교차 채널 데이터에 대해 크게 생각하십시오!

당신은 아마 거기에 있는 모든 단일 PPC 대행사가 "데이터 중심적"이라는 것을 알아차렸을 것입니다.

그렇다면 우리가 만나는 대부분의 에이전시가 교차 채널 최적화를 어렵게 만들고 에이전시 전체의 통찰력을 거의 불가능하게 만드는 데이터 사일로로 어려움을 겪고 있는 이유는 무엇입니까?

우리는 이것을 데이터 기반 모순 이라고 부릅니다. 대부분의 기관은 데이터 기반 이 되기를 열망하지만 이를 구현하는 기술적으로 복잡한 현실은 데이터에 의해 주도되는 것이 가장 어렵다는 것을 의미합니다.

모든 혁신적인 대행사에는 예산 관리 및 광고 최적화와 같은 작업에 대한 고유한 전략과 규칙이 있으며 효율적으로 작동하려면 여러 플랫폼에서 이를 자동화해야 합니다.

그러나 고유한 PPC 전략을 사용하여 고객의 캠페인 성과를 높이는 데 필요한 맞춤 최적화 도구를 구축하는 것은 비용과 시간이 많이 소요됩니다.

아니면?

소규모 에이전시가 맞춤형 도구를 구축하는 데 엄청나게 비쌌습니다. 그러나 기본 기술이 변경되었습니다! 대행사의 규모가 더 이상 중요하지 않다는 것을 말씀드리고자 합니다.

우리는 대행사를 위한 맞춤형 PPC 자동화 솔루션 및 특수 제작된 광고 데이터 인프라 솔루션을 구축하는 전문가 팀이며 12-60명의 직원을 보유한 소규모 대행사와 협력하는 비즈니스로 초기 성공을 발견했습니다. 이는 개발자와 클라우드 엔지니어에게 PPC 산업 내에서 고유한 관점을 제공합니다.

우리는 보다 효율적인 작업 방법을 찾아야 했고, 오늘은 말 그대로 모든 규모의 기관이 구현할 수 있는 접근 방식을 보여 드리겠습니다. 유연하고 무한히 확장 가능하며 매우 비용 효율적입니다. 사실, 대부분의 기관은 이미 필요한 도구로 작업하고 있습니다.

사일로에서 고객 관리 중지

우리와 같은 PPC 데이터 인프라 전문가에게 크로스 채널 보고 및 플랫폼 간 최적화 변경 프로세스 자동화는 실제로 동전의 양면입니다.

데이터에 대해 종합적으로 생각하십시오!

가장 기본적인 수준에서 광고 네트워크와 같은 다양한 데이터 소스에서 데이터를 가져와 정리 및 정규화하고 대행사 자체 데이터 웨어하우스로 자동 데이터 흐름을 생성하는 PPC 데이터 파이프라인이 필요합니다. 두 번째 단계에서는 최적화 변경 사항을 광고 네트워크에 다시 푸시해야 합니다.

우리는 차례로 단계를 진행할 것입니다.

1단계: 어떤 데이터 웨어하우스입니까?

귀하의 고객은 지출을 최적화하고 예산을 효율적으로 관리하기 위해 귀하 를 고용했습니다. 모든 데이터가 한 곳에 있지 않은 경우 여러 채널에서 한 번에 모든 고객 데이터를 분석하여 대행사를 성공시키고 최적화하는 계정 관리 전략에 대한 통찰력을 얻으려면 어떻게 해야 합니까? 대행사로 관리하는 다양한 계정의 실적을 어떻게 쉽게 비교할 수 있습니까?

데이터 웨어하우스는 대행사의 모든 데이터를 통합하고 저장하는 곳입니다. 여기에는 엄청난 이점이 있으며 항상 할 가치가 있습니다. 우선 최적화를 위해 데이터에 대한 고급 분석을 쉽게 실행할 수 있습니다.

예를 들어, 우리는 최근 대행사가 Google 광고와 Microsoft 광고를 나란히 비교하는 n-gram 분석을 사용하여 전체 카테고리에 대한 키워드 전략을 재고하도록 도왔습니다. 이는 중앙 데이터 웨어하우스에 데이터를 저장하지 않았다면 불가능했을 것입니다. 그리고 이것이 바로 당신이 어떤 대가를 치르더라도 온라인 교차 채널 보고 플랫폼을 피해야 하는 이유입니다. 편의를 위해 통제를 희생하고 있습니다.

물론 사용 편의성이 중요하므로 솔직히 Google BigQuery 외에는 추천하지 않습니다. 저렴한 비용으로 기업 수준의 성과를 얻을 수 있으며 대행사는 이미 원활하게 통합되는 스프레드시트 및 데이터 스튜디오와 같은 다른 Google 도구를 사용하고 있을 가능성이 큽니다. 또한 SA360 및 Google Analytics와 직접 연결되므로 해당 데이터를 가져오기 위해 매우 기술적인 작업이 필요하지 않습니다.

가장 중요한 것은 BigQuery가 성능, 유연성, 확장성 측면에서 모든 확인란을 선택한다는 것입니다. 또한 재해 복구를 위해 데이터가 자동으로 백업됩니다. 그리고 그것은 매우 매우 저렴합니다!

BigQuery는 모든 주요 데이터 시각화 플랫폼과 통합되지만 일반적으로 데이터 스튜디오 사용 방법만 알면 충분합니다(가이드 참조).

2단계: 어떤 데이터 파이프라인?

전문 클라우드 엔지니어와 개발자가 사내에 있는 에이전시는 거의 없기 때문에 실제로 디지털 마케팅 에이전시를 위해 특별히 제작된 관리형 광고 데이터 웨어하우스를 구축하고 다양한 소스에서 매일 테라바이트의 PPC 데이터를 가져옵니다.

배운 내용은 다음과 같습니다.

첫째, Supermetrics, Funnel, Improvado, Adverity 또는 이와 유사한 플랫폼이 광고하는 500개 이상의 커넥터가 필요하지 않습니다. 대부분의 경우 Google Ads, Facebook 광고, Microsoft 광고, Instagram 광고, Linkedin 광고 및 Twitter 광고 및 기타 몇 가지 광고가 대행사에 초점을 맞출 것입니다.

대신 수동 단계와 유지 관리를 최소화하는 데 집중하십시오. 우리는 강력한 양방향 API를 가지고 있기 때문에 Shape ADI라는 혁신적인 새로운 광고 데이터 인프라 솔루션을 중심으로 관리형 서비스를 구축하게 되었습니다!

너무 기술적인 것은 아니지만 강력한 점은 가장 인기 있는 광고 네트워크에서 데이터를 가져오기 위해 하나의 API를 사용하여 호출하고 BigQuery에서 정규화된 데이터를 반환할 수 있다는 것입니다.

데이터 정규화 에는 추가 단계가 포함될 수 있으므로 이를 자동화하는 솔루션을 사용해야 하기 때문에 숨겨진 막대한 비용이 발생할 수 있습니다. Google 광고, Facebook 광고, YouTube 광고, Microsoft 광고, Instagram 광고, Linkedin 광고 및 Twitter에 대한 대행사의 과거 고객 데이터를 BigQuery로 가져오면 모두 쉽게 비교할 수 있습니다. BigQuery용으로 사전 구성된 테이블과 보기를 사용합니다(시간을 크게 절약할 수 있습니다!).

API 유지 관리는 고려해야 할 또 다른 사항입니다. 광고 네트워크(특히 Facebook 및 Google)는 지속적으로 API를 업데이트합니다. 이전에는 7개 이상의 개별 API를 유지 관리해야 했지만 이제는 항상 업데이트되는 하나의 API에 의존할 수 있습니다(안심하지 마십시오!).

마지막으로, 광고 네트워크의 API 범위는 데이터 파이프라인 회사마다 크게 다를 수 있으므로 분석에 포함할 수 없는 주요 정보가 누락될 수 있습니다. 총 커넥터 수보다 PPC 사용 사례와 관련된 API의 최대 적용 범위에 중점을 둡니다.

결론적으로 이 설정을 사용하면 중간 규모 대행사에 대한 교차 채널 보고를 설정하는 데 하루 오후가 걸리고 최소한의 유지 관리가 필요합니다.

3단계: 광고 네트워크에 최적화 변경사항 다시 쓰기

요약하자면, 우리의 목표는 단순히 데이터를 가져오는 것이 아니라 예산 관리와 같은 목적을 위해 광고 네트워크에 최적화 변경 사항을 자동으로 다시 쓰는 것입니다. 이를 위해 양방향 API가 필요합니다. 이름에서 알 수 있듯이 PPC 데이터가 양방향으로 흐르도록 허용합니다.

Supermetrics, Funnel, Improvado, Adverity 등과 같은 기존 데이터 파이프라인은 이 옵션을 제공하지 않습니다. 그것은 매우 제한적입니다. 우리는 대행사를 위한 맞춤형 자동화 솔루션을 구축하고 Shape의 양방향 API는 대행사에서 PPC 관리 플랫폼 및 기타 확장 가능한 최첨단 광고 기술을 만들 수 있도록 개발되었습니다.

그러나 양방향 API가 필요하기 위해 항상 전체 플랫폼을 구축할 필요는 없습니다. 사람들은 좋은 구글 시트의 힘을 과소평가합니다! 다음은 위에서 설명한 종류의 데이터 인프라와 함께 Google 시트로 해결할 수 있는 두 가지 일반적인 사용 사례입니다.

사용 사례 1: 예산 관리

이 시나리오에서 대행사는 일반적으로 채널 전반에 걸쳐 모든 초과 지출 캠페인을 일시 중지하거나 특정 고객 계정의 모든 캠페인에 대한 예산을 늘릴 수 있도록 도와달라고 요청합니다. 우리 모두는 Google이 일일 초과 지출 범위를 늘리는 고통과 비용을 억제하는 것의 중요성을 기억합니다.

다른 플랫폼에 로그인하는 것은 성가실 수 있으며 중앙 제어를 갖는 것이 좋습니다. 위에서 설명한 데이터 인프라를 사용하면 별도의 API를 유지 관리할 필요 없이 Google 스프레드시트에서 중앙 집중식으로 예산을 관리할 수 있습니다.

또한 사일로에서 예산 설정을 중단할 수 있습니다. 예를 들어 검색 예산과 소셜 예산을 개별적으로 결정하는 대신 전체 예산을 다양한 방식으로 분할할 때 전체 고객의 성과를 예측할 수 있는 모델을 쉽게 생성할 수 있습니다. .

사용 사례 2: 상태 확인 및 경고

모든 대행사에는 "정상적인" 행동을 구성하는 것에 대한 자체 규칙이 있습니다(광고그룹당 키워드 수, 광고 수, 테스트 수, 명명 규칙 등). 그러나 계정 관리자가 시간 감소는 말할 것도 없고 경고를 위해 개별적으로 다른 플랫폼을 살펴보는 것은 고통스러운 일입니다. 경고를 통합하는 중앙 보고서를 만들고 싶지 않은 이유는 무엇입니까?

이 두 가지 예는 매우 효과적인 자동화 도구를 구축하는 것이 모든 규모의 기관에 확실히 도달할 수 있고 거기에 도달하기 위해 많은 개발자가 필요하지 않다는 것을 보여줍니다. 중요한 것은 시작하고 옵션을 열어둘 수 있는 올바른 광고 데이터 인프라가 설정되어 있다는 것입니다.