Fragen und Antworten aus unserem Webinar „Einsatz und Prüfung von KI für bessere Suchmaschinenwerbung in Ihrer Branche“

Anfang dieses Monats trafen sich Marc Poirier, Mitbegründer von Acquisio, und ich, Brad Geddes von Adalysis, zu einer faszinierenden Diskussion über die Auswirkungen künstlicher Intelligenz auf die bezahlte Suche, die Rahmenbedingungen, die Kampagnenmanager benötigen, um KI zu nutzen, und was in die Prüfung dieser Entwicklung einfließt Technologie.

Sie haben das Webinar verpasst? Sehen Sie sich hier die Aufzeichnung an!

Marc und ich haben einige tolle Fragen aus dem Publikum bekommen, aber leider war uns die Zeit ausgegangen, bevor wir sie alle beantworten konnten. Aber wie wir im Webinar versprochen haben, können Sie sich unten unsere Antworten auf all Ihre Fragen ansehen.

1 – Wie denken Sie über das maschinelle Lernen von Google? Haben Sie jemals ein A/B-Experiment durchgeführt, bei dem Acquisio dem maschinellen Lernen von Google gegenübersteht?

Brad: Googles maschinelles Lernen, wenn es um Werbung geht, ist schrecklich. Es spielt keine Rolle, ob es um die Erstellung von Anzeigen, das RSA-Adserving, deren Optimierung (was horrend ist) geht – kein großer Fan. Wenn es um ähnliche Listen geht, finde ich es erstaunlich. Aber meine Toleranzgrenze ist ganz anders. Wenn ich bei ähnlichen Listen 10 % neue Kunden bekomme, von denen ich noch nie etwas gewusst habe, bin ich wirklich glücklich darüber. Ich würde niemals pauschal behaupten, dass sie gut oder schlecht sind. Google ist sehr gut in Mathe, sie sind sehr schlecht in Kreativität. Ich segmentiere sie ein wenig in diesen Bereichen.

Marc: Was den Vergleich angeht, machen wir das ständig. Wir versuchen, disziplinierter damit umzugehen und beispielsweise eine große Stichprobe von Kunden zu gewinnen, die CPA-Gebote verwenden. Dazu haben wir noch kein offizielles Forschungsstück! Aber Google löst ein anderes Problem. Wir versuchen, Ihr Geld auszugeben (zum optimalen Preis für einen Klick oder eine Conversion, anstatt einen festgelegten Preis anzustreben), aber das Budget nicht zu überschreiten und gleichzeitig die Conversions zu maximieren.

2 – Wenn Sie einen langen Verkaufszyklus haben, sagen wir 3-6 Monate, wie nutzen Sie diese Daten am besten in Kombination mit den täglich eingehenden Leads? Sollten Sie die wirklich konvertierten Leads nur zurückmelden, wenn die Daten Monate hinter den aktuellen Geboten zurückbleiben?

Brad: Das ist sowohl eine philosophische als auch eine Datenfrage. Ich versuche, Leads so schnell wie möglich zu qualifizieren. Mein MQL – meine marketingqualifizierten Leads – sollte innerhalb von maximal 2-7 Tagen fertig sein. Maschinelles Lernen, 7 Tage Verzögerung abarbeiten, kein Problem. Wenn wir sie innerhalb von 7 bis 14 Tagen für den Verkauf qualifizieren können, würde ich lieber an diesen Daten arbeiten. Würde ich 6 Monate später an einem geschlossenen Verkauf arbeiten? Nein, würde ich nicht.

In Fällen von Datenverzögerungen sollten Sie einen zweigleisigen Ansatz für maschinelles Lernen verwenden. Die erste besteht darin, der Maschine aktuelle Daten zur Verfügung zu stellen, mit denen sie Entscheidungen treffen kann. Dies können Leads (wenn möglich Marketingqualifiziert) oder Signale von Qualitätsbesuchen sein. Dies hilft bei der täglichen Gebotsverwaltung.

Dann sollten Sie die tatsächlichen Verkaufsdaten zurückmelden und sehen, wie die Verkaufsdaten mit den qualifizierten Lead-Daten übereinstimmen. Wenn es eng aneinandergereiht ist, können Sie sich auf kurzfristige Signale verlassen. Wenn es nicht; dann möchten Sie in die Daten eintauchen, um zu sehen, warum sie nicht übereinstimmen. Es kann Schlüsselwörter, Standorte, Tageszeiten oder andere Signale geben, die zu qualitativ schlechteren Leads führen. In diesen Fällen möchten Sie Ihre Kampagnen anpassen, damit Ihre kurzfristigen und langfristigen Daten aufeinander abgestimmt sind.

Marc: Wir bei Acquisio machen eine Menge Lead-Generierungs-Sachen für uns selbst, und wir haben dieses Problem. Die Leute werden das Produkt einige Zeit in Betracht ziehen, bevor sie es kaufen, und es kann lange dauern. Es ist wahrscheinlicher, dass Agenturen unser Produkt verwenden als Werbetreibende, und wir wissen, wie wichtig die Anzahl der von ihnen verwalteten Konten ist. Wenn sie mehr Konten verwalten, verwenden sie unser Produkt eher. Wir haben ein gutes Verständnis für unseren Markt und wissen, wo wir erfolgreich sein werden, daher erfassen die Formulare, die wir für Demo-Anfragen usw. haben, diese Informationen für uns. Verwenden wir es für Gebote? Wir nicht. Der Algorithmus ist nicht darauf ausgelegt, dies zu erfassen (das könnte er, tut es aber derzeit nicht).

Brad: Für alle Lead-Generation-Unternehmen – welche Daten lassen Sie die Maschinen anzeigen, im Vergleich zu denen, die Sie intern verwenden? Sie möchten wissen, „hier sind unsere gesamten Leads und hier sind unsere qualifizierten Leads“, damit Sie sehen können, welcher Prozentsatz qualifiziert ist, und diese Zahl erhöhen können, aber dann können Sie nur eine dieser Zahlen an Ihre Konten zurückschieben, damit die Maschinen funktionieren aus.

3 – Wie berücksichtigen Sie die Saisonalität, ohne ein langes Rückblickfenster / historische Daten zu verwenden?

Marc: Acquisio Turing beobachtet kurze bis mittlere Trends in den Daten und trifft Entscheidungen auf der Grundlage dieser Trends. Unsere Algorithmen treffen Entscheidungen nur auf der Grundlage aktueller Daten und reagieren auf saisonale Änderungen in der Auktion, um Über- oder Unterausgaben zu vermeiden. Schauen Sie sich unser Interview mit Richard Couture und Jason MacDonald, den anderen Mitbegründern von Acquisio, über das Management der PPC-Saisonalität an.

4 – Da Google einer der fortschrittlichsten Akteure im KI- und ML-Bereich ist, was hält sie davon ab, das Agenturmodell fast obsolet zu machen? Wenn sie eine wirklich effiziente Selbstbedienungsplattform schaffen können, die das Geld des Kunden so effizient ausgibt … wo passen Agenturen in die Zukunft?

Brad: Wenn wir vergleichen, worin Menschen und Computer gut sind, sehen wir einige große Trends. Die erste ist Strategie. Eine Maschine hat keine Ahnung, was Ihr Unternehmen erreichen möchte. Sie haben nicht die Daten darüber, wie Benutzer bei Ihnen kaufen, was die Bekanntheit wert ist und wie Sie Ihr Geschäft ausbauen können. Das ist fest in der Welt der Agentur und des Inhouse-Vermarkters verankert.

Bisher sind Computer bei allem Kreativen dramatisch gescheitert. Dies reicht vom Aussehen der Anzeigen über Angebote bis hin zum Inhalt der Website. Wenn es um die Werbekampagnen geht, von der Strategie über die Kreation bis zur Ausführung, ist dies fest in der Agentur- und Inhouse-Marketing-Welt verankert.

Datenerkenntnisse, die Ihre Marketingbemühungen vorantreiben, stammen aus menschlicher Interpretation. Maschinen können Berichte automatisieren und Datentrends anzeigen; aber sie wissen nicht, warum diese Trends auftreten. Dateninterpretation, Data Storytelling und Data Insights sollten für lange Zeit Teil der menschlichen Welt sein.

Wenn es um Gebote, automatisierte Berichte und wiederholbare Arbeit geht, dann ist maschinelles Lernen fantastisch. Wenn es um Strategie, Kreativität, Storytelling geht und warum etwas passiert und wie man darauf reagiert – dort sitzen Menschen im Marketing-Ökosystem.

5 – Berücksichtigen Sie hauptsächlich Kosten/Einnahmen, um Google Shopping-Gebote zu optimieren?

Marc: Acquisio Turing kann Einkaufskampagnen für die gleichen Ziele optimieren wie andere Kampagnen, entweder CPC oder CPA. Letztes Jahr um diese Zeit haben wir ein Webinar mit Seer Interactive mit Tipps zur Optimierung Ihrer Last-Minute-Google-Shopping-Kampagnen durchgeführt.

6 – Wie gehen Sie mit Ihrer ML-Lösung mit einem Problem mit geringem Datenverkehr um?

Marc: Bei geringem Datenverkehr verwendet Acquisio Turing eine Kombination aus adaptiver Anpassung, um genügend Informationen für die anstehende Aufgabe zu sammeln, und greift auf einen Pool von Daten mit geringem Datenverkehr zurück, um eine fundierte Entscheidung zu treffen.

Interessanterweise funktionieren unsere Algorithmen auch mit kleinen Budgets sehr gut, sodass Vermarkter bezahlter Suchmaschinen mit geringerem Traffic keine Angst haben sollten, unser maschinelles Lernen auszuprobieren.

7 – Soweit ich weiß, teilt Google Ads die Daten nicht in Echtzeit, Sie können nur tägliche Daten erhalten. Wie ist es also möglich, die Gebotsoptimierung in Echtzeit durchzuführen?

Marc : Wir nutzen die Google API, die glücklicherweise Echtzeitdaten zur Verfügung stellt. Acquisio Turing verarbeitet diese Daten, lernt daraus und optimiert Ihre Gebote alle 30 Minuten – was wiederum zu mehr Klicks und Conversions führen kann.

8 – Wie viele Conversions müssen Sie für Conversions optimieren?

Marc: Um richtig für Conversions zu optimieren, wird empfohlen, in den letzten 30 Tagen mindestens eine Conversion pro Tag zu haben. Aber natürlich wäre es besser, wenn die Kampagne 5-10 Conversions pro Tag erzielen würde, da dies den Algorithmen mehr Daten zur Verfügung stellen würde, mit denen sie arbeiten können.

Gut zu wissen: Conversions müssen auch mit dem Google Ads-Conversion-Pixel nachverfolgt werden, und es sollte nur eine Conversion in die Conversion-Spalte aufgenommen werden (wobei das Conversion-Tracking auf Unique versus Every eingestellt ist).

9 – Funktioniert das auch bei Display Ads?

Brad: Ja. Daten sind Daten. Wenn Ihre Display-Anzeigen zu Impressionen und Conversions führen; dann können Sie auch diese Art von Geboten und Verwaltung automatisieren.

Bildnachweis

Beitragsbild: Unsplash / Zach Lucero