一些“不太明显”的高级测试和学习想法可帮助您优化PPC广告系列并最大程度地提高广告支出回报率。

对于大多数PPC广告客户而言，大部分A / B测试都集中在广告和目标网页上。毕竟，点击和转化是任何付费广告系列最重要的两个指标。

但是，还有很多其他因素决定了您广告的展示频率以及这些展示的相关性–两者都直接影响广告系列获得的点击次数和转化次数。

这里介绍五个PPC优化想法。无需运行基本的A / B测试，您可以应用测试并学习模型，该模型从一系列变体中收集数据并为广告系列确定最佳设置。

什么是测试与学习PPC？

测试和学习是一种数据驱动的模型，该模型在单个测试中运行一系列变量以编译性能数据，并“学习”设置/变量的最有效组合。例如，您可以对广告投放时间设置应用测试和学习模型，以便找出广告系列效果最好的一天中的哪几天，一周中的几日，每月的几周和每年的几个月。

因此，虽然A / B测试非常适合找出哪种广告文案或目标网页设计最有效，但测试和学习是找出哪种广告系列设置可获得最佳效果的理想选择。您还可以将测试和学习模型应用于外部因素，例如，找出市场趋势如何影响广告系列的效果。

这种数据驱动的模型可以回答有关您的付费广告策略的复杂问题，并消除许多围绕PPC广告的谜团。让我们通过查看具体示例进行更多说明。

＃1：测试广泛匹配关键字和DSA

我们之前曾讨论过最大化搜索范围，以及为什么它对于可见度，点击次数和竞争优势如此重要。Google为此建议的一种策略是将广泛匹配关键字与动态搜索广告（DSA）结合在一起。

基本上，广泛匹配关键字可以增加广告将显示的搜索字词的种类，而动态搜索广告可以通过使用网站上的内容来匹配用户的查询来进一步扩展搜索字词。因此，您可以从广泛匹配的关键字中获得更大的搜索范围，但又不会失去相关性。

DSA的另一个好处是，这是一种完全自动化的广告格式，但与往常一样，请确保您关注效果。

现在，此策略的测试和学习方面着重于关键字-不仅是您使用的广泛匹配字词，还包括用于确保广告仅针对有价值的搜索字词展示的否定关键字。当您试图最大化搜索范围而又不影响相关性时，这需要谨慎的平衡。因此，这里有进行一些反复试验的空间，而这正是测试和学习系统蓬勃发展的地方。

＃2：余额转换与单次转换出价

PPC中的另一个困难的平衡行为是在管理每次转化费用（CPA）的同时最大化转化率。这样做的最有效方法之一是优化目标网页以提高转化率，以便从相同的总广告支出中转化出更高比例的用户。

但是，您可以在广告系列一级采用某些策略来提高转化率，而无需每次转化费用。

从本质上讲，这全都归功于提高访问您网站的流量的质量。因此，我们采取了相反的方法来最大程度地增加搜索范围，并更多地关注于吸引最有可能转化的访问者。

实现此目标的最有效方法之一是测试广告投放时间设置，以找出访问者最有可能转化的时间。您通常会发现，星期一早上清晨产生的流量在不久的将来不太可能转换（但很可能会在以后转换），而周四和星期五晚上产生的流量通常会立即完成购买。

获得这些见解后，您可以将更多的广告支出投入到转化次数最高的时间，提高网站访问流量的质量，并在降低整体CPA的同时将更多的访问者转变为付费客户。

技巧是测试足够长的广告投放时间变化，以收集足够的数据以进行准确的预测。有了足够的数据后，您就可以按小时，天，月或一年中的时间预测转化的可能性。

＃3：测试并了解最佳定位选项

寻找最佳的定位选项来确定您的理想受众需要大量的实验。在上一节中，我们仅介绍了Google Ads中可使用的一种定位选项，它可能需要花费数月的时间来收集足够的数据才能开始可靠地进行预测。

借助Facebook Advertising这样的平台，您可以使用数千种潜在的定位组合。看看我们关于Facebook和Instagram的大量定位选项的指南，以了解更多信息。

在Facebook中创建自定义受众

您越了解受众，至少从理论上讲，您就越有可能选择合适的定位选项组合。问题在于假设并非总是会在野外出现，并且消费者的习惯会发生变化。一家家庭保险公司可能会认为，新的购房者将目标对准希望生下第一个孩子的夫妇，从而获得更好的结果，从而可能会成为最赚钱的受众。

为了找出您应该优先考虑的定位设置，您必须大规模测试广告系列和设置。这不仅可以帮助您定义最有利可图的受众，还可以使您汇编历史数据以绘制行业趋势，以便在出现更多可获利的受众时切换。

＃4：测试并了解出价调整

之前，我们谈到了安排出价以提高您的PPC广告带来的流量质量（转化可能性）。但这只是优化出价以最大程度提高Google Ads效果的众多方法之一。

测试和学习方法就像寻找最佳定位选项一样，可以帮助您找到理想的出价设置。更好的是，您可以使整个过程自动化，以便您的出价始终适应用户的行为并最大化性能。

显示您如何根据设备，位置，时间，受众群体等来提高或降低出价

通过使用历史效果数据，您可以预测在任何给定时间哪些设备，位置，一天中的时间和定位设置最有效。然后，您可以将该数据输入自动脚本中，以调整出价，从而在符合正确条件时增加广告支出。

这意味着您可以在效果较低的情况下减少在关键字和广告系列设置上的支出，而在效果最佳的情况下提高出价（所有这些都无需人工输入）。

通过阅读有关自动出价调整的案例研究，您可以在Vertical Leap中找到有关我们如何执行此操作的更多信息。

＃5：测试和了解季节性趋势

如前所述，广告系列的效果不仅取决于内部因素。全球流行病，经济前景，国定假日和天气等现实问题会影响消费者的行为，因此品牌需要对这些变化做出反应。

幸运的是，企业使用API​​和其他集成从外部来源收集相关数据从未如此简单。现在，您可以从Google趋势等平台中获取数据，以跟踪Covid-19的消费者习惯或天气预报，以预测下周末的销量。

与健康危机和天气事件相比，其他季节性趋势也难以预测。例如，您可以汇总全年的销售数据，广告系列效果和其他KPI，以了解全年的业务绩效如何变化。如果您有足够的历史数据，则可以将其与有影响力的事件相对应，例如经济低迷，英国脱欧和大选等政治地标，甚至体育赛事和皇室婚礼，以了解外部因素如何影响您的业务。

您拥有的数据越多，您对季节趋势和外部事件的反应就越有效。这些知识将帮助您调整广告系列设置，重新评估广告支出，甚至在实际实现之前预测积极/消极的影响。

测试并学习提高PPC性能的方法

虽然对广告和目标网页进行A / B测试对于提高PPC结果至关重要，但仅从广告系列中获取最佳效果并击败最强大的竞争对手还远远不够。

要优化广告系列设置的详细信息并最大程度地提高流量质量和广告支出，您必须对帐户进行测试和学习。在本文中，我们已经看了五个具体的示例来说明如何使用这种方法来提高性能，但是您可以通过测试和学习PPC进行更多的工作。