วิธีใช้การยกเว้นทางภูมิศาสตร์เพื่อวัดมูลค่าโฆษณาของแบรนด์

ในฤดูใบไม้ร่วงปี 2019 PPC Twitter-verse ได้รับความสนใจจากคำถามที่มีมานานตราบเท่าที่อุตสาหกรรมยังคงมีอยู่: คุ้มค่าหรือไม่ที่จะเสนอราคาคำหลักของแบรนด์ ในขณะนั้น เราเขียนเกี่ยวกับหัวข้อนั้นอย่างกว้างขวาง – ดู “การอภิปรายคำหลักของแบรนด์ที่ยอดเยี่ยม: สิ่งที่คุณต้องการพิจารณา” ของ Matt Umbro สำหรับการสรุปโดยละเอียด

เช่นเดียวกับคำถามหลายๆ ข้อ คำตอบของคำถามที่ว่าจะเสนอราคาสำหรับคำหลักที่มีตราสินค้าหรือไม่นั้นสามารถสรุปได้อย่างน่าผิดหวังในสองคำ: "ขึ้นอยู่กับ" สำหรับบางแบรนด์ การเสนอราคาสำหรับคำหลักที่มีตราสินค้าอาจเป็นส่วนสำคัญของกลยุทธ์ทางการตลาด สำหรับคนอื่น ๆ การใช้จ่ายกับคำหลักเหล่านั้นอาจไร้สาระพอ ๆ กับการลงทุนในชุด Juicero ในโพสต์นี้ ฉันจะสรุปกลยุทธ์ที่ผู้ลงโฆษณาสามารถใช้เพื่อช่วยตนเองและลูกค้าในการแยกและวัดมูลค่าของโฆษณาแบรนด์: การยกเว้นทางภูมิศาสตร์

การวิเคราะห์ทำงานอย่างไร (และตัวอย่าง)

ฉันจะอธิบายวิธีตั้งค่าการทดสอบนี้ใน Google Ads และ Google Analytics แต่เราสามารถจินตนาการถึงกระบวนการพื้นฐานที่ใช้ได้กับแพลตฟอร์มโฆษณาใดๆ ที่ให้คุณยกเว้นและวัดผลพื้นที่ทางภูมิศาสตร์ที่เฉพาะเจาะจงได้ หากทำงานใน Google Ads คุณสามารถตั้งค่าการทดสอบโดยยกเว้นพื้นที่ทางภูมิศาสตร์ที่เป็นตัวแทนจากแคมเปญที่มีแบรนด์ซึ่งคุณพยายามจะวัดมูลค่า หากคุณกำลังโฆษณาในสหรัฐอเมริกา ฉันขอแนะนำให้แบ่งรัฐออกเป็นสองกลุ่ม กลุ่มละ 25 คน เพื่อให้ประชากรของพวกเขาเท่าเทียมกัน และสุ่มเลือกรัฐหนึ่งชุดที่จะแยกออกจากแคมเปญในอนาคต

เมื่อคุณยกเว้นพื้นที่ทางภูมิศาสตร์นั้นออกจากแคมเปญของคุณแล้ว ให้สร้างสองกลุ่มในบัญชี Google Analytics ที่เกี่ยวข้อง: กลุ่มหนึ่งสำหรับสถานะที่ยกเว้น และอีกกลุ่มสำหรับสถานะที่เหลือ ต่อจากนี้ไป คุณสามารถวัดการเพิ่มขึ้น/ลดลงที่เกี่ยวข้องใน KPI ของคุณสำหรับแต่ละกลุ่มสำหรับการค้นหาทั่วไปและการค้นหาที่เสียค่าใช้จ่าย รวมกัน ที่สำคัญ คุณจะต้องแน่ใจว่าคุณกำลังวัดการเพิ่ม ขึ้น/ลดลงตามช่วงเวลา แทนที่จะวัดเพียงจำนวน Conversion ทั้งหมดสำหรับแต่ละแชแนล ซึ่งจะช่วยควบคุมตัวแปรที่ทำให้เกิดความสับสนที่อาจส่งผลต่อการรับส่งข้อมูลแบบชำระเงินหรือแบบออร์แกนิกโดยรวม

ตัวอย่างเช่น สมมติว่าคุณปล่อยให้แคมเปญทำงานโดยมีการยกเว้นตามภูมิศาสตร์เป็นเวลา 30 วัน โดยมีกลุ่มรัฐ 25 รัฐที่มีสิทธิ์เห็นโฆษณาแบรนด์ของคุณในกลุ่ม 25 รัฐที่ไม่มีสิทธิ์ เพื่อประโยชน์ของตัวอย่างนี้ เราสามารถจินตนาการได้ว่ามีเป้าหมายเดียวที่ผู้โฆษณาสนใจ หากต้องการให้พื้นผิวแก่สมมติฐานนี้ ให้ตรวจสอบตารางผลลัพธ์ที่ประดิษฐ์ขึ้นด้านล่าง:

ข้อมูลดังกล่าวจะชี้ให้เห็นว่าสำหรับรัฐที่ไม่ได้รวมอยู่ในแคมเปญของแบรนด์ การเพิ่มขึ้นของ Conversion การเข้าชมที่เกิดขึ้นเองนั้นเกือบทั้งหมดชดเชยการสูญเสียเป้าหมายที่สำเร็จจากการเข้าชมที่เสียค่าใช้จ่าย ในแง่การใช้งานจริง นี่จะแนะนำว่าผู้ใช้ส่วนใหญ่ที่คลิกโฆษณาและทำ Conversion จะแปลงผ่านแชแนลทั่วไปอยู่แล้ว ในกรณีเช่นนี้ เราอาจสรุปได้อย่างสมเหตุสมผลว่าอาจไม่ "คุ้มค่า" ที่จะดำเนินการแคมเปญแบรนด์ เนื่องจากผลกระทบต่อ Conversion สุทธิดูเหมือนจะเล็กน้อย

ปัจจัยอื่นๆ ที่ต้องพิจารณา

ตัวอย่างข้างต้นคือตัวอย่างที่ลดความซับซ้อนของข้อมูลสำคัญเพื่อจุดประสงค์ในการอธิบายประกอบ ในทางปฏิบัติ มีหลายปัจจัยที่ควรพิจารณาเมื่อตั้งค่าการวิเคราะห์และประเมินข้อมูล ปัจจัยเหล่านั้นได้แก่:

คุณสามารถจ่ายการยกเว้นทางภูมิศาสตร์ 50% ได้หรือไม่ บางทีคุณอาจสงสัยอย่างยิ่งว่าการเข้าชมที่เสียค่าใช้จ่ายเป็นตัวขับเคลื่อนที่แข็งแกร่งของการเข้าชมที่มีแบรนด์ซึ่งคุณอาจพลาดได้ หากเป็นกรณีนี้ ฉันขอแนะนำให้เริ่มต้นด้วยการยกเว้นทางภูมิศาสตร์ที่เล็กกว่ามาก ตราบใดที่คุณกำลังวัดการเพิ่มขึ้น/ลดลงสุทธิ คุณควรจะยังสามารถรวบรวมข้อมูลเชิงลึกจากกลุ่มการวัดที่มีขนาดต่างกันได้ หากผลลัพธ์ของการยกเว้นที่มีขนาดเล็กลงบ่งชี้ว่าการเข้าชมที่มีแบรนด์ไม่ได้มีค่ามากอย่างที่คุณคิด คุณสามารถย้ายไปใช้การยกเว้นทางภูมิศาสตร์ที่ใหญ่ขึ้นเพื่อรวบรวมขนาดตัวอย่างที่ใหญ่ขึ้นได้

เคล็ดลับสำหรับมือโปร: หากคุณต้องการเริ่มต้นด้วยสถานะเดียวที่ไม่รวมอยู่ในการวิเคราะห์ของคุณ อิลลินอยส์ถูกเรียกว่ารัฐที่เป็นตัวแทนมากที่สุดในแง่ของการแต่งหน้าตามข้อมูลประชากร ถ้ามันเล่นในพีโอเรีย...

กำไรสัมพันธ์กับคอนเวอร์ชั่นแต่ละแบรนด์มากน้อยแค่ไหน? บางทีการวิเคราะห์ของคุณอาจแนะนำว่า Conversion จากแบรนด์ที่เสียค่าใช้จ่ายส่วนใหญ่ (แต่ไม่ใช่ทั้งหมด) จะเกิดขึ้นเองตามธรรมชาติ หากแคมเปญที่เสียค่าใช้จ่ายของคุณหยุดทำงาน คุณต้องการยุติแคมเปญทั้งหมดหรือไม่นั้นขึ้นอยู่กับผลกำไรที่เกี่ยวข้องกับการแปลงแต่ละครั้ง ตัวอย่างเช่น หากการแปลงแต่ละครั้งสร้างรายได้ 1,000 ดอลลาร์และ CPL เพียง 0.05 ดอลลาร์ แม้แต่การพลาดการแปลงบางรายการก็อาจส่งผลกระทบอย่างมหาศาล และอาจสมเหตุสมผลที่จะดำเนินแคมเปญต่อไปอย่างเต็มประสิทธิภาพ

ตัวแปรที่ทำให้เกิดความสับสนอะไรที่อาจแอบแฝง? พยายามอย่างที่เราเป็น การวิเคราะห์แบบนี้จะไม่มีวันเป็นการทดลองทางวิทยาศาสตร์ที่สมบูรณ์แบบ และด้วยเหตุนี้ คุณจะต้องพิจารณาตัวแปรที่น่าสับสนให้มากที่สุดเท่าที่จะมากได้เมื่อตีความผลลัพธ์ ตัวอย่างเช่น,

• บางทีโฆษณาที่มีตราสินค้าอาจรวมรายการพิเศษที่ยังไม่ปรากฏในผลการค้นหาทั่วไปสำหรับลูกค้าของคุณ หากเป็นกรณีนี้ อาจส่งผลกระทบต่อความสามารถในการทำกำไรสัมพัทธ์ของ Conversion ที่เกิดขึ้นเองและ Conversion ที่เสียค่าใช้จ่าย
• อาจมีแคมเปญโฆษณาออฟไลน์ที่ส่งผลต่อพื้นที่ต่างๆ ตัวอย่างเช่น หากสิ่งที่คุณกำลังโฆษณาเป็นเรื่องของแคมเปญทางทีวีระดับภูมิภาคด้วย เช่น ซึ่งสามารถกระตุ้นการเพิ่มขึ้นแบบออร์แกนิกในบางพื้นที่และอาจทำให้ผลลัพธ์ของคุณมีอคติ
• แม้แต่แคมเปญที่ไม่เจาะจงทางภูมิศาสตร์ในช่องอื่นก็อาจส่งผลต่อวิธีการตีความผลลัพธ์ของคุณ หากมีแคมเปญจดหมายขนาดใหญ่ที่ส่งผลกระทบต่อทั้งพื้นที่ทางภูมิศาสตร์ที่รวมและที่ยกเว้นของคุณ แคมเปญนั้นสามารถสร้างการยกระดับแบรนด์ได้มากจนทำให้การเปลี่ยนแปลงที่คุณพยายามวัดผลจริง ๆ หายไป

ดังนั้น ในท้ายที่สุด การวิเคราะห์แบบนี้ไม่น่าจะตอบได้ครั้งเดียวและสำหรับคำถามทั้งหมดว่าการใช้จ่ายในแคมเปญของแบรนด์สร้างมูลค่าจริงหรือไม่ แต่หวังว่าจะสามารถทำให้เกิดข้อมูลและความแตกต่างในการสืบสวนคำถามนั้นของคุณได้ ผู้โฆษณาแต่ละรายเผชิญกับความท้าทายและโอกาสที่แตกต่างกัน ดังนั้นถึงเวลาแล้วที่จะทิ้งความซ้ำซากจำเจเช่น "การเสนอราคาในแง่ของแบรนด์นั้นคุ้มค่าเสมอเพราะพวกเขาถูกอยู่แล้วและคู่แข่งอาจทำถ้าเราไม่" หรือ "ไม่เคยเสนอราคาแบรนด์ เงื่อนไขเพราะคุณควรได้รับการจัดอันดับสูงสำหรับพวกเขาอยู่ดี” ให้เข้าหาแต่ละกรณีด้วยความเปิดใจและพยายามรวบรวมข้อมูลเพื่อสนับสนุนกลยุทธ์ในท้ายที่สุดของคุณ การวิเคราะห์การยกเว้นทางภูมิศาสตร์เป็นวิธีหนึ่งที่ทำได้