Как измерить, действительно ли изменение фида повлияло на ROAS

Большинство команд узнают, что изменение фида «сработало», одинаково: что-то исправили в фиде, неделю следили за ROAS в Google Ads, и он вырос. Это не доказательство. Об этом, по сути, говорит и сам Google Ads: эксперимент в Performance Max сравнивает только одну кампанию целиком с другой; в нём нет механизма для сплит-тестирования одного сегмента товаров против другого внутри одной кампании. Если вы хотите знать, действительно ли смена меток у 400 SKU, исправление формулы названий или добавление custom_label на основе маржи повлияли на ROAS, это доказательство придётся строить самостоятельно — из инструментов отчётности, которые для этого не предназначены. В этом руководстве вы найдёте рубрику оценки, позволяющую решить, когда цифре ROAS «до/после» можно доверять, разбор примера с использованием атрибута пользовательской метки от самого Google и чёткий перечень того, что нативная отчётность Performance Max может и чего не может вам сказать. Речь не о корректировке ставок — мы не занимаемся управлением ставками, и ничто здесь не требует от Google Ads менять способ назначения ставок. С такими вопросами измерения постоянно сталкиваются команды роста и performance-маркетинга, как только работа по оптимизации фида выходит за рамки базовых задач.

Почему «ROAS вырос после изменения» — не доказательство

Когда изменение фида вступает в силу, одновременно происходят три вещи: алгоритмы Google продолжают обучаться, сезонность продолжает меняться, а ваша команда продолжает вносить другие изменения — новая акция, увеличение бюджета, у конкурента закончился товар. Разница в ROAS, измеренная на фоне всего этого, говорит о том, что произошло, но не о том, почему. Проблема структурная, и дело не в недостатке усилий: Performance Max не предоставляет встроенного рандомизированного способа протестировать сегмент фида против контрольной группы в рамках одной кампании. Собственная документация Google по экспериментам в Performance Max подтверждает, что охват эксперимента — вся кампания, а не часть каталога: эксперимент делит трафик между «базовой группой» и «тестовой группой» на уровне кампании и сообщает только «агрегированные конверсии, ценность конверсий, CPA, ROAS и расходы по группам» (Справка Google Ads, FAQ по экспериментам Performance Max). Внутри этой структуры нет групп на уровне групп товаров или пользовательских меток. Поэтому инструмент, к которому вы обратились бы в первую очередь, — полноценный эксперимент Google Ads — не может ответить на вопрос «повлияло ли это конкретное изменение фида на ROAS». Остаётся наблюдательная отчётность, а ей, прежде чем доверять, нужны ограничители.

Что Google на самом деле позволяет измерять внутри Performance Max

Единственный нативный механизм, позволяющий увидеть эффективность в разбивке по атрибуту фида внутри Performance Max, — представление групп товаров (listing groups) в группе объектов. Вы можете разделить набор товаров по категории, бренду, ID товара, состоянию, типу товара, каналу или по пяти пользовательским меткам, а таблица групп товаров показывает метрики — справка Google подтверждает, что вы можете «фильтровать группы товаров, чтобы найти наиболее интересующие вас данные, например клики, конверсии или среднюю цену за клик» (Справка Google Ads, Управление кампанией Performance Max с помощью групп товаров). Это отличается от отчёта «Combinations» для группы объектов, который показывает лишь то, какие креативные объекты хорошо работали вместе, и никак не связан с эффективностью на уровне товаров или атрибутов фида (Справка Google Ads, Об отчётах по группам объектов в Performance Max). Если ваш план измерения изменения фида — «посмотреть отчёт по группе объектов», вы смотрите не тот отчёт. И прежде чем предполагать, что группы товаров вообще построены на нужном вам атрибуте, стоит перепроверить, что именно отправляет ваш фид в Google Merchant Center.

Атрибуты, которые большинство команд используют для выделения измеримого сегмента, — от custom_label_0 до custom_label_4. Согласно спецификации Google Merchant Center, каждый из них — строка длиной 1–100 символов, необязательная для каждого товара, по одному значению на метку для каждого товара, с ограничением в 1000 уникальных значений на атрибут метки в масштабе аккаунта (Справка Google Merchant Center, custom_label_0–4). В качестве примеров использования пяти слотов Google приводит сезон, эффективность продаж (BestSeller/LowSeller), статус распродажи и маржинальность (LowMargin/HighMargin) (Справка Google Ads, Использование пользовательских меток в торговой рекламе) — а это именно тот тип сегмента, который нужен, чтобы ограничить изменение фида группой, достаточно небольшой для анализа, но при этом достаточно крупной, чтобы генерировать данные. Для любых измерений такого рода важны две операционные детали: изменения меток попадают в отчётность Google Ads в течение 24–48 часов, а Performance Max ограничивает число групп товаров 1000 на группу объектов, причём Google прямо предупреждает, что приближаться к этому пределу «не рекомендуется», поскольку эффективность обычно страдает (Справка Google Ads, Управление кампанией Performance Max с помощью групп товаров).

Рубрика оценки измеримости

Прежде чем воспринимать цифру ROAS «до/после» как вердикт по изменению фида, оцените её по шести критериям. Каждый даёт 0, 1 или 2 балла, максимум — 12.

Интерпретация оценки: 9–12 — на цифру можно опираться с разумной уверенностью. 5–8 — считайте её ориентировочной: перед масштабированием изменения стоит провести второй цикл. 4 и ниже — цифра является шумом; не представляйте её внутри компании как результат и не используйте как обоснование более широкого внедрения.

Пример: новые метки для низкомаржинальных SKU

Допустим, в вашем фиде 8400 SKU и нет никакого сигнала о марже. Вы добавляете custom_label_3 со значениями HighMargin и LowMargin, заполненными на основе данных о себестоимости, и применяете его только к категории верхней одежды (612 SKU) в качестве первого теста перед внедрением на весь аккаунт.

В Performance Max вы создаёте узел группы товаров для custom_label_3 = LowMargin внутри группы объектов для верхней одежды, ждёте 48 часов, пока метка распространится, а затем выдерживаете чистое окно в 2–3 недели без каких-либо других изменений аккаунта, затрагивающих эту группу объектов. В конце окна вы сравниваете ROAS этого узла группы товаров за две недели до появления метки (используя в качестве заменителя базового уровня эффективность на уровне категории, поскольку самой метки тогда ещё не было) и за две недели после. Прежде чем что-либо говорить о результате, прогоните это сравнение через рубрику выше: если верхняя одежда давала 140 конверсий в неделю в пределах окна без искажающих факторов и вы выждали полный запас на распространение, у вас 10–12 баллов и цифре можно доверять. Если на третий день тестового окна стартовала акция «чёрной пятницы», оценка падает до 5–6 баллов, и честный вывод — «результат неубедителен, повторите тест в чистом окне», а не «ROAS вырос на 14%».

Как читать отчёт по группам товаров, не обманывая себя

Три привычки помогают сохранять честность измерения. Во-первых, всегда сравнивайте окна одинаковой длительности: пятидневное «после» против четырнадцатидневного «до» сдвинет средние значения по причинам, не имеющим отношения к вашему изменению. Во-вторых, проводите сравнение на уровне групп товаров, а не группы объектов или кампании: ROAS на уровне кампании поглотит всё, что происходит в остальных сегментах, и размоет ваш сигнал. В-третьих, рассматривайте каждый цикл «до/после» как одну точку данных, а не как вердикт: повторите его на втором сегменте, прежде чем распространять изменение меток на весь фид из 8400 SKU. Ничто из этого не требует затрагивать стратегию назначения ставок, целевой ROAS или бюджет; это исключительно работа с данными фида и отчётностью, поэтому платформа для фидов должна поддерживать её напрямую, а не оставлять вам ручную работу в интерфейсе Google Ads. Команды роста и performance-маркетинга, которые правильно выстроили такую сегментацию, использовали её, чтобы обосновывать изменения во всём каталоге реальными цифрами; выход Bilyoner в каталожную рекламу — один из примеров, когда изменение на уровне фида было связано с измеренным результатом по ROAS, а не с интуицией.

Что не охватывает этот подход и где он перестаёт работать

Этот подход даёт обоснованную ориентировочную оценку с помощью инструментов, которые уже есть у каждого рекламодателя Performance Max. Это не рандомизированное контролируемое исследование. Поскольку Google не предоставляет настоящей отложенной контрольной группы на уровне сегмента внутри действующей кампании Performance Max, нельзя полностью исключить, что собственный алгоритм ставок Google перераспределил показы в пользу вашего помеченного сегмента по причинам, не связанным с самой меткой, — рубрика снижает этот риск, но не устраняет его. Если вам нужно статистически строгое измерение инкрементальности — настоящая контрольная группа, доверительные интервалы, географические контрольные зоны, — это задача для специализированной платформы экспериментов или маркетингового микс-моделирования, а не для инструмента работы с фидами, и не стоит ожидать такого уровня доказательности от платформы управления фидами (включая Feedance). Аналогично, если ваша реальная цель — не измерение, а автоматическая корректировка ставок с учётом маржи, когда система действует на основе метки прибыльности, а не просто отчитывается по ней, — это продуктовое решение, вокруг которого построены некоторые платформы в этой нише; задача Feedance заканчивается на том, чтобы метка существовала, была правильно заполнена и чисто отражалась в отчётах. Мы не корректируем ставки за вас. Если ваша команда входит в подразделение роста или performance-маркетинга, именно такая дисциплина отчётности, а не автоматическое назначение ставок, обычно даёт наибольший эффект для начала.

Часто задаваемые вопросы

Можно ли провести A/B-тест одного сегмента custom_label против другого внутри одной кампании Performance Max?
Нет. Структура экспериментов Performance Max от Google делит трафик на уровне кампании между базовой и тестовой группами, а не между группами товаров внутри одной кампании, и сообщает только агрегированные метрики по каждой группе.

Сколько пользовательских меток можно использовать и усложняют ли они фид?
Пять слотов, от custom_label_0 до custom_label_4; каждый — строка длиной 1–100 символов, допускается до 1000 уникальных значений на метку в масштабе аккаунта. Они необязательны для каждого товара и невидимы для покупателей, поэтому их добавление не влияет на отображение товара.

Сколько ждать после изменения метки, прежде чем что-либо измерять?
Не менее 48 часов, чтобы сама метка попала в отчётность Google Ads, а затем полное чистое окно — Google рекомендует 2–3 недели, чтобы его собственные эксперименты давали надёжный результат, — прежде чем делать выводы.

Чем отчёт «Combinations» по группе объектов отличается от отчёта по группам товаров?
Отчёт Combinations показывает, какие креативные объекты (заголовки, изображения, видео) хорошо работали вместе; разбивки по товарам или атрибутам фида в нём нет. Именно отчёт по группам товаров позволяет фильтровать эффективность по категории, бренду, ID товара, состоянию, типу товара или пользовательской метке.

Мой сегмент даёт всего 15 конверсий в неделю. Есть ли смысл его измерять?
Отдельно — ненадёжно. Либо расширьте сегмент (более широкая категория вместо одного значения пользовательской метки), либо значительно продлите временное окно сверх трёх недель, либо признайте, что любой полученный результат в лучшем случае ориентировочный, — и оцените его соответствующим образом по рубрике выше.

Применим ли этот подход к стандартным торговым кампаниям?
Да, и в некотором смысле там он даже чище, поскольку стандартные торговые кампании, в отличие от Performance Max, поддерживают эксперименты Google Ads (черновики и эксперименты) с настоящим разделением трафика на уровне групп объявлений и групп товаров.

Может ли Feedance проводить такое измерение за меня автоматически?
Feedance может создавать и поддерживать сегментацию custom_label в самом фиде по вашему расписанию синхронизации (ежедневно на тарифе Essentials, ежечасно на Business), чтобы метки существовали в чистом и согласованном виде и вы могли строить по ним отчёты в Google Ads. Анализ ROAS он не проводит и ставки не затрагивает.

Что, если я изменил в фиде сразу несколько вещей — название, изображения и пользовательскую метку?
Тогда изменение ROAS невозможно приписать какой-либо одной из них. Поставьте такому сценарию 0 по критерию искажающих факторов и считайте весь тест недействительным; изолируйте одну переменную на каждый цикл измерения.

Проведите бесплатный аудит товарного фида, чтобы увидеть, каких сигналов сегментации — например, чистых пользовательских меток — не хватает в вашем фиде, чтобы такое измерение вообще стало возможным.