A Google arra is figyelmeztet, hogy a túlságosan szűk célzás negatív hatással lehet a kampányok teljesítményére. Az algoritmus különböző jeleket használ, beleértve a felhasználói viselkedést és a céloldal tartalmát, a konverziók optimalizálásához. A demográfiai tartomány szűkítése csökkentheti a forgalmat és a konverziós arányokat.
A Demand Gen kampányok (a kereslet generálására összpontosító kampányok) célja a termékek vagy szolgáltatások iránti érdeklődés és kereslet megteremtése. A pontos célzás és hirdetésoptimalizálás segítségével már a vásárlási folyamat korai szakaszában elérik a potenciális ügyfeleket, ezáltal növelik a márka ismertségét és felkészítik őket a jövőbeli vásárlásokra.
A közelmúltban más platformok is bejelentették a célzási változásokat – a LinkedIn megszüntette a hasonmás közönségeket, míg a Meta az ellenkező irányba ment. Azt javasolja a vállalatoknak, hogy a kampányok létrehozásakor használjanak hasonmás célközönségeket, és távolodjanak el a pontos célzástól.
Változások a generációs kampányokban
1. Életkor és nem szerinti célzás:
A hirdetők korlátozhatják hirdetésük láthatóságát adott kor- és nemi csoportokra. Ez az új lehetőség integrálva van a keresletgeneráló kampányok optimalizált célzási beállításaiba.
2. Rugalmas célzási lehetőségek:
A hirdetők a kampány céljaitól és a közönségre vonatkozó követelményektől függően választhatnak korlátlan vagy korlátozott célzást. Ez lehetővé teszi a marketingszakemberek számára, hogy stratégiáikat jobban hozzáigazítsák konkrét üzleti célokhoz.
A célzás hatékony használata
Az e-kereskedelmi cégek számára fontos, hogy megtalálják az egyensúlyt a pontos célzás és a kampány teljesítménye között. A frissítés lehetővé teszi a kampányok pontosabb testreszabását az üzleti céloknak megfelelően, de alapos megfontolást igényel annak biztosítása érdekében, hogy a közönség korlátozása ne veszélyeztesse a kívánt eredmények elérését.
Az új funkció újabb lépés abba az irányba, hogy a hirdetők jobban személyre szabhassák kampányaikat a Google fejlett célzási eszközeivel, miközben továbbra is kihasználhatják a gépi tanulás optimalizálásának előnyeit.