Optimización de Google Performance Max con estrategias de IA

Performance Max funciona como un tipo de campaña basada en objetivos que depende en gran medida de las ofertas automatizadas y la gestión de inventario multicanal. El sistema utiliza la IA de Google para evaluar miles de millones de combinaciones de ofertas y ubicaciones de anuncios en tiempo real. Al procesar datos históricos de conversión, el motor determina qué señales de intención del usuario tienen más probabilidades de resultar en un evento de conversión exitoso. Esto elimina la necesidad de ajustes manuales de ofertas a nivel de palabra clave, desplazando el enfoque hacia el establecimiento de objetivos y valores de conversión claros.

El sistema aprende continuamente del bucle de retroalimentación proporcionado por su configuración de seguimiento de conversiones. Cuando un usuario interactúa con un anuncio y completa una compra o un formulario de cliente potencial, ese punto de datos informa a la IA sobre las características de un cliente de alto valor. Debido a que la campaña abarca todo el ecosistema de Google, puede identificar clientes potenciales ya sea que estén viendo un video, buscando un producto específico o revisando su correo electrónico. El proceso de optimización se centra en alimentar al modelo con datos limpios y precisos sobre lo que constituye una conversión valiosa para su negocio específico.

El éxito con Performance Max comienza con la calidad de sus grupos de recursos. El modelo funciona mejor cuando tiene un conjunto diverso de opciones creativas para probar en diferentes ubicaciones. Debe incluir una combinación completa de imágenes de alta resolución, titulares de texto descriptivos, descripciones largas y contenido de video atractivo. Un patrón común es que las cuentas que proporcionan al menos cinco recursos de imagen distintos y titulares únicos ven combinaciones de anuncios más variadas siendo probadas por el sistema.

Las señales de audiencia actúan como una guía para la IA, especialmente en las primeras etapas de una campaña. Si bien el sistema eventualmente encontrará su propia audiencia objetivo, proporcionar listas de sus clientes existentes o personas que han visitado páginas específicas en su sitio ayuda al modelo a acortar el período de aprendizaje. Estas señales no restringen la segmentación; en cambio, actúan como un acelerador, señalando al algoritmo hacia los tipos de usuarios que tienen más probabilidades de convertir según sus patrones históricos.

• Cargue sus listas de coincidencia de clientes para identificar compradores existentes de alto valor.
• Utilice segmentos personalizados basados en términos de búsqueda que históricamente han generado altas tasas de conversión en campañas de búsqueda.
• Incluya listas de visitantes del sitio web de los últimos 30 a 90 días para capturar usuarios con intención reciente.
• Excluya las listas de clientes existentes si su objetivo principal es la adquisición de nuevos clientes.

El refinamiento es un proceso continuo en lugar de una configuración única. Si nota que la campaña está gastando mucho en audiencias que no están produciendo el retorno deseado, revise sus señales de audiencia en la configuración de la campaña. Al eliminar segmentos de baja intención y reemplazarlos con datos más específicos, como usuarios que han agregado artículos a un carrito pero no compraron, le proporciona a la IA una mejor dirección. Por ejemplo, una tienda Shopify que vende muebles de oficina en casa podría priorizar las señales de usuarios que han buscado marcas específicas de sillas ergonómicas sobre buscadores genéricos de decoración del hogar.

Elegir la estrategia de ofertas correcta es la palanca más importante que tiene para controlar cómo la IA gasta su presupuesto. Las dos opciones principales son Maximizar conversiones y Maximizar valor de conversión. Si está iniciando una nueva campaña con datos históricos limitados, Maximizar conversiones suele ser el punto de partida recomendado. Esto permite que el sistema recopile suficientes datos de conversión para comprender las características de sus clientes antes de comenzar a presionar por objetivos de rentabilidad específicos.

Una vez que tenga un volumen de conversión constante, generalmente de 30 a 50 conversiones por mes, puede implementar un CPA objetivo (Costo por adquisición) o un ROAS objetivo (Retorno de la inversión publicitaria). Estos objetivos actúan como restricciones para la IA. Es importante establecer estos objetivos de manera realista en función de su rendimiento real durante los últimos 30 días. Establecer un ROAS objetivo que sea significativamente más alto que su promedio histórico a menudo hará que la campaña deje de gastar por completo, ya que la IA no puede encontrar suficientes usuarios que cumplan con ese umbral alto.

Influir en la IA en Performance Max se trata de gestionar las entradas en lugar de las salidas. No puede controlar cada ubicación, pero puede controlar los datos que ve el algoritmo. Esto incluye la calidad de su feed de productos si está ejecutando una campaña de comercio electrónico. Un feed bien optimizado con títulos detallados, GTIN correctos y precios precisos permite que los datos de Google Merchant Center informen a la IA de manera más efectiva sobre qué productos deben priorizarse en las ubicaciones de Shopping.

Otra forma de influir en el sistema es a través de ofertas basadas en el valor. Si su empresa tiene márgenes de beneficio variables, puede asignar diferentes valores a sus eventos de conversión. Una venta de un artículo de alto precio puede asignarse un valor más alto que una venta de un accesorio pequeño. Cuando utiliza la estrategia Maximizar valor de conversión, la IA priorizará a los usuarios que estadísticamente tienen más probabilidades de comprar esos artículos de alto valor, optimizando efectivamente su gasto hacia los resultados más rentables para su negocio.