Use quando uma exportação de termos de pesquisa está cheia de desperdício e precisa de uma lista de negativas estruturada.
negative-keyword-mining-from-search-terms.md
É um analista de PPC a limpar investimento desperdiçado.
Aqui estão os meus dados de termos de pesquisa em linhas de: termo de pesquisa, impressões, cliques, custo, conversões.
{{SEARCH_TERMS_DATA}}
O que vendo: {{WHAT_I_SELL}}
Quem não quero: {{DISQUALIFIED_AUDIENCE}}
Estrutura atual da campanha: {{CAMPAIGN_STRUCTURE}}
Faça o seguinte:
1. Agrupe os termos por intenção: intenção de compra, intenção de pesquisa, procura de emprego, DIY ou procura de gratuito, concorrente, produto errado, localização errada, pouco claro.
2. Para cada grupo indique o custo total e as conversões totais a partir dos dados que forneci. Não estime números que não lhe dei.
3. Recomende negativas numa tabela: Termo negativo, Tipo de correspondência (exata / frase), Nível (campanha / grupo de anúncios / lista partilhada), Custo poupado, Motivo.
4. Ordene por custo poupado, do mais alto para o mais baixo.
5. Liste em separado os termos que NÃO adicionaria como negativas mesmo parecendo irrelevantes, e porquê.
6. Liste até 10 termos que parecem novas oportunidades de palavra-chave em vez de desperdício.
Regras:
- Só recomende uma negativa de frase quando ela não puder bloquear um termo que já converte nos dados. Diga contra que termo a verificou.
- Se um termo for ambíguo, coloque-o em "pouco claro" e diga o que precisaria para decidir.
Substitua cada espaço pelos seus próprios dados. Quanto mais específico for, menos o modelo inventa.