Így tudhatod meg, hogy mire hirdetnek Google Adsben a versenytársak!
Gondolkoztál már azon, hogy milyen jó lenne kémkedni mások Google Ads fiókjában? Ha látnád, hogy milyen kifejezésekre hirdetnek? Milyen hirdetési szöveget használnak? Hogy a hirdetéseik hányadik helyen jelennek meg? Milyen money-pagekre terelik az Ads forgalmat?
Még nem? Nem gond, mert én igen. 😀
És némi teszteléssel el is jutottam oda, hogy ezt egész jó hatékonysággal vissza is tudom fejteni.
Mit akarunk elérni?
Vegyük példának a mobiltelefon piacot. Itt a “telefontok” kifejezésre az alábbi 4 hirdetés fut az organikus találatok felett Budapesten (nálam).
Ezeket ki lehet gyűjteni manuálisan is. Vagy akár nagy tételben, automatizálva is. Ilyenkor számtalan kifejezést meg tudunk ugyanígy nézni, így pedig vissza lehet fejteni mire hirdet egy konkrét szereplő.
Ehhez a visszafejtéshez három dologra van szükségünk:
- Egy óriási kulcsszó adatbázisra
- Egy scraperre, ami kigyűjti az adatokat
- Némi Excel magic-re, szűrésre, pivot táblára
Kulcsszó adatbázis
Sok szempontból ez a legnehezebb része a munkának. Itt minél több releváns kifejezést kell találni, amire potenciálisan hirdetnek más szereplők.
Ha van hozzáférésed egy adott piaci szereplő (pl saját magad) Search Consolejához, akkor vagy a legjobb helyzetben. Ha ez a szereplő jól teljesít SEO-ban, akkor egy aranybánya lesz a GSC Queries reportja. De lehet adatokat gyűjteni a Keyword Plannerből, a saját Google Ads fiókodból, más keyword research toolokból, Google Autocompleteből, fizetős adatbázisokból, a saját weboldalad on-site search előzményeiből is. Bárhonnan. A lényeg, hogy egy minél nagyobb és relevánsabb kulcsszó adatbázisod legyen. Ez sok esetben akár több 10 ezer kulcsszót is jelenthet. És értelemszerűen ezt idővel lehet bővíteni is.
Ezt követően a kifejezések alapján le kell gyártani azt az URL-t, ahol a Google Search kiszolgálja a kereséseket.
Ezt viszonylag egyszerű megtenni, mert a Google logikusan építi fel ezeket az URL-eket. A “telefontok” esetében erről van szó:
Vagy a search query megy az = jel után és ennyi. Ezeket az URL-eket kell “egyesével megnyitni” majd. De nem manuálisan, hanem valamilyen scraperrel.
Ha ezzel kész vagyunk, akkor jöhet a scraping.
Google Scraping
Több módszer és eszköz is létezik a sikeres scrapingre. Ilyen a Scrapy, Scraper, MechanicalSoup Python library vagy épp a NodeCrawler. Itt jellemzően az XPath alapú scraping lesz az ideális megoldás és nem a CSS Selector. Ha kiválasztottuk a scrapert, akkor jöhet az XPath Selector setupolása.
Minden egyes pozícióban lévő Google Ads keresőhirdetésnek ugyanis saját XPath-je van.
Így néz ki például a Top 1 Google Ads hirdetés három XPath adata:
- ad title: //*[@id=”vn1s0p1c0″]/h3
- ad url: //*[@id=”vn1s0p1c0″]/div/cite
- ad desc: //*[@id=”tads”]/ol/li[1]/div[2]
Ez pedig az organikus találatok alatti első Google Ads hirdetés XPath adata:
- ad title: //*[@id=”vn1s3p1c0″]/h3
- ad url: //*[@id=”vn1s3p1c0″]/div/cite
- ad desc: //*[@id=”tadsb”]/ol/li/div[2]
És ugyanígy kell kigyűjteni az összes többi pozícióhoz tartozó értéket is. Az organikus találat feletti 1-4. pozícióra és a találatok alatti részre is. Ezt a weboldal forráskódjából az Inspect Element résznél lehet megtenni (Copy XPath).
Adatok elemzése
Amint ezekkel megvagyunk, nincs más hátra, mint a teljes kulcsszó adatbázison végigfuttatni az XPath Crawlert. Ha az above the fold (ATF), első 3 Ads hirdetést akarjuk megnézni, akkor 3×3 XPath adatot kell kigyűjteni. Az eredeti telefontokos példa alapján pedig ezt fogjuk kapni az export után:
Itt látjuk az Ad Title-t, az Ad URL-t és a Description-t is. Az első 3 pozícióhoz.
Ha ezt végignézzük több ezer kulcsszóra (figyelve arra, hogy a Google ne bannolja az IP címünket), akkor az adattáblában csinálunk egy szűrést egy konkrét domainre. Legyen ez például a 3. helyen lévő etuo.hu (filter: etuo.hu). És utána listázni tudjuk az összes hirdetést, ami hozzájuk köthető.
Ha pedig nem csak a display URL-t hanem a landing page URL-t is kigyűjtjük egy ilyen hirdetés során, akkor egy (pivot) tábla segítségével azt is megnézhetjük, hogy melyik landing pagekre terelik a legtöbb Search Ads forgalmat. És ezt milyen kifejezésekkel teszik. Itt kiderülhet, hogy egy adott URL-re, akár 10-15 (vagy több száz) kulcsszóra is hirdetnek. De ezek mind ugyanarra a landingra pagere visznek. Itt egy példa:
Landing page URL: https://www.etuo.hu/kijelzovedo-folia. És az alábbi kifejezésekre biztosan volt hirdetés rá, amikor elemeztem:
- Telefon fólia
- Lg leon tok
- Kijelzővédő fólia
- huawei mate 20 lite üvegfólia
- xiaomi redmi note 4 kijelzővédő üveg
- huawei p9 lite 2017 üvegfólia
- redmi 4x üvegfólia
Ez elég jó indikátor arra, hogy ez egy “money page”, ahol sok konverziót érhetnek el. Máris tudjuk mire érdemes nekünk is rámenni.
Ez az elemzés több dologban is segít:
- Gyorsan kiszűrhető, hogy ki mire hirdet
- És milyen szöveget használ
Ez segít a versenytárselemzésben és a konkrét hirdetési szövegezés meghatározásában is. Ha még „advancedebb” szintet akarsz lépni, akkor a különböző bővítményeket is ki tudod szűrni.
Branded Search Ads
De ezt a rendszert arra is lehet használni, hogy a saját márkanevünkre történő keresést ellenőrizzük. Itt a kulcsszó adatbázis nyilván a saját márkanevünk lesz. Például minden, amiben benne van a “Basecamp” kifejezés. Itt könnyű dolgunk van, hiszen a saját márkanevükre történő kereséseket a saját Search Console fiókból egyszerűen ki lehet szűrni (query contains: [brand name]).
Utána ezeken kell futtatni a scrapert és máris megvan “ki és mikor hirdet” a márkanevünkre! Sőt, az is, hogy milyen szöveggel, ajánlattal. Az információ egy részét persze az Auction Insights riportban is láthatod. De ott csak a domain nevek lesznek ott, a hirdetési szöveg nem.
Pont ehhez kapcsolódó hír, hogy 2019. szeptember első napjaiban nagyon futott Jason Fried, Basecamp alapító és CEO alábbi tweetje, amiben a Google-nek ment neki. Hiszen a Google akár 4 branded fizetett hirdetést is berakhat az organikus találatok elé.
Ez történt náluk is. Ezért ha valaki arra a szóra keres, hogy “Basecamp”, akkor mivel ők nem hirdettek, ezért csak az 5. találat voltak a saját márkanevükre.
A sztori akkorát ment, hogy a CNBC főműsoridőben is foglalkozott a témával. Érdemes megnézni ezt a pár perces részletet, mert érdekes érvelés van benne.
Jason Fried azt nehezményezi, hogy amikor a “Google” kifejezést akarod használni egy Ads hirdetésnél, akkor “Trademark violation” miatt ezt nem tudod megtenni. Azonban, ha egy másik védjegyet használsz (mint jelen esetben a Basecamp), akkor azt már engedi a Google. Megoldás lehet, hogy használjuk a Google Trademark bejelentő formját, és akkor elviekben nem lehet használni az adott márkanevet a hirdetési szövegben. Viszont ezt nem mindenki tudja, hogy létezik. Másrészt pedig a probléma nem is feltétlen csak a trademark kérdéssel van, hanem az egész márkanévre hirdetés üzleti etikájával, hátterével.
De vissza az eredeti témához. Most már tudjuk, hogyan lehet megnézni egy adott kifejezésre
- Mikor
- Ki
- Milyen hirdetési szöveggel hirdet!
Jön a kérdés: teljesen pontos lesz a rendszer? Minden kifejezést ellenőrizni tudunk majd? Minden hirdetési típusra működik? Le tudjuk fedni az összes esetet? Nyilván nem.
A Google Ads rendszer elég gyorsan fejlődik ahhoz, hogy ne tudjunk up-to-datek lenni az összes hirdetésforma és lehetőség scrapingjét illetően.
De azért lehet körültekintőnek lenni:
- Mivel földrajzi lokációtól is függ milyen hirdetéseket látunk, ezért a scrapinghez érdemes olyan IP-t és Proxyt használni, ami segít ezt pontosítani.
- Több user agentet kell használni.
- Más időpontokban is érdemes ellenőrizni.
Ezekkel elég jó lehet lehet fedni nagyok sok eseményteret.
Vannak persze olyan elemek, amikkel nehezen tudunk megküzdeni. Járt-e valaki az adott oldalon, cookiekban mi van eltárolva, stb. De ez nem csak mi, hanem más se tudja hatékonyan visszafejteni a Google-ön kívül. Szóval tökéletes eredményt nem szabad várni. De itt már egy 80-90%-os eredmény is zseniális tud lenni.
Ilyen elemzést futtattam a hetekben a fogászati témakörben Budapesti célzással. Innen pedig az alábbi screenshoton a Medicover-hez köthető hirdetéseket szűrtem ki:
Ha pedig URL alapján csoportosítok, akkor látom, hogy a Szájsebészet tartalomhoz (/fogászat/szájsebészet) 47 kifejezésre is futtatnak hirdetést.
Érdemes megjegyezni, hogy sokan használják a Google Ads reszponzív search ad funkcióját, ami részben nehezíti a feladatot. Ez úgy néz ki, hogy felviszel mondjuk 10 headline-t meg 4 descriptiont, akkor ebből kombinál és rotál a rendszer 2-3 headline és 1-2 description line hirdetéseket. A rendszer pedig teszteli, hogy melyik kombinációknál magasabb a CTR. Vagyis ha kizárólag egy pillanatban ellenőrizzük a hirdetéseket, akkor crawler nem biztos, hogy jól mutatja be az eredményt, hisz mindig egy konkrét hirdetés kombinációt fog mutatni. És nem biztos, hogy az a “nyertes változat”. De ha ezt többször ismételjük, akkor egy idő után kialakul, hogy melyik variáció(k) marad(nak) fent, mint végső, legjobban teljesítő hirdetés(ek).
Ha a tökéletességet nem is lehet elérni, még mindig ez a(z egyik) legjobb és legrészletesebb elemzési módszer arra, hogy lássuk ki és mire hirdet Google Ads-ben. Úgyhogy megéri kicsit beleásni magunkat a témába, ha keresési hirdetések piacát és versenyét ellenőrizni akarjuk.
Én például Google Ads menedzsmenttel nem foglalkozom. De ezt az elemzést és infot felhasználom, amikor SEO stratégiát tervezek. Úgyhogy egy-egy ilyen elemzés vagy folyamat nemcsak akkor lehet hasznos, ha Ads oldalon vagy, hanem akár SEO fronton vagy szövegíróként is. Mert így látod, hogy ki milyen copyt használ, amit később email marketingben, Facebook posztokban vagy akár a landing page copyban is használni tudsz.
