优化师不肯说的ASM广告优化秘诀
苹果Search Ads中的搜索匹配机制分为精确完全匹配、广泛匹配和搜索匹配。这次我们会向各位蝉友分享它们对应的广告大数据,来为用户的广告投放提供宏观的参考。
我们建议用户将多数预算用于关键词的精准匹配模式,谨慎使用广泛匹配和搜索匹配,同时要配合使用否定关键词的功能限制质量不好的关键词。我们将从它们对应的关键词数量与消耗金额、曝光次数占比、点击率(TTR)、转换率(CVR)、每次点击成本(CPT)、每次下载成本(CPA)角度来向大家介绍他们的广告数据。
以下的关键字研究的基于业内部分用户在为期半年内的广告消耗的统计数据,它不一定代表整个市场。此报告基于以下营销数据:- 4.22亿次曝光;
- 2500万次点击数;
- 1200万个下载数;
- 100万个关键词;
- 13商店数据(包括美国、英国、澳大利亚、新西兰、加拿大、墨西哥、瑞士、日本、韩国、德国、意大利与西班牙。)
一、关键词数量与消耗金额:建议优先将预算用于精准匹配
每个应用程序的平均关键字数量(计入所有13个店面)为8,099。在下面的图表中,您可以看到按完全匹配的关键词数量为3278个,而广泛匹配的关键词数量为4821个。
显然,分配是不平等的。精准匹配占关键字的40.5%,而模糊匹配关键字占59.5%。
然而当涉及花费分配时,精准匹配的消耗占了73.1%,因为精准匹配关键字能够管理您与用户搜索查询的相关性。它们有助于吸引感兴趣的用户,他们更有可能在一段时间内转换并带来收入。精准匹配关键字旨在吸引仅搜索这些特定关键字或其近似变体的用户。虽然它们可以产生更少的展示次数,但与模糊匹配关键字相比,TTR和转化率会更高。这样的关键字成本更高,但推广者更愿意分配大约百分八十的预算用于精准匹配。
模糊匹配和搜索匹配是一种更具侵略性的匹配类型,可将您的广告展示于竞价词的复数形式、拼写错误、相关搜索、同义词、部分字词等情况。建议运行模糊匹配、搜索匹配广告系列一段时间后,您可以浏览报告,转移效果良好的关键字到精准匹配组。用户可以采用这种方法,通过ASM广告不断挖掘优质的关键词。
总体而言,模糊匹配和搜索匹配的消耗的比例略高于20%,精准匹配的消耗分配约80%。二八法则也同样适用于ASM广告的预算分配。
二、曝光次数占比:精准匹配获得的展示最高
根据图表,精准匹配关键字已触发59.4%的展示次数,超过模糊匹配(23.4%)或搜索匹配(17.2%)
这样的分布可以解释多数推广者为精准匹配分配了更大的预算部分,而模糊匹配或搜索匹配分配的预算则更少。
三、点击率(TTR):精准匹配的点击率高于其它两种匹配方式
精准匹配关键字与模糊匹配关键字相比显示出更高的TTR,分别对应6.34%和4.41%。但是,请注意搜索匹配与模糊匹配相比表现更好。事实证明,苹果的算法可以更好地自动将广告定位到关键字,而不是手动选择关键字。
四、转换率(CVR):精准匹配的CVR表现最好
与TTR类似,就CVR而言,模糊匹配是三者中表现最差的匹配类型只有35.92%。这种表现不佳与模糊匹配使您对用户搜索查询的匹配控制较少这一事实有关。您的广告可能会针对高度无关的查询展示。因此,他们会在不下载的情况下离开您的应用页面。
精准匹配关键字的不同之处在于可以帮助您控制相关性,因此比模糊匹配可以带来更大的CVR。它们分别为54.73%和35.92%。此外,搜索匹配在转换率达到42.06%,再次表现优于模糊匹配。
五、每次点击成本(CPT):精准匹配点击成本虽高但是回报更好
精准匹配关键字在所有匹配类型中的平均CPT最高,达到了$1.09。事实上,这些关键字会让您付出更多代价,但它们具有高度相关性,并且拥有更强的TTR和转换率指标。它们具有带来高质量、高LTV用户的巨大潜力,因此您所承担的成本将在一段时间内得到回报。
虽然精准匹配关键字价格昂贵,但它们具有较高的投资回报率/投资回报率,预算充足的推广者应当准备好承担此类费用。
六、每次下载成本(CPA):精准匹配的下载单价居中
推广人员最关注的另一个指标是每次转化费用(CPA)。每次转化费用表示您为每次“获取”点击支付的金额,并计算为总支出除以转化次数。按匹配类型划分的CPA总体情况如下:完全匹配的CPA为1.99美金、广泛匹配的CPA为2.28美金、搜索匹配的CPA为1.66美金。
搜索匹配在这里处于领先地位。事实证明,手动选择的关键字(模糊匹配和精准匹配)可能比算法选择的关键字表现更差。苹果可以将您的广告与相关搜索字词相匹配。在管理广告帐户时,忽略此搜索广告默认功能毫无意义。
至于模糊匹配,CPA似乎是最高的,由于对搜索查询的相关性控制不佳,这种匹配类型可能产生较少的下载,因此增加了每次获取的成本。如果您的预算和时间有限,我们建议您非常小心地使用模糊匹配,必要时需要采用否定词功能限制它。
以上就是完全匹配、广泛匹配和搜索匹配的对应的广告大数据。有什么不明白的地方,欢迎随时与我们交流。
作者:蝉大师