پلتفرم تبلیغاتی گوگل (Google Ads) به مرور زمان تصمیمگیریهایی را که پیش از این به طور مستقیم توسط تبلیغدهندگان مدیریت میشد، به سیستمهای خودکار واگذار کرده است. این تغییرات فراتر از سیستمهای قیمتگذاری خودکار (Bidding) رفته و اکنون گوگل کنترل بیشتری بر نحوه تطبیق جستجوها با تبلیغات، محل نمایش آنها، تخصیص بودجه و حتی ترکیبهای خلاقانه (Creative) نمایشدادهشده به کاربران دارد.
برای بازاریابان، این تحول محل اتخاذ تصمیمهای کلیدی را تغییر داده است؛ اگرچه کنترل مستقیم بر مزایدههای فردی نسبت به یک دهه گذشته کاهش یافته، اما نقش تبلیغدهندگان در تعیین اهداف و تعریف دقیق مفهوم «موفقیت» برای سیستمهای خودکار، بیش از هر زمان دیگری حیاتی شده است. این ورودیها زمانی اهمیت دوچندان پیدا میکنند که سیستمهای خودکار از آنها برای اتخاذ هزاران تصمیمی استفاده میکنند که مدیریت انفرادی آنها برای انسان غیرممکن است.
تغییر نقش متخصصان PPC؛ از کنترل دستی تا هدایت استراتژیک
کاهش کنترلهای دستی به معنای کاهش تصمیمگیریهای تیمهای مدیریت تبلیغات کلیکی (PPC) نیست، بلکه تصمیمهای باقیمانده اکنون تأثیر بسیار بزرگتری بر عملکرد کمپینهای خودکار دارند. یکی از این تصمیمهای حیاتی، انتخاب اهداف تبدیل (Conversion Goals) مناسب است. به عنوان نمونه، اگر یک کمپین جذب لید (Lead Generation) برای ثبت فرمهای تماس بهینهسازی شود، گوگل از این سیگنال برای تنظیم قیمتگذاریها استفاده میکند. با این حال، تیم PPC باید ارزیابی کند که آیا صرفِ ثبت فرم، سیگنال درستی برای موفقیت است یا اینکه معیارهایی مانند لیدهای واجد شرایط (Qualified Leads)، قرارهای ملاقات ثبتشده یا فروشهای نهاییشده، نماینده بهتری برای موفقیت کسبوکار هستند.
این موضوع در حوزه تجارت الکترونیک (E-commerce) نیز صدق میکند. میزان درآمد حاصل از فروش تنها بخشی از واقعیت را نشان میدهد و تفاوت در حاشیه سود محصولات، جذب مشتریان جدید در مقایسه با مشتریان بازگشتی، یا اولویتهای فروشگاه برای محصولات خاص را منعکس نمیکند. اتخاذ این تصمیمها نیازمند دسترسی به دادههایی فراتر از اطلاعات موجود در پنل Google Ads است که اغلب پس از ورود اطلاعات مشتریان به سیستمهای مدیریت ارتباط با مشتری (CRM) مشخص میشود و هماهنگی نزدیکتر با تیمهای فروش، تحلیل داده و تجارت الکترونیک را میطلبد.
چالش کیفیت لیدها و بهینهسازی خودکار
حجم تبدیلها همواره نشاندهنده ارزش واقعی آنها برای کسبوکار نیست. یک کمپین جذب لید ممکن است نرخ تبدیل بالا و هزینه به ازای هر لید (CPL) مناسبی را گزارش کند، اما اگر تیم فروش متوجه شود که بخش عمدهای از این لیدها نامعتبر، اسپم یا غیرمفید هستند، معیارهای درونپلتفرمی گوگل ادز تنها بخشی از واقعیت را نشان دادهاند. این شکاف زمانی خطرناکتر میشود که همین دادههای ناقص، مبنای بهینهسازی قیمتگذاری خودکار گوگل قرار گیرند؛ چرا که گوگل بدون اطلاع از کیفیت نهایی لیدها، صرفاً برای جذب فرمهای بیشتر تلاش خواهد کرد و کیفیت را نادیده میگیرد.
برای حل این مشکل، گوگل توصیه میکند که تبلیغدهندگان دادههای مربوط به لیدهای واجد شرایط یا تبدیلشده را مجدداً به سیستم گوگل ادز ارسال کنند. استفاده از قابلیت «تبدیلهای پیشرفته برای لیدها» (Enhanced Conversions for leads) میتواند نتایج آفلاین را به تعاملات تبلیغاتی اولیه متصل کند. در حوزه تجارت الکترونیک نیز، تبلیغدهندگان باید سیگنالهایی را شناسایی کنند که ارزش واقعی هر خرید (مانند حاشیه سود یا نوع مشتری) را به سیستم خودکار منتقل کند تا فرآیند بهینهسازی بر اساس سودآوری واقعی انجام شود.
انتقال تبلیغات خدمات محلی (LSA) به Performance Max؛ یک نمونه عینی
برنامه گوگل برای انتقال تبلیغات خدمات محلی (Local Services Ads) به کمپینهای پرفورمنس مکس (Performance Max)، نمونهای بهموقع از ضرورت ارتقای سیستمهای اندازهگیری است. تبلیغدهندگانی که از این سرویس استفاده میکنند باید بدانند لیدهای دریافتی پس از ثبت اولیه چه مسیری را طی میکنند، آیا به پروژههای رزرو شده تبدیل میشوند و در نهایت چه میزان درآمد ایجاد میکنند.
ایجاد یک نقطه مرجع یا خط مبنا (Baseline) از دادههای عملکردی پیش از انتقال حسابها به پرفورمنس مکس ضروری است. این خط مبنا باید شامل معیارهایی مانند درآمد، ارزش تبدیل، نرخ بازگشت سرمایه تبلیغاتی (ROAS)، نرخ لیدهای واجد شرایط، هزینه جذب مشتری (CAC) و تفاوتهای عملکردی در بخشهای مختلف مانند موقعیت جغرافیایی یا دستهبندی خدمات باشد. مقایسه این دادهها قبل و بعد از مهاجرت به تبلیغدهندگان کمک میکند تا متوجه شوند آیا تغییر در حجم لیدها یا هزینه به ازای هر لید، با تغییر در کیفیت لیدها و نتایج واقعی کسبوکار همخوانی دارد یا خیر.
وبینار آینده نشریه Search Engine Journal با عنوان Google Local Services Ads Are Moving To PMax: What To Check First، به بررسی دقیق این فرآیند و ارائه چکلیستهای نظارتی پیش و پس از مهاجرت خواهد پرداخت. در نهایت، با افزایش خودکارسازی، توانایی سنجش دقیق دادهها تنها راه ارزیابی کارآمدی سیستمهای هوش مصنوعی گوگل برای کسبوکارها خواهد بود.