Pense grande em dados entre canais!

Você provavelmente notou que cada agência de PPC por aí é “orientada por dados”.

Então, por que a maioria das agências que encontramos está lutando com silos de dados que tornam a otimização cross-channel difícil e insights de toda a agência quase impossíveis?

Chamamos isso de contradição orientada por dados : a maioria das agências aspira a ser orientada por dados, mas a realidade tecnicamente complexa de implementar isso significa que a maioria luta para ser realmente orientada por dados.

Cada agência inovadora tem suas próprias estratégias e regras exclusivas para coisas como gerenciamento de orçamento e otimização de anúncios e, para trabalhar com eficiência, você precisa automatizar isso em várias plataformas.

Mas construir as ferramentas de otimização personalizadas necessárias que usem suas estratégias exclusivas de PPC para aumentar o desempenho da campanha de seus clientes é caro e demorado.

Ou é?

Costumava ser proibitivamente caro para agências menores construir ferramentas personalizadas. Mas a tecnologia subjacente mudou! Estou aqui para lhe dizer que o tamanho da sua agência não importa mais.

Somos uma equipe de especialistas que criam soluções de automação de PPC personalizadas e soluções de infraestrutura de dados de publicidade específicas para agências - e tivemos sucesso inicial como uma empresa trabalhando com agências menores que têm de 12 a 60 funcionários. Isso dá aos nossos desenvolvedores e engenheiros de nuvem uma perspectiva única dentro da indústria de PPC.

Tivemos que encontrar maneiras mais eficientes de trabalhar e hoje vou mostrar a vocês uma abordagem que, literalmente, agências de qualquer tamanho podem implementar: é flexível, infinitamente escalável e extremamente econômica. Na verdade, a maioria das agências já trabalha com as ferramentas necessárias.

Pare de gerenciar seus clientes em silos

Para especialistas em infraestrutura de dados PPC como nós, os relatórios entre canais e a automação do processo de fazer alterações de otimização nas plataformas são, na verdade, os dois lados da mesma moeda.

Pense holisticamente sobre seus dados!

No nível mais básico, você precisa de um pipeline de dados PPC que extrai dados de várias fontes de dados, como redes de anúncios, os limpa e normaliza e cria um fluxo automático de dados para o data warehouse da sua agência. Em uma segunda etapa, você precisa enviar as alterações de otimização de volta para as redes de anúncios.

Iremos percorrer as etapas sucessivamente.

Etapa 1: qual data warehouse?

Seus clientes têm contratado você gaste otimizar e gerenciar orçamentos de forma eficiente. Se você não tem todos os seus dados em um só lugar, como irá analisar todos os dados do cliente de uma vez em vários canais para obter insights sobre as estratégias de gerenciamento de contas que tornam sua agência bem-sucedida e a otimizam? Como você comparará facilmente o desempenho de todas as contas diferentes que gerencia como agência?

Seu data warehouse é onde você unifica e armazena todos os dados de sua agência. Há enormes benefícios nisso e sempre vale a pena fazer. Por um lado, é fácil executar análises avançadas em seus dados para fins de otimização.

Por exemplo, recentemente ajudamos uma agência a repensar a estratégia de palavras-chave para toda uma indústria, usando a análise de n-gram comparando os anúncios do Google e os da Microsoft lado a lado. Isso não teria sido possível sem ter os dados armazenados em um data warehouse central. E essa é precisamente a razão pela qual você deve evitar a todo custo as plataformas de relatórios cross-channel online: você está sacrificando o controle por conveniência.

É claro que a facilidade de uso é importante e é por isso que honestamente não recomendamos nada além do Google BigQuery. Você obtém desempenho de nível empresarial a um custo baixo e sua agência provavelmente já usa outras ferramentas do Google, como Planilhas e Data Studio, que se integram perfeitamente a ele. Ele também tem conexões diretas com SA360 e Google Analytics, então você nem precisa ser muito técnico para extrair esses dados.

Mais importante, o BigQuery preenche todos os requisitos em termos de desempenho, flexibilidade e escalabilidade. Além disso, o backup dos seus dados é feito automaticamente para fins de recuperação de desastres. E é muito, muito barato!

Também é importante notar que o BigQuery se integra a todas as principais plataformas de visualização de dados, mas o Data Studio geralmente é mais do que suficiente se você souber como usá-lo (aqui está um guia).

Etapa 2: qual pipeline de dados?

Visto que poucas agências com as quais trabalhamos têm engenheiros e desenvolvedores especializados em nuvem internos, nós construímos um data warehouse de publicidade gerenciado que foi desenvolvido especificamente para agências de marketing digital e extrai terabytes de dados PPC de várias fontes todos os dias.

Aqui está o que aprendemos:

Primeiro, você não precisa de mais de 500 conectores que anunciam como Supermetrics, Funnel, Improvado, Adverity ou plataformas semelhantes. Muito provavelmente os anúncios do Google Ads, anúncios do Facebook, anúncios da Microsoft, anúncios do Instagram, anúncios do Linkedin e anúncios do Twitter e alguns outros estarão em foco para sua agência.

Em vez disso, concentre-se em minimizar as etapas manuais e a manutenção. Acabamos construindo nosso serviço gerenciado em torno de uma solução inovadora de infraestrutura de dados de publicidade chamada Shape ADI, porque ela tem uma API bidirecional poderosa!

Não quero ser muito técnico, mas o poderoso é que nos permite fazer chamadas usando uma API para extrair dados das redes de anúncios mais populares e retornar dados normalizados no BigQuery.

A normalização de dados pode ser um enorme custo oculto porque pode envolver etapas adicionais, portanto, você precisa usar soluções que a automatizem. Quando puxamos os dados históricos de clientes de uma agência para anúncios do Google, anúncios do Facebook, anúncios do Youtube, anúncios da Microsoft, anúncios do Instagram, anúncios do Linkedin e Twitter para o BigQuery, todos são prontamente comparáveis. Usamos tabelas e visualizações pré-configuradas para o BigQuery (grande economia de tempo!).

A manutenção de APIs é outra coisa a se considerar. As redes de anúncios (especialmente Facebook e Google) atualizam constantemente suas APIs. Costumávamos ter que manter sete ou mais APIs separadas - agora podemos contar com uma API sabendo que ela está sempre atualizada (não subestime a paz de espírito!).

Por fim, a cobertura das APIs da rede de anúncios pode variar muito entre as empresas de pipeline de dados, portanto, podem ficar faltando informações importantes que não podem ser incluídas em sua análise. Concentre-se na cobertura máxima de APIs que são relevantes para seus casos de uso de PPC, em vez do número total de conectores.

Resumindo, com essa configuração, levamos uma tarde para configurar os relatórios entre canais para uma agência de médio porte e isso requer manutenção mínima.

Etapa 3: anote as alterações de otimização nas redes de anúncios

Para recapitular, nosso objetivo não é apenas extrair dados, mas também automatizar a gravação de alterações de otimização nas redes de anúncios para fins como gerenciamento de orçamento. Para isso, precisamos de uma API bidirecional - como o nome sugere, ela permite que seus dados PPC fluam para os dois lados.

Pipelines de dados convencionais como Supermetrics, Funnel, Improvado, Adverity e outros não oferecem essa opção. Isso é extremamente limitante. Construímos soluções de automação personalizadas para agências, e a API bidirecional da Shape foi desenvolvida para ajudar as agências a criar plataformas de gerenciamento de PPC e outras tecnologias de publicidade escalonáveis ​​e de última geração.

Mas não é necessário que você esteja sempre construindo uma plataforma inteira para que uma API bidirecional seja necessária. As pessoas subestimam o poder de uma boa e velha planilha do Google! Aqui estão dois casos de uso comuns que encontramos que você pode resolver com uma planilha do Google em combinação com o tipo de infraestrutura de dados que descrevi acima.

Exemplo de caso de uso 1: gerenciamento de orçamento

Nesse cenário, as agências normalmente nos pedem para ajudá-las a pausar todas as campanhas com gastos excessivos nos canais ou aumentar os orçamentos para todas as campanhas de uma conta de cliente específica. Todos nós nos lembramos da dor de o Google aumentar a faixa de gastos excessivos diários e da importância de manter os custos sob controle.

Pode ser irritante fazer o login em diferentes plataformas e é melhor ter um controle central. Com a infraestrutura de dados que discutimos acima, você pode gerenciar orçamentos de maneira centralizada a partir de uma Planilha Google, sem ter que manter APIs separadas.

Também significa que você pode parar de definir orçamentos em silos - em vez de decidir sobre um orçamento de Pesquisa e um orçamento Social de forma independente, por exemplo, você pode facilmente criar modelos que permitem prever o desempenho de um cliente inteiro ao dividir o orçamento geral de maneiras diferentes .

Exemplo de caso de uso 2: verificações de integridade e alertas

Cada agência tem suas próprias regras para o que constitui um comportamento “normal” (quantas palavras-chave por grupo de anúncios, quantos anúncios, quantos testes, convenções de nomenclatura etc.). Mas é uma dor para os gerentes de contas olhar para diferentes plataformas individualmente em busca de alertas, sem mencionar o desperdício de tempo. Por que você não gostaria de construir um relatório central que consolida alertas?

Esses dois exemplos mostram que construir ferramentas de automação altamente eficazes está definitivamente ao alcance de agências de qualquer tamanho e você não precisa de um exército de desenvolvedores para chegar lá. O importante é que você tenha a configuração certa de infraestrutura de dados de publicidade no local, que permite que você inicie e mantenha suas opções em aberto.