Caso: vendemos productos para automóviles a través de Performance Max

¡Hola a todos! Me llamo Yana Lyashenko. Soy especialista en Google. En el video de hoy voy a mostrar uno de los casos de nuestro equipo, pero creo que este caso será más interesante para los nerds que les gusta indagar en la analítica y entender por qué el rendimiento funciona de una manera u otra. O tal vez los más perspicaces encuentren nuevas ideas. Este será un caso con un formato completamente diferente, no voy a mostrar los resultados tan impresionantes que hemos obtenido. Pero sí voy a explicar de forma razonada que las cosas que hace un especialista en una cuenta no son solo pruebas para verificar alguna hipótesis aleatoria, sino que tienen una base sólida.

Además, será otra cuenta más que demostrará que no todo en las cuentas es casualidad. Porque en el sector de los recambios para automóviles, algunos especialistas consideran que el resultado que se obtiene es casual. Para aquellos a quienes les va bien, el mérito se debe principalmente a la estacionalidad. Aquí mostraremos cómo todo esto se correlaciona y depende.

Período considerado

Por eso quiero mostrar, enfatizar el periodo, estaré allí, básicamente, comparando este quinto periodo con el anterior. Es precisamente el periodo en el que más o menos se estabilizó después de las primeras pruebas. La fecha de inicio es el día 17, que es el momento en que se pusieron en marcha nuestras nuevas campañas y se introdujeron los principales ajustes; esa es la fecha en la que comenzó el acompañamiento, el día 17.

¿Qué compras se registraron para las estadísticas?

Aquí registramos las compras, y es bastante interesante ver qué compras son exactamente. Antes, antes de nuestro periodo, se registraba principalmente la cuarta analítica, la compra, que incluía dos objetivos: el pedido a través del carrito y la compra con un solo clic. Dado que en ambos casos hay un buen porcentaje de pedidos, esta analítica combinaba estas conversiones.

Pero en este video mostraré precisamente cuál es la desventaja de utilizar esta conversión de la cuarta analítica, por qué es peor que la etiqueta de compra. Y que, en última instancia, incluso en estos modelos de atribución modificados, como en el caso de la compra, tiene un efecto positivo. Porque luego hemos configurado por separado la compra a través del carrito y la compra con un solo clic, especialmente para separarlas y registrarlas por separado. El RVC está disponible para ambas (el RVC es un seguimiento ampliado de las conversiones).

Breve resumen de los periodos de trabajo del cliente y del acompañamiento

¿Qué vamos a hacer aquí? Ahora lo voy a mostrar todo para que no piensen que he dibujado algo en los números. Este es el costo total de las conversiones, 2,76 mil, para todo este periodo. Vemos que este periodo es más o menos estable para el cliente. ¿Verdad? Se puede decir que hasta este punto la conversión ni siquiera se ha desplomado especialmente. Aquí se ve que el precio medio objetivo principal por conversión es de 136, 113, 125, 100, a veces, grivnas. Aquí el cliente intentó hacer algo por su cuenta. Aquí había una completa confusión. Y aquí está la fecha de inicio.

Aquí intentamos ponernos en marcha. Se ve que el precio por conversión es más o menos similar a este. Las conversiones son un poco más que en los periodos iniciales, en unidades. Hicimos un lanzamiento determinado, que no nos salió bien, como se ve aquí. Aquí hubo 45 compras iguales, que, por cierto, también hubo aquí 44, pero ahora son mucho más baratas. Aquí también hay un intento, y ahora todo se ha igualado, aquí todo estará perfecto.

Por cierto, estos 50 conversiones que ven aquí son conversiones completas, no conversiones parciales como las que había antes. Estas conversiones parciales no son etiquetas de compra, sino de análisis cuaternario. Ahora les explicaré cuál era el problema con estas conversiones parciales.

El efecto del trabajo de la cuarta analítica

El análisis básico lo mostraré en el efecto del trabajo de esta cuarta analítica, porque es el único objetivo que existía mes tras mes. Lo tengo registrado en la columna «Todas las conversiones». Los periodos son, como pueden ver, del 15/05 al 16/06 y del 17/06 al 19/07. El 19/07 ni siquiera vale la pena tenerlo en cuenta, ya que es un periodo aún no concluido. Echemos un vistazo a toda esta historia, solo un momento.

Sí, en algún lugar está «Todas las conversiones». Aquí tengo esta compra, nos basaremos en ella. Les mostraré que aquí el crecimiento puede ser incluso mayor y que el precio por conversión es mucho más barato. ¿Dónde están nuestras compras? La compra en un solo clic, por cierto, se ha rediseñado. Se ha corregido para que funcione correctamente. Y la etiqueta de compra que funcionaba aquí.

Por lo tanto, si los sumamos, la suma aproximada puede ser un poco mayor que esta, pero en realidad el cliente tenía un número de pedidos completamente diferente. Es decir, en realidad hubo más conversiones sucias, y las limpias fueron unas 1,500, algo así. Esto es hasta el 14 de julio. Y esto lo muestro hasta el 18. Lo muestro en general para que se vea cómo afecta todo esto a la imagen. Ahora lo explicaré.

Configuración avanzada, etiqueta de compra, estabilización de los incentivos.

Entonces, ¿cuál era la tarea? En primer lugar, configurar la etiqueta de compra ampliada para que se transmitiera correctamente, dar más contenido al rendimiento, estabilizar la historia de esta disminución. Porque esta disminución en los resultados comenzó antes de nuestro trabajo. Es decir, esta disminución ya es consciente, ¿verdad?

Para poder superar todas estas cosas. En general, todo este aumento no está justificado por nada correcto. Incluso aquí hay 12 conversiones de estas mismas. El precio por conversión se disparó mucho y estos aumentos comenzaron aquí.

¿Cuál es la razón de estas penalizaciones? Puede haber muchas. Insuficiente, aunque aquí hay muchos clics, modelado automático, que no funciona correctamente en este proyecto. Quizás también influya la cuarta analítica, que Google está tratando de perfeccionar constantemente y que puede dar fallos. Además, no es del todo correcta para la mayoría de las cuentas en términos de seguimiento y escalado de resultados. ¿Cómo se puede comprobar que esto es realmente así?

He creado este informe en el editor de informes. Simplemente he tomado la «acción de conversión», el identificador de la propia posición, lo he desglosado por días y he tomado todas las conversiones para filtrar solo las compras. Este es el objetivo del cuarto análisis, simplemente hay una compra aquí, el ID del artículo y aquí está el desglose por días, desde el 15 de mayo, algo así. Tengo un período de equiparación aquí del 17.06 al 18.07, lo equiparo al 15.05-14.06. Este es aproximadamente el período que he tomado para la equiparación. Esto es por compra, quiero mostrarlo por compra, porque por compra no se verá especialmente, pero mostraré hasta qué punto es positiva la propia labor de las campañas publicitarias en general. Lo que no se observa en el mismo cuarto análisis son todas estas ventas cruzadas. Ahora se observa en la etiqueta de compra, que es un tipo de conversión mucho mejor para el rendimiento y proporciona más análisis.

Ahora el cliente solo tiene que ajustar… Es decir, solo hemos tenido un mes de soporte. En ese mes, hemos intentado abordar todas estas cuestiones de forma un poco más agresiva. No siempre se obtienen resultados satisfactorios, pero cuanto más tiempo se trabaja, más estables son los resultados. Todas estas fluctuaciones y cambios se producirán con regularidad. Porque hay que entender que la herramienta publicitaria de Google no es estática, sino que cambia constantemente. Y este «cambio constante» no es cada seis meses o cada año. Se trata de cambios muy regulares. Solo cambian su política de verificación de comerciantes una vez al trimestre, o incluso más a menudo. No me sorprendería que fuera una vez al mes. ¿Qué decir de estas herramientas? Sobre todo porque aquí se ha incorporado la IA.

¿Cuál es la complejidad del modelo de atribución?

¿A qué quiero llamar la atención? La principal dificultad del modelo de atribución que utiliza la cuarta analítica, incluso si allí… Por cierto, el 12 de julio se presentó el modelo de atribución «último clic» solo para canales de pago. De todos modos, esto no es suficiente para que la cuarta analítica de rendimiento funcione correctamente. Aquí solo funcionaban los rendimientos. Porque, miren, tomo el período anterior. Quiero ver todos los pedidos más o menos pertinentes. Me refiero a los pedidos, quiero que vean en realidad cuántos pedidos completos puede hacer Performance por sí mismo. Por supuesto, esta no es una representación lo suficientemente correcta, porque aquí siguen estando presentes las conversiones a medias.

Es decir, la cifra que acabo de filtrar la he obtenido simplemente tomando «más de una conversión» por ID. Pero este es un informe que usted mismo puede generar y comprobar muy fácilmente. Son los llamados «no longtails». Los artículos realizan más de una conversión durante este periodo, en comparación con el anterior. ¿Qué vemos aquí? Vemos aquí una media de… Cuánto hay aquí, 725,56. Por supuesto, aquí hay más mitades, hay muchas. Como pueden ver, hay muchas. Pero hemos filtrado directamente las posiciones que realizaron más de una conversión.

Si quitamos ahora el filtro, ¿cuánto mostrará el sistema? 887 conversiones. Es decir, 725 y 887. Bueno, vamos, 887. Pero incluso sin esas 725, son 162 conversiones. Aquí ha sumado 162 conversiones como un resultado positivo. Aquí ocurre lo mismo, pero en estos periodos de la campaña se trabajó con mecanismos completamente diferentes del modelo de procedimiento de escalado y ajuste. ¿Cómo se introdujo? ¿Cuál era el objetivo? Intentar escalar dentro de los KPI que había allí, lo que había. Además, aumentar algunas cosas. Pero al mismo tiempo, conseguir cifras más grandes en las que poder basarse más adelante.

Por ejemplo, voy a tomar el mismo filtro, pero en un periodo en el que ya se trabajaba de forma diferente con las campañas publicitarias. Tomo la misma «unidad mayor», el mismo objetivo de compra. Según los datos, aquí hay 1149, incluso con las mitades.

El mismo principio de selección con las mismas mitades, aunque aquí las mitades pueden ser significativamente menos, como pueden ver. Ahora comparen: teníamos 725, ¿verdad? Dividimos 725 entre 1145 y obtenemos un 63 %, menos uno. Esto nos da un 36.6 % de crecimiento simple. Un 36.6 % incluso con esas mitades, pero con posiciones de productos que son más estables en los periodos posteriores. Esto ya lo vemos en el modelo de atribución basado en datos que se encuentra en la cuenta publicitaria, aquí en la cuarta analítica. Si miramos aquí, será muy difícil de ver.

Es decir, si nos fijamos aquí, el crecimiento es solo del 27 %, pero en realidad es mucho mayor. ¿Cuánto he calculado? El 36,6 %. Digamos que el 35 %, me gustaría redondearlo al alza al 37 %, pero que sea el 35 %. Además, podemos calcular aproximadamente… Aquí tengo 15.05-14.06, ¿verdad? ¿El 15? Bueno, aquí es 16.05-16.06. Vamos a igualar estos periodos, ya que aquí ya lo he calculado. 17.06-18.07. Digamos 17.06-18.07 y aquí, ¿qué periodo había? 15.05-14.06. Voy a poner aquí también este 15.05-14.06. 15, solo voy a desplazar un día. Dos, mejor. Así.

Comparación del resultado en el precio por conversión

Ahora calculemos cuál ha sido el costo real de la conversión. Voy a buscar nuestros dados por aquí. Los dados, la conversión ha subido. Sí, convertidos. Y aquí están nuestros dados. Ahora calculemos cuánto nos ha costado este precio por conversión en total. Miren, antes teníamos 104 447,42 UAH.

Los gastos no se calculan según el modelo de atribución. Estás de acuerdo en que los modelos no se calculan así. ¿Qué obtenemos aquí? 104 447 dividido entre 725, redondeamos. El precio por conversión es de 144 UAH. Lo anotamos: 144 UAH. Y ahora dividimos 135 757… ¿Cuánto teníamos allí? ¿1149? Pero lo volveré a comprobar por si acaso. 1149. Dividimos entre 1149. El precio por conversión es de 118 UAH. Si dividimos 118 entre 144, obtenemos… Menos 1, es decir, hemos restado un 18 % adicional al precio por conversión.

He realizado el análisis directamente por Perchise. Es decir, sin tener en cuenta que en períodos anteriores no se registraba la etiqueta «compra». Por lo tanto, es muy difícil mostrarlo en ella. Se puede decir que aquí hubo un aumento del 35 % en el número de conversiones, incluso en las más completas. Porque en el período anterior también medimos las conversiones completas, pero al mismo tiempo el precio por conversión se redujo considerablemente.

Entiendo que el análisis que estoy mostrando es muy primitivo. Quizás no sean exactamente las cifras que nos gustaría ver, pero también es un resultado excelente. Esto teniendo en cuenta, un momento, esos picos en los que el precio por conversión subió, fue bastante alto, y luego bajó. Aquí es de 109 UAH, prácticamente como aquí. Pero aquí se estabilizó de nuevo durante este periodo. Y aquí, durante este periodo, por cierto, del 5 al 6 de julio, el precio por conversión es más o menos estable, y aquí hay números más enteros en las conversiones. Es decir, como pueden ver: 39, 40, aquí había algunos números medios, este es nuestro modelo de atribución. Dios mío, compras con un solo clic. Pero aquí, en general, 36, 50, por ejemplo, el día 18, 50 unidades.

¿Cuál es el inconveniente de la cuarta analítica?

¿Cuál es el inconveniente de esta cuarta analítica, a pesar de que estoy realizando el análisis con ella? ¿Y cuál será el siguiente? Quiero mostrarles el siguiente punto que la cuarta analítica podría no tener en cuenta y que, por ejemplo, la misma compra de Google se asignará a sí misma, y ¿qué nos mostrará? Para ello, crearemos, por ejemplo, un informe. Me gusta mucho, voy a eliminar «Product Title» para que sea más cómodo. Esto es por cross-sells, ya tienen el informe listo.

Es decir, para acceder a él, entra en tu editor de informes y, en este bloque, verás uno llamado «Productos vendidos», o algo parecido. Haz clic en él y será el mismo. Elimino «Product Title».

¿Qué podemos ver aquí? Aquí podemos ver, por cierto, lo que no verá el cuarto análisis. Lamentablemente, no puedo mostrarles el periodo anterior al inicio de los trabajos. ¿Por qué? Porque en ese momento los identificadores no se resaltaban ni se mostraban. Es decir, ahora se lo voy a mostrar para que comprendan por qué no puedo comparar este informe con los periodos anteriores. Si elijo cualquier periodo anterior, los identificadores de los productos no se registraban ni se transmitían aquí. Este es un informe habitual en el análisis, en los informes de compras en la tienda en línea. Ahora les mostraré en qué se diferencian.

Aquí tenemos el último periodo, que se registra aquí: del 21 de junio al 18 de julio. Lo que quiero mostrarles aquí es lo que, por ejemplo, Google no tiene en cuenta. Tenemos posiciones cruzadas. ¿Correcto? Es decir, probablemente podamos encontrar aquí algunas conversiones parciales, ¿verdad? Por ejemplo, un filtro superior a cero. Ahora podemos tomar las mismas conversiones por perchise, ¿verdad? Ahora les mostraré lo que habrá aquí.

Veamos, tenemos una posición de mercancía con tal identificador. Ella hizo ventas directas y también hizo las mismas ventas cruzadas. O incluso mejor, encontrar una posición que solo haya hecho ventas cruzadas. El sistema de Google tendrá en cuenta esta venta cruzada, la registrará, la fijará y la utilizará en la optimización.

Es decir, aquí la venta se realizó directamente bajo esta posición de mercancía. Si recurro al análisis e intento encontrar este identificador de posición de mercancía 14179 para todo este periodo, no veré ninguna conversión para él.

¿Lo ven? Aquí no se adquirió en absoluto según el modelo de atribución. Lo que voy a tomar en este editor de informes analíticos es eliminar todos los filtros. Tomaré este mismo ID, intentaré encontrar el 14179. Lo encontraré ahora mismo, aplicaré todo el historial. Y aquí tampoco veré ni siquiera conversiones parciales. Y Google compra ve que aquí hubo una venta cruzada, es decir, este producto…

¿Qué significa este cross-sell? Este artículo se vendió por clic a través de un artículo completamente diferente. Ahí es donde radica la genialidad de la etiqueta de compra, incluso en el modelo de atribución «Otros», que no se basa en datos, sino en la comparación con configuraciones similares para la cuarta analítica. Es decir, la cuarta analítica no lo ve en absoluto. Sí, lo vio, quizás, allá por junio, el 12 de junio, unas 0,5 conversiones. Pero esta, por ejemplo, conversión… Podemos intentarlo. Está entre el 22 de junio y el 19 de julio. Incluso podemos añadir el parámetro «Día», por ejemplo. Fila – Día. Buscar esta posición de producto, aplicarla y ver que hubo una venta cruzada el 26 de junio. Y en la analítica no aparece.

¿Por qué es necesario trabajar correctamente en la cuenta?

Por eso, cuando todos dicen que hay que pasar de la cuarta analítica, trabajen con la etiqueta «compra» por este motivo. Pero esto tampoco habría sucedido si no se hubiera realizado un trabajo adecuado en la cuenta publicitaria. No sé, tal vez a alguien le suene muy pomposo o algo así, pero no puedo dejar de destacar que el resultado lo consigue precisamente el equipo. El equipo es el que consigue este resultado, aquí se corrigen todos los cambios, se excluyen las estructuras, se filtra el tráfico, se excluye, se crea mi estructura (donde el video parece que es una charla sobre la estructura de Google Shopping), todo esto se tiene en cuenta. Es decir, hay un montón de factores diferentes, incluyendo la configuración correcta.

Aquí lo fundamental es comprender con qué se va a rellenar ese rendimiento. Parece que aquí el resultado no se basa en nada correcto. Empieza con la base, luego hay un salto, otro salto más y se llega a una imagen determinada. Es difícil no darse cuenta de que aquí se está llegando a una dinámica positiva, ¿verdad? Es difícil no darse cuenta. Además, si hemos visto conversiones a medias, ¿verdad? Tomemos como ejemplo el periodo del 5 al 18 de julio, cuando lo configuramos y registramos las conversiones. Y, por ejemplo, tomemos ese mismo mes de mayo. Que el quinto sea el mismo 18. Y con junio también igualaré. La equiparación del 5 al 18 es ya un periodo de ajustes realizados a posteriori con una estabilización. ¿Qué obtenemos aquí? Unas mitades menos, ¿verdad? Unas mitades menos. El precio por conversión es menor. Podemos hacer el mismo análisis aquí, y esto es lo que les propongo hacer para que veamos el análisis comparativo. Para que vean objetivamente que no se trata de una invención, por ejemplo, mía.

Tomamos nuevamente el periodo del 5 al 18 y aquí igualamos, por ejemplo, el 5 al 18. Tomo fechas similares para que sea más conveniente. Miramos aquí, esto ya es por Perchise. Y para que sea justo, ¿verdad? Sin la etiqueta de compra, pero para que calculemos según los modelos antiguos, porque aquí hay una conversión antigua. Tomamos «menor/igual a uno». ¿Cuánto vemos aquí? 410, incluso con las mismas mitades.

Quitamos el filtro y tomamos otro igual. Les muestro todo esto paso a paso para que, si es necesario, puedan hacerlo en su cuenta publicitaria.

Aquí hay 465 unidades, lo elimino. 465, 487, aunque en total son 410. Es decir, si ahora selecciono el filtro «menos cero», incluso «menos/igual a 0,99». ¿Ve estas conversiones de 0,5, 0,02, 0,3? Estas generan 72 ventas completas. De hecho, tenemos 410.

Vamos entonces, miramos los gastos, ¿de acuerdo? Es decir, tomamos el mismo periodo, por ejemplo, ¿qué teníamos? 5-18, ¿verdad? Comparamos 5-18 con el mismo mes de mayo. ¿Por qué elijo mayo? Porque entonces no había todas esas cosas con interrupciones que tuvimos al principio. 5-18, igualación. Y ahora veamos los costos aquí, 410, 465. Comparemos de manera elemental.

Aquí los gastos fueron 54 mil en el periodo anterior, divididos entre 410, lo que nos da… Espera un momento. 54 472 dividido entre 410 nos da 132 UAH como precio de venta. Sucia, probablemente sea aún más cara, porque hay mitades. Y ahora menos gastos por el mismo periodo, 43 893 dividido entre 465, también con mitades, ya son 94 UAH.

Análisis de los resultados de las correcciones

Incluso si comparamos este periodo de relativa estabilización, después de todas las partes y ajustes durante cuatro semanas, es muy difícil dar un salto tan brusco tan rápidamente. Cuando se dispone de suficientes datos analíticos, se puede intentar superarlo, pero no siempre se obtiene el resultado deseado. Aquí hemos visto que los clics han bajado, ¿verdad?

Si tomamos el 5 de mayo, veremos que aquí los clics han bajado, por supuesto, el costo de la conversión ha aumentado y hemos tenido que retroceder a ciertos parámetros y armar de paciencia para estabilizar y realizar modificaciones completamente diferentes durante el período de estabilización de las campañas publicitarias. Pero aquí también se ve que incluso en un período relativamente estable, ¿verdad? No diría que tomé directamente… El 19 ya no lo tomé cuando subió el precio por conversión. Tomé más o menos un fragmento más o menos estable para el análisis y resultó que allí eran 132 UAH, teniendo en cuenta también las medias, ¿verdad? Y aquí resultaron 94 UAH. Es decir, también bastante menos.

Si tomamos incluso esos 94 UAH y los dividimos entre 132, ¿cuánto nos da? También un 30 %, incluso menos que el precio por conversión. Es decir, cuando analicé allí el periodo total, desde el 17 o desde qué fecha hasta las cuatro semanas anteriores, tuvimos una disminución del 18 % en el precio por conversión. Aquí ya tenemos un 30 % más o menos estable durante el periodo. Incluso con estos 109 y 139 UAH, el precio por conversión. Con este intervalo de tiempo, que incluso parece más o menos estable. Lo comparé directamente con lo que era bueno, no estaba mal.

Conclusiones

El objetivo de este caso era demostrar que aquí no hay casualidades, que hay cosas que no dependen del especialista. Por supuesto, la estacionalidad o la demanda de ciertas cosas influye positiva o negativamente en la dinámica general. Pero aquí, más o menos, puede mantenerse estable. Aquí no se ve que las conversiones hayan caído por completo en algún lugar. Es más bien un conjunto más fluido, de alguna manera aquí ha habido más conversiones y demás. Pero es la misma cantidad de conversiones para verlo directamente en proporciones iguales, en cantidades iguales, por ejemplo, tomemos el mismo período del 12 al 18. Aquí está bien, aquí no son exactamente iguales porque aquí la compra es con un solo clic, la dejaron en el modelo de atribución basado en datos. Aquí está 25,31. Aquí ya está igualado.

Tomemos el 13, una semana incompleta. Aquí se ven 202 conversiones, son percheros. ¿Quiénes son los incrédulos, son percheros o no son percheros? Aquí están las conversiones/percheros. Es la misma historia, por favor, 98,19.

He aquí un ejemplo de un periodo de relativa estabilización, lo que puede ocurrir en una cuenta cuando el especialista sabe aproximadamente, basándose en estos análisis, que no ve de forma totalmente operativa, ¿verdad? Hoy no podemos analizar correctamente y de manera adecuada las conversiones porque hoy pueden ser significativamente menores y cuando pasado mañana veamos las de ayer y las de hoy, habrá una cantidad de conversiones completamente diferente y más presentable. Él sabe cómo manejar esto.

Este es el caso que quería mostrar.