Waarom paid search medewerkers automatisering moeten omarmen

Betaald zoeken wordt steeds meer geautomatiseerd. In de afgelopen maanden heeft Google talloze functies ontwikkeld om Google Ads beoefenaars te helpen “de last te verlichten”, en PPC beoefenaars hebben nu meer manieren dan ooit om geautomatiseerd bieden en optimaliseren mogelijk te maken.

Met name sinds februari 2021 is phrase match begonnen met het opnemen van gedragingen van brede match modifier (BMM) om zoekwoorden te vereenvoudigen en het gemakkelijker te maken om relevante klanten te bereiken. Eenvoudig gezegd betekent dit dat beoefenaars niet langer de specifieke trefwoorden selecteren waarvoor hun advertenties verschijnen, maar eerder de soorten trefwoorden die Google dan gebruikt als basis om advertenties van weer te geven.

Dit is een van de recentere voorbeelden van de sluipende migratie naar automatisering die de manier heeft veranderd waarop PPC-campagnes worden gepland en uitgevoerd. Dynamic Search Ads (DSA's) laten gebruikers bijvoorbeeld automatisch zoekadvertenties genereren op basis van de inhoud van de site, terwijl Responsive Search Ads (RSA's) combinaties van koppen en beschrijvingen testen en optimaliseren. Met Auction-Time Bidding kunnen gebruikers voor het eerst meerdere signalen van het data-profiel van een gebruiker gebruiken.

Dit is heel wat anders dan de begindagen van PPC, toen men vertrouwde op menselijke inzichten en begrip om campagnes te optimaliseren en de beste resultaten te behalen. Maar is zoveel automatisering een goede zaak? En wat betekent dit voor PPC beoefenaars?

Dit traject in de richting van black-box automatisering heeft voor onrust gezorgd in de Paid Search gemeenschap. Velen beweren dat DSA's, bijvoorbeeld, weliswaar uiterst nuttig kunnen zijn om gaten in de dekking te dichten (of zelfs een nuttige vereenvoudiger voor mensen met beperkte ervaring), maar dat ze het waarschijnlijk nooit zullen winnen van conventionele campagnes. En door de wijzigingen in phrase match wordt de controle over wat de accountmanager uiteindelijk wil targeten effectief aan algoritmen overgelaten.

Maar hoewel deze kritiek misschien waar is, gaat hij voorbij aan het grotere punt. Elke automatiseringsdoctrine of -tool doet minstens één ding goed: het bespaart ons tijd. Bovendien leveren sommige resultaten op manieren die voorheen niet haalbaar waren.

Dat is goed nieuws voor zowel de klant als de PPC-professionals, omdat het automatiseren van bepaalde taken op laag niveau deze experts vrij laat om zich te richten op de strategie en de ontwikkeling van het account van de klant. Met deze zwarte dozen kunnen teams ook meer gelijktijdige parameters testen dan ze ooit handmatig zouden kunnen doen, en zich sneller richten op de parameters die er het meest toe doen.

Bij Artefact omarmen we automatisering om onze Paid Search-medewerkers te helpen minder voorschrijvend en meer tactisch te zijn. Dat is een goede zaak voor onze teamleden, omdat ze hun kennis en carrière kunnen uitbreiden naar iets nieuws en spannends. Maar, wat nog belangrijker is, het is ook goed voor de budgetten van onze klanten.

Dit komt omdat het deel van de klantvergoedingen dat in het verleden werd toegewezen aan het beheer van prescriptieve taken - zoals het manipuleren van data voor rapportage, de handmatige implementatie van biedingswijzigingen en de repetitieve taken van keyword mining en het maken van advertentieteksten - met elke innovatie kleiner wordt.

Hoewel we erkennen dat automatiseringstools nog niet perfect zijn, weten we dat we door ze te gebruiken (met inbegrip van productbeta's en bredere trends) een voordeel kunnen behalen als eerste. Dat is een van de redenen waarom we nauw samenwerken met Google om ervoor te zorgen dat dit zo blijft. Het feit dat we een door data geleid bureau zijn, helpt ons hierbij.

De grootste uitdaging die we op dit moment ervaren is vanuit het oogpunt van training. Hoewel we willen dat onze teams deze tools omarmen, weten we dat het van vitaal belang is dat ze experts blijven in de basisprincipes van hoe PPC werkt. Daarom blijven we onze mensen bijscholen in zowel handmatige als geautomatiseerde processen.

De andere uitdaging die we zagen, is dat het door het automatiseren van processen moeilijker kan zijn om de precieze oorzaak van bepaalde effecten te begrijpen. Daarom nemen we bij elke innovatie de tijd om precies te begrijpen hoe de tool werkt, en leren we welke functies versluierd zullen worden. We willen er zeker van zijn dat er geen kennis verloren gaat.

Vanuit het perspectief van een bureau zijn tijdbesparingen welkom. Maar vanuit het oogpunt van de klant zijn de prestaties en de impact op hun doelstellingen het belangrijkste. Met name Smart Bidding heeft een echte impact gehad op verschillende van onze retailklanten, waarbij een online retailer bijvoorbeeld een verlaging van de CPC zag van 20% en, nog belangrijker, een verhoging van de ROAS van +38% sinds de implementatie. Dit laatste cijfer komt uiteindelijk van de geautomatiseerde opname van data, de machine learning die de biedingen aanstuurt en het vrijmaken van tijd van de menselijke dirigenten.

Na verloop van tijd denken we dat als we minder met PPC bezig zijn, onze teams zich kunnen ontwikkelen op een manier waar onze klanten veel baat bij hebben, doordat ze meer echte waarde uit hun kennis en ervaring kunnen halen. En wie zou dat uiteindelijk niet willen?