بررسی داده‌های حاصل از بیش از ۵ هزار حساب کاربری گوگل ادز (Google Ads) نشان می‌دهد استفاده از «تنظیمات فصلی بودن» (Seasonality Adjustments) در بازه زمانی بلک فرایدی و سایبر ماندی نه تنها باعث بهبود عملکرد کمپین‌ها نمی‌شود، بلکه هزینه‌های تبلیغاتی را به‌شدت افزایش داده و بازدهی سرمایه‌گذاری را کاهش می‌دهد. پلتفرم مدیریت تبلیغات Optmyzr با تحلیل رفتار تبلیغ‌کنندگان در سه سال متوالی اعلام کرده است که هوش مصنوعی گوگل از پیش برای این رویداد آماده است و مداخله دستی خریداران رسانه به خروجی معکوس می‌انجامد.

نتایج تحلیل Optmyzr: هزینه‌های مضاعف و افت بازدهی ROAS

موسسه Optmyzr برای ارزیابی دقیق، عملکرد حساب‌های تبلیغاتی را در بازه بلک فرایدی تا سایبر ماندی (از چهارشنبه قبل از بلک فرایدی تا چهارشنبه بعد از سایبر ماندی) با بازه مبنا (دو سه‌شنبه قبل از بلک فرایدی تا سه‌شنبه قبل از آن) مقایسه کرده است. این تحلیل که ده‌ها میلیارد نمایش (Impression) را در بر می‌گیرد، تبلیغ‌کنندگان را به دو گروه تقسیم کرد: کسانی که تنظیمات فصلی بودن را فعال کردند و کسانی که مدیریت قیمت‌گذاری را تماماً به سیستم قیمت‌گذاری هوشمند (Smart Bidding) واگذار نمودند.

بر اساس داده‌های سال ۲۰۲۴ در میان ۵,۸۸۶ حساب کاربری:

  • افزایش شدید هزینه به ازای هر کلیک (CPC): هزینه کلیک برای تبلیغ‌کنندگانی که از تنظیمات فصلی استفاده کردند ۳۴ درصد افزایش یافت، در حالی که این افزایش برای گروه دیگر تنها ۱۷ درصد بود.
  • افت بازگشت سرمایه تبلیغاتی (ROAS): تبلیغ‌کنندگانی که تنظیمات دستی اعمال کردند با افت ۱۵.۷ درصدی ROAS مواجه شدند، در حالی که گروهی که هوش مصنوعی گوگل را به حال خود گذاشتند، رشد ۵.۷ درصدی ROAS را تجربه کردند.

این الگوی رفتاری در سال‌های ۲۰۲۲ و ۲۰۲۳ نیز کاملاً تکرار شده است. طبق داده‌های این مطالعه، اگرچه تنظیمات فصلی حجمی از فروش اضافه ایجاد می‌کند، اما هزینه این حجم اضافی به‌شدت افزایش یافته است. در سال ۲۰۲۲، تبلیغ‌کنندگان دارای تنظیمات فصلی حدود ۲۵ واحد درصد رشد ارزش تبدیل (Conversion Value) بیشتری ثبت کردند، اما در سال ۲۰۲۴ این برتری به ۶ واحد درصد کاهش یافت و در مقابل، افت بازدهی بیش از ۲۱ واحد درصدی ROAS را به همراه داشت.

علت دیگر این رخداد، پهن‌تر شدن فصل تخفیف‌ها است. نرخ تبدیل خریدارانی که از تنظیمات فصلی استفاده نکرده بودند در سال ۲۰۲۲ نسبت به بازه مبنا ۱۷.۵ درصد افزایش داشت، اما این رشد در سال ۲۰۲۳ به ۱۱.۹ درصد و در سال ۲۰۲۴ به تنها ۷.۵ درصد رسید. خریداران خریدهای خود را در طول یک دوره زمانی طولانی‌تر توزیع می‌کنند و جهش ناگهانی روز بلک فرایدی نسبت به گذشته هموارتر شده است.

همچنین تحلیل ۵,۱۳۴ حساب آنلاین در Optmyzr نشان می‌دهد بلک فرایدی ۲۰۲۵ حدود ۳۴ درصد ارزش تبدیل بیشتری نسبت به سایبر ماندی ایجاد کرده است (۱۴۴.۸ میلیون دلار در برابر ۱۰۷.۹ میلیون دلار) و بازدهی ROAS آن نیز بالاتر بوده است (۸۳۵ درصد در برابر ۶۷۴ درصد).

چرا تنظیمات فصلی گوگل ادز در بلک فرایدی شکست می‌خورند؟

هنگامی که یک تبلیغ‌کننده تنظیمات فصلی اعمال می‌کند، به سیستم Smart Bidding اعلام می‌دارد که نرخ تبدیل در روزهای آتی به میزان مشخصی افزایش می‌یابد و الگوریتم نیز پیشنهادهای قیمت (Bids) را متناسب با آن بالا می‌برد. این اقدام در بلک فرایدی دو مشکل عمده ایجاد می‌کند:

نخست آنکه سیستم Smart Bidding بر اساس داده‌های سال‌های گذشته میلیون‌ها تبلیغ‌کننده آموزش دیده و سیگنال‌های مزایده را به صورت لحظه‌ای تحلیل می‌کند. وقتی تبلیغ‌کننده به صورت دستی تنظیمات فصلی را اضافه می‌کند، الگوریتم یک رشد انتظاری را دو بار محاسبه می‌کند.

دوم آنکه پیش‌بینی دقیق میزان رشد نرخ تبدیل تقریباً غیرممکن است. اگر تبلیغ‌کننده رشد نرخ تبدیل را ۲۰ درصد تخمین بزند اما مانند میانگین سال ۲۰۲۴ رشد واقعی تنها ۷.۵ درصد باشد، سیستم مجبور به قیمت‌گذاری بیش از حد در گران‌ترین فصل سال می‌شود.

تنظیمات فصلی برای رویدادهایی طراحی شده‌اند که گوگل توان پیش‌بینی آن‌ها را ندارد؛ مانند حراج‌های ناگهانی (Flash Sales)، فروش‌های تصفیه انبار یا کمپین‌های بزرگ پیامکی و ایمیلی به مشتریان. آندرو لولک (Andrew Lolk) در این باره تاکید می‌کند که به جای مداخلات پیش‌بینانه فصلی، مدیریت فعالانه اهداف ROAS (تغییر tROAS) راهکار بسیار دقیق‌تری برای دستیابی به حجم بیشتر بدون فدا کردن بازدهی است.

راهبردهای مدیریت کمپین‌ها و بهره‌گیری از هوش مصنوعی

کارشناسان برجسته بازاریابی دیجیتال راهکارهایی را برای مدیریت بهینه کمپین‌های بلک فرایدی مطرح می‌کنند:

  • تثبیت استراتژی در زمان مناسب: جو دریس (Joe Dries) از مایکروسافت توصیه می‌کند استراتژی بلک فرایدی تا اواخر سپتامبر نهایی شود تا تغییرات پیش از اوج تقاضا تثبیت شوند. تغییر در استراتژی قیمت‌گذاری یا ساختار کمپین در آستانه حراج، الگوریتم را در گران‌ترین زمان وارد فاز یادگیری مجدد می‌کند.
  • ارائه داده‌های زمینه‌ای به هوش مصنوعی: مایک رودز (Mike Rhodes) اشاره می‌کند که هوش مصنوعی بدون داده‌های زمینه‌ای به «میانگین عمومی» اتکا می‌کند. همچنین جولی باکینی (Julie Bacchini) پیشنهاد می‌کند برای اطمینان از صحت درک دستیارهای هوشمند، سوالاتی مطرح شود که پاسخ آن‌ها از قبل مشخص است؛ مانند تحلیل عملکرد بلک فرایدی سال گذشته.
  • کنترل سقف اشباع بودجه: اسکات دگراسیلیرز (Scott Desgrosseilliers) معتقد است کمپین‌ها در نهایت به نقطه اشباع می‌رسند: «دیگر خریداری در بازار وجود ندارد. بودجه را تا جایی پایین بیاورید که سودآوری روزانه شما محقق شود.»
  • تفکیک ساختار کمپین‌ها: مناخم آنی (Menachem Ani) درباره ساختار کمپین‌های Performance Max و AI Max توضیح می‌دهد که ترکیب دسته‌بندی‌های مختلف در یک کمپین، کنترل بودجه را از دست کسب‌وکار خارج می‌کند. تفکیک محصولات به گروه‌های مجزا امکان تنظیم اهداف ROAS و بودجه‌های متناسب را فراهم می‌سازد.

برای کنترل این فرایندها، آن استانلی (Ann Stanley) مدل «ساندویچ هوش مصنوعی و انسان» (Human AI Sandwich) را پیشنهاد می‌کند؛ مدلی که در آن متخصصان انسانی مشکل را تعریف می‌کنند، هوش مصنوعی داده‌ها و پردازش را انجام می‌دهد و در نهایت انسان مجرب خروجی را پیش از اجرا ارزیابی می‌کند.

پلتفرم Optmyzr از طریق پروتکل MCP (Model Context Protocol) امکان اتصال دستیارهای هوش مصنوعی مانند Claude و ChatGPT را به داده‌های حساب‌های گوگل، مایکروسافت، متا، لینکدین و تیک‌تاک فراهم آورده است تا مدیران بتوانند هشدارها، پایش بودجه و بررسی رفتارهای غیرعادی در هزینه‌ها را به صورت مستقیم و با حفظ نظارت انسانی مدیریت کنند.