Google Ads 最佳做法：优点、缺点和平衡做法

PPC最佳实践来自各个地方。其中一些来源是：

• Google Ads 代表。
• 帮助中心。
• 官方认证。
• 自动应用和手动建议。
• 广告强度建议。
• 甚至在一定程度上实现资产自动化。

但是，根据这些来源，您最终可能会得到截然不同的答案。那么，您如何知道何时应用或批评“最佳实践”？

许多 PPC 专业人士都有过这样的体会：当您在来电显示上看到“Google”时，您会瞬间感到自我价值感大增。

但当你意识到通常只有初级 Google 代表或第三方服务人员需要勾选某些框框才能实现季度目标，而不一定针对你的帐户情况进行量身定制时，现实就开始了。这种利益冲突使得他们推荐的任何“最佳实践”都存在风险。

最后，你挂断电话，意识到我们作为广告商的职责是确保用尽可能少的预算实现最高的效果。而 Google Ads（或任何其他广告网络）的职责是让你花更多的钱。

因此，我们与 Google Ads 最佳实践的关系自然需要保持平衡。让我们来探索最常见的陷阱，并了解 Google Ads 何时表现优异。

利用自动出价

可能只剩下少数人能够成功运行手动 CPC 广告系列 – 这是件好事。看，我知道 PPC 社区对 Google提高广告价格感到愤怒，有些人甚至说自动竞价策略只是为了让广告商花更多的钱。 

但是，任何曾经进行过适当 A/B 测试的人都知道，正确设置的自动竞价策略在 99% 的时间内都比手动竞价表现更好。

我很高兴 Google Ads 在近 10 年前就推出了这些功能，并打造出一款出色的工具。这是一项几乎每次都可以应用的最佳实践。

但是为什么我说“几乎”呢？如果 Google Ads 可以明确最佳设置（转化密度、延迟、频率等），那就完美了。目前，我们唯一拥有的是：

“当您几乎没有或根本没有可用的转化数据时，智能出价仍然可以使用出价策略之外的查询级数据来构建更准确的初始转化率模型。 ”

– “我们的出价算法如何学习”，Google Ads 帮助

因此，如果您觉得自动出价策略的效果不如您所愿，请查看上述参数，但除此之外，您很可能应该放弃手动每次点击费用。

利用广泛匹配关键词实现增长

就像自动竞价一样，自动定位（如今的广泛匹配基本上就是这样）也变得越来越好。因此，我认为 Google Ads 大力推广这些广泛匹配类型是正确的。 

大量研究表明，广泛匹配关键词的表现优于短语匹配关键词。它无疑有助于加快 PPC 员工培训，并通过更精简的广告系列结构简化广告系列维护。那么，还有什么不喜欢的呢？

不过，与自动出价类似，我仍然警告不要盲目使用这种匹配类型。例如，我强烈建议不要启用：

• 自动应用“通过广泛匹配拓展智能出价广告系列”建议。
• 广泛匹配关键词广告系列设置。

这是为什么呢？因为就像自动出价一样，Google Ads 尚未分享有关最佳设置的详细信息。

根据经验，在信任 Google 的 AI 之前，您需要先利用一些初始的下游渠道数据（购买量）来推动您的出价策略。否则，就像任何 AI 一样，它会产生肤浅的结果，因为它看不到渠道顶部的 KPI（页面浏览量等）。

另一个反复出现的主题是逐步删除信息。像往常一样，这些天，谷歌以隐私为由限制搜索词报告。

虽然广泛匹配关键词的效果确实有所改善，但可见度却没有提高。这很遗憾，因为搜索词报告有助于更好地为整体营销决策提供信息。

使用广泛匹配关键词进行增长是一种有趣的最佳做法。但你应该意识到它的局限性。

---

升级到以数据为依据的归因

您开始注意到一个主题了吧？数据驱动归因 (DDA) 是 Google 的另一项 AI 驱动创新。就像之前的最佳实践一样，它确实有价值。但也有局限性。

或许最重要的是，DDA 向营销人员展示了跨渠道旅程确实存在。从本质上讲，将转化分布到多个受众群体可以提高整体绩效，因为它更加细化且角度更少。

然而，我认为谷歌在这方面严重缺乏透明度（我的意思是，甚至比自动竞价和广泛匹配类型更加缺乏透明度）。

确实，您无法查看每个用户群组的转化路径。以前您可以将 DDA 与其他归因模型进行比较，但现在这项功能已经不复存在。

我们剩下的唯一其他选择是最后点击归因，该选择非常简单（取决于您的购买历程）。

归根结底，这是一项很棒的功能，但它也暴露了 Google 的早期阴暗面：它不关心你的背景，而且对你这个广告客户不以为然。别误会我的意思，我喜欢尽可能地处理和自动化事情。而 AI 是一个很棒的工具。

然而，认为一切都是可衡量的是一种罪过，即使在数据营销中也是如此。

如果您的购买历程因某种原因未能正确反映在 Google Ads 算法可用的数据中，该怎么办？DDA 将根据什么来确定其转化分布？您的猜测与我的一样好。

因此，虽然我相信大多数广告商都应该遵循这种最佳做法，但我相信我们都应该非常清楚它的局限性——并将DDA 结果与其他归因或增量结果进行交叉引用。

采用效果最大化广告系列

这一最佳做法与广泛匹配关键词、DDA 和自动出价一致。但它更进一步：借助 Google 的 AI，它承诺为您确定完美的媒体组合。令人震惊的是，它完全可以做到。

那么，为什么我要用橙色交通信号灯来评价最佳实践呢？

因为：

• 大多数广告商还没有准备好接受这样的工具。
• 跟踪通常仅限于电子商务客户的收入和潜在客户的 MQL，没有LTV或利润的感觉。

广告商工具包中的另一个漏洞通常可以在数据管道中发现：

• 转化量太弱。
• 新鲜度对于交通管理员来说并不意味着什么。
• 频率是一种可有可无的东西，而不是必须有的东西。

最终，Google Ads 的Performance Max算法将大致提供展示次数。

请记住：它们的输出只能与你输入的一样好。你认为你的设置足够强大来养活这样的野兽吗？

因此，当您最喜欢的 Google Ads 代表告诉您将所有内容切换到 Performance Max 时，请再想一想。您是否勾选了以下所有框：

• 我至少应该向 Google Ads 提供收入数据吗？
• 我的购买旅程是否足够短？
• 我的企业当前的媒体组合是否主要基于非品牌和非重定向流量？
• 我准备好放弃许多有价值的营销见解了吗？

当然，您还会问自己很多其他问题，但对我来说，这些是主要问题。如您所见，采用 Performance Max 并不是一项简单的最佳实践。

批判性思维：最佳实践与背景

最佳实践在大多数情况下都有效，但并非总是如此。就像平均指标一样，它们可以隐藏疯狂的标准偏差。

因此，请根据您对帐户的了解，对最佳实践保持批判性思维。通常情况下，AI 很难完全掌握这些背景信息，甚至不可能掌握。而这正是您的真正价值所在。

举几个例子。假设你经营礼品卡业务。你可能知道这是一个季节性很强的市场，客户旅程非常快。

那些迟迟不购买圣诞礼物的人会在圣诞节前几天在 Google 上搜索“礼品卡”——然后立即购买。

那么，使用 DDA 是否有意义？可能没有。

使用 Performance Max 有意义吗？可能也没有意义。

这些潜在客户将主要使用搜索。就是这样。这就是推动您的营销策略的背景。这不是一个一刀切的最佳实践，告诉你盲目行动。

再举一个例子：假设你经营一家订阅式企业。重新定位网站访客并饱和品牌关键词是否有意义？

可能不会。这些用户大多已经是付费客户了。

那么，将 Performance Max 与漏斗底部目标（例如订阅）结合使用是否合理？可能不合理，因为 Performance Max 会对品牌和重新定位广告系列产生巨大影响。而这些广告系列不会带来很大的增量价值。

广告商必须严格评估 PPC 策略。作为一家数据营销机构的经营者，我强调策略不应仅仅依赖数据。

不要觉得有义务严格遵循 Google Ads 或其他广告网络的最佳做法，尤其是当他们的主要宣传是“融入 AI”时。