Раньше эффективность поиска зависела от точности ключевых фраз и ручных ставок, сегодня же ее определяют алгоритмы и объем данных. Почему точное соответствие из инструмента контроля превращается в ограничение и что приходит ему на смену, разбираемся с Анастасией Освальд, старшим специалистом отдела контекстной рекламы ArrowMedia.
В Яндекс Директе точное соответствие ограничивает показы запросами с указанным набором слов. Допускаются лишь морфологические и близкие к закрепленному ключу варианты – однокоренные слова, синонимы, опечатки.
С одной стороны, ограничение показов рамками заданной формулировки – преимущество, поскольку снижает вероятность нецелевого расхода средств. С другой, существенное ограничение из-за сужения охвата: кампания получает меньше данных для обучения стратегий, соответственно, теряет часть конверсий.
Долгое время это не считалось проблемой, поскольку управление ставками и семантикой оставалось в зоне ручного контроля. Однако с развитием алгоритмических моделей объем данных стал одним из ключевых факторов эффективности.
Автостратегии: новая логика управления поисковой рекламой
Сегодня стратегии с ручными ставками применяют в основном для брендового размещения и узких ниш – там, где важно занимать верхние позиции в выдаче и выкупать максимальный объем трафика. На большинстве остальных задач автостратегии работают эффективнее. Для стабильной работы им необходим значительный объем данных. Точное соответствие существенно сужает охват и ограничивает накопление статистики, тем самым замедляя обучение и снижая эффективность алгоритма.
Принцип SKAG – один ключ на одну группу – позволял максимально синхронизировать заголовок с запросом и повышать релевантность за счет совпадения формулировок. Использование точного соответствия в таком случае укладывалось в логику сегментации групп.
С переходом на автостратегии группы целесообразнее формировать по свойствам или категориям, объединяя несколько ключей в рамках одной логики, которую важно отразить в объявлении. Укрупнение групп дает больше данных для обучения алгоритмов и упрощает управление. В этой структуре точное соответствие также теряет практическую значимость.
Автотаргетинг: расширение охвата по смыслу запроса
Технология формирует аудиторию на основе объявления: анализирует смысл предложения и подбирает релевантные запросы без привязки к конкретным ключевым фразам. Для запуска автотаргетинга в поиске необходимо выбрать минимум одну категорию запросов и задать параметр упоминания бренда в запросе, что позволяет расширять или сужать охват, а также показываться по запросам с собственным брендом или конкурентов.
Алгоритм расширяет пул запросов за пределы исходного списка ключевых фраз, что экономит время не только на сбор семантического ядра, но и на управление ключевыми фразами. С учетом того, что поисковый автотаргетинг стал обязательной настройкой, работать исключительно с точным соответствием больше невозможно. Алгоритм в любом случае расширяет охват за счет дополнительных релевантных запросов.
Преимущества и недостатки автотаргетинга
|
Плюсы |
Минусы |
|
Экономия времени за счет отсутствия необходимости детальной проработки семантики |
Ограниченный контроль, поскольку управление возможно только через выбранные категории таргетинга (для автостратегий) |
|
Более широкий охват аудитории по сравнению с ручным подбором ключевых фраз |
Риск показов нерелевантной аудитории при недостаточной проработке объявлений, выборе неподходящей стратегии назначения ставок или некорректном распределении цены или ценности целей |
|
Высокая эффективность при наличии больших объемов данных |
Более высокая стоимость размещения при использовании автостратегий из-за автоматического повышения ставок для показов на более высоких позициях |
Для корректной работы автотаргетинга важно:
-
Указывать рекламируемый объект в заголовке и тексте объявления. Алгоритм подбирает аудиторию на основе этих элементов и содержимого посадочной страницы. Общие формулировки вроде «Скидки до –20%» или «Промокод на все» расширяют аудиторию до пользователей, реагирующих на акции, а не на конкретный продукт.
-
Использовать на старте только «Целевые запросы». По мере обучения стратегии и при высокой эффективности автотаргетинга категории можно постепенно расширять: сначала подключать «Узкие запросы», затем «Широкие запросы», и в последнюю очередь стоит тестировать «Альтернативные запросы».
-
Разделять брендовый и небрендовый трафик. Запросы с упоминанием собственного бренда, конкурентов и без упоминаний брендов стоит распределять по отдельным группам или кампаниям, настраивая для каждой из них соответствующие параметры автотаргетинга.
-
Задавать ограничение по стоимости целевого действия при использовании автостратегий. Система будет автоматически устанавливать ставки для автотаргетинга таким образом, чтобы обеспечить максимальную результативность.
Мониторинг эффективности
Необходимо регулярно анализировать отчет по поисковым запросам и добавлять нерелевантные формулировки в список минус-слов. При большом объеме нерелевантных показов рекомендуется дополнительно анализировать отчеты с разрезом по заголовкам и текстам объявлений и корректировать формулировки, которые генерируют нежелательные показы.
Также стоит контролировать объем конверсий: при их недостатке алгоритму сложнее обучаться, что может приводить к колебаниям эффективности кампаний.
Будущее поиска: управление через данные
Интеграция машинного обучения и автоматизации как в интернет-рекламу в целом, так и в поисковую в частности, продолжится. За последние 3–4 года произошел системный сдвиг: от полного ручного контроля – управления ставками, жесткого соответствия запросов ключевым фразам, детальной настройки бюджетов и корректировок – к делегированию значительной части этих задач алгоритмам.
Развитие технологий позволит еще точнее определять целевую аудиторию, прогнозировать ее поведение и вероятность совершения конверсии. Это поможет корректнее назначать ставки, что положительно скажется на эффективности кампаний.
Одновременно усиливается тренд на гиперперсонализацию в коммуникации с потенциальным клиентом. В Яндекс Директ уже есть настройка «Оптимизировать текст объявлений под запрос», вероятно, ее возможности будут расширяться.
Не исключено появление и других оптимизационных решений, работающих на базе глубоких данных о поведении и предпочтениях пользователей, которые будут автоматически адаптировать объявления под их запросы.
В новой модели меняется и роль специалиста: он перестает управлять каждым элементом кампании и переходит на уровень стратегического контроля, своевременно отслеживая возможные аномалии и корректируя работу алгоритмов.
Конкурентное преимущество формируется не благодаря микроконтролю ставок или узкой семантике, а за счет качества данных, структуры кампаний и способности эффективно управлять обучением стратегий. Поисковая реклама окончательно смещается от работы с ключевыми словами к управлению алгоритмами и качеством данных.