2018년 PPC 살펴보기: 새해 전망

1. 더 많은 잠재고객 타겟팅 기능

지난 5년 동안 PPC의 가장 중요한 변화는 청중 타겟팅 기능이 지배했으며 2018년도 예외는 아닙니다. 잠재고객 타겟팅이 여러 가지 방식으로 발전할 것으로 예상합니다.

고객 매칭 타겟팅 확대

고객 일치는 CRM(고객 관계 관리) 데이터를 기반으로 하는 잠재고객 타겟팅입니다. 이를 통해 Google과 공유하기로 선택한 현재 고객에 대한 데이터를 기반으로 광고를 표시할 수 있습니다. 현재 이 타겟팅은 검색 및 Gmail 광고와 같은 Google 서비스 전반에서 사용할 수 있습니다. 그러나 현재 타사 일반 디스플레이 광고에는 사용할 수 없습니다.

2018년 내내 고객 일치 타겟팅을 사용하는 방법이 확장될 것입니다. 이 타겟팅은 CRM 데이터를 기반으로 하기 때문에 EU 및 기타 지역에서 일부 제한 사항이 나타날 수 있습니다. 이러한 영역에는 광고에 고객 데이터를 사용하는 방법을 제한하는 많은 개인정보 보호법이 있습니다. 그러나 어디에서나 고객 일치 타겟팅 옵션이 증가할 것으로 예상할 수 있습니다.

유사 목록의 확장

유사 목록은 애드워즈에서 만든 잠재고객 목록과 유사한 목록입니다. 현재 최소 데이터 크기를 충족하지 못하는 경우 이러한 목록이 사용 가능한 것으로 표시되는 경우는 거의 없습니다. 기계 학습이 사용자 행동을 패턴화하고 다른 사람들과 일치시키는 데 더 좋아짐에 따라 계정 내에서 더 많은 유사한 목록을 볼 수 있을 것으로 기대합니다.

더 쉬운 타사 목록 관리

AdWords에서 가장 적게 사용되는 기능 중 하나는 PPC 계정에서 Google이 아닌 타사 목록을 사용하는 기능입니다. 이 기능에는 92,000개 이상의 잠재고객 목록이 있습니다. 이러한 목록은 BlueKai와 같은 타사 데이터 제공업체에서 제공합니다.

대부분의 계정에서 이러한 목록이 표시되지 않는 두 가지 이유가 있습니다.

• 대부분의 사람들은 잠재고객 목록을 임대하지 않습니다.
• CPM(노출당 비용)을 기준으로 지불합니다.

대부분의 소규모 계정은 제3자 데이터를 Google의 타겟팅과 결합할 필요가 없지만, 특히 매우 좁은 시장 세그먼트에 도달하려는 경우 유용할 때가 있습니다. 안타깝게도 CPC 제품 내에서 CPM 방식으로 결제하면 결제 수단의 조합이 복잡해질 수 있습니다. 갑자기 이 방법을 사용하면 노출이 더 이상 무료가 아닙니다. AdWords를 사용하면 클릭에 대해 비용을 지불합니다. CPM을 사용하면 노출에 대해 비용을 지불합니다. 이 두 가지 상반된 지불 시스템을 혼합하는 것은 까다로울 수 있으므로 타사 목록을 사용할 때는 매우 주의해야 합니다.

2018년에는 제3자 목록 데이터의 통합을 보다 쉽게 ​​관리할 수 있을 것으로 예상합니다.

Dreaded Unknown 계속 감소

지난 몇 년 동안 몇 가지 새로운 인구통계학적 타겟팅 기능이 등장했습니다. 그러나 많은 광고주에게 이러한 기능은 거의 의미가 없었습니다. 인구 통계 데이터가 연령, 성별 및 기타 특성이 알려진 사용자와 달리 주로 '알 수 없는' 사용자로 구성되었기 때문입니다.

2017년에는 알 수 없는 카테고리가 크게 감소했습니다. 2018년에는 더 많은 사용자가 알려진 카테고리에 속하게 되어 이러한 고급 기능 중 상당수가 더 많은 광고주에게 유용할 것으로 예상합니다.

잠재고객 타겟팅 채택?

PPC의 세계에는 기능 검사를 위한 두 가지 주요 이정표가 있습니다.

• 기능이 일반 사용 가능한 경우
• 실제로 지속적으로 사용되는 경우(있는 경우)

대부분의 회사는 디스플레이 네트워크에서 리마케팅을 시도했습니다. 우리가 많은 양의 계정을 조사할 때 많은 계정이 검색 네트워크용으로 샘플링했지만 검색용 리마케팅을 완전히 채택하지 않았습니다. 유사한 목록, 고객 일치율 및 인구통계학적 인사이트를 볼 때 이러한 기능은 대부분의 계정에서 활용되지 않습니다. 채택이 부족한 이유는 세 가지입니다.

• 이 분야에 대한 이해와 교육 부족
• 소규모 계정이 활용하기에 데이터가 충분하지 않습니다.
• Google은 엔터프라이즈 계정에서 모든 기능을 쉽게 확장할 수 있는 도구를 제공하지 않았습니다.

Google의 인터페이스가 변경되고 다양한 기능이 사용 가능해짐에 따라 2018년은 Google에서 사람들이 이러한 기능을 대규모로 더 쉽게 채택할 수 있도록 하는 해가 될 것입니다. 바라건대 2018년은 또한 대부분의 PPC 계정에서 잠재고객 타겟팅을 수용하는 해가 되기를 바랍니다.

2. 어트리뷰션 관리 변경 사항

사용자가 검색 광고 3개, 자연 목록 2개를 클릭하고 귀하의 이메일을 읽은 다음 전환하는 경우 전환에 대한 크레딧을 받는 방문은 무엇입니까? 그것이 속성 관리가 대답하고자 하는 질문입니다. 2018년에는 기여 관리에 대한 두 가지 주요 변경 사항이 있습니다.

속성별 입찰

현재 대부분의 기업은 "마지막 클릭"으로 입찰합니다. 즉, 한 사람이 웹사이트를 6번 방문한 다음 구매하면 마지막 클릭이 모든 크레딧을 받습니다. 직접 응답 세계에서는 괜찮을 수 있습니다. 긴 소비자 여정 프로세스에서 이러한 유형의 입찰은 사용자가 처음에 귀하를 찾은 방법을 무시합니다. 또한 브랜드 클릭은 일반적으로 전환 전 마지막 클릭이기 때문에 브랜드 클릭을 과대평가하는 경향이 있습니다. 따라서 입찰 속성은 PPC 프로세스에서 유용하기 위해 미세한 구별 옵션에 더 중점을 둘 필요가 있습니다.

전환 설정에서 기여 모델을 '마지막 클릭'에서 다른 옵션으로 변경하여 계정 내에서 전환이 계산되는 방식을 선택할 수 있습니다.

이렇게 변경하면 계정 전체에서 부분 전환 데이터가 표시되기 시작합니다. 전환 데이터를 기반으로 하는 모든 입찰은 선택한 기여 모델을 기반으로 합니다. 이 기능은 한동안 사용할 수 있었지만 제대로 활용되지 않았습니다. 어트리뷰션에 대한 인식이 높아지고 구현이 간편해짐에 따라 마지막 클릭이 아닌 어트리뷰션 모델을 기반으로 입찰하는 계정이 더 많아질 것입니다.

교차 채널 기여 관리 대화

기여 모델을 "위치 기반"으로 변경하고 CPA 입찰을 켜면 기여 모델에 따라 유료 검색 입찰가를 자동화한 것입니다. 그러나 이러한 입찰가는 소셜, 이메일, 자연 및 기타 클릭을 완전히 무시합니다. 이 기여 모델에 사용된 클릭은 주로 귀하의 PPC 클릭입니다. 이제 채널 수준에서 교차 채널 기여 분석을 수행할 수 있습니다. 전체 전환 주기 동안 발생한 검색어, 실제 이메일 제안 및 소셜 멘션을 포함하여 개별 터치포인트를 연결하기 시작하면 모델이 실패합니다. 이 실패는 본질적으로 수학적 문제가 아니라 전환 전에 각 클릭 경로를 깊이 파고들 때 경로가 얼마나 부족한지 결과입니다.

2018년에는 이러한 유형의 입찰이 발생하지 않을 것이지만 이러한 시나리오를 적절하게 처리하는 방법에 대한 더 많은 대화를 봐야 합니다. 필요한 터치포인트, 입찰가 및 예산 할당과 관련하여 전체 소비자 경로를 분석하는 것과 관련된 모델 및 도구 구축을 시작해야 합니다.

3. 더 스마트해진 머신 러닝

머신 러닝은 초기 단계에서 매우 유용하지만 시간이 지남에 따라 더 똑똑해지기보다는 점점 더 둔해지는 것 같습니다. 더 많은 데이터는 더 나은 학습을 의미해야 하지만 항상 그런 것은 아닙니다. 2018년에는 기계 학습이 더 똑똑해지는 것을 보게 될 것입니다. 다음과 같은 간단한 시나리오를 고려하십시오. 모든 광고 그룹에 1년 내내 검색자에게 적합한 하나의 광고가 있습니다. 블랙 프라이데이 일주일 전에 광고그룹에 휴일 세일을 언급하는 하나의 광고를 만듭니다. 그런 다음 머신 러닝은 이 두 광고의 실적을 살펴보기 시작합니다. 휴일 세일을 언급하는 광고가 세일을 언급하지 않는 광고보다 훨씬 더 나은 성과를 내고 있다는 것을 곧 알게 될 것입니다. 따라서 거의 항상 휴일 광고를 게재합니다.

그러다가 휴가철이 지나가고 1월이 시작되면서 더 이상 명절 특별판매 광고가 적절하지 않게 된다. 현명한 마케터라면 계절 광고를 일시 중지해야 한다는 데 동의하지만 기계는 이에 동의하지 않습니다. 가장 최근 데이터를 기반으로 계속 작동하고 있기 때문에 가장 자주 휴일 판매 광고를 계속 게재합니다. 결국 기계는 이 광고가 제대로 작동하지 않는 것을 확인하고 게재를 중단하지만 시간이 걸립니다. 머신 러닝이 현재 추세를 따라잡기 전에 3월이나 4월이 될 수 있습니다.

기계 학습은 패턴을 찾고 결정을 내리는 데 능숙합니다. 문제는 데이터나 입력이 변경될 때 새로운 패턴을 따라잡거나 학습하는 데 시간이 걸린다는 것입니다. 기계 학습은 단순히 마음을 바꾸는 데 좋지 않습니다.

AdWords는 몇 년 동안 기계 학습을 사용해 왔으며 이러한 유형의 시나리오가 점점 더 보편화되고 있습니다. 2018년 내내 우리는 기계 학습이 더 똑똑해지는 것을 보게 될 것입니다. 2016-2017년에 기계 학습은 더 빠른 학습을 위한 결정을 내리기 위해 더 적은 데이터가 필요했습니다. 이제 시나리오가 변경되면 이전 결정을 변경할 수 있다는 것을 배워야 합니다.

우리는 어땠어?

점쟁이 놀이를 하고 미래에 대한 예측을 하는 것은 재미있을 수 있습니다. 일상의 사소한 부분에서 한발 물러나 PPC에 대해 보다 전체적인 관점과 접근 방식을 취할 수 있는 이유를 제공하기 때문입니다. 귀하는 마케터로서 광고주에게 더 ​​나은 서비스를 제공하기 위해 과거, 현재 및 미래를 보는 것이 중요하다는 것을 알고 있습니다. 성공 여부는 과거에 무슨 일이 있었는지, 현재 어떤 엔진이 코딩할 수 있는지, 미래에 대화가 어디로 가고 있는지, 내년에 논리적으로 무엇을 따를 것인지에 대한 조사와 같은 많은 요소의 섬세한 조합에 달려 있습니다.

2018년에도 계속해서 기사를 작성하고 PPC, 현재 개발 및 계정 수익성을 높이는 방법을 검토하는 웨비나를 제작할 계획입니다. 우리의 최종 예측은 2018년이 PPC 마케터에게 멋진 한 해가 될 것이며 PPC 성공을 위한 최신 팁을 공유할 때 계속해서 우리를 팔로우하기를 바랍니다.