Mange kampagnestrukturer i Google Shopping eller Performance Max er unødvendige eller skader direkte din performance. Jeg ser det hele tiden: En konto kører enten én kampagne, hvor den burde have tre, eller den kører ti kampagner, hvor den kun har brug for to. Hele grunden til at segmentere Shopping-kampagner er simpel: at hjælpe Smart bidding med at performe bedre.
Smart bidding er et stærkt værktøj, men det kan ikke se frem i tiden. Det ved ikke, at et produkt kom på udsalg i går, hvilket ændrer alt ved, hvordan produktet vil performe i dag. Det forstår ikke den strategiske værdi af én produktkategori frem for en anden. Det er her, en gennemtænkt kampagnestruktur kommer ind i billedet. Det handler ikke om kompleksitet; det handler om kontrol og kontekst.
Denne artikel vil gennemgå syv kampagnestrukturer, der virker, fire, der ikke gør, og et konkret eksempel på, hvordan vi analyserer os frem til en ny struktur. På den måde kan du bygge en struktur baseret på din egen data i stedet for bare at kopiere, hvad der lyder godt på LinkedIn.
En hurtig bemærkning: Jeg taler om Shopping-kampagner her, men de samme principper gælder direkte for Performance Max. Personligt er jeg større fan af Standard Shopping, men det er en anden snak. Logikken er den samme.
Gå skridtet videre end artiklen
Hvorfor videoen er bedre:
- Se konkrete eksempler fra rigtige konti
- Få en dybere indsigt, som ikke kan formidles på skrift
- Lær avancerede strategier til komplekse situationer
Hvorfor overhovedet bekymre sig om kampagnestruktur i en tid med Smart bidding?
Hovedformålet med at oprette mere end én Shopping-kampagne er at give Smart bidding en hjælpende hånd. Som nævnt er dens største svaghed, at den er rent reaktiv. Hvis et produkt pludselig kommer på udsalg, vil det begynde at konvertere bedre. Når udsalget slutter, vil det ikke længere performe lige så godt. Ved at strukturere produkter i separate kampagner kan vi give Smart bidding afgørende kontekst, som det ellers ikke ville have.
Det sekundære formål er at muliggøre forskellige indstillinger på kampagneniveau. Ved at oprette forskellige kampagner for forskellige produktgrupper kan du ændre indstillinger for at skubbe Smart bidding i den rigtige retning. Du kan justere:
- Kampagneprioriteter
- Negative søgeord
- Produktudvalg
- Budmål (ROAS/tCPA)
- Budgetter
Hele idéen er, at segmentering, når det gøres korrekt, giver dig de håndtag, du skal bruge for at forbedre din performance. Problemet er, at vi ofte over-segmenterer, hvilket udvander data og gør tingene værre.
Tjekliste før start: 2 regler, før du segmenterer noget som helst
Før du overhovedet tænker på at bygge en avanceret struktur, skal du have to ting på plads. Disse er ikke til forhandling.
Regel #1: Opdel altid Brand vs. non-Brand
Dette bør være din første og mest grundlæggende opdeling. Den bør fungere som den underliggende struktur for enhver anden segmentering, du tilføjer senere. Søgeintentionen og performance for Brand er så fundamentalt forskellige, at de skal isoleres. Efter min mening skal din Brand-trafik altid ligge i en separat kampagne.
Regel #2: Minimum 100 konverteringer pr. kampagne
Dette er min regel, ikke Googles. Google taler om 15 konverteringer på 30 dage, men det er kun minimumskravet for at få adgang til Smart bidding. Det er absolut ikke det niveau, hvor det performer bedst. For at en kampagne skal have nok data til at kunne styres effektivt af Smart bidding, vil jeg se mindst 100 konverteringer om måneden.
Hvis du opdeler dine produkter, og en ny kampagne ikke når den tærskel, risikerer du, at den performer dårligere, simpelthen fordi der ikke er nok data. Så er det bedre at lade alle dine produkter blive i én kampagne. Du kan i nogen grad afbøde dette ved at bruge Portefølje budstrategier til at samle konverteringsdata på tværs af flere kampagner, men hvis du ikke gør det, skal du overholde denne regel.
Der er et par undtagelser. Hvis du isolerer lavt performende produkter i en “sabotør”-kampagne blot for at begrænse forbruget, eller isolerer produkter tilknyttet højsæsoner før spidsbelastning for at øge eksponeringen for dem med et lavere ROAS-mål, så behøver de kampagner ikke at nå 100-konverteringsgrænsen.
Analytikerens framework: Sådan retfærdiggør du en ny kampagnestruktur
Før du begynder at skabe en kompleks kampagnestruktur, skal du stille dig selv ét spørgsmål: hvad er det, du prøver at løse? Jeg har set utallige annoncører fare vild i diskussioner om en kampagneopdeling uden nogensinde at spørge, om det rent faktisk giver mening for deres forretning. Du skal have en datadrevet grund til at handle.
Hvad er det, du prøver at løse?
For at retfærdiggøre en opdeling skal én af to ting være sande:
- Der er en markant forskel i performance mellem de produktsegmenter, du overvejer.
- Du har brug for at sætte et markant anderledes ROAS-mål eller budget for det nye segment.
Mit minimum for en “markant forskel” i målsætninger er 20 %. At oprette én kampagne med et 600 % ROAS-mål og en anden med et 650 % mål er meningsløst. Det splitter bare data, udvander hvad Smart bidding kan lære, og opnår intet.
De data, du skal analysere (tip: det er konverteringsraten)
Før du bygger noget, skal du skabe den segmentering, du overvejer, i dine data. Brug custom labels eller backend-data til at trække en rapport og analysere de centrale metrics: konverteringsrate, ROAS og CPC. Hvis du vil opdele bukser og shorts, så se på den historiske performance for begge grupper.
Selvom ROAS er vigtig, fokuserer jeg stærkt på konverteringsraten. Hvorfor? Fordi ROAS naturligt vil svinge omkring dit mål. Hvis du sætter et 600 % ROAS-mål, vil Google arbejde på at ramme det, hvilket slører de underliggende forskelle i performance. Konverteringsraten fortæller derimod en mere ærlig historie. Den viser dig den sande forskel i brugeradfærd mellem to segmenter.
Hvis du ikke har de historiske data (for eksempel for et “produkter på udsalg”-label, du lige har oprettet), så må du vente. Lad dit custom label indsamle data i 2 til 12 uger, og analyser derefter resultaterne. Opret ikke en opdeling baseret på et gæt.
Et eksempel fra den virkelige verden: Analyse af vejen til en ny AOV-opdeling
Her er en praktisk case fra en af vores konti. Vi havde kæmpet med stigende klikpriser i et år. Vi implementerede en aggressiv maks. budgrænse, som med succes stoppede faldet og fik profitten tilbage på sporet. Vi var dog i tvivl om, hvorvidt denne struktur var den rigtige fremadrettet.
Vores hypotese var, at den aggressive maks. budgrænse kvalte eksponeringen af vores produkter med højere AOV, som naturligt har højere (og berettigede) klikpriser. Så vi lavede en analyse. Vi segmenterede alle produkter i spande for høj, medium, lav og meget lav AOV.
Data var klare: POAS (Profit on Ad Spend) for produkter med høj og medium AOV var 135, mens POAS for produkter med lav og meget lav AOV var næsten identisk. Dette antydede, at vi begrænsede vores produkter med høj AOV og potentielt overeksponerede vores produkter med lav AOV.
Denne analyse gav os en klar tese for vores næste test: Vil en adskillelse af produkter med høj AOV i deres egen kampagne med en højere maks. budgrænse resultere i mere volumen og profit fra disse produkter, samtidig med at vi beskytter effektiviteten af vores produkter med lavere AOV?
Bag hver eneste kampagnesegmentering, du opretter, skal der være et spørgsmål, du forsøger at besvare.
7 velafprøvede Shopping-kampagnestrukturer, der rent faktisk virker
Nu hvor du har dit framework, er her nogle praktiske segmenteringsidéer, der er baseret på reelle performance-drivere.
1. Bestsellere vs. ikke profitable produkter
Dette er en klassiker. Den er ideel til store produktkataloger med klare performance-forskelle. Målet er at reducere spildt annonceforbrug ved at isolere produkter, som Smart bidding bruger lidt på, men som aldrig konverterer. Ved at placere bestsellere i en kampagne med høj prioritet fortæller du Google, at de skal vises først, hvis flere produkter matcher en søgeterm.
2. Helteprodukter vs. tilbehør
Forestil dig, at du sælger madrasser (helteprodukter) og rullemadrasser (tilbehør). Madrassen er din primære indtægtskilde og kræver aggressiv budgivning. Du ønsker ikke, at performance fra dit billige tilbehør skal forstyrre budgivningen på dine kerneprodukter.
3. Udsalg vs. normalpris
En simpel, men effektiv opdeling. Produkter på udsalg har en fundamentalt anderledes konverteringsrate og kræver et andet ROAS-mål. At adskille dem giver dig mulighed for at styre dette dynamisk.
4. Højsæsoner
En underudnyttet, men stærk opdeling. Tænk på badetøj, vinterjakker eller sandaler vs. støvler. Ved at opdele dem kan du opbygge opmærksomhed tidligt i sæsonen med lavere ROAS-mål og derefter øge målene for at maksimere profitten i højsæsonen. Hvis du udelukkende stoler på Smart bidding, misser du ofte starten af sæsonen og er ikke profitabel nok i slutningen.
5. Priskonkurrenceevne
Hvis du sporer konkurrenternes priser, kan du segmentere produkter baseret på, om du er prissat højere, lavere eller på niveau med dem. Dette giver dig mulighed for at byde mere aggressivt, når du ved, at du har en prisfordel.
6. Pris/AOV-opdeling
Som beskrevet i mit eksempel er dette til, når forskellige prisniveauer har markant forskellige performance-profiler og kræver forskellig budlogik for at maksimere den samlede profit.
7. Private label vs. eksterne brands
Hvis private label-produkter udgør en meningsfuld del af dit katalog (jeg vil sige mindst 20 %), er denne opdeling et must. Private label-produkter bør have en bedre margin, så du kan byde mere aggressivt på dem for at maksimere profitkroner og beskytte dit budget mod eksterne brands med lavere margin.
4 almindelige kampagnestrukturer, der direkte skader din performance
Lige så vigtigt som at vide, hvad man skal gøre, er at vide, hvad man skal undgå. Jeg ser jævnligt disse fire segmenteringstyper, og de er næsten altid en fejl.
1. Margin
Dette lyder logisk, men det fejler i praksis. Problemet er, at folk ikke altid køber det, de klikker på. Du byder måske mere for et produkt med høj margin, blot for at brugeren navigerer til din side og køber et produkt med lav margin i stedet. Attribueringen bliver rodet, og strategien falder fra hinanden.
2. Produktvarianter (pakker, farver, størrelser)
At opdele enkeltpakker vs. sampak eller forskellige farver af den samme T-shirt er en dårlig idé. De udløser de samme søgeord og konkurrerer om den samme bruger. Dette komplicerer unødigt kontoen og giver ingen reel fordel for Smart bidding.
3. Kategorier & brands
At placere “sko” i én kampagne og “bukser” i en anden har ingen effekt, medmindre der er en dramatisk forskel i performance mellem de to, og du planlægger at administrere dem forskelligt. At segmentere kun for organisationens skyld er kontraproduktivt.
4. Geografisk placering
Dette er en almindelig fejl for virksomheder, der ekspanderer til nye, store markeder (som europæere, der kommer til USA og opdeler efter stat). Det er ikke sådan, Google Ads fungerer. Du kan bruge budjusteringer for lokation, hvis det er nødvendigt, men en fuld kampagneopdeling efter geografi giver sjældent mening for e-commerce og har aldrig virket for nogen, jeg har set.
Faren ved over-segmentering: Sådan kombinerer du strukturer korrekt
For det meste bør du ikke fuldt ud kombinere idéer til kampagnesegmentering. Hvis du kører en Bestseller-struktur (som måske har 3-5 kampagner) og derefter tilføjer en Helteprodukter vs. tilbehør-opdeling ovenpå, fordobles antallet af kampagner fra 5 til 10. Kompleksiteten stiger eksponentielt, og du udvander din data så meget, at Smart biddings performance lider.
Selvom du måske tror, at dette giver dig mere kontrol, er det unødigt kompliceret. Du vil ikke lave væsentlige ændringer mellem mange af de granulære kampagner.
Den rigtige måde at kombinere strukturer på er at være strategisk. I stedet for at multiplicere alt, laver du en målrettet opdeling. For eksempel kan du tage din eksisterende Bestseller-kampagne og kun opdele den kampagne i Helteprodukter og Tilbehør. Eller du kan trække alt tilbehør over i sin egen separate kampagne og lade resten af dine produkter forblive i en Bestseller/primære/ikke profitable-struktur. Dette holder strukturen håndterbar og sikrer, at hver kampagne stadig har nok data.
Sådan validerer du din nye struktur (uden at lyve for dig selv)
Når du har implementeret en ny struktur, skal du validere, at den virker. Og som jeg sagde før, er ROAS ikke den bedste metric til dette. Du skal se på, om de forskelle i konverteringsrate, du forudsagde, rent faktisk materialiserer sig. Produkterne i din Bestseller-kampagne bør have en meget højere konverteringsrate end produkterne i dine primære eller ikke profitable kampagner. Hvis de ikke har det, virker opdelingen ikke.
Vigtigst af alt, giv det tid. En god Google Shopping-kampagnestruktur har brug for 3 til 12 måneder for at vise sin fulde værdi. Smart bidding skal lære, og du skal igennem forskellige forretningscyklusser. Hvis du sælger badetøj, har du virkelig brug for et helt år for at validere, om en sæsonbestemt opdeling virker.
Hvis en kampagnestruktur ikke leverer den forventede fordel, skal du konsolidere tilbage til en enklere opsætning. Dette er den vigtigste lektie. Bliv ikke hængende i en kompleks struktur, der ikke tilføjer værdi. I det tilfælde vil en enkelt kampagne performe bedre.
[TL;DR]
- Start med et udgangspunkt. Brug én kampagne, måske med en Brand-opdeling, og udvid kun derfra.
- Analyser, før du handler. Brug dine egne data til at finde meningsfulde forskelle i konverteringsrate eller andre centrale metrics, før du bygger en ny struktur.
- Kræv markante forskelle. Opdel kun, hvis der er store forskelle i performance, eller hvis du har brug for at sætte ROAS-mål, der afviger med mindst 20 %.
- Sørg for at have nok data. Hver ny primær kampagne bør kunne opnå mindst 100 konverteringer om måneden.
- Hav en klar hypotese. Vid, hvilket spørgsmål du forsøger at besvare med din nye struktur.
- Valider over tid. Giv en ny struktur 3-12 måneder til at bevise sit værd. Hvis den ikke gør det, skal du forenkle din konto igen.
