การวิเคราะห์ผลกระทบของคำหลักที่ใช้ร่วมกันหลายแบรนด์

ในช่วงไม่กี่ปีที่ผ่านมา ความซับซ้อนของบัญชีและลูกค้าเพิ่มขึ้น เมื่อเราลงนามในบริษัทขนาดใหญ่ที่โฆษณาในหลายบัญชีสำหรับหลายแบรนด์ สิ่งสำคัญคือต้องคอยติดตามว่าบัญชีเหล่านี้มีปฏิสัมพันธ์กันอย่างไร

สถานการณ์

สมมติว่าเรามีบริษัท X ซึ่งเป็นเจ้าของแบรนด์ 1,2 และ 3 แต่ละแบรนด์เหล่านี้โฆษณาในบัญชีของตนเองโดยใช้คำหลักที่คล้ายกัน (บางครั้งก็เหมือนกัน)

ผลลัพธ์ที่ต้องการ / คำถามสำคัญ

ด้วยการวิเคราะห์ที่สำคัญใดๆ คุณควรเริ่มต้นด้วยผลลัพธ์ที่ต้องการและระบุคำถามสำคัญที่คุณตั้งเป้าจะตอบ วิธีนี้จะช่วยเน้นการวิเคราะห์ของคุณ ดังนั้นคุณจึงมีโอกาสน้อยที่จะหลงทางในวัชพืช

ในสถานการณ์นี้ – เราต้องการรายละเอียดดังต่อไปนี้:

• แบรนด์หนึ่งมีผลกระทบต่อ CPC ของแบรนด์อื่นๆ เมื่อเวลาผ่านไปหรือไม่
• เราให้บริการสองครั้งบ่อยแค่ไหน?
• คำหลักใดทับซ้อนกัน
• ส่วนแบ่งการแสดงผลของพวกเขาเปรียบเทียบกันอย่างไร?
• คำหลักบางคำทำงานได้ดีกว่าสำหรับแบรนด์ใดแบรนด์หนึ่งหรือไม่

การรับข้อมูล

ให้เราหยุดคิดเกี่ยวกับ สิ่งที่ เราต้องดูเพื่อตอบคำถามเหล่านี้

เราทราบดีว่าเราต้องการรายงานคำหลัก เรามาเริ่มต้นกันที่นี่ ตัวชี้วัดหรือกลุ่มที่เราต้องการ ได้แก่ :

1. การแสดงผล จำนวนคลิก ค่าใช้จ่าย การแปลง – เมตริกพื้นฐานที่เราใช้ในการคำนวณสิ่งต่างๆ เช่น CPC, CVR, CPL เป็นต้น
2. แบ่งตามไตรมาส – เพื่อให้เราเห็นแนวโน้มเมื่อเวลาผ่านไป
3. ส่วนแบ่งการแสดงผล – เราจะดึงรายงานข้อมูลเชิงลึกด้านการประมูลด้วย แต่ฉันต้องการรวมส่วนแบ่งการแสดงผลที่นี่ด้วยเพื่อเจาะลึกถึงระดับคำหลัก

ต่อไปเราจะดึงรายงานข้อมูลเชิงลึกการประมูลจาก Google Data Studio สำหรับรายงานนี้ เราจะดึงข้อมูลตามแคมเปญ โดเมนข้อมูลเชิงลึกด้านการประมูล และเดือน เมตริกที่จะรวมคือส่วนแบ่งการแสดงผลและอัตราทับซ้อน

การจัดการข้อมูล

มาถึงส่วนที่ยุ่งยากแล้ว (หรือที่ฉันชอบเรียกว่า – ส่วนที่สนุก): การจัดการข้อมูลเพื่อให้ใช้งานได้ เริ่มต้นด้วยข้อมูลคำหลัก

ข้อมูลคีย์เวิร์ด

แคมเปญของเราได้รับการตั้งชื่ออย่างสม่ำเสมอ (ซึ่งฉัน ขอ แนะนำสำหรับแคมเปญ PPC ใดๆ ก็ตาม) ดังนั้นจึงง่ายที่จะดึงออกว่าแต่ละแคมเปญเป็นของแบรนด์ใด ในกรณีนี้ หลักการตั้งชื่อคือ Brand_Category_Network_Geo ดังนั้นเราจึงสามารถใช้ text-to-columns หรือ LEFT() เพื่อคว้าชื่อแบรนด์

ถัดไปคัดลอกคำหลักและยี่ห้อเดียวที่จะเป็นแผ่นใหม่และลบที่ซ้ำกัน ซึ่งจะให้รายการคำหลักที่ไม่ซ้ำกันซึ่งอยู่ภายในแต่ละแบรนด์ หากต้องการนับจำนวนแบรนด์ที่มีคีย์เวิร์ด ให้ทำ COUNTIF

ต่อไป เราต้องการที่จะสามารถระบุคำหลักที่มีอยู่ในทั้งสองแบรนด์ที่เลือกได้อย่างง่ายดาย ฉันเป็นแฟนตัวยงของ Data Validation ในการสร้างเมนูดรอปดาวน์เพื่อให้เลือกแบรนด์ได้ง่าย

กล่าวอีกนัยหนึ่งสูตรทำดังต่อไปนี้:

หากแบรนด์เป็นแบรนด์ A หรือ แบรนด์ B –> ให้นับจำนวนครั้งในแต่ละแบรนด์ หาก มีทั้งหมด 2 ครั้ง แสดงว่ามีการทับซ้อนกัน และ "ใช่" ควรปรากฏในคอลัมน์นี้

ตอนนี้ เราสามารถสร้างคอลัมน์ใหม่ในแผ่นข้อมูลคำหลักเดิมของเรา และ VLOOKUP คอลัมน์ "ทับซ้อน" ใหม่นี้ ตอนนี้เราสามารถหมุนข้อมูลของเราได้อย่างง่ายดาย

ข้อมูลเจาะลึกการประมูล

เช่นเดียวกับข้อมูลคำหลัก เราจะเริ่มต้นด้วยการแยกชื่อแบรนด์ออกจากชื่อแคมเปญ ง่ายพอ!

นอกจากนี้เรายังต้องติดป้ายกำกับแต่ละโดเมนข้อมูลเชิงลึกด้านการประมูลเพื่อระบุว่าเป็นหนึ่งในแบรนด์ของเราหรือไม่ ในการดำเนินการนี้ เราสร้างรายการโดเมนทั้งหมดของเราและทำ VLOOKUP

สังเกตรายการว่างภายใต้ Auction Insight – Domain: ในอินเทอร์เฟซนี้จะปรากฏเป็น "คุณ" ดังนั้นเราจึงติดป้ายกำกับใหม่ที่นี่

ตอนนี้ข้อมูลนี้ก็ง่ายที่จะเดือย! ต่อไปข้างหน้า!

ตาราง Pivot ที่ดำเนินการได้และการทำงานผ่านข้อมูล

ณ จุดนี้ เราสามารถเริ่มหมุนข้อมูลและสร้างกราฟเพื่อค้นหาแนวโน้มที่น่าสนใจ นี่คือตัวอย่างสองสามตัวอย่าง

ทั้งสองแคมเปญนี้เหมือนกันในสองแบรนด์ หนึ่งมี CPC สูงกว่า ส่วนแบ่งการแสดงผลสูงกว่า แต่มี Conversion ต่ำกว่า

มาดูกราฟข้อมูลเชิงลึกด้านการประมูลกัน

อันดับแรก เราต้องการแบ่งกลุ่มแคมเปญที่เป็นปัญหา แบรนด์อื่นๆ ที่เราเป็นเจ้าของ และคู่แข่ง

เราพบว่าส่วนแบ่งการแสดงผลของคู่แข่งรายอื่นๆ ค่อนข้างคงที่ ดังนั้นเรามาดูกันว่ามีแบรนด์ใดเพิ่มขึ้นบ้าง

ข้อควรพิจารณาที่สำคัญอื่นๆ

บริบทเป็นสิ่งสำคัญ และมีสิ่งสำคัญบางอย่างที่ต้องคำนึงถึงเมื่อทำการเปรียบเทียบเช่นนี้ พิจารณาสิ่งต่อไปนี้:

• แบรนด์ติดตามการแปลงประเภทเดียวกันหรือไม่? นี่อาจเป็นปัจจัยสำคัญที่คุณอาจต้องเพิ่มกลุ่มเพิ่มเติม แบรนด์หนึ่งอาจดูเหมือนทำงานได้ดีกว่ามาก แต่อาจกำลังติดตาม Conversion ที่มีมูลค่าน้อยกว่าจำนวนหนึ่ง (โอกาสในการขายกับการขาย แอปพลิเคชันเทียบกับตำแหน่ง ฯลฯ)
• เว็บไซต์แตกต่างกันอย่างมากหรือไม่? ตัวหนึ่งใช้การเพิ่มประสิทธิภาพอัตรา Conversion และอีกตัวหนึ่งไม่ทำงานใช่หรือไม่ ดูความแตกต่างในด้านความยาวของแบบฟอร์ม กระบวนการเช็คเอาต์ตะกร้าสินค้า และอื่นๆ
• ข้อควรพิจารณาในการกำหนดเป้าหมายตามภูมิศาสตร์ – หากแคมเปญถูกแบ่งกลุ่มตามภูมิศาสตร์ อย่าลืมเจาะลึกที่ระดับแคมเปญเพื่อพิจารณาความแตกต่างเหล่านี้
• ความคิดริเริ่มของบริษัท – แบรนด์หนึ่งอาจมีความต้องการสูงกว่าแบรนด์อื่น ซึ่งนำไปสู่การผลักดันงบประมาณ แม้ว่าแบรนด์นี้อาจไม่มี CVR หรือ CPL ที่ดีที่สุด แต่ก็อาจมีการตัดสินใจทางธุรกิจอื่นที่อยู่เบื้องหลังความนิยม

ฉันจะได้อะไรจากสิ่งนี้

รายการคำถามที่เรารวบรวมไว้ในตอนต้นควรช่วยผลักดันรายการการดำเนินการและประเด็นสำคัญ ตัวเลขที่ชัดเจนควรจุดประกายการสนทนากับลูกค้า (หรือเพื่อนร่วมทีมของคุณ หากคุณอยู่ในบ้าน) โดยเน้นที่ข้อควรพิจารณาที่กล่าวถึงในส่วนก่อนหน้านี้โดยเฉพาะ

คำแนะนำโดยรวมของฉันจะเป็นดังนี้:

สำหรับแบรนด์ที่ไม่มีเหตุผลหลักที่จะให้ความสำคัญกับแบรนด์หนึ่งมากกว่าแบรนด์อื่น โดยพิจารณาที่จะส่งเสริมแบรนด์ด้วยอัตราการแปลงที่ดีขึ้น, CPL และอื่นๆ ตรวจสอบประสิทธิภาพเมื่อเวลาผ่านไป อาจเช็คอินไตรมาสละครั้ง เมื่อตั้งค่ารายงานแล้ว ค่อนข้างง่ายที่จะดึงข้อมูลอีกครั้งและถ่ายโอนข้อมูล จากนั้นรีเฟรชตาราง Pivot

สำหรับแบรนด์ที่มีความแตกต่างอย่างมีนัยสำคัญในการริเริ่มของบริษัทหรือมูลค่าการแปลง – ปรับตามข้อกำหนดเหล่านี้ แต่คำแนะนำในการติดตามประสิทธิภาพและกลับมาตรวจสอบเหมือนเดิม

ต้องการคำแนะนำเพิ่มเติมเกี่ยวกับวิธีจัดการหลายแบรนด์หรือไม่? ตรวจสอบ บทความนี้ โดย PPC Hero Lara Lowery