登陸頁與廣告品質分數大有關係

你知道該怎麼提升廣告品質分數嗎?登陸頁也是非常重要的一環!

發表於 2020- 08- 11   |   行銷分析   |   Joanne Huang
登陸頁與廣告品質分數大有關係

在付費點擊廣告 (PPC) 的世界中,很少有像“登陸頁對品質分數的影響”這樣嚴重的誤解。雖然品質分數的算法我們無法清楚得知,但這對你的 PPC 廣告活動的成功有著很重大的影響。對於 Google Ads, Microsoft Advertising(以前稱為 Bing Ads)和社群媒體廣告平台如何計算和使用品質分數,我們仍然所知甚少。

登陸頁面通常是客戶與品牌的首次互動,是彼此建立關係的開始。將品質分數精簡為數字會誤導 PPC 廣告商,因為它低估了廣告系列其他幾個關鍵要素(例如品牌認知度和定位)在登陸頁上的重要性。 

另外,大多數廣告平台使用“品質分數”一詞,而其他廣告平台則使用“廣告相關性”或類似的用語。為簡單說明,我在此篇會將品質得分與廣告相關性和相關性得分指標一齊使用、在本文討論。讓我們開始吧!


什麼是品質分數?為什麼對PPC廣告商如此重要?

品質分數是您的關鍵字和廣告內容對於目標受眾的相關性的近似值。通常在廣告平台中以1-10的數字表示。這大大簡化了每次廣告競價中考慮到的複雜度,且品質分數會納入每次廣告競標中。搜尋引擎和社群媒體平台使用此指標來決定要顯示哪些廣告,以及向廣告主收取多少每次點擊或展示的費用。

Google Ads 在其廣告評級算法中率先推出了品質分數,以獎勵製作相關廣告但出價較低的廣告商。廣告商若是向不感興趣的用戶展示無關的廣告則會得到較低的品質分數,並且需要支付較高的廣告費才能讓廣告被看到。

如下面的公式所示,提供出色的用戶體驗可以提高你的品質得分,並改善你的廣告排名並降低每次點擊費用(cost per click)。據我們所知,大多數 PPC 平台使用以下公式來確立廣告的展示位置。

但事實上,每個廣告平台在品質分數公式中,對待登陸頁的計算方式有所不同。精明的 PPC 廣告商應了解每個平台的細微差別,以量身定制其廣告系列以獲得最佳效果。簡而言之,下表顯示了每個廣告平台的品質分數以及評分因素其中的差異關係:

簡而言之,當平台根據這些不同的内容評估你的廣告時,他們會問以下問題:

  • · 登陸頁體驗:您的廣告的登陸頁是否與訪問者的意圖相關,是否有助於他們快速、明確達成他們所要的?
  • · 廣告點擊率/參與度:您的廣告被點擊的次數是否與競爭廣告一樣?
  • · 廣告相關性:您的廣告是否符合受眾群體的興趣和意圖?
  • · 點擊後轉化率:訪問者在點擊您的廣告後是否會進行轉換或採取行動?
  • · 近期更新:您的廣告最近是否定期發布或更新?

如果對這些問題的回答為“否”,則很可能您的質量得分受到了影響。


登陸頁面如何影響不同平台上的品質分數?

登陸頁面是品質分數算法的重要組成部分,幸運的是登陸頁是 PPC 廣告中最容易控制的元素之一。品質分數影響因素中—“登陸頁體驗”最重要的部分是提供良好的訪問者體驗。用相關內容回答他們的搜尋動作,提供閃電般飛快的頁面速度,並確保您的網站在所有螢幕尺寸上都有很好的顯示。 

以上皆完整實現後,目標網頁可能會對Google Ads品質分數產生正面影響。與將流量導到網站相比,這能為你帶來更低的每次點擊費用(CPC)和更高的轉化率。即使某些廣告平台沒有將登陸頁面明確納入品質分數,行銷人員也不應該忽略訪問者體驗,因為這與您的品牌建立積極關聯的可能性。


1. Google Ads — 品質分數

Google Ads 的“幫助內容”明確提到登陸頁對於良好用戶體驗的重要性。我想強調一下“體驗”部分,因為大多數人都認為 Google Ads 品質分數只關注登陸頁的“相關性”。沒錯,你的登陸頁必須是相關的關鍵字和廣告內容,對Google同樣重要的是,您的登陸頁可以迅速加載、安全且在所有螢幕上有良好顯示。

↑ 以上 Google Ads 解釋了品質分數的計算方式。

登陸頁不會直接影響你 Google Ads 品質分數的預期點擊率或廣告相關性因素,但是您在廣告中顯示的域名(domain)和 URL 可能會間接影響你的點擊率。


2. Microsoft Advertising — 品質評分

Microsoft Advertising Quality Score與Google Ads Quality Score幾乎相同,儘管它們為這三個組件中的每個組件提供的文檔明顯少得多。與 Google 不同,Microsoft 明確提到登陸頁體驗為“訪客到達廣告後短時間內離開廣告登陸頁的次數”。這意味著降低登陸頁的跳出率將提高品質評分。

↑ Microsoft Advertising 官方公告關於影響品質評分的因素。

監視您的Microsoft品質評分是一個好方式,但是不需要對能得到單一關鍵字的有用資訊抱持太大期望。以目前來說,我建議你先遵循Google的品質分數因素去改善,那麼Microsoft也會回報你在這方面的努力。


3. Facebook Advertising — 相關性分數(廣告相關性問題診斷)

Facebook 的廣告相關性(現已更正為“廣告相關性問題診斷”)是一種與 Google 的品質分數完全不同的測量指標。Facebook 廣告相關性分數的三個組成分別為:

  • · 品質排名:廣告感知質量的排名。質量是通過廣告回饋和點擊後的體驗來衡量的。您的廣告與相同受眾的競爭廣告一同排名。
  • · 互動率排名:廣告預期互動率的排名。參與度包括所有點擊、讚數、留言和分享。您的廣告與相同受眾的競爭廣告一同排名。
  • · 轉換率排名:廣告預期轉換率的排名。您的廣告與擁有相同最佳化目標且爭取相同受眾青睞的廣告相互排名。

值得注意的是,Facebook 的受眾群體定位不依賴搜索關鍵字。因此,確定社群用戶的意圖是很困難的。許多 Facebook 廣告系列類型還允許用戶轉換、交易或與內容互動。(因此,它們不需要登陸頁。)在這種情況下,Facebook 靠著平台上發生的互動及參與度去判定廣告是否有好的相關性。


4. Twitter Ads — 廣告分數

Twitter Ads 的幫助內容中對於廣告分數的解釋最少,並沒有提及登陸頁。 

↑您在 Twitter 上的廣告分數的影響因素。

與 Facebook Ads 相似,大多數 Twitter Ads 的轉換都以喜歡、轉發、內容參與和關注的形式在其平台內發生。如果 Twitter 確實將登陸頁的參與度、轉化或體驗作為考慮因素,那麼它似乎並不會嚴重影響您的廣告效果。

也就是說,如果您希望重新吸引和轉換網站訪問者,那麼為 Twitter Ads 專門設計一個登陸頁將會很有用。如果您的登陸頁無法加強您在推特上的定位或或品牌力,那麼 Twitter Ads 廣告將無法發揮潛力。


5. LinkedIn Ads — 廣告系列品質得分

在 LinkedIn 廣告中,要找到廣告活動品質得分贊助內容不太容易。與其他平台一樣,LinkedIn 對每個贊助內容廣告系列的評分為1-10。但與其他平台不同的是,除非您自主下載過去的 CSV 文件,否則它們不允許您查看廣告系列品質得分。 

按照繁瑣的八個操作步驟得到分數後,您會在“廣告系列效果”列中找到一個數字,但沒有深入的解釋或如何改進它的詳細資訊。 

如果沒有這些訊息,我能給您的最佳建議是著重於提高廣告的點擊率和參與度(喜歡、分享等)。他們並沒有提及登陸頁。如果您將廣告的點擊量導向外部網站,請遵循其他平台共同提供的最佳廣告優化方式 — 首要注重用戶體驗。這樣做至少能提高您的轉化率,也或許可以提高您的廣告系列品質得分,並降低在 LinkedIn 廣告上臭名昭彰的高價CPC也說不定。



注意品質分數,但不要過於執著

有許多可行的方法可以藉由登陸頁去提高廣告品質分數。大多數都專注於加強訪問者體驗,不需要大量的開發人員支援。Unbounce 的用戶可以利用動態文字替換功能來提高相關性,並提高頁面速度,以創造閃電般的體驗。 

您的登陸頁將(直接或間接)影響品質分數,但是計算方式是不透明的,因此無法確切知道詳細是哪個部分會對分數有助益。我們看到會因產業類別和廣告類型不同而有很大的結果差異。我建議將此視為您工作的落後指標(而非領先指標),安排每月或每季一次來檢查您的登陸頁體驗分數,持續進步。

只要費點心思,您的登陸頁將幫助您的廣告活動前進一大步。

 

 

文章來源:https://unbounce.com/ppc/how-landing-pages-impact-quality-score/

更多文章
2020 - 07 - 28

建立了內容卻成效不佳?快來看看這些方法!

2019 - 06 - 27

時下行銷方式百百種,如何使用 Instagram 出奇制勝?

2020 - 01 - 08

數位行銷正在不斷變化。 因此,如何保持在這個產業的領頭羊與趨勢共行勢重要關鍵。

創作者與編輯
聯盟 管理員 聯盟 管理員
Anthony Wu Anthony Wu
Lily Lu Lily Lu
Kent Wu Kent Wu
Andy Hsu Andy Hsu
Joanne Huang Joanne Huang
Amy Huang Amy Huang
Jerry Wang Jerry Wang
Linda Huang Linda Huang
Leon Lu Leon Lu
Karl Luo Karl Luo
Phoebe Liao Phoebe Liao
Frank Chien Frank Chien
Rosie Luo Rosie Luo
Liki Lin Liki Lin
Katy Tu Katy Tu