De automated rules matrix

Op zoek naar een oplossing voor het geautomatiseerd sturen op ROI voor een van mijn klanten, heb ik een manier bedacht hoe we de ROI van het account tot een optimum kunnen brengen.

Via een simpel principe:

De zoekwoorden die me meer opleveren wil ik op hogere posities vertonen om zo meer klikken, en naar verwachting meer omzet, uit AdWords te generen.

Aan de andere kant wil ik op zoekwoorden die mij weinig tot niets opleveren een zo laag mogelijke positie inkopen om aan de kostenkant een besparing te realiseren.

Deze extra kosten en besparingen zouden elkaar dan in theorie moeten opheffen waardoor de totale opbrengsten tegen dezelfde adspend stijgen: +ROI.

Attributie: van pijlers en groepen naar matrix

Omdat ik geloof in attributie, zowel binnen dezelfde kanalen als over verschillende kanalen, focus ik me niet alleen op de directe opbrengsten uit transacties, maar ook op de assisted sales uit klikken en vertoningen (binnen Google Adwords).

Dit geeft me 3 pijlers waar m’n geautomatiseerde regels zich op gaan concentreren:

–       Directe conversies
–       Klikken ondersteunende conversies
–       Vertoningen ondersteunende conversies

Bij de klant in kwestie ligt de conversiewaarde al snel op enkele honderden euro’s.

De gemiddelde orderwaarde ligt rond de €2000,-.

Vanuit dit gegeven ben ik gaan redeneren in welke 3 groepen ik de conversiewaarde zou kunnen verdelen.

Uiteindelijk ben ik tot de conclusie gekomen dat alle transacties boven de €1000,- het meest interessant waren.

De ‘kleinste’ transacties vallen in de categorie tot €500. Alle tussenliggende transacties zijn de derde groep: €500 – €1000.

Matrix 1

De basis en het bepalen van importantie

De basis van de matrix is hiermee gelegd. De klant in kwestie heeft aangegeven nooit lager vertoond te willen worden dan de gemiddelde positie 4.1 (bovenste positie aan de rechterkant van de zoekmachine).

Uit historische data viel mij op dat geen van de zoekwoorden ooit een positieve ROI heeft behaald uit een gemiddelde positie van beter dan 2.

Om die reden heb ik de posities waarop ik wil gaan sturen afgebakend tussen 2 en 4.1.

Nu is het zaak deze logischerwijs te gaan verdelen in de matrix. Hiervoor heb ik gebruikgemaakt van een nummering.

Hierin is 1 het belangrijkste en 9 het minst belangrijk. Deze nummers zullen later bij het instellen van regels ook van belang zijn.

Matrix 2

Afbakenen van de vlakken & geautomatiseerde regels

Nu de importantie van elk vlak is afgebakend hebben we nu 9 vlakken waaraan een gemiddelde positie om op te sturen moet worden gekoppeld.

Alle advertenties zijn inmiddels afgebakend tussen positie 2 en 4.1 in de zoekmachine.

Aansluitend heb ik ervoor gekozen de matrix als volgt in te vullen.

Matrix 3

Bepalen van campagnes, advertentiegroepen en zoekwoorden

Nu het duidelijk is welke soorten conversies met welke waarden naar welke posities moeten worden gestuurd, is het zaak een keuze te gaan maken welke zoekwoorden je gaat bewerken.

Ik heb de keuze gemaakt dit met alle generieke zoekwoorden te doen.

Waarbij de merknaam- en enkele andere specifieke campagnes uitgesloten zijn.

De regels: Percentages en dataranges

Omdat ik nu weet welke zoekwoorden met bijbehorende conversiesoorten en –waarden ik richting welke posities wil sturen, moet ik nadenken over hoe, en met welke data ik de zoekwoorden ga op- en afbieden.

Als vertrekpunt heb ik ervoor gekozen om de max. CPC van de zoekwoorden dagelijks met 2% te verhogen en te verlagen.

Dit zorgt ervoor dat de schommeling in het begin niet te groot is en de zoekwoorden geleidelijk naar het ‘passende’ vlak gaan.

Gedurende een testperiode van 14 dagen, omdat er in het verleden in 14 dagen voldoende conversies waren gevallen om beslissingen op te baseren.

Ook is het zo dat hoe langere datumrange je gebruikt, hoe verder de geautomatiseerde regel achter de realiteit ‘aanhuppelt’.

Datarange & slechte scenario’s

In het geval van 30 dagen of meer zou bijvoorbeeld de volgende situatie kunnen ontstaan:

Stel, 26 dagen geleden is er een transactie geweest op zoekwoord X. In de daarop volgende 25 dagen is er voor €1000,- AdWords-budget besteed, maar is er geen transactie meer geweest.

Omdat de transactie €800 bedroeg en de transactie rechtstreeks via AdWords tot stand is gekomen valt zoekwoord X in vakje 2; sturen op gemiddelde positie 2.4 – 2.8.

Dit zoekwoord wordt door het gebruik van een te lange datumrange in vakje 2 gehouden.

Daar laat hij dan de max. CPC van het zoekwoord dagelijks met 2% verhogen terwijl deze waarschijnlijk met 2% dagelijks had moeten worden afgeboden, in het geval van een een ijkmoment na bijvoorbeeld 10 dagen.

Gezien het feit dat in dit specifieke account de klikprijzen gemiddeld €2,00 zijn, ben je 10 dagen een verschil van 4% aan het verliezen op je klikprijs: 1,04^10*€2,00 = €1,48 per klik.”

Het zoekwoord had na 10 dagen een max. CPC van €1,26 moeten hebben, maar komt nu uit op €2,74. Gaat dit om een zoekwoord wat gemiddeld per dag 15 klikken ontvangt, wat zeer realistisch is, verlies je in 1 dag na deze 10 dagen gemiddeld rond de €20 per zoekwoord.

Per maand per zoekwoord zou dit gaan om wel €600 met dergelijke klikprijzen.

Dit is precies de reden waarom strategisch denken (en eventueel automatiseren) op zoekwoordniveau zo ontzettend belangrijk is.

Je kunt er een geweldige slag mee slaan als het gaat om je ROI. Alle reden om bovenstaande matrix nog even verder uit te werken.

Het benoemen van je regels

Nu we alle zaken die bij een geautomatiseerde regel nodig zijn bepaald hebben, is het tijd de regels in Google AdWords in te stellen.

Zoals eerder gezegd is het handig om de nummering van de matrix terug te laten komen in de naam van je geautomatiseerde regel in Google AdWords.

Dit houdt je regel-lijst enigszins overzichtelijk. Je regels zouden dan de volgende namen kunnen krijgen:

6 – afbieden 2%, dagelijks – Gem. Pos. – 2.8-3.2 – Vert. onderst. Conv. >€1000
7 – opbieden 2%, dagelijks – Gem. Pos. –3.2-3.6 – Klik. onderst. Conv. <=€500

Conclusie, aanbevelingen en resultaten

Uiteindelijk is het natuurlijk belangrijk dat je continu goed monitort hoe de automated-rule-matrix zich in jouw account gedraagt.

Zo kan je een inschattingsfout hebben gemaakt bij het bepalen van de vlakken van de matrix.

Ook kan een wakend oog voorkomen dat conversiepunten niet juist gemeten worden, wat je ROI ten nadele beïnvloedt.

Dubbelcheck dan ook altijd of de conversiepunten goed staan ingesteld, en neem je tijd bij het uitdenken van je eigen automated rule matrix.

De resultaten die in het besproken account zijn behaald na 30 dagen na het instellen van de geautomatiseerde regels zien er als volgt uit:

Screen Shot 2013-11-29 at 3.46.41 PM

Er zijn in de vergeleken periode ruim 300 klikken minder geweest, omdat er zoekwoorden waren die naar een lager vlak zijn gedrukt.

Dit lijkt negatief, want er is een duidelijke daling in verkeer, maar uit deze klikken, die ruim 18% minder hebben gekost is bijna 8% meer omzet gekomen. De ROI is van iets onder de 1 gestegen naar 1.31, een stijging van ruim 31%!

Anne-Marie De Jong

Strateeg

a.dejong@searchresult.nl