Vi havde for nylig en samtale med Googles team for store annoncører om en af vores bedst performende konti. Deres råd var direkte: Den taktik, der ville have størst effekt for annoncøren, var at skifte fra Standard Shopping til Performance Max.
De var så selvsikre, at de hjalp med at designe et fuldt A/B-eksperiment for at bevise, at PMax var den overlegne kampagnetype. Så det kørte vi. Vi fulgte deres setup, sporede data omhyggeligt, og efter flere uger fik vi et resultat, der selv overraskede mig. PMax tabte.
I denne artikel gennemgår jeg eksperimentets setup, hvad dataene rent faktisk viste, og de vigtigste takeaways, jeg har fra at se PMax fejle i at slå en forenklet version af vores Shopping-strategi.
Gå ud over artiklen
Derfor er videoen bedre:
- Se rigtige eksempler fra faktiske konti
- Få dybere indsigt, der ikke kan formidles på skrift
- Lær avancerede strategier til komplekse situationer
Eksperimentets setup: designet til PMax’ fordel
For at slå det helt fast: Dette var et reelt eksperiment. Opsætningen blev verificeret af Googles team for store annoncører. Vi kørte det på en top-performende konto og havde dedikerede Search-kampagner kørende sideløbende for at isolere variablerne. Vi så også bort fra den første uges data for at lade begge kampagner afslutte deres læringsfaser.
Men der er en afgørende detalje her. For at kunne køre et én-til-én-eksperiment var vi nødt til at svække vores Standard Shopping-setup markant.
Konkret kunne vi ikke bruge:
- En kompleks Shopping-struktur med kampagneprioriteter.
- Delte budgetter på tværs af kampagner.
- Portefølje budstrategier.
Disse tre elementer er kerne i, hvordan vi trækker maksimal performance ud af Standard Shopping hos Savvy. Ved at fjerne dem kæmpede vi reelt set med den ene hånd bundet på ryggen. Så testen var ikke PMax vs. vores bedste Standard Shopping-setup. Det var PMax vs. en skrabet basisversion. Det er en vigtig pointe at huske.
Dataene: hvad fraværet af en klar vinder reelt betyder
I løbet af de otte uger, vi kørte testen, skiftede vinderen frem og tilbage. Det endelige resultat var ikke statistisk signifikant i henhold til det 95 % konfidensinterval, jeg ønskede. Men fraværet af en klar vinder er en konklusion i sig selv.
Hele præmissen fra Google var, at PMax ville overgå Standard Shopping med “en klar margin”. Da den ikke formåede at gøre det, selv mod et svækket setup, var pointen klar. Vi kunne have kørt testen længere, men med en performance så tæt på hinanden, så hverken annoncøren, Google eller jeg nogen grund til at fortsætte.
Det bedste datapunkt er den kumulative profit fra hver kampagne. Standard Shopping er den grønne linje.
Fra dag ét genererede vores forenklede Standard Shopping-kampagne mere profit. Med undtagelse af kun seks dage i løbet af det 42 dage lange eksperiment forblev den foran, og profitforskellen voksede, som tiden gik.
Problemet med volatilitet
En af grundene til, at PMax genererede mindre profit, var dens volatilitet. Den havde flere dage med negativ profit. Vores Standard Shopping-kampagne havde ikke en eneste. Selvom PMax også havde dage med højere profit, resulterede dens ustabilitet i sidste ende i en lavere samlet profit sammenlignet med den stabile performance fra Standard Shopping.
Det gængse modargument er, at seks uger ikke er nok tid for PMax til at stabilisere sig. Men dette var ikke et enkeltstående tilfælde. Vi kørte PMax på to andre konti i næsten ni måneder (38 uger), og dens performance blev aldrig bedre efter den indledende læringsfase. De konti viste en lignende volatilitet over en meget længere tidsramme.
Konklusionen var den samme på tværs af alle tre konti: PMax var ikke en automatisk opgradering i forhold til en velstyret Standard Shopping-struktur.
Kanaltildeling: hvor gik pengene egentlig hen?
Jeg blev oprigtigt overrasket over dataene for kanaltildeling. Vi gav PMax fuldt optimerede kreativer til Display og YouTube i håb om at se den ekspandere til nye kanaler. Det skete ikke.
Kampagnen var næsten udelukkende Shopping. Den minimale mængde spend, vi så på Display og YouTube, var ikke succesfuld efter nogen som helst målestok (og Display-spend var sandsynligvis bare retargeting). Dette var særligt mærkeligt, fordi POAS-målet var sat et godt stykke under vores kontogennemsnit, så der burde have været rigeligt med rum for PMax til at eksperimentere.
Hvis kampagnen stadig er 95 %+ Shopping, hvorfor skulle jeg så opgive kontrollen over negative søgeord, struktur og budgetter, hvis ikke jeg får en klar performance-gevinst? I dette tilfælde gjorde vi ikke.
Dette var endnu mere tydeligt på de to andre konti, der kørte i meget længere tid. På de konti kørte vi ingen dedikerede Search-kampagner, hvilket gav PMax en klar mulighed for at udfylde tomrummet. Den formåede stadig kun at allokere beskedne 4-13 % af sit budget til Search. Vores gamle DSA-kampagner performerede bedre end det.
Mine 5 vigtigste takeaways fra PMax-eksperimentet
Hvis jeg skulle opsummere hele eksperimentet, kan det koges ned til fem centrale takeaways, der gælder for de fleste webshops.
1. Testen var designet til, at PMax skulle vinde
Jeg kan ikke understrege det nok. PMax fejlede ikke i at slå vores bedste, mest sofistikerede Standard Shopping-setup. Den fejlede i klart at slå en forenklet version, som vi aldrig ville køre for en annoncør i et virkeligt scenarie.
2. PMax var alligevel mest en Shopping-kampagne
Selv med optimerede kreativer og fleksibel budgivning låste PMax ikke op for ny vækst på YouTube eller Display. Det var bare en ‘black box’-version af en Shopping-kampagne. Det rejser spørgsmålet: Hvad er den reelle fordel, hvis den ikke effektivt udvider din rækkevidde til nye kanaler?
3. Stærke Search-kampagner begrænser PMax’ potentiale
PMax er ikke magi. Den skal finde inkremental værdi et sted. På denne konto havde vi allerede stærke, dedikerede Search-kampagner, der dækkede vores kerne-søgeord. Med Shopping allerede optimeret og Search allerede dækket, hvor skulle PMax så skabe et markant løft?
4. Stabilitet har en værdi
Gennemsnittet lå tæt, men den daglige virkelighed var en anden. Standard Shopping var stabil og forudsigelig. PMax var volatil, med høje toppe og dybe dale (inklusive dage med negativ profit). Når du aktivt styrer og skalerer en konto, er stabilitet et værdifuldt aktiv. Det gør beslutningstagning meget lettere.
5. “Prøv PMax” er ikke en strategi
Dette er min største takeaway. “Nå, du kører Standard Shopping? Du burde prøve PMax” er blevet den dovneste anbefaling inden for digital marketing. En kampagnetype er ikke en strategi. Du er nødt til at se på den underliggende motor, de kanaler den betjener, og de håndtag, du mister adgang til. Hvis det ikke matcher dine forretningsmål, skyder du bare med spredehagl og håber, at noget rammer plet.
Konklusion: PMax er et tool, ikke en mirakelkur
Min konklusion fra dette eksperiment er ikke, at PMax er dårligt. Det er et stærkt tool i den rigtige situation.
Min konklusion er, at PMax ikke skal behandles som en automatisk, universel opgradering fra Standard Shopping. Det er en afvejning. Du bytter kontrol for automatisering. Og som denne test viste, resulterer den afvejning ikke altid i bedre performance. Nogle gange er et velbygget, strategisk styret Standard Shopping-setup stadig det bedste valg.
Som med ethvert tool virker det kun, når opgaven er den rette.
[TL;DR]
- Eksperimentet var designet til PMax’ fordel, da den konkurrerede mod et svækket Standard Shopping-setup uden vores vigtigste strategiske håndtag.
- PMax formåede ikke at generere meningsfuldt spend eller performance på YouTube og Display, og fungerede mest som en mindre transparent Shopping-kampagne.
- Tilstedeværelsen af stærke, eksisterende Search-kampagner reducerer potentialet for PMax til at tilføje inkremental værdi markant.
- PMax var mere volatil end Standard Shopping, hvilket førte til flere dage med negativ profit og en mindre stabil samlet performance.
- Valg af kampagnetype er en strategisk beslutning, ikke en standardhandling. “Bare prøv PMax” er et dovent råd, der ignorerer en kontos specifikke behov og styrker.
