品牌痛點與挑戰
保險品牌期望透過曝光、導流媒體的佈局，為營收注入活水。然而保險銷售週期長，媒體轉換表現短時間內難以評估。加上產品種類多元且差異大，雖想利用自動化廣告觸及潛在商機，卻因系統容易集中轉換單一品項，媒體預算難有效分配，對成效的實質助益亦相當有限。
媒體策略打底
為釐清各險種間的差異，精準佈局媒體溝通。CloudAD 從 GA 數據出發，觀察各險種在轉換前歷經的平均時長、溝通頻次、耗費成本等數據，找出險種間的差異關鍵。而後調整各險種媒體組合與預算配置，並擬定各媒體優化方針。
執行方法
第一式：數據洞察
透過 GA 轉換路徑長度、轉換時間差等報表，及廣告轉換成效數字，了解各險種的市場需求狀況，並將險種分為受眾有需求即會投保的「剛性需求」，及受眾需透過潛在需求刺激與放大，方會考慮投保的「彈性需求」。
第二式：媒體佈局
「剛性需求」目標在於「找到精準受眾，集中火力轉換收割」，媒體佈局以收網型媒體如關鍵字廣告、Google Performance Max Campaign 最高成效廣告為主。
「彈性需求」目標則是在「提供受眾投保動機，培養受眾對於保險的認知，待時機成熟後轉換收割」。因需花費更多時間與媒介與受眾溝通互動，故採用主動溝通型媒體如展示型廣告、原生廣告，加深受眾對於險種的認識，再以關鍵字廣告收網轉換。
第三式：操作優化
CloudAD 針對 Google 最高成效廣告及關鍵字廣告上，持續透過數據的反饋，使成效更上一層樓。
【Google Performance Max Campaign】
考量各產品受眾溝通歷程差異大，雖最高成效廣告（Google Perfromance Max Campaigns）對於全漏斗目標皆有相當幫助，但卻受限於機器學習傾向，難以讓每個險種雨露均霑。對此 CloudAD 打破品牌過往只建立單一廣告活動，讓系統自動優化的概念，依據產品數據拆分廣告架構，依據銷量選擇出價策略，並依過往成本訂定出價，提升機器學習效率。
此外，金融業對於用戶個資規範較為嚴格，品牌無法上傳第一方名單至廣告平台，提供系統學習訊號。故在受眾訊號設定上，加強網站受眾及 Google 自訂受眾的應用，引導系統將廣告曝光在潛力受眾面前。
【關鍵字廣告】
過往品牌規劃的關鍵字架構多為險種搭配品牌字、產品字。然 CloudAD 發現，雖為同一險種，搜量與轉換成本可能因年期、保費規格等保險細節而產生相當差異。故 CloudAD 以過往花費金額、曝光比重、轉換成本等數據為參考，重新劃分關鍵字帳戶架構，將差異過大的產品字拆分群組，提升成本控制及成效觀察的效率。
除架構外，考量品牌成效以 GA 產品收益為準，CloudAD 也重新調整 Google Ads 的優戶目標，改以 GA 匯入的轉換目標。且為了滿足機器學習所需的數據門檻，根據廣告活動轉換成果數，調整目標為「投保完成頁面」或「保費試算、立即投保按鈕」等較淺層的轉換行為，幫助系統有效脫離學習狀態。
執行成效
- 剛性需求險種獲客數達 2.7 倍，獲客成本降低 14%
- 彈性需求險種獲客數達 1.3 倍，獲客成本降低 24%
如有任何媒體企劃與 GA4 數據洞察需求，歡迎隨時聯絡我們。
