گوگل کنترل بیشتری به AI Max میدهد؛ تست بودجه و ROI در کمپینهای Search سادهتر میشود
گوگل مجموعهای از قابلیتهای جدید را برای AI Max در کمپینهای Search معرفی کرده که به تبلیغدهندگان اجازه میدهد تاثیر تغییر بودجه و اهداف بازگشت سرمایه را دقیقتر آزمایش کنند. این تغییرات بخشی از حرکت گستردهتر Google Ads به سمت مدیریت کمپینهای تبلیغاتی با کمک هوش مصنوعی است؛ مسیری که در آن اتوماسیون بیشتر میشود، اما گوگل همزمان تلاش میکند کنترل و امکان آزمایش بیشتری در اختیار تبلیغدهندگان قرار دهد.
قابلیتهای جدید AI Max در Google Ads
یکی از مهمترین تغییرات، توسعه سیستم Experiment در AI Max است.
گوگل اعلام کرده تبلیغدهندگان میتوانند بودجهها و اهداف ROI متفاوت را روی چند کمپین Search در قالب یک A/B Test آزمایش کنند.
این قابلیت قرار است از سپتامبر ۲۰۲۶ به تدریج در اختیار تبلیغدهندگان قرار بگیرد.
اهمیت این تغییر در یک سوال بسیار رایج در مدیریت Google Ads است:
اگر بودجه کمپین را افزایش دهیم، آیا واقعا Conversion بیشتری با بازده اقتصادی قابل قبول دریافت خواهیم کرد؟
در گذشته پاسخ دادن به این سوال همیشه ساده نبود. افزایش بودجه میتوانست تعداد Conversion را بیشتر کند، اما همزمان CPA را نیز افزایش دهد یا ROAS را کاهش دهد.
قابلیت جدید به تبلیغدهندگان اجازه میدهد این تصمیم را به جای حدس زدن، در محیط آزمایشی بررسی کنند.
تست بودجه و ROI روی چند Search Campaign
قابلیت جدید AI Max امکان اجرای آزمایش روی مجموعهای از کمپینهای Search را فراهم میکند.
به این ترتیب میتوان سناریویی با Budget و ROI Target فعلی را در مقابل سناریوی دیگری با تنظیمات متفاوت قرار داد و تاثیر آن بر Performance را اندازهگیری کرد.
برای تیمهای Performance Marketing این تغییر اهمیت زیادی دارد.
فرض کنید یک فروشگاه اینترنتی پنج کمپین Search فعال دارد و قصد دارد بودجه تبلیغات خود را ۳۰ درصد افزایش دهد.
سوال اصلی صرفا این نیست که آیا با افزایش بودجه فروش بیشتری ایجاد میشود یا خیر.
سوال مهمتر این است:
«آیا فروش اضافهای که دریافت میکنیم، افزایش هزینه تبلیغات را توجیه میکند؟»
Google Ads تلاش میکند پاسخ دادن به چنین سوالی را بیشتر به Experiment واقعی نزدیک کند.
Brand و Location Controls وارد AI Max Experiments شدند
یکی دیگر از تغییرات مهم مربوط به کنترل تبلیغدهندگان روی آزمایشهای AI Max است.
گوگل اعلام کرده قابلیتهای جدید Experiment امکان حفظ Brand و Location Controls را نیز فراهم میکنند.
این موضوع برای بسیاری از Advertiserها اهمیت دارد.
یکی از نگرانیهای همیشگی درباره سیستمهای تبلیغاتی مبتنی بر AI این است که افزایش Automation ممکن است به کاهش کنترل تبلیغدهنده منجر شود.
برای مثال یک برند ممکن است بخواهد کمپین فقط در مناطق جغرافیایی مشخصی اجرا شود یا محدودیتهای مشخصی درباره Brand داشته باشد.
حالا گوگل میگوید تبلیغدهندگان میتوانند AI Max را آزمایش کنند بدون اینکه الزاما این Guardrailها را کنار بگذارند.
Performance Planner هم هوشمندتر میشود
تغییر مهم دیگر به Performance Planner مربوط است.
Google Ads اعلام کرده Performance Planner اکنون میتواند نشان دهد تغییراتی مانند Bidding یا Budget Target احتمالا چه تاثیری روی عملکرد فعلی کمپین خواهند داشت.
در صورت تایید تبلیغدهنده، پیشنهادهای ارائهشده نیز میتوانند مستقیما روی کمپینها اعمال شوند.
این تغییر شاید در نگاه اول کوچک به نظر برسد، اما جهت حرکت Google Ads را به خوبی نشان میدهد.
گوگل در حال نزدیک کردن سه مرحله به یکدیگر است:
تحلیل داده،
پیشنهاد تصمیم،
و اجرای تصمیم.
کاری که در گذشته یک متخصص Google Ads باید در چند مرحله انجام میداد، به تدریج در داخل خود پلتفرم یکپارچه میشود.
Google Ads به سمت مدیریت AI-First حرکت میکند
اگر آپدیتهای چند سال اخیر Google Ads را کنار یکدیگر قرار دهیم، یک روند مشخص دیده میشود:
گوگل نمیخواهد AI فقط ابزاری برای پیشنهاد Keyword یا تولید Ad Copy باشد.
هوش مصنوعی به تدریج در حال تبدیل شدن به لایه اصلی تصمیمگیری پلتفرم تبلیغاتی گوگل است.
Smart Bidding، Performance Max، Demand Gen، تولید خودکار Assetها و حالا AI Max بخشهای مختلف همین مسیر هستند.
در این مدل، وظیفه متخصص تبلیغات نیز در حال تغییر است.
ارزش یک Google Ads Specialist کمتر در تغییر دستی دهها تنظیم کوچک و بیشتر در طراحی استراتژی، Measurement، تعریف Conversion صحیح، تعیین Guardrailها و تحلیل Business Outcome خواهد بود.
آیا AI Max جای متخصص Google Ads را میگیرد؟
فعلا چنین نتیجهای منطقی نیست.
Automation میتواند اجرای بسیاری از کارها را سریعتر کند، اما هنوز یک مشکل اساسی وجود دارد:
Google Ads لزوما نمیداند «موفقیت واقعی کسبوکار» چیست.
برای مثال افزایش Conversion همیشه اتفاق مثبتی نیست.
ممکن است Lead بیشتری ایجاد شود اما کیفیت Leadها پایینتر باشد.
ممکن است ROAS افزایش پیدا کند اما بخش بزرگی از فروش از مشتریانی باشد که حتی بدون تبلیغات نیز خرید میکردند.
یا ممکن است الگوریتم برای رسیدن به Conversion بیشتر، بودجه را به بخشهایی منتقل کند که از نظر استراتژیک برای کسبوکار اولویت ندارند.
بنابراین هرچه Google Ads هوشمندتر میشود، Measurement و Strategy نیز مهمتر میشوند.
یک تغییر مهم در نقش Performance Marketer
آپدیت جدید AI Max یک پیام بزرگتر برای متخصصان تبلیغات دارد.
دورهای که ارزش متخصص Google Ads با تعداد تغییرات دستی داخل پنل اندازهگیری میشد به تدریج در حال پایان است.
پلتفرم بسیاری از این عملیات را خودش انجام خواهد داد.
مزیت رقابتی متخصص آینده در سوالهای دیگری خواهد بود:
آیا Conversion Tracking درست تنظیم شده است؟
آیا دادهای که الگوریتم دریافت میکند قابل اعتماد است؟
آیا Target CPA یا Target ROAS با Unit Economics کسبوکار همخوانی دارد؟
آیا افزایش Spend واقعا Incremental Revenue ایجاد کرده است؟
و مهمتر از همه:
آیا تصمیمی که الگوریتم پیشنهاد میکند برای کسبوکار نیز تصمیم خوبی است؟
این همان جایی است که تفاوت میان «اپراتور Google Ads» و «Performance Marketer» جدیتر خواهد شد.
قابلیتهای جدید AI Max نشان میدهند Google Ads با سرعت بیشتری به سمت مدیریت تبلیغات مبتنی بر هوش مصنوعی حرکت میکند.
امکان آزمایش Budget و ROI Target روی چند Search Campaign، پشتیبانی از Brand و Location Controls در Experimentها و توسعه Performance Planner همگی میتوانند تصمیمگیری تبلیغدهندگان را سریعتر کنند.
اما Automation بیشتر الزاما به معنی نیاز کمتر به تخصص نیست.
برعکس، وقتی اجرای کمپین سادهتر میشود، ارزش اصلی متخصص از «اجرای تنظیمات» به «تصمیمگیری درباره تنظیمات» منتقل میشود.
و احتمالا این یکی از مهمترین تغییراتی است که متخصصان Google Ads باید برای آن آماده شوند.
