電子商務 PPC 數據分析案例研究：我們如何在不最大化 ROA ...

buybonna2023seo

編者註：本案例研究最初於 2020 年發表。為了準確性並反映現代實踐，已對其進行了更新。 這裡有一個秘密：在電子商務 PPC 領域，最大化廣告支出回報 (ROAS) 並不總是能夠最大化盈利能力。 根據您的產品利潤率，僅關注廣告支出回報率實際上可能會阻止您的 Google Ads 帳戶實現令人印象深刻的增長。 如果您想發現利潤最大化的真正機會，則必須查看其他一些數據點。 在下面的電子商務數據分析案例研究中，我們將解釋如何將 Google Analytics、Google Ads 和獨特的業務統計數據之間的數據連接起來，從而使我們的一個項目的交易量同比增加 72% ，支出增加8%。客戶。 在此過程中，我們還將分享一些建議來幫助您實現同樣的目標，並發現提高帳戶績效的新機會。

ROAS：並不總是唯一真正的力量來源 對於許多電子商務企業來說，ROAS 是衡量盈利能力的重要指標。而且，當產品具有相同的利潤時，針對該指標進行優化非常簡單。 但是，當多種產品具有不同的利潤時，事情可能會變得有點模糊，並且需要更細緻的數據分析。 Google Ads（以前稱為 Adwords）為電子商務公司提供了許多出價優化手段，例如設備類型、受眾群體、地理位置等。添加與按點擊付費廣告相關的標準 KPI （成本、點擊次數、轉化次數），您在“盈利能力”方程中需要考慮大量數據點。 如果您可以將所有這些因素關聯起來，從而在您的廣告系列中獲得利潤，那麼您的優化能力就提升到了一個新的水平。 通過定位表現最好的產品並盡可能多地分層這些關鍵指標（“細分”），您可以找到僅關注 ROAS 無法帶來的利潤。 客戶背景 在與客戶開始任何新的 PPC 營銷活動之前，我們重點關注盡可能多地了解他們的業務：過去和當前的營銷工作、績效和產品潛力。

對於這個特殊的客戶，我們首先熟悉了他們網站上大約 600 種產品不斷波動的利潤率——這可不是一件小事！ 一旦我們做到了這一點，我們就可以將這些數據直接整合到他們的營銷活動中，以獲得更好的結果。 挑戰 由於 手机号码数据库 性能數據變化如此頻繁，並且產品在季節性購物期間進出庫存，計算我們需要多少比率才能實現盈利（或簡單地收支平衡）至關重要 - 但很複雜。 理論上，該客戶網站上的每筆交易都可能有不同的淨利潤數字。為了了解每種產品的確切利潤線，我們需要跟踪： 活動 廣告組 關鍵詞 搜索查詢 設備 以及



傳統上用於優化定位的任何其他細分 理想情況下，這些數據點還可以幫助我們回答一些關鍵問題： 人們通過哪些活動訪問該網站？ 他們最終購買了什麼？ 購買產生了多少利潤？ 該利潤數據如何與關鍵目標細分（例如搜索詞、設備、受眾群體、人口統計細分等）相關聯？ 換句話說，根據每個用戶的最終購買，最終交易的利潤是多少，我們如何在 PPC 細分市場中分配該利潤？ 解決方案 以下是我們的 PPC 專家所做的： 了解廣告支出回報率和投資回報率 在更詳細地研究這些數據點之前，我們需要了解客戶的廣告活動 ROAS 與投資回報率之間的關係 - 正如我們所做的那樣，我們知道利潤並不總是等於 ROAS。 為了將 ROI 與 ROAS 分開，我們使用了以下等式： 投資回報率 = 利潤 / 廣告成本 ROAS = 轉化價值 / 廣告費用 在活動級別測試這些公式時，這兩個顯然是獨立的數字，如下例所示： 包含兩列的表格，分別標記為轉化價值/成本和測試RO I。16 行數據如下：第1 行： 由於測試廣告系列的投資回報率變化很大，我們確認廣告系列的廣告支出回報率與盈利能力無關。 然而，事實證明，持續進行此類分析很困難。數據處理能力存在限制，不同分析平台報告結果的方式也不一致，這意味著我們必須多次交叉檢查每個數據點。

因此，我們需要另一種方法來有效（且準確）地跟踪此活動數據。 分析自動標記 我們從定制的分析報告（Google Analytics 之外）開始，將交易 ID 與利潤和利潤配對，並按廣告組、關鍵字、設備等進行細分。 雖然這為我們的 Google Ads 廣告系列提供了詳細的產品盈利能力數據，但手動導入和分析數據花費了太多時間。 因為我們正在實時處理大數據分析，所以實時廣告活動優化的最佳解決方案將是自動化。 我們的 PPC 團隊已經能夠輕鬆地將後端盈利能力數據與每筆交易結合起來。唯一缺少的部分是將這些交易與 GCLID 連接起來。 一旦我們將 GCLID 跟踪與交易關聯起來，我們就可以使用數據導入功能來創建新的利潤轉化，並將歸因數據直接添加到 Google Ads 中。

請記住：要在 Google Ads 中創建自定義投資回報率指標，請配置轉化，使其顯示在“所有轉化”報告中，而不是正常轉化報告中。這樣可以更靈活地衡量這些報告中的盈利能力，從而避免您使用轉化類型細分。 由於手動導入和確認數據的耗時工作現在已自動化，我們能夠將工作更集中在 PPC 數據分析和後續活動優化上。 我們不再需要為分段數據構建自定義報告；相反，我們可以依賴 Google Ads 中的標準報告，因為利潤數據現已融入其中。我們甚至可以研究其他細分，例如地理位置、一天中的時間、目標受眾、人口統計等等！ 結果 現在我們已經收集了足夠的數據，我們可以輕鬆地通過關鍵字、設備、受眾特徵和受眾出價來優化我們的 PPC 廣告以實現盈利，而不僅僅是追逐 ROAS。而且，通過將實時投資回報率數據附加到我們的 PPC 報告中，我們可以更加靈活（和自信）地制定營銷活動決策。 由於我們將Google Ads 和客戶後端之間的所有這些數據關聯起來，因此我們可以在產品利潤率發生任何變化時即時評估結果，從而更快地降低無效細分中的每次點擊費用(CPC) 。