Método Hagakure: cómo sacar máximo partido al Machine Learning de Google Ads

Método Hagakure: cómo sacar máximo partido al Machine Learning de Google Ads

¿Cómo? ¿Hagakure? Sí, sí, tal como lo lees. Hoy nos liamos la manta a la cabeza y os hablamos del llamado método Hagakure y de cómo sacar máximo partido al Machine Learning de Google Ads; a través de esta nueva forma de estructurar las campañas de búsqueda en Google. Una nueva forma que permite realizar una mejor optimización de la cuenta haciendo uso de la tecnología smart bidding y anuncios dinámicos de búsqueda (DSA). ¡Comenzamos!

En qué consiste y cómo implementarlo en la estrategia de búsqueda en Google Ads

El término japonés Hagakure es una guía práctica y espiritual para el guerrero. Y en ella se explica a los aprendices cómo debía ser el código por el que debían regirse los samuráis. Visto esto desde el punto de vista de marketing digital, se trata de plantear una nueva estructura en Google Ads, más sencilla y práctica para sacar partido al aprendizaje automático y al potencial del algoritmo. Este método consiste en simplificar la estructura de las campañas de Google Ads para dejar al algoritmo que trabaje haciendo uso del machine learning.

Hace unos años se recomendaba como estrategia eficiente, disgregar lo máximo posible la estructura de campañas, grupos de anuncios y palabras clave, de tal manera que dentro de un grupo de anuncios debía haber palabras que compartiesen la categoría con sus variaciones, y esto con un sinfín de campañas y otros grupos de anuncios. Lo anterior se traducía en una estructura de un gran número de campañas muy difícil de manejar y optimizar.

Para simplificar la estructura y mejorar la optimización, surge la estrategia Hagakure y para cuya puesta en marcha se necesita tener un mínimo de impresiones a la semana por grupo de anuncios, y esto es para asegurar que el algoritmo tiene suficiente volumen para poder aprovechar las ventajas del machine learning.

Para la implementación, Google propone lo siguiente:

  • Estructurar la campaña en base a una URL y no en base a palabras clave.
  • Usar tipos de concordancia amplia para conseguir mayor volumen.
  • Incluir un grupo de anuncios dinámico que recoja todas las búsquedas a las cuales no estamos llegando con las palabras clave por las que ya estamos pujando.

Ventajas del método Hagakure:

  • Reduce la complejidad de la estructura y mejora el reporting.
  • Acceso a todas las señales de data del entorno que permiten aumentar la productividad sin necesidad de aumentar el presupuesto.
  • Centrar esfuerzos en la parte más estratégica dejando que trabaje el algoritmo en conseguir mejores resultados en base a un mismo KPI de negocio.
  • Estrategias de puja más eficientes.

Para implementarlo en tu estrategia actual es importante hacer un estudio exhaustivo de la estructura e identificar los grupos de anuncios con mayor volumen, estos mantenerlos de forma independiente, mientras que los que menos volumen tienen deberían agruparse.

Pilares fundamentales de una estructura Hagakure

Los pilares fundamentales para generar una estructura correcta de Hagakure son:

Ejemplo práctico: E-commerce de ropa

Pongamos un ejemplo práctico para terminar de hablar del método Hagakure y de cómo sacar máximo partido al Machine Learning de Google Ads. Si tenemos un e-commerce de ropa y accesorios, con la estructura sin Hagakure dividiríamos las campañas en “pantalones cortos marca”, “pantalones cortos genéricas”, “camiseta marca”, “camiseta genéricas”, “gafas colores genérica”, “top marca”, etc. Si se aplicara Hagakure, se reduciría el número de campañas agrupando las mismas en un entorno más amplio de búsquedas.

Se debería estudiar si los grupos de anuncios cumplen con la premisa de 3.000 impresiones semanales y si es así se mantendrían. Los que no cumplen la premisa se agruparían.

En el esquema de estructura Hagakure, los grupos de anuncios estándar (segmentados por palabras clave), necesitan anuncios adaptables y expandidos. Mientras que los grupos de anuncios dinámicos (url dinámica en función de cada búsqueda), utilizan anuncios dinámicos de búsqueda:

Es importante tener en cuenta, que migrar a estrategia smart bidding es un cambio grande de estructura y hay que tener paciencia y dejar al algoritmo operar. El sistema necesita unas dos semanas para aprender y estabilizarse y es posible que durante estas semanas el rendimiento sea errático. Después llegará el momento de la optimización.

Leave a Reply