Hakukonemainonnan kuninkaalla Googlella on selvä visio koneoppimisen, tekoälyn ja automatiikan luomasta paremmasta tulevaisuudesta. Digitaalisen mainonnan työkalut kehittyvätkin jatkuvasti, ja meidän ammattilaisten on pysyttävä aallonharjalla valmiina yllättäviin muutoksiin. Jatkuvan muutoksen keskeltä haluamme siis jakaa, mitä Googlen hakukonemainonnassa on tapahtunut viime vuosina ja millaisia asioita tulee huomioida nyt.
Viime vuosien aikana Adwordsistä on tullut Google Ads. Nimenmuutoksen takana on kenties uusi koneoppimiseen ja dataan sidottu brändi, joka lupailee tuloksia niin pienemmille kuin suuremmillekin yrityksille. Sittemmin olemme saaneet käyttöön koneoppimisella höystettyjä työkaluja, kuten konversioarvon maksimointiin keskittyvän automaattisen hintatarjousstrategian ja laajan valikoiman automaattisia mainoslaajennuksia. Samalla myös yleisökohdennuksien kehittämiseen on panostettu ja hakukonemainonnan avulla voidaan kohdentaa yhä tarkemmin valittuihin yleisöihin pelkkien hakusanojen lisäksi.
Yhä useampi asia tarkkojen yleisökohdennuksien lisäksi on siirtynyt sosiaalisen median mainonnasta myös hakukonemainontaan. Esimerkiksi nykyään lead form eli liidilomakemainonta on myös mahdollista hakusanamainokseen liitetyllä mainoslaajennuksella. Mainoslaajennuksilla tekstimainoksiin saadaan lisättyä jopa kuvia. Hakukonemainonta ei myöskään rajoitu hakutuloksissa esiintyviin tekstimainoksiin ja Google Adsin kautta voidaan tehdä niin Display, Youtube ja ostoskampanjoita, joilla voidaan saavuttaa erilaisia tavoitteita.
Google käyttää siis yhä enemmän koneoppimista ja automatiikkaa isojen datamassojen käsittelyssä ja hyödyntämisessä. Tavoitteena on tietenkin manuaalisen työn helpottaminen ja vähentäminen sekä yhä parempien hakutuloksien tarjoaminen hakukoneen käyttäjille. Google Adsissä tämä näkyy muun muassa hintatarjousstrategioissa, mainoksissa sekä yleisöissä.
Mainostilien kampanjarakenteiden minimalisoimisesta on tullut osa SEM-asiantuntijan arkipäivää. Mitä enemmän dataa saadaan kerättyä yhden kampanjan alle, sitä paremmin algoritmi pystyy optimoimaan mainontaa tavoitteita kohden. Monen pienen budjetin kampanjan sijaan onkin parempi yhdistää budjetti yhteen kampanjaan mahdollisuuksien mukaan. Näin konversiot, klikit ja impressiot luovat pohjan automatisoitujen ominaisuuksien käyttöön ottamiseksi.
Yrityksestä ja sen tavoitteesta riippuen automaattisia tarjousstrategioita on monia joista valita. Tavoitehankinta hinnan tai konversioarvojen määrittely on yhä keskeisemmässä osassa kustannustehokasta hakukonemainontaa. B2B-alalla haasteena voi olla liidien arvon määrittely, kun taas verkkokaupan puolelta pystytään saamaan suoraan tietoa yksittäisen konversion tuomista tuloista. On kuitenkin mainonnan tuloksellisuuden kannalta tärkeää ymmärtää mahdollisimman tarkasti, mitä hyötyä maksettu mainonta tuo organisaatiolle.
Google on ilmoittanut poistavansa käytöstä laajennetut tekstimainokset kesällä 2022. Jäljelle jäävät responsiiviset ja dynaamiset mainokset, jotka molemmat luottavat puhtaasti koneoppimiseen. Responsiivisissa mainoksissa syötetään vaihtoehtoisia otsikoita ja kuvauksia, joita tekoäly yhdistelee parhaiten toimivaksi mainokseksi. Dynaamiset mainokset puolestaan hakevat mainostettavalta sivustolta parhaiten toimivan laskeutumissivun ja otsikot mainoksiin yhdistäen ne annetuihin kuvauksiin.
Manuaalinen A/B-testaus jää siis menneisyyteen, kun tekoäly yhdistelee mainostekstejä ja kuvauksia etsien optimaallisinta mainosta. Jatkossa voi olla hankalampaa analysoida, mitkä mainostekstit toimivat parhaiten ja mitä mainosteksteissä kannattaa korostaa. Nyt on siis tärkeää ottaa keskeisimmän opit talteen!
Hakusanat ovat toimineet keskeisenä osana hakusanamainonnan kohdentamista. Google on hakukoneena halunnut vastata jokaiseen yksittäiseen hakusanaan juuri oikealla sivustolla. Sosiaalisen median mainostamisen myötä mainontaa halutaan kuitenkin kohdentaa yhä tarkemmin. Tulevaisuuden suunta hakukonemainonnan kannalta vaikuttaakin siltä, että pienemmällä määrällä laajemman vastaavuuden hakusanoja halutaankin saada kiinni juuri oikea yleisö. Koneoppiminen on mahdollistanut yleisöjen ryhmittelyn ja luomisen sekä erilaisten signaalien tunnistamisen entistä paremmin.
Oletkin ehkä saattanut kuulla tarinan supermarketista, joka sai vihaista palautetta lähetettyään ostoskäyttäytymisen kautta kohdennetun tarjouslehden vauvantarvikkeista naiselle, joka ei vielä edes tiennyt olevansa raskaana. Samoin tavoin Googlen keräämät signaalit auttavat tunnistamaan kenelle ja milloin mainoksesi todella kannattaa näkyä.
Uusi Maksimitulokset-kampanjatyyppi (engl. Performance Max) käyttää juuri näitä teknologioita ja mahdollistaa kohdennukset erilaisten signaalien ja datan pohjalta juuri oikeisiin yleisöihin. Lisäksi se mahdollistaa useiden mainosmuotojen ja -kanavien yhdistämisen yhden kampanjan alle. Sillä voidaan siis valjastaa kaikki Googlen tarjoamat alustat optimoimaan yhtä yhteistä tavoitetta kohden.
Vaikka kehitys on ollut nopeaa, koneoppimista hyödyntävien teknologioiden käyttöönottamisessa on vielä otettava huomioon, että se on rajoittunut faktoihin, jotka sille on annettu ja joita se pystyy käyttämään. Esimerkiksi Googlen suomenkielen taito on vielä hataralla pohjalla ja avainsanaehdotukset saattavat olla yllättävän epärelevantteja. Konversion tarkka arvo, liidin laatu ja suora liiketoiminnallinen hyöty vaativat vielä useimmiten ihmissilmää, eikä sokea algoritmiin luottaminen takaa aina tuloksia. Pahimmassa tapauksessa Googlen ehdotuksien seuraaminen voi johtaa jopa huonompiin tuloksiin.
Kokonaisuudessaan digitaalisen markinoinnin puolella jatkuvasti liikutaan suuntaan, jossa maksettu mainonta ei yksin riitä, vaan myös hakukoneoptimointi, kumppanuusmainonta, tiedotustoiminta ja sähköpostimarkkinointi on otettava huomioon osana markkinointia.