三位疯狂的科学家为了纪念SMX高级传统，分享测试结果并分析趋势，以解开归因和SEM付费搜索行为的秘密。以下是贡献者Mona Elesseily对其会话的回顾。

在这个充满活力的付费搜索会议中，每位疯狂科学家演讲者都为我们快速发展的付费搜索和消费者意向世界带来了全新的想法，数据和洞察力。以下是他们共享的内容概述。

安迪泰勒，梅克尔

安迪在演讲中提出了五点主要观点：

1. 完全匹配关闭变体的更改

最初，Merkle没有看到巨大的变化，但他们在2017年底看到点击量增加。

以下是他的一些发现：

• Andy估计，截至2017年底，20％的精确匹配流量来自桌面上的紧凑型变体，适用于所研究的中位广告客户。
• 他们转换的速度比真正的完全匹配低20-25％。
• 非品牌精确匹配有3-6％的拖累。

由于变体的变化较大，您不想脱离第一页，因此请务必查看结构化查询记者（SQR）中的否定词，并在适当的地方将其过滤掉。

更改可能会影响多个组。例如，[自制流行小挞]可能会被拉入[artisan pop tart]广告组。他指出，近期变化的变化与最近广告排名的变化相对应。有了这个，谷歌强调了查询的含义，并且权衡出价超过了质量得分。

安迪还谈到了短语和广泛的比赛，并认为没有太大的区别。单数复数术语或单数复数是他看到最大差异的地方。紧密的变体将继续增长，真正的完全匹配不会回来。

2.需要速度

人们现在正在寻找在网上购物时接近实现的时间。安迪注意到“同一天”和“快速运送”（与免费送货）的增长。他说这是因为我们已经期望以某种方式，形式或形式免费送货。

另一个趋势是语音搜索和搜索助理

“确定Google”这个短语从查询中删除，Google不会将该短语作为查询的一部分。所以我们不太可能在未来需要在关键词上添加“OK Google”。如果您在搜索查询报告（SQR）中看到它，您可以使用它来为您提供语音搜索如何增长的定向感。

在很多方面，搜索查询都没有改变。语音查询长度与键入查询长度相似。它将来不会有所不同，我们将使用许多相同的术语进行语音搜索和键入搜索。

SQR可以给你一个竞争的想法

亚马逊是许多零售商的一大竞争对手，这是一件大事。使用亚马逊或沃尔玛进行搜索查询的份额可以提前显示亚马逊。对竞争对手条款进行竞标可能是有意义的。亚马逊无法有效优化其销售的每一种产品。

5. SQR还显示了本地搜索的增长情况

“靠近我”的查询比特定于位置的查询增加得更快。在过去几年中，Google支付的搜索点击次数与邮政编码级别的比例显着上升，这表明Google能够更好地将用户分配到细粒度的位置类型。鉴于“接近我”查询的增加，这是一个好消息，因为Google必须确定位置才能为附近的相关业务提供服务。

安迪的SMXInsights：

Andreas Reiffen，Crealytics

安德烈亚斯建议，如果我们太依赖数据，我们可能走错路。数据具有欺骗性，实际情况往往与我们所看到的截然不同。他建议搜索广告再营销列表（RLSA）会扭曲我们的数据，以便我们看到广告支出回报率（ROAS）超出我们应有的水平。问题在于RLSA在多大程度上推动了销售额的增长。

举一个例子，他表现出ROAS的增长，但新客户收购减少了48％。一般情况下可以看到，RLSA交通比任何类型的勘探驱动的新客户少得多。

安德烈亚斯问道：“如果我们开始推动RLSA会发生什么？”他建议可以从以下方面推动：

• 以前免费的流量被拉入付费搜索。
• 增量增加。

你看到的数字越好，它们的增量就越少。

这是一个困难的情况，影响不一定是递增的。

安德烈亚斯建议重新定位是非常容易上瘾的，并问道：“有没有回头路？”他建议企业管理层或谷歌没有人愿意诚实回答这个问题。更好的问题可能是“我们应该提高还是降低？”

参与度和新近度定义了购买倾向。如果有人将十几种产品放入购物篮中，已浏览了30页并在网站上花费了大量时间，并且所有这些都是在几秒钟之前发生的，那么很可能有人会购买 - 无论是否重定向广告。现在的问题是，我们应该向表现出这种行为的人提出高标还是应该低投标。出价高会显示很多数字，但这可能只是浪费金钱。

他带我们参加了他的研究之旅，他对此进行了测试：

• 拥有大群体并过滤掉。他在Google Analytics中按用户细分，并将数据导出到Google AdWords。
• 触发人们使用Google跟踪代码管理器时的实际行为。

他发现了一种非常有效的方式来根据像购物车放弃这样的单一标准来测试受众群体。为了通过参与和时间等多种因素构建和测试受众群体，需要采用更复杂的方法。

他建议公司建立数据科学能力，而运营团队是不够的。他建议公司需要数据科学家来解决问题。

Andreas SMXInsight：

Page Zero Media的Andrew Goodman

安德鲁说疯狂科学的价值不能被夸大！他建议使用Google提供的工具和资源，因为它们可以帮助您取得进展并回答棘手的问题，而不仅仅是提出断言。

他还谈到了统计意义的重要性。在界面中，您看到的绿色箭头越多，统计显着性就越高。

他提出了使用活动实验的建议：

他还谈到了有效的每次点击成本（ECPC）。它使用Google机器学习和预测功能。在最近的测试中，他在6-8周的时间内查看了大量数据。结果对ECPC来说是一个巨大的胜利，Andrew建议您运行自己的测试。

安德鲁还进行了“高标价”实验。这不是一个成功的实验，因为成本更高，每次操作成本（CPA）提高，转换率下降。他建议其中一个原因是广告已经有了很好的定位。他还尝试了智能显示。ROAS计算结果为0.11，这是非常糟糕的投资回报。

为了结束他的演讲，Andrew建议所有付费的搜索营销人员应严格测试所有内容，并且：

• 删除广告系列中的所有否定信息，并找出真正关键绩效指标的影响。
• 测试其中包含大量互联网协议（IP）排除的广告系列版本，然后运行另一个没有排除的测试版本。
• 运行没有时段的广告系列版本，然后使用时段再次运行。