使用Tag Manager管理Google动态再营销

嗨~ 朋友。如果你喜欢我的博客,那么现在就订阅它吧!

本篇文章主要记录设置Google动态再营销(Dynamic remarketing)时的一些思路,以及如何通过Google Tag Manager管理Google动态再营销代码,获取动态再营销中的自定义参数。下面先来简单说明下什么是Google的动态再营销。

1,Google动态再营销的工作原理

Google动态再营销的功能是将曾经访问过你网站的访问者,通过Goolge的展示广告或关键词广告,再次吸引到你的网站中,并促进访问者完成转化或购买。

在这个过程中,Google动态再营销的价值并不在于能将曾经来访的访客再次吸引回网站,而在于他能促进这些访问者完成转化或购买。要实现这个价值,最关键的因素是要让Google认识你网站的访问者。这里的认识有两层含义,第一层含义是要让Google能够识别出哪些是曾经访问过你网站的访问者。这比较简单,只要我们在网站中实施了Google的再营销代码就可以实现。Google会对网站的访问者植入一个身份识别Cookie,并在访问者再次浏览Google广告时使用Cookie ID进行身份识别。认识的第二层含义是要让Google了解这些访问者的行为癖好。注意,这里我们使用了“行为癖好”这个词,而不是“兴趣爱好”。这就好像是一种介于普通朋友与亲密关系之间的认识程度。你懂得。

Google动态再营销并不能自动完成第二层含义的认识。这里需要有一个人来帮助Google真正的认识网站的访问者,理解他们的行为癖好。而这个人就是你,和你手里的两个强大的武器:你的网站和Google动态再营销的标签(Tag)。要深入的认识一个人,了解他们的想法和目的有两个方法。第一个方法是直接问他。这种方法简单且直接,但对于网站中的海量用户来说并不实际。还有一个问题就是通过直接询问获得的答案未必准确。第二个方法就是观察并记录这个人的行为。对于访问网站的访问者来说就是他浏览网站的行为。例如,这个人浏览了网站中哪些类型和内容的页面,搜索了哪些关键词等等。通过这些行为轨迹我们可以推测出网站访问者的想法和目的,进而认识这个人的行为和癖好。

当然,你还需要将这个人的行为和癖好告诉Google,让Google动态再营销可以更深入的认识你网站中的访问者。具体的方法就是按照访问者在网站中的行为对他们打标签。例如,你可以将浏览过体育频道页面的访问者标记为“体育爱好者”,把浏览过降价促销页面的访问者标记为“价格敏感型用户”,把只看了首页就离开的访问者标记为“随便看看的用户”等等。这里我们只是举了几个非常简单的例子,在实际的操作中要复杂的多。现实的情况是访问者在一次访问中可能会同时浏览多个页面或内容,同时也会反复的浏览不同类型的页面。这种情况该如何给用户打标签呢?后面我们也会介绍对用户打标签之前的准备工作和需要遵守的规则。

现在,我们可以说Google真正认识网站的访问者了,在用户浏览Google展示广告或搜索关键词广告时,Google不仅知道这个用户之前是否访问过你的网站,还知道他浏览过哪些内容以及这个用户的标签信息。每一个用户看起来都像是由不同标签组成的用户画像。

2,对访问者打标签之前的准备工作

在前面介绍的过程中,最关键的步骤就是让Google动态再营销能够真正认识网站中的访问者。也就是我们通过访问者在网站中的行为对用户进行打标签的过程。这个过程说起来简单,但在实际的操作中,由于网站结构的复杂性以及访问者访问路径的多样性而变的非常复杂。因此,在实际进行这项工作之前,我们需要先进行一些准备工作。

前面我们说过,对网站访问者打标签是一种通过访问者行为推断意图和访问目的的方法。因此,在对访问者打标签之前,我们首先要了解网站的架构和不同功能模块的使用流程及逻辑,以及内容的分类方式和层级。这么做主要是为了方便我们对网站内容和用户行为进行分类。

我们对网站进行两个维度的分类,分别是内容维度和任务维度。内容维度用来对网站中的内容和不同功能进行分类。任务维度则用来对用户从感兴趣到最终完成网站目标的行为进行分类,这非常类似于我们常见的访客转化漏斗,这部分请参考我之前的文章《虚拟的网站转化漏斗》

对于新闻资讯类的网站来说,内容维度的分类可能会包括体育新闻,娱乐新闻,财经新闻,科技新闻,房产新闻等等。而对于体育新闻可能还会包含更细一级的分类,例如英超资讯,NBA资讯等等的子内容维度。而从任务维度的分类则可能会包括新闻资讯浏览,发表评论,完成注册,订阅新闻等等。

对于电商类网站来说,内容维度的分类可能是商品的品类,例如:家用电器,手机数码,服饰内衣等等。而对于家用电器可能还会包含二级品类的子分类,例如生活家电,厨房家电,个人护理等等的子内容维度。从任务维度的分类可能包括品类浏览,商品筛选或搜索,浏览商品详情,加入购物车以及购买等。
在完成了对网站内容及访问者行为进行分类的准备工作以后,我们来回答之前的问题,对于访问者在网站中复杂多变的访问轨迹,我们可能会对同一个访问者标记很多属性,例如不同的内容分类标签和不同的任务分类标签。那么该如何对用户进行分类呢?下面我们来说明Google动态再营销对用户列表的分类规则。

3,Google动态再营销的访问者分类原则

当我们在adwords中设置完动态再营销的广告系列后,Google会为我们自动创建5个访问者列表分类。他们分别是所有访问者,一般访问者,查看产品的访问者,放弃购物车的访问者,和过去的购买者。除去所有访问者以外,我们可以通过查看另外四个访问者的分类规则发现,他们都是按任务维度创建的访问者列表,只记录了用户在任务分类中最后一层的任务分类标签,及最后一个页面的标签。并且各个列表间的用户并不重叠。

  • 一般访问者:访问过网站但未曾查看具体产品的用户
  • 查看产品的访问者:在网站上查看过具体的产品页面但未将产品添加到购物车的用户
  • 放弃购物车的访问者:曾将产品添加到购物车中但未完成交易的用户
  • 过去的购买者 :30天内在网站中购买过产品的用户

对于内容维度Google动态再营销会记录访问者浏览的所有页面标签,例如前面的放弃购物车访问者,在任务维度的用户列表中只会记录他最后访问的页面所属于的任务维度分类。而在内容维度用户列表中,则会分别记录首页,商品详情页及购物车页的内容标签。在Google动态再营销的管理后台会提供按内容维度筛选用户的高级细分功能。


在这个界面中你可以按内容维度对用户进行筛选或细分操作。找出哪些复合广告投放要求的网站访问者。

4,Google动态再营销网站代码实施

前面用了很大篇幅来说明Google动态再营销的工作原理,以及实施动态再营销之前的准备工作。下面我们开始真正的代码实施过程。首先需要将你的Google Adwords账户与 Google Merchant Center 帐户进行关联,启用Google动态再营销功能。

Google动态再营销的代码分为两个部分。第一部分是自定义参数部分,用来对访问者打标签,第二部分是再营销代码部分。

<script type="text/javascript">//此部分代码为Google动态再营销的自定义参数
var google_tag_params = {
ecomm_prodid: 'REPLACE_WITH_VALUE',
ecomm_pagetype: 'REPLACE_WITH_VALUE',
ecomm_totalvalue: 'REPLACE_WITH_VALUE'
};
</script>
<script type="text/javascript">//此部分代码无需添加再页面中,可使用Tag Manager进行管理
/* <![CDATA[ */
var google_conversion_id = XXXXXXXXXX;
var google_conversion_label = "YYYYYYYYYY";
var google_custom_params = window.google_tag_params;
var google_remarketing_only = true;
/* ]]> */
</script>
<script type="text/javascript" src="//www.googleadservices.com/pagead/conversion.js">
</script>
<noscript>
<div style="display:inline;">
<img height="1" width="1" style="border-style:none;" alt="" src="//googleads.g.doubleclick.net/pagead/viewthroughconversion/XXXXXXXXXX/?value=0&amp;label=YYYYYYYYYY&amp;guid=ON&amp;script=0"/>
</div>
</noscript>

我们需要将第一部分自定义参数的代码添加到网站的所有页面中,并且按照不同的页面内容维度对自定义参数进行赋值。第二部分的再营销代码会包含在Google Tag Manager的代码容器中,不需要我们在页面中添加,后面我们会说明在GTM中的设置和操作过程。上面示例中的三个自定义参数Google的官方解释如下。


其中ecomm_pagetype为每个页面都添加并且设置值的自定义参数。同时这也是用来进行内容维度分类的重要参数。其他的自定义参数你可以按照实际的需求来自定义添加。例如,你可以将age定义为访问者的年龄,这里唯一的规则就是不能收集涉及用户个人隐私的信息,例如IP地址,手机号等等。以下是亭集势首页的自定义参数:

prodid : '', // product's id
pname : '', // product's name
pcat : '', // product's category
pvalue : '', // price of each product in the cart
pmargin : '',//EF / 3.3 * 1.2
pagetype : 'home', // home, product, category, cart, purchase
language : 'en', //{en, fr, es, ....}
currency : 'USD', //
ordervalue : '', // filled with the order value[EF] after user purchases
usertype : 'unregistered',//registered, unregistered
gender : '', // user's gender( male, female) - available after login

本文的主题是通过Tag Manager来管理Google动态再营销。因此,我们再对页面设置好自定义参数对访问者打标签以后,还需要将这些标签的值传递给Google。这里我们就要用到Google Tag Manager的数据层变量(dataLaye)。因此在你的网页中应该按以下顺序包含以下三类代码。

<script type="text/javascript">// <![CDATA[
var google_tag_params = {
 	ecomm_pagetype: 'product', 	 //set the value
	ecomm_pcat: 'electronics',	 // product category
	ecomm_prodid: '123A', 	         // sku
	ecomm_pname: 'Bluewhale'	 // product name
};
// ]]></script>

<script type="text/javascript">// <![CDATA[
dataLayer = [{
  'google_tag_params': window.google_tag_params
}];
// ]]></script>

Google Tag Manager 容器代码

5,Tag Manager动态再营销设置

最后,我们完成在Google Tag Manager中的设置,让Google能够认识(对访问者设置Cookie并收集访问者的标签)网站的访问者。在这一步中我们需要进行三个设置。第一步是设置宏,第二步是向现有的Google Tag Manager代码容器添加Google再营销代码,第三步是设置再营销代码触发规则。
第一步,我们创建一个名为Google_tag_params的宏。并设定宏类型为数据层变量,从之前部署在页面中的标签代码中获取自定义参数的值。

第二步,向现有的Google Tag Manager容器中添加Google再营销的代码。在这一步中有单点需要注意:

  1. 代码类型选择为AdWords再营销
  2. 需要从AdWords中获取再营销代码的转化ID,具体的转换ID位置在AdWords广告系列类别下的共享库菜单中。点击受众群体部分的查看,在查看代码详情中可以找到动态再营销代码以及转化ID。
  3. 在自定义参数中选择使用数据层,并使用之前设置的宏作为数据层变量。


第三步,是对AdWords代码设置触发规则。在规则中,你可以使用Google Tag Manager提供的所有页面规则,也可以以网站URL作为包含条件进行设置。另外,还需要设置一个内置的gtm.dom事件,以等待网页完全加载。避免代码提前被触发。


完成以上三步后,使用Google Tag Manager管理Google动态再营销的工作的代码实施部分就已经完成了。要使Google动态再营销真正开始工作,并发挥价值。你还需要在AdWords中针对不同的内容维度和任务维度的访问者创建广告系列。

—【所有文章及图片版权归 蓝鲸(王彦平)所有。欢迎转载,但请注明转自“蓝鲸网站分析博客”。】—


相关文章:

  1. 使用Tag Manager事件监听功能追踪页面链接属性
  2. Google Analytics基础篇—添加追踪代码
  3. Google Analytics异步追踪代码迁移

Comments

  1. 阿里百秀 says:

    了解了动态营销的基本情况,学习了。

    [回复]

Speak Your Mind

*

Website Feedback
Feedback Analytics