Google Ads-fejl: De 5 største jeg ser efter 50+ analyser

Jeg har for nylig gennemgået vores seneste 50 analyser, roadmaps og evalueringer fra de sidste 18 måneder for at finde de mest almindelige mønstre. Da jeg læste resultaterne igennem, var der fem fejl, der skilte sig ud. Det er ikke de sædvanlige taktiske småfejl, men derimod større, strategiske fejl, som jeg ser igen og igen.

Dette er især relevant for marketingchefer, der har det overordnede ansvar for Google Ads-konti, men som ikke nødvendigvis sidder med fingrene helt nede i maskinrummet hver dag. Når det er sagt, vil artiklen være lige så værdifuld for dig, der arbejder hands-on med Google Ads. Lad os springe ud i det.

Fejl 1: At behandle ROAS i platformen som den endegyldige sandhed

Det absolut mest almindelige problem, jeg ser, er virksomheder, der behandler Google Ads ROAS som den eneste sandhed i stedet for blended ROAS eller dækningsbidrag. De fleste virksomheder, der er store nok til at gå op i vækst, træffer stadig store beslutninger om budgivning udelukkende baseret på tallene i platformen. Det betyder, at hele kontoen bliver optimeret efter et tal, der ikke reelt afspejler, om forretningen tjener penge.

Løsningen behøver ikke at være avanceret. Et simpelt Google Sheet, der kombinerer jeres ROAS fra platformen med jeres back-end data, er nok. Gennemgå det ugentligt, og udfordr jeres antagelser. En af de underliggende fejl, jeg ser, er, at ROAS-mål bliver sat én gang og aldrig justeret. Jeg har set konti med det samme mål i to, tre eller endda fire år.

Med det datatab, vi alle har oplevet, var der ingen, der stoppede op og spurgte: “Hey, vores forretning bliver mere profitabel, men Google Ads følger ikke med.” Ofte kan vi komme ind, analysere forholdet mellem back-end data og Google Ads-data og presse på for 25 % højere spend blot ved at udfordre det forældede ROAS-mål. Pludselig begynder en stagneret forretning at skalere igen.

Her er et reelt eksempel på, hvad der går galt uden denne afstemning. I foråret så vi en annoncørs konto rapportere en markant fremgang i profit i Google Ads år-over-år: +60 % i januar og svimlende +108 % i marts. Men virksomhedens samlede omsætning var kun steget med 11 % og 14 % i de måneder. Resultatopgørelsen viste bestemt ikke en 3-4x stigning i overskud. Tallene i platformen løj.

Du er nødt til at sammenholde dit marketing-spend med dine faktiske forretningsdata. Uanset om det er et simpelt regneark eller et tool som Triple Whale, Profit Metrics eller Reaction, så få samlet dine data ét sted. Det er hele pointen.

Fejl 2: Reaktiv (ikke proaktiv) håndtering af udsalgsperioder

 

De fleste konti, jeg analyserer, er dårlige til at håndtere udsalgsperioder. De bruger konsekvent for lidt op til et udsalg, skruer for sent op for budgettet, reagerer ikke på real-time forretningsdata under udsalget og skruer ikke hurtigt nok ned, når det slutter.

Dette har en utrolig stor effekt. For en stor annoncør, vi har arbejdet med i årevis, tjente vi hele vores årlige honorar (omkring 1.170.000 kr.) hjem blot ved at overstyre Smart bidding i ugen efter deres store udsalg sluttede. Problemet er, at Smart bidding er reaktivt, ikke prædiktivt. Det er et fantastisk tool, men det tager mindst to til tre dage at korrigere spend efter en kæmpe kampagnestigning. Hvis du bruger dobbelt så meget, som du burde, i dagene efter et stort udsalg, kan du udradere en betydelig del af det overskud, du lige har tjent.

Men problemet opstår ikke kun *efter* udsalget. Under en efterfølgende evaluering af en annoncørs fødselsdagsudsalg sidste år, forsøgte vi at finde ud af, hvorfor vi ikke nåede vores mål. Vores team fandt en simpel graf frem, der sammenlignede spend og trafikniveauer op til udsalget med det foregående år. Selvom vi havde ramt de samme tal *under* udsalget, var det samlede dækningsbidrag faldet med 20 % i forhold til prognosen.

Problemet var tydeligt: Vi havde brugt 40 % mindre i halvanden måned *op til* udsalget sammenlignet med året før. Alle havde jagtet kortsigtet dækningsbidrag, og derfor havde vi mistet eksponering. Det tab af eksponering op til det store udsalg kostede os i sidste ende langt mere. Det er et skrækeksempel på, hvorfor man skal opbygge efterspørgsel, før man forsøger at indfange den.

Fejl 3: Oversegmentering og begrænsning af Smart bidding

Jeg taler med nogle af de bedste marketingchefer, der findes. De er utroligt dygtige og har fantastiske indsigter. Deres problem er, at de vil bruge de indsigter lidt *for* meget. De vil opdele bestsellere i deres egne kampagner, oprette kampagner pr. kategori, give nye varer deres eget budget og køre dedikerede kampagner for de bedste geografiske placeringer. Alt dette resulterer i en masse kampagnesegmentering, hvilket fører til spredt data.

Bare fordi du har 5.000 konverteringer om måneden, betyder det ikke, at du kan oprette 20 kampagner. Google anbefaler 30-50 konverteringer pr. kampagne pr. måned; jeg siger, du har brug for mindst 100. Når du begynder at segmentere, vil du opdage, at mange af dine kampagner falder under den grænse. Hemmeligheden bag Smart bidding er, at den bliver bedre med mere volumen. Hver gang du opdeler dine data, skal du have en rigtig god grund, for performance kan falde 10-20 % over tid, uden du overhovedet bemærker det.

En bonusfejl er, at mange marketingchefer også begrænser Smart bidding unødigt med budgetter, budgrænser og hyppige målændringer. Det kræver ofte en rigtig stærk account manager at sige fra og forklare, hvorfor det er en dårlig idé. Budgetgrænser er det mest almindelige værktøj. Som marketingchef har du et budget, du ikke må overskride, og at sætte et hårdt loft er den nemmeste måde at sikre, at man ikke bruger for mange penge.

Men over tid vil du opdage, at når du vil hæve budgettet, falder din ROAS. Det er fordi, budgetbegrænsningen signalerer til Smart bidding, at den kun skal fokusere på auktionerne med den absolut højeste ROAS. Det lyder godt på papiret, men det gør det næsten umuligt at skalere, og man ender med at gå glip af værdifuld efterspørgsel. Det kan også skabe en “yo-yo-effekt”, hvor account manageren konstant reagerer på top-down ordrer om at hæve eller sænke spend, uden nogensinde at få mulighed for at optimere baseret på faktiske performance-tendenser. Løsningen er at skabe en proces og have tillid til det team, der administrerer kontoen.

Fejl 4: At blande Brand og non-brand i de samme kampagner

For mig er dette en marketings-dødssynd. Der er ingen undskyldning for det, når man når en vis størrelse. Jeg var ærligt talt overrasket over at se, at jeg havde nævnt dette otte gange i mine seneste analyser, men det er sandt, hvad man siger: bare fordi en konto bliver større, betyder det ikke, at den bliver mere avanceret.

Problemet er, at når brand søgeord ligger i PMax- eller Shopping-kampagner, skjuler den oppustede ROAS fra brand-søgninger den reelle non-brand performance. Du kan ikke træffe meningsfulde beslutninger om skalering, før du isolerer dine brand søgeord.

At øge dit spend på brand søgeord vil typisk ikke skabe ekstra omsætning; det er simpelthen ikke inkrementalt. Men at øge dit spend på non-brand-kampagner giver ikke kun inkremental omsætning, det fodrer også dine andre kanaler (som Meta Ads) med nye målgrupper. Det er så vigtigt at udskille non-brand, køre det for sig selv og skalere det korrekt.

Helt ærligt ville de fleste marketingchefer være bedre stillet ved helt at slukke for deres brand-search-kampagner, hvis de ikke har styr på dem. (Ja, der er nuancer, men jeg står ved det). Den potentielle bagside ved at fejlhåndtere brand-spend er ofte værre end den potentielle fordel ved at køre det.

Fejl 5: Kampagneopdelinger der ikke afspejler forskelle i performance

Man ser det hele tiden: kampagneopdelinger som “bestsellere vs. normale” eller “høj vs. lav margin”. Men halvdelen af de gange, jeg åbner disse konti, er konverteringsraterne næsten identiske på tværs af de forskellige grupper. Det betyder, at du har fragmenteret din data for en opdeling, der ikke burde eksistere. Der er ingen forskel i performance, så der er ingen grund til at have dem i separate kampagner.

I et eksempel, jeg gennemgik, var der en forskel på blot 0,3 procentpoint i konverteringsraten mellem tre “strategiske” kampagnegrupper. Det er støj, ikke signal. Alt, de gjorde, var at opdele 800 månedlige konverteringer i tre mindre, mindre effektive puljer. Lektionen er simpel: hvis data ikke viser en meningsfuld forskel, så læg kampagnerne sammen, og lad algoritmen gøre sit arbejde.

Du skal ikke være bange for at rulle et avanceret setup tilbage, som du egentlig er glad for. Det har jeg gjort flere gange. Jeg har pitchet en idé til en annoncør, som jeg troede var den næste store ting, for så tre måneder senere at se på data og sige: “Okay, det her var en dårlig idé.” Og det er helt fint.

Dette gælder også for uafklarede opdelinger. Jeg analyserede en konto, hvor de kørte de samme produkter i både Standard Shopping og PMax. Marketingchefen og bureauet kunne ikke blive enige om, hvad de skulle bruge, så de besluttede at køre begge dele. Tolv måneder senere kørte det stadig. Det er ikke en test; det er bare spredning af data og budgetter. Marketingchefer skal træde et skridt tilbage fra detaljerne og stole på, at deres team træffer taktiske beslutninger som PMax versus Standard Shopping – men det kræver selvfølgelig, at du stoler på de mennesker, der administrerer din konto.

[TL;DR]

• Stop med at stole blindt på ROAS i platformen. Afstem dine Google Ads-data med dine back-end forretningsdata (som dækningsbidrag) for at træffe beslutninger baseret på reel profitabilitet.
• Håndtér udsalgsperioder proaktivt. Fokuser ikke kun på selve udsalget. Administrer dit spend omhyggeligt før (for at opbygge efterspørgsel) og efter (for at undgå spildt annoncebudget på perioder med lav aktivitet).
• Undgå at oversegmentere dine kampagner. Konsolider kampagner for at give Smart bidding mere konverteringsdata at arbejde med. Stop med at begrænse algoritmen unødigt med stramme budgetter og konstante målændringer.
• Adskil brand- og non-brand-kampagner. At blande dem oppuster dine performance-tal og skjuler din reelle non-brand ROAS, hvilket gør det umuligt at skalere effektivt.
• Opdel kun kampagner, hvis data understøtter det. Hvis der ikke er en meningsfuld forskel i konverteringsrate eller ROAS mellem produktgrupper, er det næsten altid bedre at lægge dem sammen i én kampagne.