Optimierungsfaktor und Empfehlungen

Video: Ausführliche Produktbeschreibung

Mit den Empfehlungen können Sie Ihre Kampagnen in mehrfacher Hinsicht verbessern:

  • Neue und relevante Funktionen vorstellen
  • Budget mit optimierten Geboten, Keywords und Anzeigen besser nutzen
  • Gesamtleistung und Effizienz Ihrer Kampagnen steigern

Zum Erhöhen des Optimierungsfaktors können Sie mit dem RecommendationService Empfehlungen abrufen und dann entsprechend anwenden oder ablehnen. Ab Version 15 der Google Ads API können Sie auch für automatisch anwendbare Empfehlungen die RecommendationSubscriptionService verwenden.

Optimierungsfaktor

Video: Optimierungsfaktor

Der Optimierungsfaktor ist ein Schätzwert zur Leistungsfähigkeit Ihres Google Ads-Kontos. Er ist auf den Ebenen Customer und Campaign verfügbar.

Die Customer.optimization_score_weight ist nur für Konten verfügbar, die keine Verwaltungskonten sind, und wird verwendet, um den Optimierungsfaktor mehrerer Konten zu berechnen. Rufen Sie den Optimierungsfaktor und die Gewichtung des Optimierungsfaktors der Konten ab und multiplizieren Sie sie miteinander (Customer.optimization_score * Customer.optimization_score_weight), um den Optimierungsfaktor insgesamt zu berechnen.

Für customer- und campaign-Berichte sind optimierungsbezogene Messwerte verfügbar:

  1. Über die metrics.optimization_score_url wird ein Deeplink zum Konto bereitgestellt, über den Sie in der Google Ads-Benutzeroberfläche Informationen zu den entsprechenden Empfehlungen aufrufen können.
  2. metrics.optimization_score_uplift gibt an, um wie stark der Optimierungsfaktor ansteigen würde, wenn alle zugehörigen Empfehlungen angewendet werden. Es handelt sich um eine Schätzung, die auf allen verfügbaren Empfehlungen als Ganzes basiert und nicht nur auf der Summe der Steigerungswerte für jede Empfehlung.

Wenn Sie die zurückgegebenen Empfehlungen gruppieren und sortieren möchten, können Sie in der Abfrage mit segments.recommendation_type beide Messwerte nach Empfehlungstyp segmentieren.

Empfehlungstypen

Vollständig unterstützte Empfehlungstypen

RecommendationType Beschreibung
CAMPAIGN_BUDGET Kampagnen mit eingeschränktem Budget nachbessern
KEYWORD Neue Keywords hinzufügen
TEXT_AD Anzeigenvorschläge hinzufügen
TARGET_CPA_OPT_IN Gebote mit Ziel-CPA
MAXIMIZE_CONVERSIONS_OPT_IN Mit „Conversions maximieren“ bieten
MAXIMIZE_CONVERSION_VALUE_OPT_IN Mit „Conversion-Wert maximieren“ bieten
ENHANCED_CPC_OPT_IN Gebote mit auto-optimiertem CPC
MAXIMIZE_CLICKS_OPT_IN Gebote mit „Klicks maximieren“
OPTIMIZE_AD_ROTATION Optimierte Anzeigenrotation verwenden
MOVE_UNUSED_BUDGET Nicht aufgebrauchte in eingeschränkte Budgets verschieben
TARGET_ROAS_OPT_IN Gebote mit Ziel-ROAS
FORECASTING_CAMPAIGN_BUDGET Kampagnen korrigieren, die in Zukunft voraussichtlich durch das Budget eingeschränkt werden
RESPONSIVE_SEARCH_AD Neue responsive Suchanzeige hinzufügen
MARGINAL_ROI_CAMPAIGN_BUDGET Kampagnenbudget anpassen, um ROI zu erhöhen
USE_BROAD_MATCH_KEYWORD Für Conversion-basierte Kampagnen mit automatischer Gebotseinstellung die Keyword-Option Weitgehend passend verwenden
RESPONSIVE_SEARCH_AD_ASSET Assets für responsive Suchanzeigen hinzufügen
RESPONSIVE_SEARCH_AD_IMPROVE_AD_STRENGTH Die Effektivität einer responsiven Suchanzeige verbessern
DISPLAY_EXPANSION_OPT_IN Kampagne für Displaynetzwerk-Aktivierung aktualisieren
SEARCH_PARTNERS_OPT_IN Mit Suchnetzwerk-Partnern von Google die Reichweite vergrößern
CUSTOM_AUDIENCE_OPT_IN Benutzerdefinierte Zielgruppe erstellen
IMPROVE_DISCOVERY_AD_STRENGTH Effektivität von Anzeigen in Demand Gen-Kampagnen verbessern
UPGRADE_SMART_SHOPPING_CAMPAIGN_TO_PERFORMANCE_MAX Smarte Shopping-Kampagne auf Performance Max-Kampagne umstellen
UPGRADE_LOCAL_CAMPAIGN_TO_PERFORMANCE_MAX Lokale Kampagne auf Performance Max-Kampagne umstellen
SHOPPING_MIGRATE_REGULAR_SHOPPING_CAMPAIGN_OFFERS_TO_PERFORMANCE_MAX Angebote, die auf reguläre Shopping-Kampagnen ausgerichtet sind, zu bestehenden Performance Max-Kampagnen migrieren
MIGRATE_DYNAMIC_SEARCH_ADS_CAMPAIGN_TO_PERFORMANCE_MAX Dynamische Suchanzeigen zu Performance Max-Kampagnen migrieren
PERFORMANCE_MAX_OPT_IN Performance Max-Kampagnen in Ihrem Konto erstellen
IMPROVE_PERFORMANCE_MAX_AD_STRENGTH Verbessern Sie die Stärke der Asset-Gruppe einer Performance Max-Kampagne auf die Bewertung „Sehr gut“.
PERFORMANCE_MAX_FINAL_URL_OPT_IN „Erweiterung der finalen URL“ für Performance Max-Kampagnen aktivieren
RAISE_TARGET_CPA_BID_TOO_LOW Ziel-CPA erhöhen, wenn er zu niedrig ist und nur sehr wenige oder keine Conversions erzielt werden
FORECASTING_SET_TARGET_ROAS Sie sollten das Budget vor einem saisonalen Ereignis erhöhen, das voraussichtlich mehr Zugriffe erzielen wird, und die Gebotsstrategie von „Conversion-Wert maximieren“ auf „Ziel-ROAS“ umstellen.
LEAD_FORM Assets mit Lead-Formular einer Kampagne hinzufügen
CALLOUT_ASSET Assets mit Zusatzinformationen auf Kampagnen- oder Kundenebene hinzufügen
SITELINK_ASSET Sitelink-Assets auf Kampagnen- oder Kundenebene hinzufügen
CALL_ASSET Anruf-Assets auf Kampagnen- oder Kundenebene hinzufügen
SHOPPING_ADD_AGE_GROUP Fügen Sie Angeboten, die aufgrund einer fehlenden Altersgruppe abgewertet wurden, das Attribut „Altersgruppe“ hinzu
SHOPPING_ADD_COLOR Fügen Sie Angeboten, die aufgrund einer fehlenden Farbe herabgestuft wurden, eine Farbe hinzu
SHOPPING_ADD_GENDER Fügen Sie Angeboten, die aufgrund eines fehlenden Geschlechts abgewertet wurden, ein Geschlecht hinzu
SHOPPING_ADD_GTIN Fügen Sie Angeboten, die aufgrund einer fehlenden GTIN abgewertet wurden, eine GTIN (Global Trade Item Number) hinzu
SHOPPING_ADD_MORE_IDENTIFIERS Fügen Sie Angeboten, die aufgrund fehlender Kennzeichnungen abgewertet werden, weitere Kennzeichnungen hinzu
SHOPPING_ADD_SIZE Fügen Sie die Größe Angeboten hinzu, die aufgrund einer fehlenden Größe herabgestuft wurden
SHOPPING_ADD_PRODUCTS_TO_CAMPAIGN Produkte hinzufügen, die in einer Kampagne ausgeliefert werden sollen
SHOPPING_FIX_DISAPPROVED_PRODUCTS Probleme mit abgelehnten Produkten beheben
SHOPPING_TARGET_ALL_OFFERS Universelle Kampagne erstellen, die auf alle Angebote ausgerichtet ist
SHOPPING_FIX_SUSPENDED_MERCHANT_CENTER_ACCOUNT Probleme bei Sperrung des Merchant Center-Kontos beheben
SHOPPING_FIX_MERCHANT_CENTER_ACCOUNT_SUSPENSION_WARNING Probleme mit Warnungen wegen Sperrung des Merchant Center-Kontos beheben
DYNAMIC_IMAGE_EXTENSION_OPT_IN Dynamische Bilderweiterungen im Konto aktivieren
RAISE_TARGET_CPA Ziel-CPA erhöhen
LOWER_TARGET_ROAS Niedrigerer Ziel-ROAS
FORECASTING_SET_TARGET_CPA Legen Sie vor einem saisonalen Ereignis, bei dem voraussichtlich mehr Zugriffe erzielt werden, einen Ziel-CPA für Kampagnen fest, für die kein Ziel-CPA angegeben ist
SET_TARGET_CPA Ziel-CPA für Kampagnen festlegen, in denen kein Ziel-CPA angegeben ist
SET_TARGET_ROAS Ziel-ROAS für Kampagnen festlegen, für die kein Ziel-ROAS angegeben ist
REFRESH_CUSTOMER_MATCH_LIST Kundenliste aktualisieren, die in den letzten 90 Tagen nicht aktualisiert wurde
IMPROVE_GOOGLE_TAG_COVERAGE Google-Tag auf weiteren Seiten einfügen
CALLOUT_EXTENSION (verworfen) Eingestellt. Verwende stattdessen CALLOUT_ASSET.
SITELINK_EXTENSION (verworfen) Eingestellt. Verwende stattdessen SITELINK_ASSET.
CALL_EXTENSION (verworfen) Eingestellt. Verwende stattdessen CALL_ASSET.
KEYWORD_MATCH_TYPE (verworfen) Eingestellt. Verwende stattdessen USE_BROAD_MATCH_KEYWORD.

Video mit weiteren Informationen

Nicht unterstützte Typen verarbeiten

Empfehlungen abrufen

Video: Live-Coding

Wie die meisten anderen Entitäten in der Google Ads API werden Recommendation-Objekte mithilfe von GoogleAdsService.SearchStream in einer Google Ads Query Language-Abfrage abgerufen.

Für jede Art von Empfehlung finden Sie Details in einem empfehlungsspezifischen Feld. Details zur Empfehlung CAMPAIGN_BUDGET befinden sich beispielsweise im Feld campaign_budget_recommendation und sind in ein CampaignBudgetRecommendation-Objekt eingeschlossen.

Suchen Sie alle empfehlungsspezifischen Felder im Union-Feld recommendation.

Auswirkungen der Empfehlung

Für einige Empfehlungstypen wird das Feld impact der Empfehlung ausgefüllt. RecommendationImpact enthält eine Schätzung der Auswirkungen der Anwendung der Empfehlung auf die Kontoleistung. Die folgenden Empfehlungsmesswerte sind in den Feldern impact.base_metrics und impact.potential_metrics verfügbar:

  • impressions

  • clicks

  • cost_micros

  • conversions

  • all_conversions (verfügbar ab Version 16 der Google Ads API)

  • video_views

Codebeispiel

Mit dem folgenden Beispielcode werden alle verfügbaren und abgelehnten Empfehlungen vom Typ TEXT_AD aus einem Konto abgerufen und einige der zugehörigen Details ausgegeben:

Java

private void runExample(GoogleAdsClient googleAdsClient, long customerId) {
  try (GoogleAdsServiceClient googleAdsServiceClient =
      googleAdsClient.getLatestVersion().createGoogleAdsServiceClient()) {
    String query =
        "SELECT recommendation.type, "
            + "recommendation.campaign, "
            + "recommendation.text_ad_recommendation "
            + "FROM recommendation "
            + "WHERE recommendation.type = TEXT_AD";

    // Creates a request that will retrieve all recommendations using pages of the
    // specified page size.
    SearchGoogleAdsRequest request =
        SearchGoogleAdsRequest.newBuilder()
            .setCustomerId(Long.toString(customerId))
            .setPageSize(PAGE_SIZE)
            .setQuery(query)
            .build();
    // Issues the search request.
    SearchPagedResponse searchPagedResponse = googleAdsServiceClient.search(request);

    // Iterates over all rows in all pages and prints the requested field values for the
    // recommendation in each row.
    for (GoogleAdsRow googleAdsRow : searchPagedResponse.iterateAll()) {
      Recommendation recommendation = googleAdsRow.getRecommendation();
      Ad recommendedAd = recommendation.getTextAdRecommendation().getAd();

      System.out.printf(
          "Recommendation ('%s') was found for campaign '%s':%n",
          recommendation.getResourceName(), recommendation.getCampaign());
      if (recommendedAd.hasExpandedTextAd()) {
        ExpandedTextAdInfo eta = recommendedAd.getExpandedTextAd();
        System.out.printf(
            "\tHeadline 1 = '%s'%n" + "\tHeadline 2 = '%s'%n" + "\tDescription = '%s'%n",
            eta.getHeadlinePart1(), eta.getHeadlinePart2(), eta.getDescription());
      }
      if (recommendedAd.getDisplayUrl() != null) {
        System.out.printf("\tDisplay URL = '%s'%n", recommendedAd.getDisplayUrl());
      }
      for (String url : recommendedAd.getFinalUrlsList()) {
        System.out.printf("\tFinal URL = '%s'%n", url);
      }
      for (String url : recommendedAd.getFinalMobileUrlsList()) {
        System.out.printf("\tFinal Mobile URL = '%s'%n", url);
      }
    }
  }
}
      

C#

public void Run(GoogleAdsClient client, long customerId)
{
    // Get the GoogleAdsServiceClient .
    GoogleAdsServiceClient service = client.GetService(Services.V15.GoogleAdsService);

    string query =
        @"SELECT
        recommendation.type,
        recommendation.campaign,
        recommendation.text_ad_recommendation
    FROM
        recommendation
    WHERE
        recommendation.type = TEXT_AD";

    // Create a request that will retrieve all recommendations using pages of the
    // specified page size.
    SearchGoogleAdsRequest request = new SearchGoogleAdsRequest()
    {
        CustomerId = customerId.ToString(),
        PageSize = PAGE_SIZE,
        Query = query
    };

    try
    {
        // Issue the search request.
        PagedEnumerable<SearchGoogleAdsResponse, GoogleAdsRow> searchPagedResponse =
            service.Search(customerId.ToString(), query);

        // Iterates over all rows in all pages and prints the requested field values
        // for the recommendation in each row.
        foreach (GoogleAdsRow googleAdsRow in searchPagedResponse)
        {
            Recommendation recommendation = googleAdsRow.Recommendation;
            // ...
        }
    }
    catch (GoogleAdsException e)
    {
        Console.WriteLine("Failure:");
        Console.WriteLine($"Message: {e.Message}");
        Console.WriteLine($"Failure: {e.Failure}");
        Console.WriteLine($"Request ID: {e.RequestId}");
        throw;
    }
}
      

PHP

public static function runExample(GoogleAdsClient $googleAdsClient, int $customerId)
{
    $googleAdsServiceClient = $googleAdsClient->getGoogleAdsServiceClient();
    // Creates a query that retrieves recommendations for text ads.
    $query = 'SELECT recommendation.type, recommendation.campaign, '
        . 'recommendation.text_ad_recommendation '
        . 'FROM recommendation '
        . 'WHERE recommendation.type = TEXT_AD';

    // Issues a search request by specifying page size.
    $response = $googleAdsServiceClient->search(
        SearchGoogleAdsRequest::build($customerId, $query)->setPageSize(self::PAGE_SIZE)
    );

    // Iterates over all rows in all pages and prints the requested field values for
    // the recommendation in each row.
    foreach ($response->iterateAllElements() as $googleAdsRow) {
        /** @var GoogleAdsRow $googleAdsRow */
        $recommendation = $googleAdsRow->getRecommendation();
        printf(
            "Recommendation with resource name '%s' was found for campaign "
            . "with resource name '%s':%s",
            $recommendation->getResourceName(),
            $recommendation->getCampaign(),
            PHP_EOL
        );
        $recommendedAd = $recommendation->getTextAdRecommendation()->getAd();
        if (!is_null($recommendedAd->getExpandedTextAd())) {
            $recommendedExpandedTextAd = $recommendedAd->getExpandedTextAd();
            printf(
                "\tHeadline part 1 is '%s'.%s",
                $recommendedExpandedTextAd->getHeadlinePart1(),
                PHP_EOL
            );
            printf(
                "\tHeadline part 2 is '%s'.%s",
                $recommendedExpandedTextAd->getHeadlinePart2(),
                PHP_EOL
            );
            printf(
                "\tDescription is '%s'%s",
                $recommendedExpandedTextAd->getDescription(),
                PHP_EOL
            );
        }
        if (!is_null($recommendedAd->getDisplayUrl())) {
            printf("\tDisplay URL is '%s'.%s", $recommendedAd->getDisplayUrl(), PHP_EOL);
        }
        foreach ($recommendedAd->getFinalUrls() as $finalUrl) {
            /** @var string $finalUrl */
            printf("\tFinal URL is '%s'.%s", $finalUrl, PHP_EOL);
        }
        foreach ($recommendedAd->getFinalMobileUrls() as $finalMobileUrl) {
            /** @var string $finalMobileUrl */
            printf("\tFinal Mobile URL is '%s'.%s", $finalMobileUrl, PHP_EOL);
        }
    }
}
      

Python

def main(client, customer_id):
    ga_service = client.get_service("GoogleAdsService")

    query = """
        SELECT
          recommendation.type,
          recommendation.campaign,
          recommendation.text_ad_recommendation
        FROM recommendation
        WHERE recommendation.type = TEXT_AD"""

    search_request = client.get_type("SearchGoogleAdsStreamRequest")
    search_request.customer_id = customer_id
    search_request.query = query
    stream = ga_service.search_stream(request=search_request)

    for batch in stream:
        for row in batch.results:
            recommendation = row.recommendation
            recommended_ad = recommendation.text_ad_recommendation.ad
            print(
                f'Recommendation ("{recommendation.resource_name}") '
                f'was found for campaign "{recommendation.campaign}".'
            )

            if recommended_ad.display_url:
                print(f'\tDisplay URL = "{recommended_ad.display_url}"')

            for url in recommended_ad.final_urls:
                print(f'\tFinal URL = "{url}"')

            for url in recommended_ad.final_mobile_urls:
                print(f'\tFinal Mobile URL = "{url}"')
      

Ruby

def get_text_ad_recommendations(customer_id)
  # GoogleAdsClient will read a config file from
  # ENV['HOME']/google_ads_config.rb when called without parameters
  client = Google::Ads::GoogleAds::GoogleAdsClient.new

  ga_service = client.service.google_ads

  query = <<~QUERY
    SELECT recommendation.type, recommendation.campaign,
        recommendation.text_ad_recommendation
    FROM recommendation
    WHERE recommendation.type = TEXT_AD
  QUERY

  response = ga_service.search(
    customer_id: customer_id,
    query: query,
    page_size: PAGE_SIZE,
  )

  response.each do |row|
    recommendation = row.recommendation
    recommended_ad = recommendation.text_ad_recommendation.ad

    puts "Recommendation ('#{recommendation.resource_name}') was found for "\
        "campaign '#{recommendation.campaign}'."
    if recommended_ad.expanded_text_ad
      eta = recommended_ad.expanded_text_ad
      puts "\tHeadline 1 = '#{eta.headline_part1}'\n\tHeadline2 = '#{eta.headline_part2}'\n" +
          "\tDescription = '#{eta.description}'"
    end
    if recommended_ad.display_url
      puts "\tDisplay URL = '#{recommended_ad.display_url}'"
    end
    recommended_ad.final_urls.each do |url|
      puts "\tFinal Url = '#{url}'"
    end
    recommended_ad.final_mobile_urls.each do |url|
      puts "\tFinal Mobile Url = '#{url}'"
    end
  end
end
      

Perl

sub get_text_ad_recommendations {
  my ($api_client, $customer_id) = @_;

  # Creates the search query.
  my $search_query =
    "SELECT recommendation.type, recommendation.campaign, " .
    "recommendation.text_ad_recommendation " .
    "FROM recommendation WHERE recommendation.type = TEXT_AD";

  # Create a search Google Ads request that will retrieve all recommendations for
  # text ads using pages of the specified page size.
  my $search_request =
    Google::Ads::GoogleAds::V15::Services::GoogleAdsService::SearchGoogleAdsRequest
    ->new({
      customerId => $customer_id,
      query      => $search_query,
      pageSize   => PAGE_SIZE
    });

  # Get the GoogleAdsService.
  my $google_ads_service = $api_client->GoogleAdsService();

  my $iterator = Google::Ads::GoogleAds::Utils::SearchGoogleAdsIterator->new({
    service => $google_ads_service,
    request => $search_request
  });

  # Iterate over all rows in all pages and print the requested field values for
  # the recommendation in each row.
  while ($iterator->has_next) {
    my $google_ads_row = $iterator->next;
    my $recommendation = $google_ads_row->{recommendation};
    printf
      "Recommendation '%s' was found for campaign '%s':\n",
      $recommendation->{resourceName},
      $recommendation->{campaign};

    my $recommended_ad = $recommendation->{textAdRecommendation}{ad};
    if ($recommended_ad->{expandedTextAd}) {
      my $recommended_expanded_text_ad = $recommended_ad->{expandedTextAd};

      printf "\tHeadline part 1 is '%s'.\n" .
        "\tHeadline part 2 is '%s'.\n" . "\tDescription is '%s'.\n",
        $recommended_expanded_text_ad->{headlinePart1},
        $recommended_expanded_text_ad->{headlinePart2},
        $recommended_expanded_text_ad->{description};
    }

    if ($recommended_ad->{displayUrl}) {
      printf "\tDisplay URL is '%s'.\n", $recommended_ad->{displayUrl};
    }

    foreach my $final_url (@{$recommended_ad->{finalUrls}}) {
      printf "\tFinal URL is '%s'.\n", $final_url;
    }

    foreach my $final_mobile_url (@{$recommended_ad->{finalMobileUrls}}) {
      printf "\tFinal Mobile URL is '%s'.\n", $final_mobile_url;
    }
  }

  return 1;
}
      

Maßnahmen ergreifen

Jede abgerufene Empfehlung kann angewendet oder abgelehnt werden.

Je nach Empfehlungstyp können sich Empfehlungen täglich oder sogar mehrmals täglich ändern. In diesem Fall kann das resource_name eines Empfehlungsobjekts veraltet sein, nachdem die Empfehlung abgerufen wurde.

Es hat sich bewährt, Empfehlungen kurz nach dem Abrufen zu ergreifen.

Empfehlungen übernehmen

Video: Empfehlungen anwenden

Mit der Methode ApplyRecommendation von RecommendationService können Sie aktive oder abgelehnte Empfehlungen anwenden.

Empfehlungstypen können obligatorische oder optionale Parameter haben. Die meisten Empfehlungen enthalten standardmäßig empfohlene Werte.

Das Festlegen von Konten für automatisch angewendete Empfehlungen wird nicht für alle Empfehlungstypen unterstützt. Sie können jedoch ein ähnliches Verhalten für die Empfehlungstypen implementieren, die von der Google Ads API vollständig unterstützt werden. Weitere Informationen finden Sie im Codebeispiel für DetectAndApplyRecommendations.

Verwenden Sie das Union-Feld apply_parameters von ApplyRecommendationOperation, um Empfehlungen mit bestimmten Parameterwerten anzuwenden. Für jeden geeigneten Empfehlungstyp gibt es ein eigenes Feld. Bei Empfehlungen, die nicht im Feld apply_parameters aufgeführt sind, werden diese Parameterwerte nicht verwendet.

Codebeispiel

Das folgende Codebeispiel zeigt, wie eine Empfehlung mit den empfohlenen Anwendungsparametern angewendet wird:

Java

private void runExample(
    GoogleAdsClient googleAdsClient, long customerId, String recommendationId) {
  String recommendationResourceName = ResourceNames.recommendation(customerId, recommendationId);

  ApplyRecommendationOperation.Builder operationBuilder =
      ApplyRecommendationOperation.newBuilder().setResourceName(recommendationResourceName);
  // Each recommendation types has optional parameters to override the recommended values.
  // This is an example to override a recommended ad when a TextAdRecommendation is applied.
  // Please read
  // https://developers.google.com/google-ads/api/reference/rpc/latest/ApplyRecommendationOperation
  // for details.
  // Note that additional import statements are needed for this example to work. And also, please
  // replace INSERT_AD_ID_HERE with a valid ad ID below.
  //
  // Ad overrideAd = Ad.newBuilder().setId(Long.parseLong("INSERT_AD_ID_HERE")).build();
  // operationBuilder.setTextAd(TextAdParameters.newBuilder().
  //     setAd(overrideAd).build()).build();
  List<ApplyRecommendationOperation> operations = new ArrayList<>();
  operations.add(operationBuilder.build());

  try (RecommendationServiceClient recommendationServiceClient =
      googleAdsClient.getLatestVersion().createRecommendationServiceClient()) {
    ApplyRecommendationResponse response =
        recommendationServiceClient.applyRecommendation(Long.toString(customerId), operations);
    System.out.printf("Applied %d recommendation:%n", response.getResultsCount());
    for (ApplyRecommendationResult result : response.getResultsList()) {
      System.out.println(result.getResourceName());
    }
  }
}
      

C#

public void Run(GoogleAdsClient client, long customerId, long recommendationId)
{
    // Get the RecommendationServiceClient.
    RecommendationServiceClient service = client.GetService(
        Services.V15.RecommendationService);

    ApplyRecommendationOperation operation = new ApplyRecommendationOperation()
    {
        ResourceName = ResourceNames.Recommendation(customerId, recommendationId),

        // Each recommendation types has optional parameters to override the recommended
        // values. For example, you can override a recommended ad when a
        // TextAdRecommendation is applied, as shown below.
        // Please read https://developers.google.com/google-ads/api/reference/rpc/latest/ApplyRecommendationOperation
        // for details.
        // TextAd = new TextAdParameters() {
        //   Ad = new Ad() {
        //     Id = long.Parse("INSERT_AD_ID_HERE")
        //   }
        // }
    };

    try
    {
        ApplyRecommendationResponse response = service.ApplyRecommendation(
            customerId.ToString(), new ApplyRecommendationOperation[] {
                operation
            });
        Console.WriteLine($"Applied {0} recommendation(s):", response.Results.Count);
        foreach (ApplyRecommendationResult result in response.Results)
        {
            Console.WriteLine($"- {result.ResourceName}");
        }
    }
    catch (GoogleAdsException e)
    {
        Console.WriteLine("Failure:");
        Console.WriteLine($"Message: {e.Message}");
        Console.WriteLine($"Failure: {e.Failure}");
        Console.WriteLine($"Request ID: {e.RequestId}");
        throw;
    }
}
      

PHP

public static function runExample(
    GoogleAdsClient $googleAdsClient,
    int $customerId,
    string $recommendationId
) {
    $recommendationResourceName =
        ResourceNames::forRecommendation($customerId, $recommendationId);

    $applyRecommendationOperation = new ApplyRecommendationOperation();
    $applyRecommendationOperation->setResourceName($recommendationResourceName);

    // Each recommendation type has optional parameters to override the recommended values.
    // This is an example to override a recommended ad when a TextAdRecommendation is applied.
    // For details, please read
    // https://developers.google.com/google-ads/api/reference/rpc/latest/ApplyRecommendationOperation.
    /*
    $overridingAd = new Ad([
        'id' => 'INSERT_AD_ID_AS_INTEGER_HERE'
    ]);
    $applyRecommendationOperation->setTextAd(new TextAdParameters(['ad' => $overridingAd]));
    */
    // Issues a mutate request to apply the recommendation.
    $recommendationServiceClient = $googleAdsClient->getRecommendationServiceClient();
    $response = $recommendationServiceClient->applyRecommendation(
        ApplyRecommendationRequest::build($customerId, [$applyRecommendationOperation])
    );
    /** @var Recommendation $appliedRecommendation */
    $appliedRecommendation = $response->getResults()[0];

    printf(
        "Applied recommendation with resource name: '%s'.%s",
        $appliedRecommendation->getResourceName(),
        PHP_EOL
    );
}
      

Python

def main(client, customer_id, recommendation_id):
    recommendation_service = client.get_service("RecommendationService")

    apply_recommendation_operation = client.get_type(
        "ApplyRecommendationOperation"
    )

    apply_recommendation_operation.resource_name = (
        recommendation_service.recommendation_path(
            customer_id, recommendation_id
        )
    )

    # This is where we override the recommended ad when a TextAdRecommendation is applied.
    # override_ad = client.get_type("Ad")
    # override_ad.resource_name = "INSERT_AD_ID_HERE"
    # apply_recommendation_operation.text_ad.ad = override_ad

    recommendation_response = recommendation_service.apply_recommendation(
        customer_id=customer_id, operations=[apply_recommendation_operation]
    )

    print(
        "Applied recommendation with resource name: "
        f"'{recommendation_response.results[0].resource_name}'"
    )
      

Ruby

def apply_recommendation(customer_id, recommendation_id)
  # GoogleAdsClient will read a config file from
  # ENV['HOME']/google_ads_config.rb when called without parameters
  client = Google::Ads::GoogleAds::GoogleAdsClient.new

  recommendation_resource =
      client.path.recommendation(customer_id, recommendation_id)
  apply_recommendation_operation = client.operation.apply_recommendation
  apply_recommendation_operation.resource_name = recommendation_resource

  # Each recommendation type has optional parameters to override the recommended
  # values. This is an example to override a recommended ad when a
  # TextAdRecommendation is applied.
  # For details, please read
  # https://developers.google.com/google-ads/api/reference/rpc/google.ads.google_ads.v1.services#google.ads.google_ads.v1.services.ApplyRecommendationOperation
  #
  # text_ad_parameters = client.resource.text_ad_parameters do |tap|
  #   tap.ad = client.resource.ad do |ad|
  #     ad.id = "INSERT_AD_ID_AS_INTEGER_HERE"
  #   end
  # end
  # apply_recommendation_operation.text_ad = text_ad_parameters

  # Issues a mutate request to apply the recommendation.
  recommendation_service = client.service.recommendation
  response = recommendation_service.apply_recommendation(
    customer_id: customer_id,
    operations: [apply_recommendation_operation],
  )
  applied_recommendation = response.results.first

  puts "Applied recommendation with resource name: '#{applied_recommendation.resource_name}'."
end
      

Perl

sub apply_recommendation {
  my ($api_client, $customer_id, $recommendation_id) = @_;

  my $recommendation_resource_name =
    Google::Ads::GoogleAds::V15::Utils::ResourceNames::recommendation(
    $customer_id, $recommendation_id);

  # Create an apply recommendation operation.
  my $apply_recommendation_operation =
    Google::Ads::GoogleAds::V15::Services::RecommendationService::ApplyRecommendationOperation
    ->new({
      resourceName => $recommendation_resource_name
    });

  # Each recommendation type has optional parameters to override the recommended values.
  # This is an example to override a recommended ad when a TextAdRecommendation is applied.
  # For details, please read
  # https://developers.google.com/google-ads/api/reference/rpc/latest/ApplyRecommendationOperation.
  #
  # my $overriding_ad = Google::Ads::GoogleAds::V15::Resources::Ad->new({
  #   id => "INSERT_AD_ID_AS_INTEGER_HERE"
  # });
  # my $text_ad_parameters =
  #   Google::Ads::GoogleAds::V15::Services::RecommendationService::TextAdParameters
  #   ->new({ad => $overriding_ad});
  # $apply_recommendation_operation->{textAd} = $text_ad_parameters;

  # Apply the recommendation.
  my $apply_recommendation_response =
    $api_client->RecommendationService()->apply({
      customerId => $customer_id,
      operations => [$apply_recommendation_operation]});

  printf "Applied recommendation with resource name: '%s'.\n",
    $apply_recommendation_response->{results}[0]{resourceName};

  return 1;
}
      

Weitere Informationen in diesen Videos

Parameter anwenden

Bulk

Fehler

Tests

Empfehlungen ablehnen

Video: Empfehlungen ablehnen

Empfehlungen können mit RecommendationService abgelehnt werden. Die Codestruktur ähnelt dem Anwenden von Empfehlungen, verwendet jedoch stattdessen DismissRecommendationOperation und RecommendationService.DismissRecommendation.

Weitere Informationen in diesen Videos

Bulk

Fehler

Tests

Empfehlungen automatisch anwenden

Ab Version 15 der Google Ads API können Sie RecommendationSubscriptionService verwenden, um Empfehlungen eines bestimmten Typs automatisch anzuwenden.

Wenn Sie einen bestimmten Empfehlungstyp abonnieren möchten, erstellen Sie ein RecommendationSubscription-Objekt, setzen Sie das Feld type auf einen der unterstützten Empfehlungstypen und das Feld status auf ENABLED.

Empfehlungstypen für Abos

  • ENHANCED_CPC_OPT_IN
  • KEYWORD
  • KEYWORD_MATCH_TYPE
  • LOWER_TARGET_ROAS
  • MAXIMIZE_CLICKS_OPT_IN
  • OPTIMIZE_AD_ROTATION
  • RAISE_TARGET_CPA
  • RESPONSIVE_SEARCH_AD
  • RESPONSIVE_SEARCH_AD_IMPROVE_AD_STRENGTH
  • SEARCH_PARTNERS_OPT_IN
  • SEARCH_PLUS_OPT_IN
  • SET_TARGET_CPA
  • SET_TARGET_ROAS
  • TARGET_CPA_OPT_IN
  • TARGET_ROAS_OPT_IN
  • USE_BROAD_MATCH_KEYWORD

Abos abrufen

Fragen Sie die Ressource recommendation_subscription ab, um Informationen zu den Empfehlungsabos eines Kontos zu erhalten.

Zum Ansehen der automatisch angewendeten Änderungen fragen Sie die Ressource change_event ab und filtern change_client_type nach GOOGLE_ADS_RECOMMENDATIONS_SUBSCRIPTION.

Empfehlungen bei der Kampagnenerstellung

Ab Version 16 der Google Ads API können Sie RecommendationService.GenerateRecommendationsRequest verwenden, um beim Erstellen von Kampagnen für bestimmte Empfehlungstypen Empfehlungen zu generieren.

GenerateRecommendations akzeptiert als Eingabe eine Kundennummer, einen Werbekanaltyp, der entweder SEARCH oder PERFORMANCE_MAX sein muss, eine Liste der zu generierenden Empfehlungstypen und verschiedene Datenpunkte, die von den angegebenen Typen abhängen. Anhand der von Ihnen bereitgestellten Daten wird eine Liste von Recommendation-Objekten ausgegeben. Wenn nicht genügend Daten vorhanden sind, um eine Empfehlung für das angeforderte recommendation_types zu generieren, oder die Kampagne bereits den empfohlenen Status hat, enthält die Ergebnismenge keine Empfehlung für diesen Typ. Ihre Anwendung muss für den Fall gerüstet sein, dass für die angeforderten Empfehlungstypen keine Empfehlungen zurückgegeben werden.

In der folgenden Tabelle werden die von GenerateRecommendations unterstützten Empfehlungstypen und die Felder beschrieben, die Sie angeben müssen, um Empfehlungen für diesen Typ zu erhalten. Senden Sie als Best Practice die GenerateRecommendations-Anfrage, nachdem alle Informationen zu den angeforderten Empfehlungstypen erfasst wurden. Weitere Informationen zu erforderlichen und optionalen Feldern, einschließlich verschachtelter Felder, finden Sie in der Referenzdokumentation.

RecommendationType Pflichtfelder Optionale Felder
KEYWORD
  • seed_info
  • ad_group_info
MAXIMIZE_CLICKS_OPT_IN
  • conversion_tracking_status
  • bidding_info
MAXIMIZE_CONVERSIONS_OPT_IN
  • conversion_tracking_status
  • bidding_info
MAXIMIZE_CONVERSION_VALUE_OPT_IN
  • conversion_tracking_status
  • bidding_info
SET_TARGET_CPA
  • conversion_tracking_status
  • bidding_info
SET_TARGET_ROAS
  • conversion_tracking_status
  • bidding_info
SITELINK_ASSET
Hinweis: Das zurückgegebene SitelinkAssetRecommendation-Objekt enthält leere Listen. Wenn die GenerateRecommendations-Antwort eine SitelinkAssetRecommendation enthält, kann sie als Signal dafür angesehen werden, dass der Kampagne mindestens ein Sitelink-Asset hinzugefügt werden muss.
  • campaign_sitelink_count
TARGET_CPA_OPT_IN
  • conversion_tracking_status
  • bidding_info
TARGET_ROAS_OPT_IN
  • conversion_tracking_status
  • bidding_info

Beispiel für einen Ablauf

Angenommen, Ihr Unternehmen ist eine Werbeagentur, die Nutzern einen Workflow zum Erstellen von Kampagnen bietet, und Sie möchten ihnen während dieses Vorgangs Vorschläge machen. Mit GenerateRecommendationsRequest können Sie bei Bedarf Empfehlungen generieren und diese in die Benutzeroberfläche zur Kampagnenerstellung einbinden.

Der Nutzungsablauf könnte so aussehen:

  1. Ein Nutzer ruft Ihre Anwendung auf, um eine Performance Max-Kampagne zu erstellen.

  2. Der Nutzer stellt beim Erstellen der Kampagne einige erste Informationen bereit. Beispielsweise liefert er Details zum Erstellen einer einzelnen SitelinkAsset und wählt TARGET_SPEND als Smart Bidding-Strategie aus.

  3. Sie senden eine GenerateRecommendationsRequest, die die folgenden Felder festlegt:

    • campaign_sitelink_count: Legen Sie 1 fest. Das ist die Anzahl der Sitelink-Assets für die laufende Kampagne.

    • bidding_info: Setzt das verschachtelte Feld bidding_strategy_type auf TARGET_SPEND.

    • conversion_tracking_status: auf den ConversionTrackingStatus dieses Kunden festlegen. Eine Anleitung zum Abrufen dieses Felds finden Sie im Startleitfaden zur Conversion-Verwaltung.

    • Setzen Sie recommendation_types auf [SITELINK_ASSET, MAXIMIZE_CLICKS_OPT_IN].

    • Setzen Sie advertising_channel_type auf PERFORMANCE_MAX.

    • customer_id: Legen Sie dieses Feld auf die ID des Kunden fest, der die Kampagne erstellt.

  4. Sie können die Empfehlungen aus der GenerateRecommendationsResponse – in diesem Fall mit einem SitelinkAssetRecommendation und einem MaximizeClicksOptInRecommendation – übernehmen und dem Nutzer auf der Benutzeroberfläche zur Kampagnenerstellung anzeigen lassen. Wenn der Nutzer einen Vorschlag annimmt, können Sie ihn in die Anfrage zur Kampagnenerstellung aufnehmen, sobald der Nutzer die Kampagnenerstellung abgeschlossen hat.