Este documento describe estrategias de marketing en Google Shopping, incluyendo cómo optimizar manualmente una tienda, el potencial de Google Shopping, las diferencias entre anuncios de texto y Shopping, y técnicas para predecir el rendimiento de productos con pocos datos. También recomienda estructuras de campaña como pujar individualmente por cada producto basado en un análisis de regresión de las características de los productos y su rendimiento.
10. El aumento de las pujas en las campañas de Shopping conlleva una visibilidad óptima bajo términos específicos de producto en una extensión
semántica de características similares.
Samsung UE55H6270
0,02 Céntimos -> no aparece nada tras la búsqueda “UE55H6270”
0,08 Céntimos-> aparece tras la búsqueda “UE55H6270”
0,20 Céntimos-> aparece también tras la búsqueda “Samsung Televisor”
0,40 Céntimos -> aparece también tras la búsqueda “comprar televisor”
0,60 Céntimos -> aparece también tras la búsqueda “Televisor”
Categorías de Google Shopping: Televisor, Marca: Samsung, Tipo de producto: Televisor
Particularidades de Google Shopping
frente anuncios de texto
11. Aumento de las pujas en campañas de texto
1. Impresiones +
2. Clics: +++
3. CTR ++
4. Costes +++
5. Conversiones +++
6. Ratio de conversión ~
1. Impresiones +
2. Clics: ++
3. CTR +
4. Costes ++
5. Conversiones ~ +
6. Ratio de conversión - -
Aumento de las pujas en campañas de shopping
Particularidades de Google Shopping
frente anuncios de texto
The conversions are not equally high because in shopping is genericf
13. SHORT HEAD
LONG TAIL
20% de los productos generan 80%de la facturación
Número de productos
F
A
C
T
U
R
A
CI
O
N
E
N
€
80% de los productos generan 20%de la facturación
Longtail clásico
14. 60.000
40.000
20.000
10.000
123456789101112
NÜMERO DE CONVERSIONES POR PRODUCTO
F
A
C
T
U
R
A
CI
O
N
€
Shopping Ads Longtail - División de las ventas
Longtail:
80%
de las ventas de Shopping Ad son generadas por productos que
tienen solo
1 Conversion
more than 100 accounts test
19. Problemática
Escasez de datos
Pocos datos estadísticos
Supra - o Infravaloración de las herramientas convencionales
Derroche de recursos en la optimización manual
Retrasos en la planificación
debido a la escasez de datos estadísticos
20. Qué necesito para ser competitivo?
Predicción de ventas válida
para productos con pocos datos estadísticos
División temprana
entre productos que generan costes & beneficios
Elección del CPC optimal
para cada producto del catálogo
21. Setup usado a menudo:
Las campañas se diferencian por grupo de productos/ marcas
Mismo CPC por cada marca / Grupo de productos
€0.50
€0.42
€0.65
€0.74
€0.65 €0.65€0.65
Nike Running Adidas Running
€0.42 €0.42 €0.42
Problema: Grado de detalle demasiado reducido
Nike Laufschuhe
Adidas Laufschuhe
Puma Laufschuhe
22. Ningún CPC individual a nivel de producto
Estadísticas medias
Calculo de compensación - „productos negativos“ son respaldados
Rápida identificación de productos que producen mayor coste o beneficio.
Segmentación por grupo de productos: € 100 Coste €, 1.000 Beneficio
(mín. ROAS: 7, ROAS: 10)
€ 75 Coste
€ 50 Beneficio
€ 10
€ 850 Beneficio
€ 15 Coste
€ 100 Beneficio
€0.65
Segmentación por grupos de productos
23. Un CPC individual por producto
Control de rendimiento actual del producto
Segmentación por Productos: € 25 Coste, € 950 Beneficio
(max. ROAS: 7, ROAS: 38)
€ 75 Coste
€ 50 Beneficio
€ 10 Coste
€ 850 Beneficio
€ 15 Coste
€ 100 Beneficio
€0 €0,65 €0,65
Puja por cada Item
25. €0.32 €0.30
CPC individual por ID de producto
€0.10
Estructura de campaña recomendada
Nike Laufschuh Modell 1
Nike Laufschuh Modell 2
Nike Laufschuh Modell 3
27. Orientación
8%
Número de habitaciones
25%
Jardin
16%
Balcón
14%
Equipamiento de cocina
23%
Plaza de garage
14%
Distintos factores influyen en la variable „Precio del alquiler“ - Correlaciones similares también se producen
en su cuenta de google shopping entre el rendimiento de sus productos y sus características.
Cómo predecir mis pujas? (Analogía: Precio del alquiler)
28. Product price
y = βx + d
Análisis de la regresión
Relación entre características del producto y rendimiento
29. Product price
Consultas de búsqueda con números Consultas de búsqueda sin números
Tasa de conversión
0,8%
0,9%
1,0%
1,1%
1,2%
1,3%
1,4%
Análisis de la regresión
Relación entre características del producto y rendimiento