La oss anta at du er en søkemarkedsføring ess på et kredittforetak og du kjører en PPC-kampanje for tre søkeord på Google. Sjefen din, vil vi kalle ham Bruce (men hans egentlige navn er Eduardo), prøver å finne ut om han kan rettferdiggjøre sin enorme månedlige Adwords budsjett. Så spør han deg et tilsynelatende enkelt spørsmål: "Hvilke søkeord gir den beste i kampanjen?"
Du nylig passerte Google testen, og du er ivrig etter å vise frem din nye SEM kompetanse til et sivilt. Du trekker opp følgende informasjon for Bruce:
Basert på data, du trygt forklare at på $ 48, "30 års boliglån" har lavest kostnad per bly. Svaret er innlysende, og du få den "jeg er lei av deg nå" ser på ansiktet hans. Bruce sier: "Det er veldig bra, så hvor mange boliglån har vi stengt som følge av at søkeordet?"
"Ummm," du fidget som en tredje klassing ga sin første muntlige bok rapport. «Jeg har ingen anelse."
Bruce ber deg høflig å stanse kampanjen, som han prøver å huske om han har HR på hurtigvalg.
Lyd kjent for alle?
Spol frem et par dager. La oss anta at du gjorde litt research (mellom hyppige turer til Monster.com), og oppdager at salget informasjonen du trenger ligger i bedriftens CRM-system. Men du vet ikke hvordan man kombinerer denne informasjonen med dine PPC data. Så du lukke øynene og be til IT-gudene. IT gudene strø litt kode støv på systemet ditt og lukke sløyfen mellom PPC søknad og CRM-systemet. Nå når du genererer en bestemt ledningen fra webområdet, kan du avgjøre om ledelsen til slutt blir til en offline salg ved å se på salget scenen. Du kan også identifisere kilden til at salg (søkemotor, søkeord og annonsetekst).
Så med dette ekstra, integrerte informasjon, la oss tilbake scenariet:
Du vet kostnaden per lede og nå vet også at antall salg generert for hvert søkeord. Litt enkel matematikk gir deg nye svar på Bruce's spørsmål: på $ 2080, "faste boliglån" nødvendige færrest fører til å generere et salg, og dermed hadde den laveste annonsen kostnad per salg. Så det må være det beste resultater søkeordet.
Du e Bruce med svaret. Kort tid senere ble han rusler ned til kuben og unnskyldninger for å gi deg en "må forbedres" på medarbeidersamtaler. Men som han begynner å tenke om data, påpeker han at mens annonsen kostnad per salg er et verdifullt beregning, hva han virkelig trenger å se er lønnsomheten knyttet til søkeordet og salg. Han bare gjennomført en kostbar administrasjon seminar, der han fikk vite at ulønnsomme salg er dårlig.
Du husker vagt leser om lønnsomhet på en blogg eller annet sted og, genialt som du er, innse at når IT gudene integrert CRM systemet i din PPC-programmet, hadde du all informasjonen du trenger for å svare på spørsmålet lønnsomhet. Du forklarer Bruce at hvis du bare bruke de faktiske inntekter minus kostnader (som du kjenner fra ditt CRM-data), kan du finne ut bruttofortjenesten på salget. Så du må bare tilbake ut annonsen kostnader og, a la kazam, har du ekte lønnsomhet.
"Nå," sier du til Bruce, "jeg kan identifisere nøyaktig hvilke søkeord som genererer lønnsomme salg." Og du viser ham følgende data:
Hva syntes i utgangspunktet å være det riktige svaret, "30 års boliglån," viser seg å faktisk være det verste (- $ 100) når lønnsomheten er brukt. "Fast boliglån" er bedre på $ 2020. Men når du har ekstra inntekter og kostnader data, kan du se at det ikke er fullt så god som "boliglån." Når du tar hensyn til lønnsomhet, er det klart at på $ 2400 "boliglån" er den ubestridte mester.
Bruce øyne du mistenkelig, innser at den lille tosk han nesten sparken vil nå be om lønnsforhøyelse.
Så som et resultat av PPC-CRM integrasjon, kan du automatisk matche salg til potensielle kunder og beregne lønnsomhet.
Hver gang du lukker en offline salg og registrere salget i CRM-systemet, blir salget passer til ledelsen der salget oppsto. Med disse dataene kan du identifisere hvilke annonser som er ansvarlig for dine mest lønnsomme salg. Da vil du være i stand til å maksimere lønnsomheten i kontoen din ved å fokusere annonsen bruker bare på søkeord og søkemotorer som har vist seg å gå med fortjeneste. Du kan fjerne resten.