Google Adwords 關鍵字廣告，從帳戶架構、操作、到進階分析
本篇文章是一兩年前個人在 Facebook 上的分享，一方面把過往文章搬到 medium 上、另一方面則是新增了一些見解與內容。本文會分享如何規劃廣告帳戶架構、指標定義、進階分析以及優化。基本上 Google Adwords 廣告心法有四大式，而第一件最重要的事是，廣告帳戶的架構。根基打好就對了一半，要根據目標市場與 TA ，去架構你的廣告帳戶。
1. 廣告帳戶架構
1.1 預算分配與帳戶架構
由於 Google Adwords 只有在廣告活動 (Campaign Level) 才能操控每日預算上限，所以唯有廣告活動架構的好，才能靈活組合操控預算分配。
舉個例子，假設你是花商，你只用一個 Campaign (花)，然後其下有許多 Ad Groups (玫瑰花、百合、太陽花…) 。這個狀況下，當你 Total Daily Budget 只有 100，你只能設定在 Campaign (花) 上面，然後讓 Adwords 隨機分配這 100 元到各個 Ad Group (玫瑰花、百合、向日葵…) 下。
這時候很有可能悲劇就會發生了，因為很有可能某一個 Ad Group (玫瑰花) 轉換成效超好，但你的廣告預算卻被百合、向日葵、菊花..等其他 Ad Groups通通吃掉。
如果有可能有上述狀況者，應該考慮把 Ad Group (玫瑰花、百合、向日葵…)，提高一個層級到 Campaign Level。
- 有操縱多國廣告的話，那同時還要思考針對各國不同的架構分配。
1.2關鍵字類型分類
關鍵字型態大致可分成五大型態，分別為：最後一哩型、廣泛型、競品型、時事型、長尾型。
【最後一哩型】
精準關鍵字，使用者內心已經 8,9 成決定，明確鍵入想要的東西。e.g., iphone 6, 東京住宿,…@ 此類關鍵字：通常 流量相對小、一年四季都有人搜尋、轉換率高
【廣泛型】
這裏指的是有方向，但使用者內心還沒有明確決定的搜尋詞。e.g., 智慧型手機, 東京自由行,…@ 此類關鍵字：通常 流量相對大、通常一年四季都有人搜尋、轉換率低
【競品攻擊型】
競爭對手的相關關鍵字（此類關鍵字有時比較有爭議）。@ 此類關鍵字：通常 流量相對小、通常一年四季都有人搜尋、轉換率高
【時事型】
根據時事、特殊活動、節慶產生的相關關鍵字。e.g., 線上旅展, 雙 11, 跨年 住宿…@ 此類關鍵字：通常 流量相對大、只有特定時節有人搜尋、轉換率中
【長尾型】
很細的搜尋行為，特色是搜尋量很低，但通常轉換率很高。e.g., cp值超高 台北 温泉民宿, 三重 旅館 便宜 休息…@ 此類關鍵字：通常 流量流量很低、轉換率中高
不同關鍵字組合在廣告成效、文案上會有很大的差異。因此如同 “1.1 預算分配與帳戶架構” 提到的，在開始投放關鍵字廣告前，要先想好自己的廣告群組（ad group）與廣告活動（campaign）組合。
好的關鍵字、廣告群組、廣告活動架構，會讓你事半功倍。
2. 定義主要監測指標
每間各家公司的廣告指標，依據商業活動目的而有所不同，這邊不多談。對於商業營運指標設定有興趣可以參考下篇文章：
這篇文章主要想分享 Adwords 報表個人常看的幾個廣告指標，基本上很像一個 Funnel：
Cost, Search Impression Share > Impression > Click > Conversion, Revenue有了上述數字可以再算出一些值得關注的指標： CTR, CPC, Conversion Rate, CPA, AOV, (Estimated) Break Even Bidding, Spending % 。當中想特別提一下三個指標：
A. Search Impression Share (搜尋市佔率)
搜尋市佔率代表投遞之關鍵字在所有競標廣告曝光中的佔比。這個數字很常被忽略但事實上很重要，它可以用來：
- 推估關鍵字的搜尋量規模大小 = Impression/Search Impression Share
e.g., 300/30% = 1,000 (關鍵字總搜尋量) - 同時它也代表著特定 Campaign 優化的潛力、與優化天花板上限
e.g., 假設市站率達 90%，代表就算提高競標價也沒有太大成長空間
B. (Estimated) Break Even Bidding (損益兩平之最高競價)
如果廣告已投放一定時間後，大概會知道 Conversion Rate, Revenue 數字，可用此兩個數字推估出要達損益最高之競標價。競標時不該超過此數字上限否則無法回收成本。
C. Spending % (廣告花費/營收 佔比)
Spending %
= Ad Cost / Revenue
= Ad Cost / (AOV*Orders)
= (Clicks*CPC) / (AOV*Clicks*CVR)
= CPC / (AOV*CVR)
如果商業模式是電商， Spending % 會是重點觀察指標，通常會用品項毛利率當作廣告調配指標 i.e., Spending % ≤ 毛利率 。
事實上這跟 ROAS, ROI 概念通用，廣告後台因為不知道你的品項毛利率，只能給出 ROAS 、而算 ROI 又要多出些公式，所以 Spending % 就是一個快速計算比對的方式。
*如果工具型或 SaSS ， 通常則會以降低每個獲取用戶成本（CPA） 為主。
3. 優化廣告活動
3.1 優化之先後順序
當下廣告一段時間後陸續收集到資料，以上章節的指標做出報表就可以開始著手優化。
在開始優化之前，需要先排序廣告活動的優化先後順序。很多人犯的錯誤是什麼都想一手掌握優化。類比來說，打仗時，國家首都要被攻下來了，還在那擔心某幾個小鄉鎮？
優化的優先順序超級重要，時間、人力是有限的
舉例來說，如果你的目標是想快速降低整個 Account 的 CPA。
有的人可能是數十、數百個 Campaigns 都想東調調、西調調，但說不定經過排序你可能會發現，其實你只要優化兩個 Campaigns 就可以降低你整個 Account CPA 20%~30%。
以上述例子來說，一種可能排序方法是
1. Order By Cost (High to Low)
2. Order By CPA (High to Low)
邏輯是，要優化當然先從「花你最多錢」又「最沒成效」的 Campaign 優化起。
3.2 假訊號造成的負面死亡循環
另一個可怕的陷阱是假訊號，舉例來說，如果你目標 Spending % 是低於 20%，而某幾個廣告活動平均每週轉換數小於 ~30 附近，這時候很有可能發生「假訊號」現象。
*Spending % = CPC / (AOV*CVR)
假若某個禮拜 spending % >> 20%，你可能認為 廣告效果差>調低競價>廣告曝光減少>訂單變少>⋯進入死亡循環。
但事實上，很有可能是因爲你的部分廣告活動每週平均轉換數樣本數不夠多，「運氣差」某幾張單 AOV 很低、或轉單剛好較少，導致 Spending % 「假性」變高。相反來說，也有可能是，有大單 AOV 高 > Spending % 「假性」變低，進而更積極競價⋯。
那要如何避免假訊號造成的錯誤決策？
如果廣告樣本數不夠，應該去看看有沒有轉換數更大、更穩定之標的物可參考，像是全站的轉換率、 AOV 狀況、市場趨勢熱度是否真有變化…。
4. 追蹤模型選擇(比較廣告後台與實際訂單數字)
首先採納 Google Adwords 提供的 Conversion 資料前，要先清楚的認知，這些資料可能跟你想像中的完。全。不。一。樣！
・Adwords 的 Conversion Tracking 通常預設設定七天起 (七天內的有轉換的都算轉換)，可能偏誤在於，也許我是七天前不小心點了關鍵字廣告，七天後卻是因為收到 EDM 而回來轉換。・轉換功勞歸屬的演算法是黑盒子，你無法得知・像是使用者下訂後來退訂了、尚未付款訂單(e.g., ATM, 超商付款…)，但這些還是可能被算在 Adwords 的轉換
綜合上述三點，你可能會發現有時 Adwords 跟 現實訂單落差會高達 30%~50%。為了解決上述問題，建議自行多追蹤分析下述幾個方向：
4.1 Leverage Google Analytics
Google Adwords Account 能跟 Google Analytics Account 做關聯，好處是在 Google Analytics 幫你把 Attribution Model（功勞歸屬模型） & Conversion Path Analysis（使用者路徑分析） 都做好了，這個分析如果要動到工程端不知要等到何年何月。
4.2 Attribution Model
Last Interaction - 將 Conversion 功勞歸屬在最後一次與使用者接觸之渠道上 First Interaction - 將 Conversion 功勞歸屬在第一次與使用者接觸之渠道上 (通常這個很靠近 Adwords Conversion 算法)Time Decay - 將 Conversion 功勞分權重，越靠近最後一次與使用者接觸之渠道權重越高Linear - 將 Conversion 功勞平均分配權重，有和使用者接觸之渠道人人有賞Last Non-direct Interaction - Google Analytics 預設採此種計算方法
利用 Attribution Model 你可以知道，你的使用者型態是第一次看到就會立刻買單，亦或是可能需要考慮一段時間或是要多方比較才會買單。
通常我前期會多做的一個比較是，自家資料庫的紀錄 (採用 Last Interaction)。這樣就可比較差異： Conversion (Adwords 版), Conversion (GA Last Interaction 版), Conversion (GA First Interaction 版), Conversion (In-house Database Last Interaction) 。
有了資料可以對比評估哪種 Model 合理，然後再來決定主要要看哪幾個 Model 。
4.3 Conversion Path Analysis
從 Attribution Model 會發現一些有趣的現象，像是 Last Interaction 跟 First Interaction 的 Conversion 數字差很多，這時候 Conversion Path Analysis 就派上用場了。
通常 Conversion Path Analysis 可以讓你揭開一部分使用者心路歷程，你可能會發現有些渠道的使用者是直接進來就會轉換，有些渠道的使用者則是要繞來繞去最後才會轉換。
唯有你清楚了解 User Journey ，你才能清楚規劃在各個 Conversion Path 的佈局策略。
思考架構、定義檢測指標、優化排序、選擇追蹤模型
以上 1~4 步驟都搞定後， 最後就是想辦法找出優化的 Pattern 然後把它「自動化」，將資源投入在其他 Project 中。 Google Adwords 可以設定許多自動化規則，這邊就不贅述可自行參考。
追求突破性成長？你需要的不是 Growth Hacker，而是成長方法論
標題看來有點聳動 : p 本次是想從一個做了幾年用戶成長專案的過來人聊聊，「Growth」到底是怎麼一回事。
medium.com
【 To be an AsiaYor！AsiaYo 徵才 】
AsiaYo 成長快速，求才若渴。如果你勇於挑戰，樂於擁抱改變；如果你是聰明且具有野心的人才，歡迎你加入我們，和一群有趣的人做改變世界的產品！→ AsiaYo徵才
【 與 AsiaYors、業界高手們交流，只有在 AsiaYo MeetUp 】
我們需要的就是對新創、技術、產品開發有興趣的你，一同來到現場與我們交流、一起成長，就是 AsiaYo MeetUp 的最大使命！→ AsiaYo MeetUp
【 AsiaYo 玩樂隨心，住宿由我，您旅遊在外的好朋友！】
亞洲地區短租、民宿、房間分享最棒的訂房平臺，快去瞧瞧！→ AsiaYo
