Google Ads automatiseren: Gevoel vs ratio

Wat houden Google Ads automatiseringen in?

We schreven eerder al over de Hagakure structuur. Deze structuur leunt sterk op machine learning en dat komt terug in automatische biedingen en dynamic search advertenties (DSA).

Andere vormen van automatiseringen die een belangrijke rol spelen in het hedendaagse SEA-landschap zijn brede zoekwoorden, responsive search ads, automatische advertentieplanning etc.

Als Online Marketeer ben je veel tijd kwijt met het optimaliseren van je Google Ads campagnes (lees meer over het optimaliseren van een Google Ads account). Je controleert hoe goed de zoekwoorden presteren, voegt negatieve zoekwoorden toe, past biedingen aan, test verschillende advertenties, past de advertentieplanning aan en ga zo maar door.

De grote kracht van de automatiseringen van Google Ads is dat dit werk uit handen genomen wordt. Je geeft Google data en vervolgens laat je Google op basis van die data zelf de advertenties optimaliseren.

Hoe gebruik je machine learning in je voordeel?

De grootste voordelen van machine learning zijn:

• Indrukwekkende resultaten: Google heeft de automatiseringen de afgelopen jaren continu verbeterd waardoor de resultaten steeds beter worden.
• Efficiënter: je bent minder tijd kwijt aan het optimaliseren.
• Eenvoudig: je hebt minder kennis nodig. Dit is gelijk ook een groot gevaar: je kunt heel eenvoudig heel veel geld verliezen aan Google Ads als je niet weet waar je mee bezig bent. Dit geldt ook voor de automatische benadering.

Gebruik de machine learning in je voordeel als je een groot maandelijks budget hebt, waardoor je Google kunt overladen met data. Google kan dan volop testen en je budget zo slim mogelijk inzetten.

Wanneer werken automatiseringen minder goed?

Er zijn twee belangrijke redenen om in mindere mate te leunen op de automatiseringen van Google: gevoel en ratio.

Ratio

Ik gaf het net al aan: je geeft Google data en daar gaat Google mee aan de slag. Het succes van de automatiseringen valt of staat bij het woord data. Om te profiteren van de kracht van Google, zijn er twee belangrijke voorwaarden:

• Groot budget: de term machine learning bevat niet voor niets het woord learning. Ieder Google Ads account is anders. Net als iedere onderneming, iedere doelgroep en iedere propositie. Om te zien wat leidt tot de beste resultaten, begint Google met testen. Je hoeft geen statistisch genie te zijn om te begrijpen dat deze tests veel data nodig hebben. Om bijvoorbeeld te merken welk zoekwoord tot meer conversies leidt, heb je heel veel mensen nodig die via beide zoekwoorden jouw site bezocht hebben.
  De leerfase gaat sneller naarmate je meer budget hebt. Waar die grens exact ligt, is lastig te zeggen. Met €100,- in de maand gaat dit erg langzaam en met €3000,- in de maand ben je er zo doorheen. Het wisselt ook sterk hoe goed de resultaten in deze leerfase zijn.
• Goede data: dit wisselt zeer sterk per onderneming. Stel je hebt een webshop met honderden orders per maand, dan is de kans groot dat automatiseringen de prestaties ten goede komen. Maar als jij een B2B-onderneming hebt met hooguit enkele leads per maand (die in potentie zeer waardevol zijn), is het maar erg de vraag.
• In dat geval kun je wel geautomatiseerd laten optimaliseren voor kliks op je advertentie, maar je hebt liever 10 bezoekers van hoge kwaliteit dan 200 van lage kwaliteit. En hoe kan Google dat onderscheid maken?

Ook interessant: een tegenhanger van de Hagakure methode, SKAGs

Gevoel

Het is voor veel online marketeers een wat viezig woord, omdat we liever afgaan op data dan op een onderbuikgevoel. Maar als je je verdiept in de discussie rondom SEA automatiseringen, kun je niet om het gevoel heen.

Er zijn veel online marketeers die huiverig zijn om controle uit handen te geven. Niet in de laatste plaats omdat je de controle aan Google geeft. Natuurlijk heeft Google er belang bij dat jij tevreden bent over de resultaten van jouw advertenties, maar Google heeft er ook belang bij dat jij zoveel mogelijk uitgeeft.

En aan de andere kant heb je online marketeers die aangeven: “Google schuift toch wel meer en meer op naar automatiseringen. Daar kun je je niet tegen verzetten, dus dan kun je maar het beste zo snel mogelijk meegaan.”

Voor beide valt wat te zeggen. Het voelt zeker dystopisch aan hoe Google het menselijke element in online adverteren wil beperken, maar het is ook wat naïef om te denken dat je dat echt kunt voorkomen.

Lees ook: de Alpha-Beta campagne structuur. Een combinatie van automatisering en SKAGs!

Conclusie: denk na voor je geld uitgeeft, of laat ons het uitgeven

Dus enerzijds liggen er grote kansen voor het behalen van indrukwekkende resultaten, maar anderzijds geef je veel controle uit handen en zijn er talloze situaties waarin machine learning (nog) niet optimaal werkt.

Schat vooraf in welke benadering het beste zal werken: een die meer leunt op de machine learning van Google of een die leunt op handmatige optimalisaties. Voer bij twijfel gerichte tests uit en onthoud daarbij dat de machine learning van Google steeds beter wordt. Resultaten uit het verleden bieden dus geen garantie voor de toekomst.

Of laat ons het doen

Wij beheren de Google Ads accounts van uiteenlopende ondernemingen: groot en klein, B2B en B2C, lokaal en internationaal en ga zo maar door. Wij kunnen jou helpen door jouw Google Ads account te beheren. Neem contact op om de mogelijkheden vrijblijvend te bespreken!