Google Ads terus mengembangkan otomatisasi untuk membantu advertiser mengelola campaign dengan lebih efisien. Mulai dari Smart Bidding, Performance Max, hingga AI Max, advertiser sekarang dapat menyerahkan semakin banyak proses optimasi kepada sistem Google.
Namun, semakin banyak otomatisasi bukan berarti advertiser harus menerima setiap perubahan tanpa pengujian.
Justru sebaliknya, advertiser membutuhkan cara yang lebih baik untuk mengetahui apakah perubahan budget, bidding, targeting, atau penggunaan AI benar-benar memberikan dampak positif terhadap bisnis.
Kemudian google ads perluas fitur eksperimen campaign pada Search Campaign dan AI Max. Melalui pembaruan tersebut, advertiser dapat menguji perubahan campaign dengan kondisi yang lebih mendekati penggunaan sebenarnya sebelum menerapkannya dalam skala lebih luas.
Perubahan ini menunjukkan satu hal penting: otomatisasi tetap membutuhkan pengujian berbasis data.
Mengapa Eksperimen Penting dalam Google Ads?
Mengelola Google Ads sering melibatkan banyak keputusan. Advertiser dapat menaikkan budget, mengubah target Return on Investment (ROI), menggunakan strategi bidding baru, memperluas targeting, atau mencoba fitur otomatisasi seperti AI Max.
Namun, setiap perubahan dapat menghasilkan dampak yang berbeda.
Kenaikan budget, misalnya, belum tentu menghasilkan peningkatan konversi dengan persentase yang sama. Selain itu, perubahan bidding dapat meningkatkan volume traffic tetapi sekaligus mengubah biaya per konversi.
Karena itu, advertiser sebaiknya tidak hanya bertanya:
“Apakah fitur ini terlihat menarik?”
Pertanyaan yang lebih penting adalah:
“Apakah fitur ini memberikan hasil yang lebih baik untuk campaign saya?”
Eksperimen membantu menjawab pertanyaan tersebut menggunakan data campaign sendiri.
Data Campaign Lebih Penting daripada Sekadar Asumsi
Strategi yang berhasil pada satu akun belum tentu menghasilkan performa yang sama pada akun lain.
Perbedaan produk, industri, kompetitor, budget, target audiens, hingga conversion journey dapat menghasilkan performa yang berbeda.
Oleh karena itu, advertiser perlu menguji perubahan berdasarkan kondisi campaign mereka sendiri.
Melalui eksperimen A/B, advertiser dapat membandingkan kondisi awal dengan kondisi baru secara lebih terukur. Dengan begitu, keputusan tidak hanya bergantung pada perkiraan atau rekomendasi otomatis.
Google Ads Memperluas Eksperimen ke Beberapa Search Campaign
Salah satu pembaharuan yang menarik adalah kemampuan melakukan eksperimen pada beberapa Search Campaign sekaligus. Mulai September 2026, Google menyatakan bahwa advertiser dapat menguji perubahan budget dan target ROI pada beberapa Search Campaign dalam satu eksperimen A/B.
Sebelumnya, advertiser sering melihat performa campaign secara individual. Namun, strategi advertising tidak selalu berjalan pada level satu campaign saja. Dalam banyak akun, beberapa campaign bekerja bersama untuk mencapai tujuan bisnis yang sama.
Menguji Perubahan Budget Secara Lebih Luas
Bayangkan sebuah bisnis memiliki lima Search Campaign untuk beberapa kategori produk. Bisnis tersebut ingin meningkatkan budget karena melihat peluang pertumbuhan.
Pendekatan sederhana mungkin langsung menaikkan budget pada seluruh campaign. Namun, cara tersebut membuat advertiser lebih sulit mengetahui apakah peningkatan hasil benar-benar berasal dari strategi baru atau faktor lainnya.
Dengan eksperimen multi-campaign, advertiser dapat menguji kenaikan budget pada kelompok campaign terlebih dahulu. Kemudian, advertiser dapat membandingkan hasilnya dengan kelompok kontrol.
Google menjelaskan bahwa pendekatan ini dapat membantu advertiser memahami dampak scaling terhadap hasil bisnis sebelum menerapkan perubahan secara lebih luas.
Target ROI Juga Bisa Masuk dalam Pengujian
Budget bukan satu-satunya elemen yang dapat diuji. Advertiser juga dapat memasukkan target ROI ke dalam eksperimen. Hal ini penting karena target bidding dapat memengaruhi bagaimana Google menggunakan budget dan mencari peluang konversi.
Target yang terlalu ketat dapat membatasi jangkauan. Sebaliknya, target yang terlalu longgar dapat meningkatkan volume tetapi belum tentu menjaga tingkat profitabilitas yang diharapkan.
Karena itu, eksperimen memberikan ruang untuk mencari keseimbangan sebelum advertiser menerapkan perubahan pada lebih banyak campaign.
Eksperimen AI Max Kini Bisa Mempertahankan Brand Controls
Google juga memperbarui eksperimen AI Max untuk Search Campaign.
Advertiser sekarang dapat menjalankan eksperimen AI Max sambil tetap mempertahankan pengaturan brand dan lokasi. Sebelumnya, keberadaan kontrol tersebut dapat membatasi bagaimana advertiser menguji AI Max.
Pembaruan ini terlihat sederhana, tetapi cukup penting. Eksperimen akan memberikan informasi yang lebih berguna jika kondisi pengujiannya menyerupai kondisi campaign yang benar-benar akan digunakan.
Mengapa Brand Controls Penting?
Tidak semua advertiser ingin iklannya muncul untuk seluruh jenis pencarian yang tersedia.
Beberapa bisnis memiliki aturan khusus terkait penggunaan brand.
Misalnya, perusahaan mungkin ingin mengontrol bagaimana brand mereka digunakan dalam pencarian atau membatasi campaign berdasarkan kebutuhan tertentu.
Jika advertiser harus melepaskan kontrol tersebut hanya untuk menguji AI Max, maka hasil eksperimennya tidak sepenuhnya menggambarkan kondisi campaign yang sebenarnya.
Sekarang, advertiser dapat mempertahankan guardrail tersebut sambil tetap mengukur pengaruh AI Max.
Dengan demikian, proses pengujian menjadi lebih relevan dengan strategi yang nantinya benar-benar diterapkan.
Location Controls Membuat Pengujian Lebih Realistis
Lokasi juga menjadi faktor penting dalam banyak campaign Google Ads. Bisnis lokal, perusahaan dengan wilayah layanan tertentu, hingga brand dengan prioritas pasar berbeda biasanya menggunakan geographic targeting secara ketat.
Sebagai contoh, sebuah bisnis mungkin hanya melayani Jakarta dan Tangerang. Jika eksperimen berjalan dengan target geografis yang lebih luas, hasilnya tidak akan mencerminkan kondisi bisnis sebenarnya.
Google sekarang memungkinkan advertiser mempertahankan location settings ketika menjalankan eksperimen AI Max. Dengan demikian, advertiser dapat menguji otomatisasi tanpa harus mengubah batas geografis campaign.
Eksperimen Sebaiknya Mencerminkan Kondisi Nyata
Prinsip ini berlaku bukan hanya pada location targeting. Secara umum, eksperimen yang baik perlu mencerminkan kondisi penggunaan sebenarnya.
Jika terlalu banyak variabel berubah sekaligus, advertiser akan lebih sulit mengetahui faktor mana yang mempengaruhi hasil.
Sebaliknya, ketika eksperimen mempertahankan sebagian besar kondisi campaign dan hanya menguji variabel tertentu, hasilnya menjadi lebih mudah dianalisis.
Performance Planner Semakin Mudah Digunakan
Selain memperbarui eksperimen, Google juga menambahkan kemampuan baru pada Performance Planner.
Performance Planner dapat memperkirakan bagaimana perubahan budget atau bidding berpotensi mempengaruhi performa campaign. Setelah membuat rencana, advertiser sekarang dapat menerapkan perubahan yang direkomendasikan langsung ke campaign.
Dengan kata lain, proses dari planning menuju implementation menjadi lebih singkat. Namun, kemudahan tersebut juga membuat proses review semakin penting.
Advertiser Tetap Bisa Memilih Campaign yang Diubah
Google tidak mengharuskan advertiser menerapkan rencana ke seluruh campaign. Sebelum menerapkan perubahan, advertiser dapat memeriksa rekomendasi pada masing-masing campaign.
Jika ada campaign tertentu yang tidak ingin diubah, advertiser dapat mengeluarkannya dari rencana. Pendekatan ini memberikan fleksibilitas karena setiap campaign dapat memiliki kebutuhan yang berbeda.
Campaign brand, misalnya, mungkin membutuhkan perlakuan berbeda dari campaign non-brand. Begitu juga campaign dengan margin produk tinggi mungkin memiliki target yang berbeda dari campaign produk dengan margin lebih rendah.
Perubahan Tetap Perlu Dipantau Setelah Diterapkan
Menekan tombol untuk menerapkan perubahan bukan akhir dari proses optimasi. Advertiser tetap perlu melihat apa yang terjadi setelah sistem menjalankan konfigurasi baru.
Google menyediakan pemantauan perubahan tersebut melalui bagian Bulk Actions. Advertiser juga memiliki opsi untuk membatalkan perubahan jika diperlukan.
Fitur undo memberikan kontrol tambahan, tetapi advertiser tetap perlu memantau metrik yang berkaitan langsung dengan tujuan bisnis.
Misalnya:
- conversion rate,
- cost per acquisition,
- return on ad spend,
- nilai konversi,
- total biaya,
- serta kualitas lead.
Dengan begitu, advertiser tidak hanya melihat peningkatan traffic, tetapi juga mengetahui apakah perubahan benar-benar menghasilkan nilai bisnis.
Semakin Banyak Automation, Semakin Penting Kontrol Advertiser
Perkembangan Google Ads menunjukkan bahwa otomatisasi akan terus mengambil peran yang lebih besar. Google dapat membantu menentukan bidding, menemukan peluang pencarian, mengelola distribusi budget, hingga memperluas jangkauan campaign menggunakan AI.
Namun, advertiser tetap memegang satu peran yang sangat penting: menentukan apakah hasil otomatisasi tersebut sesuai dengan tujuan bisnis.
Google sendiri menempatkan fitur eksperimen sebagai cara bagi advertiser untuk memvalidasi perubahan menggunakan data akun sebelum menerapkannya secara lebih luas.
Artinya, automation dan human control tidak harus saling bertentangan. Keduanya justru dapat bekerja bersama. Sistem membantu menjalankan optimasi dalam skala besar, sedangkan advertiser menentukan tujuan, batasan, dan standar performa yang ingin dicapai.
Jangan Terapkan Rekomendasi Hanya Karena Bisa Dilakukan dengan Satu Klik
Kemudahan penerapan perubahan dapat menghemat banyak waktu. Namun, kemudahan tersebut juga membawa risiko jika advertiser terlalu cepat menerima rekomendasi.
Performance Planner bekerja menggunakan data dan estimasi. Karena itu, hasil forecast tetap perlu dilihat sebagai dasar pengambilan keputusan, bukan jaminan bahwa performa akan sama persis setelah perubahan diterapkan.
Sebelum menjalankan perubahan, advertiser sebaiknya melihat konteks bisnis.
- Apakah perusahaan sedang memiliki kapasitas untuk menerima lebih banyak lead?
- Apakah margin produk masih memungkinkan kenaikan biaya iklan?
- Apakah target ROI sesuai dengan tujuan pertumbuhan?
- Apakah perubahan budget berpotensi mengganggu campaign lain?
Pertanyaan semacam ini membantu menghubungkan data Google Ads dengan kondisi bisnis sebenarnya.
Strategi Google Ads Tetap Membutuhkan Pengelolaan yang Terarah
Fitur AI dan automation memang membuat Google Ads semakin canggih. Namun, banyaknya pilihan juga membuat pengelolaan campaign membutuhkan analisis yang semakin matang.
Advertiser perlu menentukan apa yang ingin diuji, memilih indikator keberhasilan, membaca hasil eksperimen, lalu memutuskan perubahan mana yang layak diterapkan.
Dengan kata lain, teknologi dapat membantu proses optimasi, tetapi strategi tetap menentukan arah penggunaannya.
Bagi bisnis yang ingin mengelola campaign secara lebih terukur, Next Digital menyediakan layanan digital marketing termasuk Search Engine Marketing dan pengelolaan Google Ads. Pendekatan yang terarah dapat membantu bisnis menghubungkan budget, targeting, bidding, dan hasil campaign dengan tujuan yang ingin dicapai, sehingga keputusan tidak hanya bergantung pada otomatisasi sistem.
Next Digital sendiri mencantumkan layanan SEM, Google Search Network, Google Display Network, serta Google Ads Performance Max sebagai bagian dari layanan digital advertising mereka.
Google Ads terus meningkatkan kemampuan otomatisasi. Namun, bersamaan dengan itu, Google juga memberikan lebih banyak fasilitas untuk melakukan eksperimen.
Advertiser dapat menguji perubahan budget dan target ROI pada beberapa Search Campaign, mempertahankan brand serta location controls ketika menguji AI Max, dan menggunakan Performance Planner untuk merencanakan sekaligus menerapkan perubahan dengan lebih praktis.
Pembaruan tersebut menunjukkan bahwa otomatisasi bukan berarti menghilangkan kebutuhan akan kontrol.
Sebaliknya, semakin besar peran AI dalam pengelolaan Google Ads, semakin penting advertiser menggunakan testing, data, dan evaluasi performa sebelum mengambil keputusan dalam skala besar.
Pada akhirnya, tujuan eksperimen bukan sekadar mencoba fitur baru. Eksperimen membantu advertiser menjawab pertanyaan yang jauh lebih penting:
Apakah perubahan tersebut benar-benar membuat campaign bekerja lebih baik untuk bisnis?
