Quick Links
Einleitung
Eine der wirkungsvollsten Möglichkeiten, um die Effizienz zu steigern, ist die Reduzierung der Ausgaben für irrelevante Keywords, die keinen Traffic generieren. Zu diesem Zweck können Werbetreibende solche Keywords negativ belegen.
Die Ermittlung von geeigneten Kandidaten für negative Matches kann eine Menge arbeitsintensiver Recherchen mit sich bringen, bei denen du stundenlang auf Kalkulationstabellen starrst. Mit Perpetuas Negative Match Vorschlägen sucht unsere KI nach Keywords, die sich bei einem negativen Matching effektiv auf die Performance des Ziels mit auswirken, ohne dass gute Begriffe verdrängt werden.
Die Begriffe, die du als PHRASE-Matching in Betracht ziehen solltest, werden auf unserer Plattform in Form von Vorschlägen präsentiert. Im linken Menü kannst du auf "Empfehlungen" klicken, um eine Strategie namens " negative Match Vorschläge" anzuzeigen. Anschließend kannst du die Ziele auswählen, zu denen du eine Benachrichtigung erhalten möchtest, und wie folgt vorgehen, um eine Strategie einzurichten und zu bearbeiten.
Sobald die Suchmaschine Suchbegriffe identifiziert hat, die verschwenderische Ausgaben verursachen, wird sie Begriffe vorschlagen, von denen sie glaubt, dass du sie negativ abgleichen solltest. An drei Stellen bekommst du eine Benachrichtigung.
Erstens auf der Tabseite Empfehlungen. Hier kannst du dem Vorschlag zustimmen, indem du ein Häkchen setzt, oder ihn ablehnen, indem du auf X klickst.
Den zweiten Ort, wo du die Empfehlung findest, ist die Seite mit den gesponserten Produkten. Wenn du mit dem Mauszeiger über ein Ziel fährst, kannst du auf die 3 Punkte klicken, um die Vorschläge aufzurufen. Nach dem Klick auf Empfehlungen erscheint ein Popup-Fenster, in dem alle Vorschläge aufgelistet sind (falls vorhanden).
Schließlich, wenn du auf ein bestimmtes Ziel für gesponserte Produkte klickst, werden die Vorschläge unter dem Empfehlungen-Widget angezeigt.
Um die negativen Matches bei Perpetua manuell anzuwenden, befolge die Schritte hier.
Die Tipps von Perpetua für den Umgang mit Negativen Suchbegriffen findest du hier.
Wie eine Strategie für Vorschläge für Negative Matches erstellt wird
Negative Match Suggestions sind standardmäßig für alle Ziele aktiviert. Wenn du diese Funktion für eine ausgewählte Gruppe von Zielen verwenden möchtest, befolge die folgenden Schritte.
1. Gehe auf die Seite "Empfehlungen" auf der linken Seite und dann oben auf "Strategien".
2. Unter Negative Match Vorschläge klickst du auf Strategie hinzufügen.
3. Ein Pop-up-Fenster erscheint. Trage den Namen deiner Strategie ein und klicke auf Ziele auswählen, um die Ziele festzulegen, die aufgenommen werden sollen.
4. Klicke auf Strategie anlegen, und schon bist du fertig! 🎉 Wenn die Ad-Engine Suchbegriffe identifiziert, die sie für negativ passend hält, wirst du benachrichtigt. Die Empfehlungen werden nicht automatisch übernommen. Damit die negative Phrasenübereinstimmung aktiv wird, musst du dem Vorschlag zustimmen ✅ oder ihn verwerfen ❌. Nach der Bestätigung wird der Suchbegriff als Ziel für eine negative Phrasenübereinstimmung hinzugefügt.
Wie bearbeite ich die Strategie für Vorschläge für Negative Matches?
1. Gehe links auf den Reiter "Empfehlungen" und dann oben auf "Strategien".
2. Unter Negative Match Vorschläge kannst du auf die 3 Punkte der Strategie klicken, um diese zu bearbeiten oder zu löschen. Gehe weiter zu Schritt 3, wenn du dich für die Bearbeitung entscheidest.
3. Es öffnet sich ein Pop-up-Fenster, auf dem du den Namen der Strategie bearbeiten und auf Bearbeiten klicken kannst, um die ausgewählten Ziele zu verändern. Nachdem du auf Bearbeiten geklickt hast, kannst du Ziele auswählen oder die Auswahl aufheben.
4. Nach der Anpassung klickst du zur Bestätigung auf Auswahl festlegen. Speichere deine Änderungen durch Klick auf Strategie aktualisieren und du bist fertig! 🎉 Wenn die Ad-Engine Suchbegriffe identifiziert, von denen sie glaubt, dass du sie negativ abgleichen solltest, wirst du benachrichtigt. Daher musst du dem Vorschlag zustimmen ✅ oder ihn ablehnen ❌, bevor der negative Abgleich in Kraft tritt. Einmal genehmigt, wird der Begriff als Ziel für die negative Phrasenübereinstimmung hinzugefügt.
🚨 Wichtiger Hinweis: Lies die Meldung bitte sorgfältig durch, bevor du sie akzeptierst. Gehe mit Bedacht vor, da du Gefahr läufst, relevante Begriffe zu streichen, sollte der Vorschlag nicht deinem Ziel entsprechen. Die KI ist schlau, doch manchmal ist der Mensch noch schlauer 😉 Schlägt unser System zum Beispiel vor, dass du das Wort "Hemden" negativ bewertest, obwohl du T-Shirts verkaufst, ist es vielleicht sinnvoller, den Vorschlag abzulehnen. Der Algorithmus gibt Empfehlungen, die auf statistischen Daten über Klicks und Konversionen im Verlauf der Entwicklung deines Ziels beruhen. Er berücksichtigt unter Umständen gar nicht die Tatsache, dass ein Keyword trotz fehlender Conversions immer noch mit deinem Produkt in Verbindung steht (und daher relevant ist). Wenn ich die Empfehlung annehme, das Wort "T-Shirt" negativ zu formulieren, blockiere ich möglicherweise zu viele Suchbegriffe, was dazu führt, dass meine Anzeige weniger Kunden erreicht!
Wie identifiziert Perpetua Begriffe für Negative Matches?
Unsere Ad-Engine prüft Wörter, die [in den letzten 12 Monaten] 0-1 Conversion(s) in jedem Suchbegriff hatten, in dem sie vorkamen. Bei der Ermittlung potenzieller negativer Matches berücksichtigt unser System nur gesponserte Produktziele, die älter als 30 Tage sind.
Welches Modell wird verwendet, und welche Daten werden berücksichtigt?
Neben anderen Statistiken wird ein Schwellenwert für Klicks auf Basis der Performance des Ziels und ein Ausgabenschwellenwert auf Basis des angestrebten ACoS und der Ausgaben pro Konversion für dieses Ziel festgelegt. Wenn ein Begriff zu viele Klicks generiert und zu viel ausgibt, aber weniger als eine Conversion erzielt, wird eine Empfehlung in unserer App eingeblendet.
Der Schwellenwert für Klicks ist die minimale Anzahl von Klicks, die ein Wort erreichen muss, damit es vom Algorithmus für das Ziel negativ bewertet wird. Dieser Schwellenwert ist für jedes Ziel ein anderer.
Anhand dieser Schwellenwerte werden außerdem die Wörter festgelegt, die für ein negatives Matching empfohlen werden.
Was passiert außerdem?
Wir wandeln alle Wörter in den Wortstamm um. Beispielsweise werden Wörter wie pflege/pflegen/gepflegt/pflegten alle zu pflegen. Wir streichen Stoppwörter wie ist, zu, sind, etc.
Das Modell wird durch die statistischen Kontrollen zuverlässiger, sobald mehr Erfahrungswerte vorliegen. Je länger ein Ziel aktiv ist, desto besser und intelligenter werden die Empfehlungen.
Weitere Details findest du in unserem tech blog und blog post. Dort erklären wir, wie natürliche Sprachverarbeitung, Tokenisierung und statistische Modellierung eingesetzt werden, um irrelevante Begriffe herauszufiltern, die zu unnötigen Ausgaben führen.
Dieser Artikel wurde zuletzt im Februar 2022 aktualisiert. Sollten diese Informationen veraltet sein, kontaktiere bitte hello@perpetua.io.