Termini di ricerca: trovare sprechi e opportunità con gli n-grammi

La domanda da cui partire

Una query senza conversioni non è automaticamente uno spreco. Potrebbe essere irrilevante, avere pochi clic, arrivare su una pagina sbagliata oppure generare ordini che devono ancora comparire. Prima di riempire l’account di negative serve capire quale di queste situazioni stiamo osservando. Gli n-grammi aiutano a cercare schemi ricorrenti: parole singole, coppie e sequenze presenti in tante ricerche diverse.

Brad Geddes, nell’analisi pubblicata su Adalysis, mostra perché il controllo delle singole query perde gli sprechi distribuiti su tante ricerche piccole. Aggregare le parole permette di trovare quei temi. Il suo passaggio più utile è successivo: un gruppo inefficiente può richiedere una pagina o un’organizzazione migliore, non necessariamente un’esclusione. Partiamo da questa distinzione per costruire una procedura verificabile.

Preparare un dataset che risponda alla domanda

Scegli un periodo sufficientemente maturo rispetto al tempo necessario per acquistare. Per un controllo operativo puoi partire da quattro settimane, ma è una scelta di lavoro, non una soglia universale. Tieni separati brand e ricerche generiche, paesi con lingue diverse e obiettivi diversi. Unire tutto produrrebbe medie difficili da interpretare.

Esporta testo della query, campagna, gruppo, clic, costo, conversioni e valore. Conserva anche il testo originale: servirà a verificare le proposte. Normalizza una copia portando le lettere in minuscolo e rimuovendo spazi duplicati. Non eliminare indiscriminatamente numeri, accenti o sigle: per ricambi, modelli e prodotti tecnici possono essere il significato della ricerca.

Calcola il rapporto tra costo delle query disponibili e costo del perimetro analizzato, usando stesso periodo, rete e campagne. Scrivi quel rapporto in testata. Se vedi solo una parte della spesa, la lettura degli n-grammi riguarda quella parte. Evita di proiettare automaticamente le conclusioni sulle ricerche che non puoi osservare.

Costruire gli n-grammi senza contare due volte

Da “spedizione pacchi per aziende” ricavi le parole singole e le coppie adiacenti, come “spedizione pacchi” e “per aziende”. Per ogni sequenza sommi clic, costo, conversioni e valore delle query che la contengono. Se la stessa parola appare due volte nella stessa query, attribuisci le metriche una volta sola a quella parola.

Ogni query partecipa a più gruppi. Per questo la somma dei costi di tutti gli n-grammi supera la spesa reale: sono viste sovrapposte, non parti di un totale. Usa il report per ordinare le verifiche. Prima di stimare il costo delle esclusioni proposte, torna alle query originali e costruisci l’unione senza duplicati delle ricerche coinvolte.

Aggiungi due indicatori: numero di query distinte e peso della query principale sul costo del gruppo. Un tema presente in cinquanta ricerche è diverso da una parola che appare quasi soltanto in una ricerca molto costosa. Anche il ROAS va ricalcolato come valore totale diviso costo totale, mai come media dei ROAS delle righe.

Esempio operativo: “gratis” non basta per decidere

Consideriamo che il gruppo contenente “gratis” abbia 600 clic, 480 euro di costo e 900 euro di valore attribuito: ROAS 1,88. Una lettura automatica potrebbe proporre di escluderlo. Aprendo le query scopri però due esigenze diverse: “spedire gratis” ha speso 320 euro senza ordini; “preventivo spedizioni gratis” ha speso 160 euro e generato tutto il valore.

Se l’azienda offre preventivi gratuiti, la seconda ricerca è coerente. Escludere la parola singola “gratis” eliminerebbe entrambe. Una proposta più precisa sarebbe esaminare le query sul servizio gratuito e scegliere l’esclusione meno ampia necessaria. Prima si chiarisce l’offerta con l’azienda, poi si traduce la decisione nella piattaforma.

I 320 euro storici non sono un risparmio futuro garantito. Il traffico può cambiare e il budget liberato può essere speso altrove. Misuriamo quindi cosa succede alla distribuzione della spesa e al valore complessivo, oltre alla scomparsa delle query selezionate.

Mettere alla prova le liste, prima di ampliarle

PPC Mastery racconta un esperimento durato circa due mesi e mezzo in cui Bob Meijer ha rimosso le liste di esclusione da campagne Search di lead generation. Tre delle quattro campagne principali hanno peggiorato i risultati. È un caso specifico, non la prova che ogni lista vada conservata. La tecnica riutilizzabile è confrontare esclusioni e ricerche che hanno convertito, per individuare blocchi incoerenti prima di cancellare tutto.

Per ogni proposta decidi quanto deve essere ampia: una ricerca precisa, una sequenza di parole oppure un’intera combinazione di termini. Verifica l’effetto della corrispondenza scelta sulle query originali. Usa il livello account soltanto se l’esclusione vale per tutta l’offerta: un reparto software può escludere “corso”, mentre un altro vende formazione. Registra motivazione, ambito, data e criterio per riesaminare la scelta.

La verifica che rende utile il lavoro

Un secondo contributo di Geddes propone di leggere la domanda non soddisfatta anche come informazione per il catalogo. Applichiamo questo spunto con due code distinte: “traffico da escludere” e “offerta da discutere con l’azienda”. Per ciascun tema conserva query, costo, valore e limite commerciale. Il media buyer porta un segnale osservato; chi conosce produzione, distribuzione e margini valuta se esiste un’opportunità realistica.

Dopo l’applicazione controlla che i temi indesiderati diminuiscano e che la domanda utile resti raggiungibile. Confronta periodi maturi e annota promozioni, disponibilità e altre modifiche. Il risultato da cercare è una decisione più precisa sul traffico; il numero di negative aggiunte non è un indicatore di qualità.

• La copertura del report è dichiarata e il totale non include righe duplicate.
• Ogni esclusione ha una ragione legata all’offerta o evidenza sufficiente, non soltanto zero conversioni.
• Le proposte sono state confrontate con le query che hanno generato valore.
• Sono registrati livello, corrispondenza, data e verifica successiva.