데 시간이 많이 걸립니다. 비브랜드 캠페인만 검토하거나 과거 기간을 변경하거나 모바일 캠페인만 검토할 수 있습니다. 이 도구를 사용하면 수동으로 몇 시간이 걸리는 대신 몇 초 만에 이를 가능하게 합니다.

다중 회귀선 플로팅 (고급): 현재 기능에는 포함되어 있지 않지만 이 도구는 그래프 도구에서 선을 플로팅하고 성능을 측정할 수 있는 회귀 공식을 제공합니다.

이상 값 제거: 클릭 한 번으로 이상값을 쉽게 필터링할 수 있습니다. 판매일이나 결과를 왜곡하는 기타 비정상적인 활동을 했을 수 있습니다. Budget Optimize를 사용하면 이러한 왜곡된 데이터를 자동으로 감지하여 필터링할 수 있습니다.

실제 결과와 비교: Budget Optimize를 사용하면 앞으로 예측된 ​​예상과 비교하여 해당 기간의 실제 결과를 볼 수 있습니다. 한 화면에서 쉽게 비교하고 예측할 수 있습니다.

제한 사항

예산 최적화 및 회귀 분석은 100% 정확한 예측을 제공한다고 주장하지 않습니다. 우리는 이것이 실적을 예측하는 건전한 방법이라고 생각하지만 정확도는 계정마다 다르며 예측의 역할만 하는 것으로 보아야 합니다.

주요 제한 사항은 결과가 과거 데이터를 기반으로 한다는 것입니다. 과거 데이터에 설명되지 않은 일이 미래에 발생할 수 있습니다. 몇 가지 예는 다음과 같습니다.

• 악천후와 같은 자연 현상. (당신의 사업이 우산을 판매한다면 이것은 좋을 것입니다)
• 이전보다 더 나은 새로운 계정 관리자처럼 계정 자체에 대한 새로운 변경.
• 새로운 경쟁자가 진입하거나 퇴장하는 것과 같은 시장 기반 변화.

계절성 측면에서 예측하려는 기간과 유사한 기간의 데이터를 사용하는 것이 좋습니다. 또한 충분한 데이터 포인트가 있는 충분히 긴 기간을 선택하십시오. 가장 정확한 기간을 선택하고 작업하기에 충분한 데이터를 확보하는 것은 균형을 유지하는 작업입니다.

큰 문제 해결

'불변하는 것은 변화뿐이다'라는 유명한 속담처럼. Google Ad 계정은 동적이며 마케팅 예산이 변경되므로 고객은 항상 예산 변경의 예상 결과가 무엇인지 알고 싶어합니다.

내 대답은 기계 학습 회귀 알고리즘에 기반을 둔 수학 기반 솔루션입니다. 제한 사항이 있고 100% 정확도에 의존해서는 안 되지만 향후 계정 실적을 추정하는 데는 건전한 접근 방식입니다.