Agensi Prestasi untuk E-dagang: Apa Perbezaan Sebenarnya Berbanding Agensi PPC Klasik

Agensi PPC menguruskan kempen, agensi prestasi menguruskan keuntungan

Agensi PPC klasik menerima bajet dan tugas: menetapkan kempen dalam Google Ads atau Meta Ads supaya menghasilkan seberapa banyak penukaran pada CPA tertentu. Agensi prestasi untuk e-dagang bekerja dengan input yang berbeza, di mana data penukaran digabungkan dengan data margin, pulangan dan harga belian bagi setiap produk. Perbezaannya bukan pada platform yang digunakan, tetapi pada apa yang dimasukkan ke dalam platform tersebut.

Google, Meta dan TikTok kini menawarkan value-based bidding, iaitu strategi automatik yang bukan mengoptimumkan bilangan penukaran, tetapi nilai yang diberikan oleh syarikat kepadanya. Menurut dokumentasi [Google Ads Help](https://support.google.com/google-ads/answer/15099424?hl=en), ini adalah subset daripada Smart Bidding yang memaksimumkan nilai penukaran dalam bajet atau sasaran ROAS. Soalan yang tidak ditanya oleh kebanyakan e-dagang sangat mudah: nilai apa yang dihantar ke sistem, hasil jualan bagi setiap pesanan, atau keuntungan selepas kos ditolak?

Di titik inilah kerja PPC dan kerja prestasi mula berbeza arah. Pengurusan kempen klasik membiarkan medan conversion value bersamaan dengan hasil jualan. Agensi prestasi mengiranya semula sebagai keuntungan kasar, iaitu hasil jualan tolak harga belian, penghantaran dan jangkaan pulangan, dan angka inilah yang dihantar kepada algoritma.

Apa kata data tentang ROAS dan keuntungan

Google dalam bahan rasminya mengenai value-based bidding menyatakan bahawa syarikat yang beralih daripada CPA sasaran kepada ROAS sasaran mencatatkan median peningkatan nilai penukaran sebanyak 14%, meskipun pulangan perbelanjaan iklan kekal serupa, menurut [Google Business: Increase your ROI with Value-based Bidding](https://business.google.com/uk/resources/articles/increase-your-roi-with-value-based-bidding/). Ini membuktikan bahawa algoritma boleh melakukan lebih banyak apabila diberikan isyarat nilai yang lebih tepat, bukan sekadar bilangan penukaran.

Search Engine Land pula memberi amaran bahawa ROAS berasaskan hasil jualan itu sendiri mempunyai kelemahan. Bagi katalog dengan margin yang berbeza, pengoptimuman berdasarkan nilai hasil jualan boleh menyebabkan algoritma lebih memilih produk berhasil jualan tinggi tetapi keuntungan rendah, iaitu apa yang digambarkan oleh penulisnya sebagai "an overemphasis on high-revenue but low-margin products", menurut [Search Engine Land: Target ROAS in Google Ads](https://searchengineland.com/target-roas-key-considerations-431770). Kami turut melihat perkara yang sama pada akaun yang kami ambil alih.

Jawapan yang semakin banyak dibicarakan adalah POAS, iaitu keuntungan daripada perbelanjaan iklan. Bukan hasil jualan, tetapi margin kasar selepas kos yang dihantar ke dalam bidding. Menurut [Search Engine Land: Value-based bidding](https://searchengineland.com/value-based-bidding-boost-google-ads-437240), ini adalah metrik yang mengaitkan perbelanjaan terus dengan keuntungan, bukan dengan perolehan. Ini bukan algoritma baharu, tetapi input yang berbeza untuk algoritma yang sama.

Syarat yang kebanyakan e-dagang tidak sedari: value-based bidding memerlukan sekurang-kurangnya 15 penukaran dalam 30 hari pada tahap sasaran penukaran, jika tidak isyaratnya terlalu bercelaru, seperti dinyatakan dalam cadangan [Google Ads Help](https://support.google.com/google-ads/answer/15099424?hl=en). Di bawah ambang ini, apa yang diukur dengan lebih tepat hanyalah kekacauan, bukan prestasi.

Margin dalam katalog biasanya berbeza sehingga tiga kali ganda, ROAS tidak dapat mengesannya

Dalam katalog yang kami semak bagi klien baharu, margin kasar antara kategori biasanya berbeza sehingga tiga kali ganda. Bajet kemudiannya tertumpu kepada produk berhasil jualan tinggi tetapi bermargin rendah, tepat mengikut mekanisme yang digambarkan oleh Search Engine Land di atas. Syarikat kemudian melihat ROAS meningkat dan keuntungan menurun dalam bulan yang sama.

Bagi klien Zlatá Putňa, kami mengalihkan metrik kawalan daripada hasil jualan kepada keuntungan bagi setiap pesanan, dan kami menstruktur semula feed supaya algoritma mengetahui margin pada tahap produk, bukan kategori. Hasilnya ialah peningkatan hasil jualan sebanyak 45,8% dan keterlihatan sebanyak 574%, dengan bajet yang tidak meningkat secara berkadar. Kes penuh boleh dilihat di halaman [rujukan Zlatá Putňa](/referencie/zlata-putna).

Bagi Domintell, isunya berbeza, e-dagang ini mempunyai trafik yang lemah, bukan margin yang buruk. Gabungan feed yang diperbaiki, SEO teknikal dan kempen prestasi membawa peningkatan pelawat sebanyak 272%. Angka ini menunjukkan bahawa kerja prestasi untuk e-dagang bukan sekadar bidding, tetapi juga keadaan data yang menjadi asas kepada bidding tersebut.

Di mana pakar tidak sependapat

Ehrenberg-Bass Institute telah lama berhujah bahawa peralihan bajet kepada aktivasi prestasi jangka pendek dengan mengorbankan pembinaan jenama merosakkan keberkesanan kempen dalam jangka masa panjang, seperti dijelaskan dalam [Ehrenberg-Bass Institute mengenai jangka pendek dalam pemasaran](https://marketingscience.info/marketers-obsession-with-roi-and-short-termism-undermining-growth/). Sebahagian pihak dalam industri tidak bersetuju dan menganggap sebahagian kesimpulan institut tersebut sebagai peraturan yang terlalu tegar dan tidak sesuai dengan sama rata untuk setiap sektor.

Bagi e-dagang, perbahasan ini adalah soalan yang sedikit berbeza berbanding pemasaran jenama CPG. E-dagang memerlukan aliran tunai setiap bulan, bukan sekadar kesedaran mental setahun kemudian. Itulah sebabnya kerja prestasi bagi e-dagang lebih tertumpu kepada bahagian bawah dan tengah funnel, di mana keuntungan boleh diukur secara langsung. Namun ini tidak bermakna bahagian atas funnel tidak wujud, hanya lebih sukar dikaitkan dengan satu pesanan tertentu.

Pendirian kami

Konsensus dalam perbincangan pakar menyatakan bahawa keputusan lebih tertumpu kepada pemilihan model bidding, iaitu ROAS sasaran berbanding POAS berbanding pemaksimuman nilai penukaran. Berdasarkan data kami sendiri, kami menegaskan bahawa pemilihan model adalah perkara kedua. Perbezaan antara model adalah lebih kecil berbanding perbezaan dalam kualiti data input yang dimasukkan syarikat ke dalamnya. Akaun yang kami ambil alih mempunyai terlalu banyak pengecualian manual dan terlalu kurang keteraturan dalam feed serta data penukaran, bukan model yang buruk.

Google, Meta dan TikTok melakukan pembelian media dengan sangat baik. Namun mereka tidak mengetahui apa-apa tentang harga belian, margin dan kadar pulangan anda selagi tidak dimaklumkan. Inilah jurang yang ditutup oleh [enjin AI dalam rangka perkhidmatan prestasi](/sluzby) kami, yang berfungsi sebagai lapisan telus di atas platform, bukan sebagai penggantinya.

Angka +300% ROAS yang kami nyatakan dalam rujukan adalah had tertinggi bagi katalog dengan data margin yang berkualiti, bukan purata. Sesiapa yang membentangkannya sebagai purata sedang menipu. Metrik kawalan e-dagang seharusnya keuntungan bagi setiap pesanan selepas pulangan dan penghantaran, bukan hasil jualan, tepat atas sebab yang digambarkan juga oleh Search Engine Land di atas.

Langkah praktikal jika anda mempertimbangkan agensi prestasi untuk e-dagang

Langkah pertama bukan memilih agensi, tetapi audit data. Periksa sama ada feed membawa harga, margin dan status stok pada tahap produk, bukan kategori. Tanpa itu, tidak ada agensi, termasuk yang mempunyai model terbaik, boleh mengoptimumkan apa-apa.

Langkah kedua adalah jumlah. Jika kempen menghasilkan kurang daripada 15 penukaran dalam 30 hari, value-based bidding tidak mempunyai cukup data untuk belajar, menurut cadangan [Google Ads Help](https://support.google.com/google-ads/answer/15099424?hl=en). Dalam keadaan sedemikian, lebih wajar untuk memperbaiki produk, feed dan kreatif terlebih dahulu.

Langkah ketiga adalah model imbuhan agensi. Peratusan daripada bajet mendorong perbelanjaan lebih banyak, bukan pendapatan lebih banyak. Oleh itu, bagi e-dagang, model yang dikaitkan dengan hasil, bukan jumlah wang yang dibelanjakan, adalah lebih masuk akal. Nyatakan harga secara terbuka pada pertemuan pertama, [konsultasi tanpa komitmen](/rezervacia) adalah tempat yang sesuai untuk itu.

Langkah keempat, jika anda tidak pasti sama ada iklan benar-benar berfungsi atau anda hanya melihat kesan bermusim, adalah ujian geo pada sebahagian pasaran. Ia memerlukan masa dan sebahagian kawasan, tetapi itu adalah harga yang wajar untuk kepastian.

Bila ini tidak berlaku

Jika katalog mempunyai margin yang sama pada semua produk, ROAS sasaran daripada hasil jualan secara semula jadi mendekati keuntungan, dan pengiraan semula kepada keuntungan memberi sedikit tambahan nilai dengan kos pengurusan data yang lebih rumit.

Jika akaun menghasilkan kurang daripada kira-kira 15 penukaran dalam 30 hari bagi setiap kempen, pengoptimuman kompleks adalah sia-sia. Anda hanya mengukur kekacauan dengan lebih tepat. Ketika itu, lebih baik melabur dalam produk, feed dan kreatif, bukan dalam model bidding.

Jika syarikat tidak mempunyai kos produk, penghantaran dan pulangan yang bersih, peralihan kepada POAS penuh akan gagal disebabkan data input, bukan algoritma. Kerja ini perlu diselesaikan sebelum menukar strategi, bukan semasa proses tersebut.

Dan jika laman web atau produk itu sendiri tidak mempunyai apa-apa untuk dijual, mengoptimumkan kelajuan laman web atau bidding adalah pembaziran masa. Tawaran perlu diperbaiki dahulu, kemudian prestasi.

Soalan lazim