Si et dediques al màrqueting digital o t’interessa i, en especial, la gestió de campanyes d’anuncis digitals tenim alguna cosa a dir-te: Hagakure. Tot i que ara no ho sàpigues, potser aquest terme es converteixi en l’aliat perfecte de les teves campanyes a Google Ads.
Et pot interessar: Com innovar amb màrqueting digital a la teva empresa?
Saber més: Claus per emprendre un negoci digital després de la COVID-19
A continuació, t’expliquem què és exactament, què ho fa tan especial i com pots optimitzar i maximitzar les teves conversions en adwords amb l’estructura Hagakure.
El mètode Hagakure: què és?
Abans de descobrir en què consisteix el mètode Hagakure, has d’entendre a què fa referència aquest terme tradicional japonès, la traducció literal del qual significa “ocult en les fulles” o “a l’ombra de les fulles “.
A més, Hagakure forma part del títol de l’obra “Hagakure. El camí del samurài”, escrita pel samurài Yamamoto Tsunemoto al segle XVIII. És un clàssic de la cultura japonesa que ajuda a la introspecció i la concentració davant d’un món frenètic.
Amb aquests dos inputs podem començar a esbrinar a què pot fer referència aquest nou mètode aconsellat per Google per crear i optimitzar les campanyes a la seva plataforma.
El mètode Hagakure, traslladat a l’estratègia d’adwords, es basa a estructurar i optimitzar l’eficiència de les campanyes de recerca aprofitant els algoritmes i les eines d’aprenentatge automàtic. Dit d’una altra manera, consisteix a simplificar l’estructura d’un compte complex de Google Ads per evitar que es dispersin dades davant tantes segmentacions.
Els avantatges d’utilitzar Hagakure a Google Ads
Abans de coneix els avantatges d’utilitzar el mètode Hagakure en les nostres campanyes, és important ser conscient que no és aplicable a qualsevol tipus de compte o campanya. No és recomanable implementar aquesta metodologia per a serveis locals de poques conversions diàries o nínxols de mercat.
Google adverteix que es necessita un volum mínim de 12.000 impressions mensuals, és a dir, 3.000 impressions setmanals perquè l’estratègia funcioni en aquest grup d’anuncis.
De fet, Hagakure és aconsellable per a aquells comerços electrònics que tenen diverses categoritzacions de productes ja que permet deixar de banda l’atomització i la semàntica.
Et pot interessar: Tips i novetats per a la teva estratègia de venda a Instagram
El impacto del machine learning en Ads
Antes de la aparición de la metodología Hagakure, la estructura de una campaña se dividía en diferentes grupos de anuncios. Cada uno de ellos contenía demasiadas palabras clave con bajo volumen de búsqueda. Esto conllevaba a que las estrategias de pujas automatizadas no funcionaran bien, ya que demandaban un volumen alto de tráfico para cada grupo de ads. Esta estrategia se basaba en tener un gran número de capas que respondieran a las búsquedas de los usuarios llegando al punto de generar grandes campañas con el método SKAG (Single Keyword Ad Group), grupos de anuncios de una sola palabra clave.
Aunque este método fuese útil hace unos años, en muchos casos ya no resulta óptimo tras los últimos avances de Google en su apuesta por la inteligencia artificial, el machine learning y las automatizaciones.
Con el machine learning las campañas de adwords han subido de nivel y exigen nuevas estrategias a la hora de crear campañas. Con una buena implementación, se puede exprimir todo el potencial de las automatizaciones y optimizar así al máximo las campañas procesando ingentes cantidades de volumen de datos a tiempo real.
- Permet aprofitar les dues eines d’automatització: DSA (Dynamics Search Ads) i les automatitzacions de pujes.
- Amb les funcions IF basades en audiències per a la personalització dels anuncis maximitzaràs el nivell de qualitat.
- Facilita a l’algoritme la relació de les recerques dels usuaris amb la qual cosa Google mostrarà en el motor de recerca.
- Optimitza l’eficiència dels algorismes d’automatització i l’aprenentatge automàtic.
- És ideal si et centres en els objectius de negoci com són els CPA objectiu i/o ROAS, en comptes d’en keywords.
- Amb l’ús de DSA pots captar certes recerques que pot que no s’estiguin cobrint amb la resta de keywords.
L’impacte del machine learning a Ads
Abans de l’aparició de la metodologia Hagakure, l’estructura d’una campanya es dividia en diferents grups d’anuncis. Cadascun d’ells contenia massa paraules clau amb baix volum de recerca. Això comportava que les estratègies de pujades automatitzades no funcionessin bé, ja que demandaven un volum alt de trànsit per a cada grup d’ads. Aquesta estratègia es basava a tenir un gran nombre de capes que responguessin a les recerques dels usuaris arribant al punt de generar grans campanyes amb el mètode SKAG (Single Keyword Ad Group), grups d’anuncis d’una sola paraula clau.
Encara que aquest mètode fos útil fa uns anys, en molts casos ja no resulta tan òptim després dels últims avenços de Google en la seva aposta per la intel·ligència artificial, el machine learning i les automatitzacions.
Amb el machine learning les campanyes d’adwords han pujat de nivell i exigeixen noves estratègies a l’hora de crear campanyes. Amb una bona implementació, es pot exprimir tot el potencial de les automatitzacions i optimitzar així al màxim les campanyes processant ingents quantitats de volum de dades a temps real.
Com optimitzar campanyes de Google Ads?
Possiblement aquesta sigui la pregunta del milió. Optimitzar campanyes d’adwords és una missió que cada vegada es va tornant més complexa. Com ja hem comentat durant l’article, no hi ha una fórmula màgica universal. És important tenir en compte el tipus de negoci sobre el qual creem les campanyes, la seva competència, així com els objectius de negoci marcats.
Per optimitzar campanyes de Google Ads segons el mètode Hagakure:
- Implica tenir un parell de campanyes, cadascuna amb grans grups d’ anuncis referents a cada tipus de producte.
- Un grup d’anuncis ha de rebre un mínim de 3.000 impressions per setmana (12.000 impressions al mes) per optimitzar l’automatització i l’aprenentatge automàtic.
- Es recomana dotar d’informació les campanyes utilitzant concordança àmplia i àmplia modificada per obtenir un nombre representatiu de termes de recerca i poder així crear un llistat de keywords negatives.
- És important negativitzar com més aviat millor aquelles keywords que no sumin, ja que això anirà en detriment dels pressupostos.
- Es recomana no fer canvis en les campanyes fins passades 2 setmanes, ja que és el temps que necessita el machine learning en la seva fase d’aprenentatge per relacionar les dades.
Si vols saber més sobre les campanyes d’adwords no et perdis el postgrau en Direcció de Màrqueting de l’Euncet Business School!
