Jeśli remarketing to praktyka, która pozwala wyświetlać reklamy osobom, które już odwiedziły Twoją witrynę, remarketing dynamiczny idzie o krok dalej. Umożliwia korzystanie z automatycznych reklam (zawierających obrazy, ceny i linki) tych samych produktów, które użytkownik wcześniej przeglądał na Twojej witrynie.
Z wiadomością przygotowaną dla twoich odbiorców, remarketing dynamiczny pomaga ci zwiększyć sprzedaż zapraszając odwiedzających do zakupów na twojej stronie. Przypominając im jak świetne są twoje produkty.
Jedną z najlepszych praktyk remarketingowych jest segmentacja użytkowników na podstawie ich pozycji w ścieżce zakupów. W ten sposób możesz tworzyć niestandardowe kampanie i grupy reklam w celu dostosowania różnych strategii, ofert i budżetów.
Najbardziej klasyczny podział użytkowników to:
W przypadku dynamicznej kampanii remarketingowej skierowanej do użytkowników odwiedzających stronę produktu bez dodawania go do koszyka stwierdziliśmy, że współczynnik konwersji był niższy niż cel. Dlatego postanowiliśmy zmienić naszą strategię.
Wykorzystaj produkty ze zniżką, aby stymulować sprzedaż.
Zadaliśmy sobie pytanie: co się stanie, jeśli spróbujemy zwiększyć liczbę konwersji, testując kampanię skierowaną tylko do użytkowników, którzy odwiedzili dziś przeceniony produkt? Aby wdrożyć tę strategię, opracowaliśmy regułę w DataFeedWatch, aby utworzyć etykietę reklamy, zwaną „wyprzedaż”, aby powiązać ją ze wszystkimi przecenionymi produktami. Korzystając z funkcji „dodaj wartość statyczną”, zastosowaliśmy następującą logikę:
Uwaga:
To nie jest klasyczny atrybut etykiety_niestandardowej, ale konkretny atrybut przeznaczony wyłącznie do wyświetlanych kampanii.
Dlaczego warto użyć etykiety_reklamy?
Jak dotąd jest to jeden z niewielu atrybutów, których można użyć do filtrowania produktów w reklamach dynamicznych na poziomie kampanii.
Następnie stworzyliśmy testową kampanię remarketingową - klon oryginalnej - która wyświetlała wyłącznie reklamy filtrowanych produktów. Mianowicie przecenionych produkty dla użytkowników, którzy w ciągu ostatnich 30 dni wykazywali nimi zainteresowanie.
Kto z nas nie lubi korzystać ze zniżek?
Wpływ tej strategii był imponujący, zarówno pod względem sprzedaży, jak i zaangażowania. Ta taktyka pozwala reklamodawcy skorzystać z naturalnego zjawiska kupowania, w którym użytkownicy kuszeni obniżoną ofertą odkrywają i kupują inne produkty.
W kampanii testowej odnotowaliśmy 18% wzrost współczynnika konwersji w porównaniu do pierwotnego, 30-sekundowa poprawa średniego czasu na stronie, a współczynnik odrzuceń poprawiony o 20%.
CTR reklam również wzrósł o 20%, biorąc pod uwagę obecność tagu układu „Obniżenie ceny”, funkcji aktywowanej automatycznie w przypadku produktów ostatnio przecenionych.
Filtrował on także kampanię dla podgrupy produktów, co ostatecznie pozwoliło nam zwiększyć udział w wyświetleniach z 10% do 38%.
Powrót na górę strony lub pobierz Najlepszą instrukcję Google Merchant Center
Wyrażenia regularne (lub regex) to funkcje lub formuły zdolne do wyszukiwania, filtrowania lub zastępowania ciągów tekstowych zgodnie ze zdefiniowanym wzorcem.
Są szeroko stosowane w programowaniu i analizie danych. Nawet dla nas, handlowców, reprezentują szwajcarski nóż, który zawsze można nosić przy sobie. Na przykład, gdy korzystaliśmy z Google Analytics do tworzenia filtrów widoku, celów lub segmentów.
Tworzenie złożonych zależności między atrybutami tablic może być potężnym narzędziem w rękach marketerów cyfrowych. Ale może również stać się bronią obosieczną, jeśli nie będziesz uważać i nie podejmiesz środków ostrożności. Dla osób pracujących w branży mody kolor, rozmiar i materiały są podstawowymi atrybutami. Zarówno jako samodzielne pola, jak i informacje, które należy zawrzeć w tytule w celu konwersji ruchu o wysokiej jakości. W związku z tym polecamy ten świetny poradnik Google na temat najlepszych praktyk dla osób pracujących w sektorze mody.
Dla wszystkich naszych klientów w sektorze mody zazwyczaj tworzymy Tytuł dynamicznie, wykorzystując różne wcześniej istniejące atrybuty w tablicach (materiały, kolor, rozmiar, nazwa produktu) i kierując się następującą zasadą:
Ostateczny wynik to: Damska bawełniana koszula od projektanta, czerwona,NazwaProduktu, XL.
Jak na razie wszystko jest w porządku. Często wewnętrzne pola użyte w tytule nie są dostarczane w surowych danych - muszą zostać rozszerzone lub utworzone od zera przy użyciu danych podanych w tablicy źródłowej. W tym konkretnym przykładzie pobraliśmy informacje z kolumny tablicy zawierającej informacje o kolorach i materiałach sprzedawanych przedmiotów. Atrybuty produktu, które po prostu nie byłyby czytelne przez Google, gdyby zostały podane w oryginalnej kolumnie kanału.
Lewa część powyższego obrazu pokazuje kolumnę „tagi” z kodu źródłowego. Prawa część pokazuje przykład, w jaki sposób wykorzystaliśmy te informacje do opracowania reguły, która tworzy atrybut „materiały”.
Ograniczeniem użycia funkcji „dodawania wartości statycznej” jest to, że można uwzględnić tylko skończoną liczbę wariantów istniejących w momencie tworzenia reguły. W takim przypadku tracimy dynamikę . Co się stanie, jeśli klient doda do katalogu nowe produkty, w których materiały nie zostały jeszcze skategoryzowane lub do tego czasu nie przewidziano kolorów i wzorów?
Powiem ci ... atrybuty (np. Materiały, kolory itp.) Będą puste, a nawet gorzej, będą wyświetlać nieprawidłowe wartości. W rezultacie atrybuty zależne, takie jak Tytuł i ostatecznie inne, które używają tych wewnętrznych pól (np. Niestandardowe etykiety, opisy), poniosą konsekwencje, przekształcając się w coś takiego:
Markowa koszula damska… Nazwaproduktu, XL
Z pewnością nie jest to zoptymalizowany tytuł. Pozwolę Ci wyobrazić sobie wpływ, jaki może mieć taka sytuacja. Nie tylko na wydajność, ale także na strukturę kampanii zakupowych, które nagle mogą przestać działać.
Na szczęście dla nas, w 1950 roku, dżentelmen Stephen Cole Kleene, amerykański matematyk, wraz z innymi pewnymi siebie młodymi mężczyznami, dał życie temu, co powszechnie nazywamy wyrażeniami regularnymi.
Za pomocą wyrażeń regularnych można było stworzyć dynamiczną i skalowalną regułę - znacznie lepszą w porównaniu z poprzednim rozwiązaniem. Mechanizm ten automatycznie pobiera obecne i przyszłe informacje o materiałach ze źródła, eliminując ryzyko pogorszenia funkcjonowania zależnych atrybutów.
Oto, jak uzyskać taki sam wynik jak na poprzednim zrzucie ekranu, ale w skalowalny sposób, używając tylko prostego regexu.
Zawsze pamiętaj o przetestowaniu działania wyrażeń regularnych. Opcja podglądu i wsparcie oferowane przez DataFeedWatch są w tym bardzo pomocne.
Po tej optymalizacji udało nam się zapobiec błędom tablic i spadkom ruchu. Dodatkowo pozwoliło nam to zautomatyzować i przyspieszyć kategoryzację nowych atrybutów, kolorów, kategorii i innych informacji o produktach tworzonych przez klienta, unikając żmudnej pracy ręcznej nad tablicą lub interwencji działu IT.
To tylko dwa przykłady tego, w jaki sposób narzędzie do zarządzania tablicami wraz z mocą ludzkiego mózgu może pomóc w testowaniu niekonwencjonalnych pomysłów oraz w zapobieganiu i rozwiązywaniu codziennych problemów. Pomagając ci pozostać konkurencyjnym i unikać apokaliptycznych scenariuszy.
Jedynym limitem jest kreatywność, nie przestawajcie jej testować!!
Powrót na górę strony lub pobierz Najlepszą instrukcję Google Merchant Center
Analiza przypadku od Midsummer Agency
.png){kind=link}
