چگونه با هوش مصنوعی کلمات کلیدی منفی را از گزارش عبارتهای جستوجوی Google Ads پیدا کنیم
- سطح: متوسط
- راهاندازی در چند ساعت
پاسخ کوتاه
گزارش عبارتهای جستوجو را همراه با هزینه و تبدیل خروجی بگیرید، به مدل بگویید چه میفروشید و به چه کسی، و بخواهید عبارتهای نامرتبط را با کلمه منفی و نوع تطابق پیشنهادی دستهبندی کند. همه پیشنهادها را بررسی کنید، چون یک کلمه منفی اشتباه میتواند ترافیک خوب را ببندد، و موارد تأییدشده را به فهرست مشترک اضافه کنید.
در این صفحه
در یک نگاه
- چه مسئلهای را حل میکند؟
- تطابق گسترده و پیشنهاد قیمت خودکار، تبلیغ را برای جستوجوهایی نشان میدهند که هرگز انتخابشان نکردهاید. بررسی دستی گزارش عبارتها کند است و هدررفت جمع میشود. مدل در پیدا کردن الگوهای نامرتبط در هزاران ردیف خوب عمل میکند؛ تصمیم مسدودکردن همچنان با انسان است.
- برای چه تیمهایی مناسب است؟
- متخصصان PPC و بازاریابهایی که حساب Google Ads یا Microsoft Advertising را مدیریت میکنند.
چه چیزهایی لازم دارید
قبل از شروع
- دسترسی به گزارش عبارتهای جستوجوی Google Ads
- توضیح روشن درباره اینکه چه میفروشید، به چه کسی و چه چیزی ارائه نمیدهید
- فهرستهای فعلی کلمات کلیدی منفی
چه اطلاعاتی لازم داریم؟
- عبارتهای جستوجو با نمایش، کلیک، هزینه و تبدیل در سی تا نود روز اخیر
- لندینگ پیجهایی که کمپینها به آنها ترافیک میفرستند
- فهرستهای منفی فعلی، برای جلوگیری از تکرار
این فرایند چطور کار میکند
- ۰۱ · ابزارخروجی گزارش عبارتهای جستوجو
- ۰۲ · مرحله هوش مصنوعیدستهبندی عبارتهای نامرتبط
- ۰۳ · تصمیم با شمابررسی همه پیشنهادها
- ۰۴ · ابزارافزودن موارد تأییدشده به فهرست مشترک
- ۰۵ · خروجیثبت و بررسی ماهانه
- ابزار
- مرحله هوش مصنوعی
- تصمیم با شما
- خروجی
گامبهگام
۰۱ ابزار
خروجی گزارش عبارتهای جستوجو
در Google Ads بخش Insights and reports و سپس Search terms را باز میکنیم و سی تا نود روز اخیر را با نمایش، کلیک، هزینه و تبدیل خروجی میگیریم.
۰۲ مرحله هوش مصنوعی
دستهبندی عبارتهای نامرتبط
به مدل میگوییم چه میفروشیم و چه چیزی هرگز ارائه نمیدهیم و دستههایی با کلمه منفی ریشهای میخواهیم. عبارتهای نامطمئن جدا میمانند.
پرامپت آماده
ما [محصول یا خدمت] را به [مخاطب] میفروشیم. [چیزهایی که ارائه نمیدهیم، مثلاً نسخه رایگان، استخدام یا آموزش] را ارائه نمیدهیم. در ادامه گزارش عبارتهای جستوجوی ماست. عبارتهایی را که آشکارا نامرتبطاند پیدا کن و بر اساس موضوع دستهبندی کن (مثلاً استخدام، رایگان، آموزش، مکان اشتباه، پشتیبانی محصول رقیب). برای هر دسته بنویس: کلمه ریشهای برای منفیکردن، نوع تطابق پیشنهادی (دقیق، عبارت یا گسترده) با دلیل و عبارتهایی که بسته میشوند. عبارتهایی را که دربارهشان مطمئن نیستی جداگانه فهرست کن. کلمه منفیای پیشنهاد نده که جستوجوهای [عبارتهای اصلی ما] را ببندد. عبارتها: [اینجا بگذارید]
۰۳ تصمیم با شما
بررسی همه پیشنهادها
هر کلمه ریشهای را با عبارتهایی که میخواهیم نگه داریم تطبیق میدهیم و درباره موارد نامطمئن تصمیم میگیریم. جمع هزینه هر دسته را در صفحهگسترده حساب میکنیم و به حساب مدل تکیه نمیکنیم.
۰۴ ابزار
افزودن موارد تأییدشده به فهرست مشترک
کلمات منفی تأییدشده را در فهرست مشترک و در سطح درست (حساب، کمپین یا گروه تبلیغ) اضافه میکنیم تا همه جاهای لازم را پوشش دهند.
۰۵ خروجی
ثبت و بررسی ماهانه
ثبت میکنیم چه چیزی و چرا اضافه شد. بررسی را هر ماه تکرار میکنیم و مطمئن میشویم تبدیل عبارتهای نگهداشتهشده کم نشده است.
کجا تصمیم با انسان است
مسئول حساب PPC هر کلمه منفی و نوع تطابقش را پیش از افزودن به حساب تأیید میکند.
چه محدودیتهایی دارد؟
- عبارتی که هنوز تبدیلی نداشته ممکن است مرتبط باشد؛ پیش از مسدودکردن حجمش را بررسی کنید.
- کلمه منفی با تطابق گسترده ممکن است جستوجوهای خوب را ببندد؛ مگر مطمئن باشید، از تطابق عبارت یا دقیق استفاده کنید.
- گزارش همه عبارتهای کمحجم را نشان نمیدهد.
از کجا بفهمیم جواب میدهد
- هزینه عبارتهایی که نامرتبط تشخیص داده شدهاند در هفتههای بعد کم میشود.
- تبدیل از عبارتهایی که نگه داشته شدهاند کاهش پیدا نمیکند.
- نمونهای از عبارتهای مسدودشده هر ماه بررسی میشود تا اشتباهها پیدا شوند.
نمونه ورودی و خروجی
ورودی
نمونه فرضی: حساب یک نرمافزار فرضی حقوق و دستمزد که کمپینهای تطابق گستردهاش برای «استخدام حسابدار حقوق»، «قالب رایگان فیش حقوقی» و «دوره آموزش حقوق و دستمزد» نمایش داده میشوند.
خروجی
دستههایی برای استخدام، قالب رایگان و آموزش، هر کدام با کلمه منفی ریشهای مثل «استخدام» (تطابق عبارت)، عبارتهایی که میبندد و فهرستی جدا از موارد نامطمئن برای تصمیم انسانی.
میخواهید این فرایند در تیم شما اجرا شود؟
پیادهسازی فرایندهای بازاریابی با هوش مصنوعی. طراحی و پیادهسازی فرایندهای خودکار، همراه با آزمایش، مستندسازی و آموزش تیم.
فرایندهای مرتبط
چگونه با هوش مصنوعی نسخههای تبلیغاتی بسازیم و آزمایش کنیم
نوشتن نسخههای تبلیغاتی با هوش مصنوعی حول یک فرضیه روشن و سپردن تصمیم به یک آزمایش برنامهریزیشده، بهجای انتشار دهها نسخه تصادفی.
چگونه با هوش مصنوعی لندینگ پیج را برای افزایش نرخ تبدیل بررسی کنیم
بررسی لندینگ پیج با چکلیست نرخ تبدیل و هوش مصنوعی، گرفتن پیشنهادهای مشخص بازنویسی و آزمایش تغییری که بیشترین اهمیت را دارد.
چگونه با هوش مصنوعی پیش از جلسه فروش درباره مشتری بالقوه تحقیق کنیم
تبدیل یک درخواست تازه به خلاصهای یکصفحهای و مستند با سؤالهای جلسه اول، که پیش از رسیدن به فروش یک نفر آن را بررسی میکند.