Google Demand Gen Targeting: Nya alternativ för ålder och kön

Google varnar också för att alltför smal inriktning kan påverka kampanjens resultat negativt. Algoritmen använder olika signaler, inklusive användarbeteende och målsidesinnehåll, för att optimera konverteringar. Att begränsa det demografiska intervallet kan minska trafiken och konverteringsfrekvensen.

Demand Gen-kampanjer (kampanjer som fokuserar på att skapa efterfrågan) syftar till att skapa intresse och efterfrågan på produkter eller tjänster. Med hjälp av exakt målinriktning och annonsoptimering når de potentiella kunder i ett tidigt skede av köpprocessen och ökar därmed varumärkeskännedomen och förbereder dem för framtida köp.

Andra plattformar har också nyligen tillkännagett ändringar i inriktningen – LinkedIn har eliminerat lookalike-publik, medan Meta har gått i motsatt riktning. Den rekommenderar att företag använder lookalike-målgrupper när de skapar en kampanj och går bort från exakt inriktning.

Ändringar i Gen-kampanjer

1. Inriktning på ålder och kön:
Annonsörer kan begränsa synligheten för sina annonser till specifika åldersgrupper och kön. Det här nya alternativet är integrerat i de optimerade inriktningsinställningarna för efterfrågegenereringskampanjer.

2. Flexibla inriktningsalternativ:
Annonsörer kan välja obegränsad eller begränsad inriktning beroende på kampanjmål och målgruppskrav. Detta gör det möjligt för marknadsförare att bättre skräddarsy sina strategier för specifika affärsmål.

Effektiv användning av målinriktning

För e-handelsföretag är det viktigt att hitta en balans mellan exakt inriktning och kampanjresultat. Uppdateringen gör det möjligt att anpassa kampanjer mer exakt till affärsmålen, men kräver också noggrant övervägande för att säkerställa att målgruppsbegränsningen inte äventyrar uppnåendet av önskade resultat.

Den nya funktionen är ytterligare ett steg mot att göra det möjligt för annonsörer att bättre anpassa sina kampanjer med hjälp av Googles avancerade inriktningsverktyg, samtidigt som de kan dra nytta av fördelarna med maskininlärningsoptimering.