考虑跨渠道数据！

您可能已经注意到，那里的每个 PPC 机构都是“数据驱动的”。

那么，为什么我们遇到的大多数机构都在与数据孤岛作斗争，这使得跨渠道优化变得困难并且几乎不可能获得机构范围的洞察力？

我们称之为数据驱动的矛盾：大多数机构都渴望数据驱动，但实施这一技术在技术上复杂的现实意味着最难以真正由数据驱动。

每个创新机构在预算管理和广告优化等方面都有自己独特的策略和规则，为了高效工作，您需要跨多个平台实现自动化。

但是，构建必要的自定义优化工具，使用您独特的 PPC 策略来提高客户的广告系列效果，既昂贵又费时。

或者是吗？

过去，小型机构构建定制工具的成本高得令人望而却步。 但是底层技术已经变了！ 我在这里告诉您，您的代理机构的规模不再重要。

我们是一个专家团队，他们为代理商构建定制的 PPC 自动化解决方案和专门构建的广告数据基础架构解决方案——我们发现，作为一家与拥有 12 至 60 名员工的小型代理商合作的企业，我们取得了初步成功。 这为我们的开发人员和云工程师在 PPC 行业中提供了独特的视角。

我们必须找到更有效的工作方式，今天我将向您展示一种任何规模的机构都可以实施的方法：它灵活、无限可扩展且极具成本效益。 事实上，大多数机构已经使用了所需的工具。

停止在孤岛中管理您的客户

对于像我们这样的 PPC 数据基础设施专家来说，跨渠道报告和自动化跨平台进行优化更改的过程实际上是同一枚硬币的两个方面。

全面考虑您的数据！

在最基本的层面上，您需要一个 PPC 数据管道，从广告网络等各种数据源中提取数据，对其进行清理和规范化，并创建一个自动数据流到您的机构自己的数据仓库。 第二步，您需要将优化更改推送回广告网络。

我们将依次完成这些步骤。

第 1 步：哪个数据仓库？

您的客户聘请您来优化支出和有效管理预算。 如果您没有在一个地方拥有所有数据，您将如何跨多个渠道一次分析所有客户数据，以深入了解使您的机构取得成功并对其进行优化的帐户管理策略？ 您将如何轻松比较您作为代理机构管理的所有不同帐户的表现？

您的数据仓库是您统一和存储机构所有数据的地方。 这有巨大的好处，而且总是值得做的。 一方面，为了优化目的，很容易对您的数据运行高级分析。

例如，我们最近通过使用 n-gram 分析并排比较 Google 广告和 Microsoft 广告，帮助一家机构重新思考整个垂直行业的关键字策略。 如果没有将数据存储在中央数据仓库中，这是不可能实现的。 这正是您应该不惜一切代价避开在线跨渠道报告平台的原因：为了方便，您正在牺牲控制权。

当然，易用性很重要，这就是为什么我们老实说除了 Google BigQuery 不推荐任何东西。 您可以以较低的成本获得企业级的性能，而且您的机构很可能已经在使用其他 Google 工具，例如与其无缝集成的 Google 表格和数据洞察。 它还与 SA360 和 Google Analytics 直接连接，因此您甚至不需要非常技术来提取这些数据。

最重要的是，BigQuery 在性能、灵活性和可扩展性方面满足了所有要求。 此外，您的数据会自动备份以用于灾难恢复目的。 而且非常非常便宜！

还值得注意的是，BigQuery 与所有主要的数据可视化平台集成，但如果您知道如何使用 Data Studio，它通常已经绰绰有余（这里有一个指南）。

第 2 步：哪个数据管道？

由于与我们合作的机构很少有内部专业的云工程师和开发人员，因此我们实际上构建了一个托管广告数据仓库，专门为数字营销机构构建，每天从各种来源提取数 TB 的 PPC 数据。

这是我们学到的：

首先，您不需要像 Supermetrics、Funnel、Improvado、Adverity 或类似平台宣传的 500 多个连接器。 您的代理机构很可能会关注 Google Ads、Facebook 广告、Microsoft 广告、Instagram 广告、Linkedin 广告和 Twitter 广告等。

而是专注于最大限度地减少手动步骤和维护。 我们最终围绕一个名为 Shape ADI 的创新广告数据基础架构解决方案构建了我们的托管服务，因为它具有强大的双向 API！

不是太技术化，但功能强大的是，它让我们可以使用一个 API 进行调用，从最流行的广告网络中提取数据，并在 BigQuery 中返回规范化的数据。

数据规范化可能是一个巨大的隐性成本，因为它可能涉及额外的步骤，因此您需要使用自动化的解决方案。 当我们将一家机构的 Google 广告、Facebook 广告、Youtube 广告、微软广告、Instagram 广告、Linkedin 广告和 Twitter 的历史客户数据提取到 BigQuery 中时，这些数据都很容易进行比较。 我们为 BigQuery 使用预配置的表和视图（节省大量时间！）。

API 的维护是另一件需要考虑的事情。 广告网络（尤其是 Facebook 和 Google）不断更新他们的 API。 我们过去必须维护七个或更多独立的 API——现在我们可以依靠一个 API，知道它总是更新（不要低估安心！）。

最后，广告网络 API 的覆盖范围可能因数据管道公司而异，因此您可能会遗漏无法包含在分析中的关键信息。 关注与您的 PPC 用例相关的 API 的最大覆盖范围，而不是连接器的总数。

最重要的是，通过这种设置，我们需要一个下午才能为一家中型机构设置跨渠道报告，并且需要最少的维护。

第 3 步：将优化更改写回广告网络

概括地说，我们的目标不仅是提取数据，而且是为了预算管理等目的，自动将优化更改写回广告网络。 为此，我们需要一个双向 API——顾名思义，它允许您的 PPC 数据双向流动。

Supermetrics、Funnel、Improvado、Adverity 等传统数据管道不提供此选项。 这是极其有限的。 我们为代理商构建定制自动化解决方案，Shape 的双向 API 旨在帮助代理商创建 PPC 管理平台和其他可扩展的、最先进的广告技术。

但是您没有必要总是为双向 API 构建一个完整的平台。 人们低估了一个好的谷歌表格的力量！ 以下是我们遇到的两个常见用例，您可以使用 Google Sheet 结合我上面描述的数据基础架构来解决这些用例。

示例用例 1：预算管理

在这种情况下，代理机构通常会要求我们帮助他们暂停跨渠道的所有超支活动或为特定客户帐户增加所有活动的预算。 我们都记得谷歌增加每日超支范围的痛苦以及控制成本的重要性。

登录不同的平台可能很烦人，最好有中央控制。 借助我们上面讨论的数据基础架构，您可以从 Google 表格集中管理预算，而无需维护单独的 API。

这也意味着您可以停止在孤岛中设置预算——例如，您可以轻松创建模型，让您在以不同方式分割整体预算时预测整个客户的表现，而不是独立决定搜索预算和社交预算.

示例用例 2：健康检查和警报

每个代理机构对于什么构成“正常”行为（每个广告组有多少关键字、多少广告、多少测试、命名约定等）都有自己的规则。 但是对于客户经理来说，单独查看不同平台的警报是一件很痛苦的事情，更不用说时间槽了。 您为什么不想构建一个整合警报的中央报告？

这两个例子表明，任何规模的机构都可以构建高效的自动化工具，而且您不需要一大群开发人员来实现。 重要的是您拥有正确的广告数据基础设施设置，允许您开始并保持您的选择。