Google Ads 转化跟踪全指南

/ 2评 / 13

摘要: B2B行业如何定义有效转化、布置转化代码、进行离线转化跟踪

概述

随着越来越多的企业开始线上营销,网络推广竞争愈发激烈,粗放式投放即可获得超值回报的时代一去不复返。如果依旧像沃纳梅克所言:“我知道我的广告费有一半被浪费掉了,但我不知道是哪一半”,会导致推广费用结构严重畸形,浪费的广告费越来越多,回报越来越低。

因此,精细化投放势在必行。

要解决“沃纳梅克之惑”,就必须能够衡量广告投放效果,线上推广的一个优势是可以监控广告投放每一环节的数据,借助有效的方法甚至可以监控广告流量在线下的活动,从而形成完整的数据闭环,便于广告投放者进行准确的数据分析。通俗说就是投放者要能清楚地掌握哪些广告带来了盈利,哪些广告没有,然后优化盈利的广告,调整未盈利的广告,让推广费用花到有盈利的地方去。

而想衡量广告投放效果,就要用到转化跟踪。由于作者是B2B行业从业者,所以这篇文章将会以B2B行业经验从以下几个角度讲解转化跟踪:

转化跟踪是什么

转化跟踪是Google Ads的一个免费功能,可用来监控潜在客户与谷歌广告进行互动后所采取的对你有价值的行动。比如客户点击了PDF下载按钮、提交留言表单、或是在线购买了商品,客户的这些操作,被称为转化。转化是向好的、可以带来盈利或盈利可能性的访客操作。

通过配置,就可以在Google Ads账户中看到相应的转化数据,这些转化数据会与投放数据打通,使我们及时掌握各个维度的投放效果,形成推广数据闭环。通过这些数据,可以清晰查看哪些关键词、广告系列、地区的投放效果更好,便于进一步优化账户。同时,谷歌竞价系统也会根据这些数据进行智能优化(如已开启相关功能)。

B2B行业如何定义转化

B2C和B2B行业在线上的一个明显区别是前者可以在线完成购买行为,且客户决策周期较短;而B2B由于业务模式的原因很难出现可以在线购买的情况,且由于成交规模偏大,客户的决策周期也很长,有些业务的客户决策周期甚至是三到五年。
因此B2C行业可以将购买行为设置为转化,但B2B就无能为力了--五年后到底会不会形成最终转化谁也说不好。

转化漏斗
转化漏斗

因此比较好的做法是将营销转化漏斗比较靠前的阶段设为转化。如果一个B2B企业的转化漏斗是按照“广告、流量、交互、线索、询盘、订单”定义的,那么可以将“询盘”或“线索”设置为转化,一些高意向的“交互”行为(如请求聊天等)也可以设置成转化。

这些定义的转化涵盖了高意向潜客,对B2B的投放有指导意义。

Google Ads 转化跟踪的类型

要使用转化跟踪,需要先在Google Ads帐号中创建一个转化操作。转化跟踪根据来源可以分为以下类型:

转化跟踪类型
转化跟踪类型

其中“网站”和“导入”是B2B企业常用的转化跟踪类型。

Google Ads 转化跟踪的原理

由于作者目前只接触过B2B账户,这里就只讲“网站”和“导入”这两个转化类型的工作原理,这两种类型也正是在线转化和离线转化的代表。

1.在线转化(网站):创建网站转化操作时,系统会生成对应的转化代码,将代码放到网站上访客完成转化后所到达的页面,当该段代码被触发,则系统认为发生了一次转化,转化次数会加一。需要注意的是转化代码必须放对位置,因为此类转化统计是基于代码加载的,系统只会根据代码加载来统计数据,比如跟踪留言的转化,转化代码应该放在留言成功页面,如果将转化代码放在留言按钮上,那么统计的数据就是留言提交,而不是留言成功。

在线转化过程
在线转化过程

2.离线转化(导入):此种转化记录方式需要开启Ads账户的“自动标记”功能,这是一项自动向着陆页网址添加gclid参数的功能,即访客通过广告访问网站时,网址标记最后会出现一串gclid参数,gclid参数可以帮助我们和Ads系统了解每位访客通过点击哪个广告到访网站。当某位访客完成了离线转化行为(比如聊天留下联系方式后,通过邮件向销售提出了报价需求),可以通过系统自带的数据模板,将该访客的gclid回传至账户,系统会根据gclid自动匹配相应的投放数据并做转化计数。

离线转化过程
离线转化过程

创建转化跟踪

在ads账户后台依次点击“工具”-“转化”,创建网站转化操作,并完成以下选项:

谷歌转化跟踪
类别

类别:定义转化的类别,B2B行业一般选择“潜在客户”或“网页浏览”。

谷歌转化跟踪
转化名称

转化名称:根据实际情况填写转化名称。

谷歌转化跟踪
价值

价值:转化价值是指每次转化能为企业带来多少价值。对B2C电商行业来说,转化价值就是每次客户购买的付款金额。但对大型B2B企业来说,客户留下的询盘信息并没有直接带来收益,且也无法判断销售机会有多大,更无法判断成单金额。因此,建议B2B行业的优化师不为转化指定价值。

谷歌转化跟踪
统计方式

统计方式:这是比较重要的选项,决定了统计数据是否科学精准。假如我们把“留言提交”当成转化,“每一次”的意思是,同一个访客提交了5次留言,那么系统会统计成5次转化;“仅一次”的意思是,同一个访客提交了5次留言,系统只会统计成1次转化。二者的区别在于,“每一次”会统计访客触发的每一次转化,如果访客的每次转化(比如购买)都有意义,建议选择此项;“仅一次”则只会统计访客第一触发的相同转化,如果访客相同转化多次(比如留言提交)并没有意义,建议选择此项。

谷歌转化跟踪
转化时间范围

转化时间范围:规定访客在点击广告后经过多长时间完成的转化会被系统计数。访客在点击广告后,可能不会立即发生转化,而是过几天才会完成转化,我们需要规定系统可以在多长时间内统计转化次数。假如我们将“转化时间范围”设为90天,那么访客在点击广告后的90天内任何一刻形成转化,都会被系统计数;如果访客在第91天形成转化,则不会被系统计数。

谷歌转化跟踪
浏览型转化时间范围

浏览型转化时间范围:同“转化时间范围”概念相似,“浏览型转化时间范围”规定访客在看到广告(但未点击)后经过多长时间完成的转化会被系统计数。浏览的意思是只看了广告,但没有点击,之后又通过其他方式(一定不是点击了该广告)访问网站并形成了转化。

纳入到“转化次数”列中

纳入到“转化次数”列中:在衡量转化效果时,谷歌报告有两个指标,“转化次数”和“所有转化次数”。如果账户开启了智能出价,那么系统将会参考“转化次数”的数据,但不会参考“所有转化次数”数据,因此我们习惯将精准的、高意向的转化行为纳入到“转化次数”列中,比如购买或有效留言;那些意向不高或无效的转化,比如下载PDF或垃圾留言,我们不希望这些数据影响智能出价的判断,但我们还想看这些数据有多少,这样就不会将这些不重要的转化纳入到“转化次数”中,但我们可以在“所有转化次数”中看到它们。

谷歌转化跟踪
归因模型

归因模型:在访客形成转化的过程中,可能会进行多次搜索、点击我们发布的不同广告,每次点击可能都对转化起到了促进作用。归因模型就是用来分配每次点击在促进转化形成过程中占有多少比重的功劳。归因模型分为:“最终点击”、“首次点击”、“线性”、“时间衰减”、“根据位置”等。具体解释可以阅读《归因模型介绍》。

在网站布置转化跟踪代码

首先请记住,转化代码必须布置在转化完成后所到达的页面,如果我们要将访问“联系我们”页面计为一次转化,那么只需将转化代码布置到“联系我们”页面,而不要布置到所有页面。

创建网站转化操作后,系统会列出转化代码安装方式。最简单的方式是选择“自行安装代码”。

转化代码安装方式
转化代码安装方式

接下来要了解组成转化代码的两部分:“全局网站代码”和“事件代码段”。

“全局网站代码”会将访问者添加到账户的基本再营销列表中,并在投放网域上设置新 Cookie,用以存储将用户引导至网站的广告点击的相关信息。必须在网站的每个网页上都安装此代码,通常会加在网站head或footer中。

<!-- Global site tag (gtag.js) - Google Ads: 123456789 -->
<script async src="https://www.googletagmanager.com/gtag/js?id=AW-123456789"></script>
<script>
  window.dataLayer = window.dataLayer || [];
  function gtag(){dataLayer.push(arguments);}
  gtag('js', new Date());

  gtag('config', 'AW-123456789');
</script>

“事件代码段”与全局网站代码协同发挥作用,用于跟踪应作为转化加以统计的操作。确定网站上的转化页,请选择是要在网页加载时还是要在用户点击时跟踪转化,并将代码安装在对应的网页或按钮中。

<!-- Event snippet for 转化 conversion page -->
<script>
  gtag('event', 'conversion', {'send_to': 'AW-123456789/AQWERTYUIOPASDF'});
</script>

在网站布置转化代码的优势是逻辑简单:只要将代码放到该放的位置即可,但正是因为逻辑简单,因此只有当代码被触发时才能统计转化,其他形式的转化比如访问时长、页面浏览深度无法统计。

劣势是实际操作复杂且有风险:在网站源文件中布置代码可能会涉及跨部门协助,而且如果代码布置不当还可能会损坏网站源文件,导致网站出问题。

hi,我是徐明晗,专注B2B互联网营销,略懂SEM、SEO、短视频运营、内容营销等。欢迎在微信上与我交流(微信号:mishaxu0305)
  1. Ivy Ou说道:

    老师写得非常地详细,落地。学习了,非常感谢,期待老师更多的分享!

  2. nino7说道:

    互联网真的便利,能够让我看到这么好的一篇文章,受教了!

发表回复