داستان یک چالش در گوگل ادز: چطور داده‌ها به ما کمک کردند تا معمای عدم اثربخشی را حل کنیم؟

نویسنده : مهسا اذانی | تاریخ بروزرسانی : 1404/02/14

در دنیای پرهیاهوی بازاریابی دیجیتال، جایی که هر کلیک و هر سشن می‌تواند پلی به سوی موفقیت باشد، گوگل ادز به عنوان یکی از قدرتمندترین ابزارها برای ارتباط با مشتریان بالقوه شناخته می‌شود. کسب‌وکارها مبالغ قابل توجهی را صرف این پلتفرم می‌کنند تا در لحظه نیاز کاربر، در مقابل دیدگان او قرار گیرند. اما گاهی اوقات، با وجود سرمایه‌گذاری و تلاش فراوان، نتایج آنطور که انتظار می‌رود درخشان نیستند. این دقیقاً همان سناریویی بود که اخیراً برای یکی از مشتریان عزیز ما در صنعت گردشگری رخ داد.

آن‌ها کمپین‌های فعالی در گوگل ادز داشتند، ترافیک قابل توجهی را جذب می‌کردند، اما بازخوردشان این بود: “کمپین گوگل ادز آنطور که باید مؤثر نیست.” این جمله، نه یک انتقاد ساده، بلکه زنگ هشداری بود که ما را به چالشی عمیق‌تر دعوت می‌کرد. چرا ترافیک هست، اما نتیجه مطلوب حاصل نمی‌شود؟ این سوالی بود که ذهن ما را به خود مشغول کرد و نقطه آغاز یک داستان کارآگاهی داده‌محور شد.

فصل اول: معمای عدم اثربخشی آغاز می‌شود

مشتری ما، یک کسب‌وکار فعال در حوزه رزرو اقامتگاه، به دنبال افزایش رزروها و جذب مسافران بیشتر از طریق گوگل ادز بود. آن‌ها کلمات کلیدی مرتبط را هدف قرار داده بودند، تبلیغات جذاب طراحی کرده بودند و به نظر می‌رسید همه چیز طبق اصول پیش می‌رود. اما وقتی به گزارش‌های عملکرد نگاه می‌کردند، نرخ تبدیل پایین‌تر از انتظار و کیفیت لیدها جای سؤال داشت. این عدم همخوانی بین ترافیک دریافتی و نتایج کسب‌وکار، نشانه‌ای از وجود مشکلی پنهان بود که باید کشف می‌شد.

فصل دوم: غواصی در اقیانوس داده‌های سشن کاربران

برای ریشه‌یابی این مشکل، تصمیم گرفتیم به سراغ منبع اصلی برویم: داده‌های رفتار کاربران در وب‌سایت. گزارشی جامع از سشن‌های دو هفته‌ای اخیر تهیه شد. این گزارش، گنجینه‌ای از اطلاعات بود: از آدرس‌های IP بازدیدکنندگان گرفته تا جزئیات مربوط به دستگاهی که استفاده می‌کردند، سورس ورودی (که در این مورد خاص، تمرکز ما بر ترافیک گوگل ادز بود)، کلمات کلیدی جستجو شده، و حتی ریزترین اقدامات آن‌ها در سایت مانند صفحاتی که بازدید کرده بودند، مدت زمان حضور و نحوه اسکرول کردن.

هدف اصلی از این غواصی عمیق، شناسایی الگوهای غیرعادی بود که می‌توانستند نشانه‌ای از ترافیک نامعتبر یا رباتیک باشند. ما به دنبال سرنخ‌هایی بودیم که توضیح دهند چرا بخشی از این ترافیک ورودی، به نتیجه مطلوب منجر نمی‌شود. یکی از فرضیه‌های قوی، وجود ترافیک ربات‌ها یا کلیک‌های تقلبی بود که می‌توانستند بودجه تبلیغاتی را هدر داده و معیارهای عملکردی را مخدوش کنند.

فصل سوم: کشف ردپای ربات‌ها در میان بازدیدکنندگان

با استخراج و تحلیل داده‌های خام، اولین یافته‌های عجیب نمایان شد. در میان هزاران سشن ثبت شده، الگوهایی تکراری به چشم می‌خورد. تعداد زیادی Session ID مختلف وجود داشتند که به نظر می‌رسید از یک آدرس IP یا یک محدوده IP خاص نشأت گرفته‌اند. این سشن‌ها با فاصله زمانی بسیار کوتاهی از یکدیگر آغاز شده بودند و در بسیاری موارد، مدت زمان حضور در سایت و صفحات بازدید شده در آن‌ها شباهت عجیبی به هم داشت.

این پدیده، سؤالات جدی را مطرح می‌کرد: آیا این یک خطای فنی در سیستم ردیابی سایت است؟ یا نشانه‌ای از فعالیت سازمان‌یافته برای ایجاد ترافیک غیرواقعی؟ برای پاسخ به این سؤال، به بررسی دقیق‌تر آدرس‌های IP پرداختیم.

تحلیل IPها نشان داد که بخش قابل توجهی از IPهایی که دارای تکرار بالا در بازدید بودند و بر اساس معیارهای تحلیلی ما امتیاز تقلب بالایی داشتند (نشان‌دهنده احتمال بالای فعالیت غیرانسانی)، از داخل کشور ایران بودند. این یافته، فرضیه ما مبنی بر ترافیک نامعتبر را تقویت می‌کرد. برخلاف تصور رایج که ترافیک رباتیک عمدتاً از خارج از کشور هدایت می‌شود، در این مورد خاص، ریشه مشکل در داخل کشور بود. این موضوع از یک جهت خوب بود، زیرا مسدود کردن IPهای داخلی معمولاً ساده‌تر از IPهای خارجی است که ممکن است مربوط به شبکه‌های بزرگ یا CDNها باشند.

یافته‌های ما نشان داد که تعداد کمی از این IPهای مشکوک، در روزها و ساعات مختلف به صورت پراکنده به سایت مراجعه می‌کردند. این نوع رفتار می‌تواند نشانه‌ای از ربات‌های ساده‌تر باشد که با مسدودسازی مستقیم IP آن‌ها می‌توان جلوی ورودشان را گرفت.

فصل چهارم: داستان سه بازدیدکننده مرموز و الگوی رفتاری آن‌ها

در میان انبوه داده‌ها، سه سشن توجه ما را به خود جلب کرد. این سه سشن، همگی از یک آدرس IP مشخص (5.214.96.42) و با فاصله زمانی بسیار کمی (حدود یک دقیقه) وارد سایت شده بودند. اما آنچه این سه سشن را خاص می‌کرد، الگوی رفتاری تقریباً یکسان آن‌ها در سایت بود. آن‌ها وارد صفحه اصلی شده بودند، کمی اسکرول کرده بودند، ماوس را حرکت داده بودند و سپس کلیک‌هایی انجام داده بودند.

برای درک بهتر، بیایید نگاهی به خلاصه‌ای از رفتار این سه سشن فرضی (بر اساس الگوی مشاهده شده در داده‌ها) بیندازیم:

(توجه: زمان‌ها و مدت زمان حضور در جدول بالا برای نمایش الگوی رفتاری مشابه در سشن‌های مشکوک به صورت نمونه آورده شده‌اند.)

شباهت در الگوی رفتاری این سشن‌ها، به خصوص با توجه به فاصله زمانی کوتاه ورود و استفاده از یک IP، به شدت نشان‌دهنده فعالیت غیرانسانی بود. انسان‌ها معمولاً در بازدیدهای متوالی از یک سایت، رفتار کاملاً یکسانی ندارند. این الگو بیشتر شبیه به اجرای یک اسکریپت یا برنامه رباتیک بود که برای شبیه‌سازی رفتار کاربر طراحی شده است.

نکته دیگر این بود که فعالیت این IP خاص در یک بازه زمانی محدود (حدود 30 تا 50 دقیقه) متمرکز بود و پس از آن، دیگر سشنی از این IP مشاهده نشد. این می‌تواند نشانه‌ای از اجرای یک “وظیفه” خاص توسط ربات در یک دوره زمانی مشخص باشد.

فصل پنجم: چگونه ترافیک نامعتبر، اثربخشی کمپین را از بین می‌برد؟

حالا پازل در حال تکمیل شدن بود. وجود حجم قابل توجهی از ترافیک مشکوک و رباتیک که از طریق گوگل ادز وارد سایت می‌شد، به وضوح دلیل اصلی عدم اثربخشی کمپین بود. این ترافیک، با وجود اینکه در گزارش‌های گوگل ادز به عنوان “کلیک” ثبت می‌شد و هزینه آن دریافت می‌گردید، هرگز منجر به اقدام ارزشمندی مانند رزرو اقامتگاه نمی‌شد.

بیایید تأثیر این ترافیک نامعتبر را بر معیارهای کلیدی کمپین بررسی کنیم:

1. هدر رفت بودجه: هر کلیک توسط ربات‌ها، هزینه‌ای را برای کسب‌وکار در بر دارد که هیچ بازگشتی ندارد. این مانند ریختن پول در سطل زباله است.
2. کاهش نرخ تبدیل: سشن‌های رباتیک هرگز تبدیل به مشتری نمی‌شوند. حضور آن‌ها در داده‌ها، نرخ تبدیل کلی کمپین را به صورت مصنوعی پایین می‌آورد و تصویر نادرستی از عملکرد واقعی به دست می‌دهد.
3. افزایش نرخ پرش: بسیاری از ربات‌ها پس از ورود به سایت، به سرعت آن را ترک می‌کنند (Bounce). این موضوع نرخ پرش (Bounce Rate) را افزایش می‌دهد که می‌تواند سیگنال منفی برای الگوریتم‌های گوگل باشد و بر رتبه سایت نیز تأثیر بگذارد.
4. تحریف داده‌های تحلیلی: وجود ترافیک نامعتبر، داده‌های مربوط به رفتار کاربران واقعی را مخدوش می‌کند و تحلیل صحیح عملکرد سایت و کمپین را دشوار می‌سازد.

فصل ششم: گام‌هایی به سوی پیروزی: اجرای راه‌حل‌ها

شناسایی دقیق مشکل، نیمی از راه حل است. با درک اینکه ترافیک نامعتبر بخش قابل توجهی از مشکل را تشکیل می‌دهد، می‌توانیم گام‌های مؤثری برای مقابله با آن برداریم. راه‌حل‌هایی که در این مرحله پیشنهاد و اجرا شدند، شامل موارد زیر بودند:

1. مسدود کردن IPهای مشکوک: با استفاده از لیست IPهای شناسایی شده با تکرار بالا و رفتار مشکوک، اقدام به مسدود کردن آن‌ها در سطح سرور کردیم. این کار باعث شد که این IPها دیگر نتوانند به وب‌سایت دسترسی پیدا کنند.
2. استفاده از ابزارهای پیشرفته تشخیص تقلب: برای شناسایی الگوهای پیچیده‌تر و ترافیک نامعتبر که ممکن است از IPهای متغیر استفاده کنند، از ابزارهای تخصصی تشخیص کلیک تقلبی و ترافیک نامعتبر استفاده شد. این ابزارها با تحلیل رفتار کاربران در لحظه، ترافیک مشکوک را شناسایی و بهتر است به صورت خودکار مسدود کنند.
3. بهینه‌سازی تنظیمات کمپین گوگل ادز: با بررسی دقیق‌تر گزارش‌های گوگل ادز، کلمات کلیدی و منابعی که بیشترین ترافیک نامعتبر را جذب می‌کردند شناسایی شدند و تنظیمات کمپین برای حذف یا کاهش نمایش تبلیغات به این منابع اصلاح شد. همچنین، هدف‌گذاری جغرافیایی و زمانی کمپین با دقت بیشتری تنظیم شد.
4. نظارت و تحلیل مستمر: مقابله با ترافیک نامعتبر یک فرآیند مداوم است. ربات‌ها و روش‌های تقلب همواره در حال تکامل هستند. بنابراین، ایجاد یک فرآیند نظارت مستمر بر داده‌های ترافیک، تحلیل دوره‌ای گزارش‌ها و به‌روزرسانی لیست IPهای مسدودی و تنظیمات کمپین، امری ضروری است.

فصل هفتم: درس‌هایی که آموختیم و نگاهی به آینده

این مطالعه موردی، تجربه‌ای ارزشمند بود که به ما نشان داد چگونه نگاهی عمیق‌تر به داده‌ها می‌تواند مشکلات پنهانی را آشکار کند که بر عملکرد کمپین‌های تبلیغاتی تأثیر منفی می‌گذارند. داستان عدم اثربخشی کمپین گوگل ادز مشتری ما، در نهایت به داستانی از کشف، تحلیل و بهینه‌سازی تبدیل شد و منجر به بهبود قابل توجهی در نرخ تبدیل و کاهش هزینه‌های غیرضروری شد.

مهم‌ترین درس این ماجرا این بود که نباید صرفاً به معیارهای سطحی گزارش‌های تبلیغاتی اکتفا کرد. اعداد و ارقام اولیه ممکن است گمراه‌کننده باشند. برای درک واقعی عملکرد و شناسایی فرصت‌های بهبود، لازم است به لایه‌های زیرین داده‌ها نفوذ کرده و به دنبال الگوها و ناهنجاری‌ها گشت.

تحلیل دقیق داده‌های سشن کاربران، بررسی IP‌ها، و شناسایی الگوهای رفتاری مشکوک، ابزارهای قدرتمندی هستند که به ما کمک می‌کنند تا ترافیک واقعی و ارزشمند را از ترافیک نامعتبر و هدر دهنده بودجه تفکیک کنیم. با انجام این کار، می‌توانیم اطمینان حاصل کنیم که هر ریالی که صرف تبلیغات می‌شود، بیشترین بازدهی ممکن را خواهد داشت.

در پایان، این داستان تأکیدی است بر اهمیت تحلیل داده‌ها در دنیای بازاریابی دیجیتال. این فقط در مورد اعداد نیست، بلکه در مورد درک داستان پشت اعداد است. داستانی که به ما می‌گوید چه کسی از سایت ما بازدید می‌کند، چه کاری انجام می‌دهد و چرا برخی از بازدیدها به نتیجه نمی‌رسند. با مسلح شدن به این دانش، می‌توانیم استراتژی‌های دقیق‌تری را تدوین کرده و به سوی موفقیت واقعی در کمپین‌های دیجیتال گام برداریم.