Google Demand Gen-målretting: Nye tids- og kjønnsalternativer

Google advarer også om at altfor smal målretting kan påvirke kampanjeresultatene negativt. Algoritmen bruker ulike signaler, inkludert brukeratferd og innhold på landingssider, for å optimalisere konverteringer. Hvis du begrenser det demografiske området, kan det redusere trafikken og konverteringsfrekvensen.

Demand Gen-kampanjer (kampanjer fokusert på å generere etterspørsel) tar sikte på å skape interesse og etterspørsel etter produkter eller tjenester. Ved hjelp av presis målretting og annonseoptimalisering når de potensielle kunder i de tidlige stadiene av kjøpsprosessen, og øker dermed merkevarebevisstheten og forbereder dem på fremtidige kjøp.

Andre plattformer har også nylig annonsert målrettingsendringer – LinkedIn har eliminert lookalike-publikum, mens Meta har gått i motsatt retning. Den anbefaler at bedrifter bruker speilpublikum når de oppretter en kampanje og går bort fra presis målretting.

Endringer i Gen-kampanjer

1. Alders- og kjønnsmålretting:
Annonsører kan begrense synligheten til annonsen sin til bestemte alders- og kjønnsgrupper. Dette nye alternativet er integrert i de optimaliserte målrettingsinnstillingene for kampanjer for etterspørselsgenerering.

2. Fleksible målrettingsalternativer:
Annonsører kan velge ubegrenset eller begrenset målretting avhengig av kampanjemål og målgruppekrav. Dette gjør det mulig for markedsførere å skreddersy strategiene sine bedre til spesifikke forretningsmål.

Effektiv bruk av målretting

For e-handelsfirmaer er det viktig å finne en balanse mellom presis målretting og kampanjeresultater. Oppdateringen gir deg muligheten til å tilpasse kampanjer mer presist til forretningsmål, men krever også nøye vurdering for å sikre at publikumsbegrensninger ikke setter oppnåelsen av de ønskede resultatene i fare.

Den nye funksjonen er enda et skritt mot å la annonsører tilpasse kampanjene sine bedre ved hjelp av avanserte Google-målrettingsverktøy, samtidig som de kan utnytte fordelene med optimalisering av maskinlæring.