Preguntas y respuestas de nuestro seminario web "Aprovechamiento y auditoría de la IA para una mejor publicidad de búsqueda en su industria"

A principios de este mes, el cofundador de Acquisio, Marc Poirier, y yo, Brad Geddes de Adalysis, nos reunimos para una discusión fascinante sobre el impacto de la inteligencia artificial en la búsqueda paga, el marco que los gerentes de campaña necesitan para aprovechar la IA y lo que implica auditar este emergente tecnología.

¿Te perdiste el seminario web? ¡Mira la grabación aquí!

Marc y yo recibimos algunas preguntas geniales de la audiencia, pero desafortunadamente nos quedamos sin tiempo antes de que pudiéramos responderlas todas. Pero, como prometimos en el seminario web, puede consultar nuestras respuestas a todas sus preguntas a continuación.

1 – ¿Cómo te sientes acerca del aprendizaje automático de Google? ¿Ha configurado alguna vez un experimento A/B que pusiera a Acquisio en contra del aprendizaje automático de Google?

Brad: El aprendizaje automático de Google, cuando se trata de anuncios, es terrible. No importa si se trata de la creación de anuncios, la publicación de anuncios RSA, su optimización (que es terrible), no es un gran fanático. Cuando se trata de listas similares, creo que es increíble. Pero mi nivel de tolerancia es muy diferente. Para listas similares, si me consigue un 10 % de clientes nuevos que no conocía, estoy muy feliz por ello. Nunca mantendría la declaración de que son buenos o malos. Google es muy bueno en matemáticas, son muy malos en creatividad. Los segmento un poco en esas áreas.

Marc: En cuanto a la comparación, lo hacemos todo el tiempo. Estamos tratando de ser más disciplinados al respecto y obtener una gran muestra de clientes que usan ofertas de CPA, por ejemplo. No tenemos una pieza de investigación oficial sobre eso, ¡todavía! Pero Google resuelve un problema diferente. Estamos tratando de gastar su dinero (al precio óptimo de un clic o una conversión, en lugar de apuntar a un precio fijo) pero sin excedernos del presupuesto mientras maximizamos las conversiones.

2 – Si tiene un ciclo de ventas largo, digamos de 3 a 6 meses, ¿cómo es mejor usar esos datos, combinados con los clientes potenciales que llegan día a día? ¿Debería solo retroalimentar los clientes potenciales verdaderamente convertidos si los datos están meses atrás de las ofertas actuales?

Brad: Esta es una pregunta filosófica tanto como una pregunta de datos. Trato de calificar clientes potenciales lo antes posible. Mi MQL, mis clientes potenciales calificados de marketing, debe realizarse dentro de 2 a 7 días como máximo. Aprendizaje automático, trabajando con un retraso de 7 días, no hay problema. Si podemos calificarlos en términos de ventas en un plazo de 7 a 14 días, prefiero trabajar con esos datos. ¿Trabajaría en una venta cerrada 6 meses después? No, no lo haría.

En casos de retraso de datos, debe utilizar un enfoque doble para el aprendizaje automático. El primero es darle a la máquina datos recientes para trabajar en la toma de decisiones. Pueden ser clientes potenciales (con calificación de marketing si es posible) o señales de visitas de calidad. Esto ayuda en la gestión de ofertas del día a día.

Luego, debe retroalimentar los datos de ventas reales y ver cómo los datos de ventas se alinean con los datos de clientes potenciales calificados. Si se alinea de cerca, entonces puede confiar en las señales a corto plazo. Si no es así; entonces desea profundizar en los datos para ver por qué no se alinean. Puede haber palabras clave, ubicaciones, horas del día u otras señales que conduzcan a clientes potenciales de menor calidad. En estos casos, desea realizar ajustes en sus campañas para que sus datos a corto y largo plazo se alineen entre sí.

Marc: Hacemos muchas cosas de generación de leads para nosotros mismos en Acquisio, y tenemos ese problema. Las personas considerarán el producto durante algún tiempo antes de comprarlo y puede ser largo. Es más probable que las agencias utilicen nuestro producto que los anunciantes y sabemos que la cantidad de cuentas que administran es importante. Si tienen más cuentas bajo administración, es más probable que usen nuestro producto. Tenemos una buena comprensión de nuestro mercado y dónde vamos a tener éxito, por lo que los formularios que tenemos para solicitudes de demostración y demás capturan esa información para nosotros. ¿Lo usamos para pujar? nosotros no El algoritmo no está diseñado para capturar esto (podría, pero no lo hace ahora).

Brad: Para todas las empresas de generación de leads, ¿qué datos dejas que las máquinas vean en comparación con los que usas internamente? Le gustaría saber 'aquí están nuestros clientes potenciales totales y aquí están nuestros clientes potenciales calificados', para que pueda ver qué porcentaje está calificado y obtener ese número más alto, pero luego solo podría enviar uno de esos números a sus cuentas para que las máquinas funcionen. desde.

3 – ¿Cómo considera la estacionalidad sin usar una ventana retrospectiva larga/datos históricos?

Marc: Acquisio Turing observa tendencias de corto a mediano plazo en los datos y toma decisiones basadas en esas tendencias. Nuestros algoritmos solo toman decisiones sobre los datos actuales, reaccionando a los cambios estacionales en la subasta a medida que ocurren para evitar gastos excesivos o insuficientes. Consulte nuestra entrevista con el otro cofundador de Acquisio, Richard Couture, y Jason MacDonald, sobre la gestión de la estacionalidad de PPC.

4 – Dado que Google es uno de los jugadores más avanzados en el espacio de IA y ML, ¿qué les impide hacer que el modelo de agencia quede casi obsoleto? Si pueden crear una plataforma de autoservicio verdaderamente eficiente que gaste el dinero del cliente de manera tan eficiente... ¿dónde encajan las agencias en el futuro?

Brad: Cuando comparamos en qué son buenos los humanos y las computadoras, vemos algunas tendencias importantes. La primera es la estrategia. Una máquina no tiene idea de lo que su empresa quiere lograr. No tienen los datos sobre cómo los usuarios le compran, qué valor tiene la conciencia y cómo hacer crecer su negocio. Esto se asienta firmemente en el mundo de la agencia y el comercializador interno.

Hasta ahora, las computadoras han fallado dramáticamente en todo lo creativo. Esto abarca desde el aspecto de los anuncios, las ofertas y el contenido del sitio web. Cuando se trata de campañas publicitarias, desde la estrategia hasta la creación y la ejecución, esto se asienta firmemente en el mundo de la agencia y el marketing interno.

Los conocimientos de datos para impulsar sus esfuerzos de marketing provienen de la interpretación humana. Las máquinas pueden automatizar informes y mostrar tendencias de datos; pero no saben por qué ocurren esas tendencias. La interpretación de datos, la narración de datos y la comprensión de datos deberían ser parte del mundo humano durante mucho tiempo.

Cuando se trata de ofertas, informes automatizados y trabajo repetible, el aprendizaje automático es fantástico. Cuando se trata de estrategia, creatividad, narración de historias y por qué algo está sucediendo y cómo reaccionar ante ello, ahí es donde los humanos se sientan en el ecosistema de marketing.

5 – ¿Está considerando principalmente el costo/ingreso para optimizar las ofertas de Google Shopping?

Marc: Acquisio Turing puede optimizar campañas de compras para los mismos objetivos que otras campañas, ya sea CPC o CPA. El año pasado, por esta época, hicimos un seminario web con Seer Interactive con consejos sobre cómo optimizar sus campañas de Google Shopping de última hora.

6 – ¿Cómo maneja un problema de poco tráfico con su solución ML?

Marc: Cuando se enfrenta a poco tráfico, Acquisio Turing utiliza una combinación de ajuste adaptativo para recopilar suficiente información para la tarea en cuestión, así como extraer datos de un grupo de poco tráfico para ayudar a tomar una decisión informada.

Curiosamente, nuestros algoritmos funcionan muy bien con presupuestos pequeños, por lo que los especialistas en marketing de búsqueda de pago con poco tráfico no deberían tener miedo de probar nuestro aprendizaje automático.

7 – Hasta donde yo sé, Google Ads no comparte los datos en tiempo real, solo puede obtener datos diarios. Entonces, ¿cómo es posible ejecutar la optimización de ofertas en tiempo real?

Marc : Aprovechamos la API de Google, que afortunadamente tiene datos disponibles en tiempo real. Acquisio Turing digiere esos datos, aprende de ellos y optimiza sus ofertas cada 30 minutos, lo que a su vez puede conducir a un aumento de los clics y las conversiones.

8 – ¿Cuántas conversiones necesitas optimizar para conversiones?

Marc: Para optimizar adecuadamente las conversiones, se recomienda tener al menos una conversión por día durante los últimos 30 días. Pero, por supuesto, sería mejor si la campaña generara de 5 a 10 conversiones por día, ya que esto le daría a los algoritmos más datos con los que trabajar.

Es bueno saberlo: también es necesario realizar un seguimiento de las conversiones con el píxel de conversión de Google Ads, y solo se debe incluir una conversión en la columna de conversión (con el seguimiento de conversiones establecido en único frente a cada).

9 – ¿Esto también funciona en los anuncios gráficos?

Brad: Sí. Los datos son datos. Si sus anuncios gráficos generan impresiones y conversiones; entonces también puede automatizar este tipo de licitación y gestión.

Créditos de imagen

Imagen destacada: Unsplash / Zach Lucero