T&J dari Webinar Kami 'Memanfaatkan & Mengaudit AI untuk Iklan Penelusuran yang Lebih Baik di Industri Anda'

Awal bulan ini, Co-founder Acquisio Marc Poirier dan saya, Brad Geddes dari Adalysis, berkumpul untuk diskusi menarik tentang dampak kecerdasan buatan pada pencarian berbayar, kerangka kerja yang dibutuhkan manajer kampanye untuk memanfaatkan AI, dan apa yang dilakukan untuk mengaudit perusahaan yang baru muncul ini. teknologi.

Apakah Anda melewatkan webinarnya? Tonton rekamannya di sini!

Marc dan saya menerima beberapa pertanyaan bagus dari penonton, tapi sayangnya kami kehabisan waktu sebelum kami bisa menjawab semuanya. Namun, seperti yang kami janjikan di webinar, Anda dapat melihat jawaban kami atas semua pertanyaan Anda di bawah ini.

1 – Bagaimana perasaan Anda tentang pembelajaran mesin Google? Pernahkah Anda menyiapkan eksperimen A/B yang menempatkan Acquisio melawan pembelajaran mesin Google?

Brad: Pembelajaran mesin Google, dalam hal iklan, sangat buruk. Tidak masalah apakah itu pembuatan iklan, penayangan iklan RSA, pengoptimalannya (yang menghebohkan) – bukan penggemar berat. Ketika datang ke daftar serupa, saya pikir itu luar biasa. Tapi tingkat toleransi saya jauh berbeda. Untuk daftar serupa, jika itu memberi saya 10% klien baru yang tidak pernah saya ketahui, saya sangat senang tentang itu. Saya tidak akan pernah menutupi pernyataan bahwa mereka baik atau buruk. Google sangat bagus dalam matematika, mereka sangat buruk dalam kreativitas. Saya membaginya sedikit di area tersebut.

Marc: Dalam hal perbandingan, kami melakukannya sepanjang waktu. Kami mencoba untuk lebih disiplin dan mendapatkan sampel besar pelanggan yang menggunakan penawaran BPA, misalnya. Kami belum memiliki penelitian resmi tentang itu – belum! Tetapi Google memecahkan masalah yang berbeda. Kami mencoba membelanjakan uang Anda (dengan harga yang optimal untuk sebuah klik atau konversi, alih-alih menargetkan harga yang ditetapkan) tetapi tidak melebihi anggaran sambil memaksimalkan konversi.

2 – Jika Anda memiliki siklus penjualan yang panjang, katakanlah 3-6 bulan, bagaimana cara terbaik untuk menggunakan data tersebut, dikombinasikan dengan prospek yang datang dari hari ke hari? Haruskah Anda hanya memberi umpan balik dalam prospek yang benar-benar dikonversi jika datanya berbulan-bulan di belakang tawaran saat ini?

Brad: Ini adalah pertanyaan filosofis dan juga pertanyaan data. Saya mencoba untuk memenuhi syarat lead sesegera mungkin. MQL saya – prospek pemasaran saya yang memenuhi syarat – harus diselesaikan paling lama 2-7 hari. Pembelajaran mesin, mengatasi jeda 7 hari, tidak masalah. Jika kami dapat memenuhi syarat penjualan dalam 7-14 hari, saya lebih suka mengerjakan data itu. Apakah saya akan mengerjakan penjualan tertutup 6 bulan kemudian? Tidak, saya tidak akan melakukannya.

Dalam kasus keterlambatan data, Anda harus menggunakan pendekatan dua cabang untuk pembelajaran mesin. Yang pertama adalah memberikan mesin data terbaru untuk digunakan dalam membuat keputusan. Ini bisa berupa prospek (pemasaran berkualitas jika memungkinkan) atau sinyal kunjungan berkualitas. Ini membantu dalam pengelolaan tawaran sehari-hari.

Kemudian Anda harus memberi umpan balik data penjualan aktual dan melihat bagaimana data penjualan sejalan dengan data prospek yang memenuhi syarat. Jika berbaris rapat, maka Anda dapat mengandalkan sinyal jangka pendek. Jika tidak; maka Anda ingin menggali data untuk melihat mengapa itu tidak sejalan. Mungkin ada kata kunci, lokasi, waktu, atau sinyal lain yang mengarah ke prospek berkualitas lebih buruk. Dalam kasus ini, Anda ingin melakukan penyesuaian pada kampanye sehingga data jangka pendek dan jangka panjang Anda selaras satu sama lain.

Marc: Kami melakukan banyak hal untuk diri kami sendiri di Acquisio, dan kami memiliki masalah itu. Orang akan mempertimbangkan produk untuk beberapa waktu sebelum mereka membeli dan itu bisa lama. Biro iklan lebih cenderung menggunakan produk kami daripada pengiklan dan kami tahu jumlah akun yang mereka kelola penting. Jika mereka memiliki lebih banyak akun yang dikelola, kemungkinan besar mereka akan menggunakan produk kami. Kami memiliki pemahaman yang baik tentang pasar kami dan di mana kami akan berhasil, jadi formulir yang kami miliki untuk permintaan demo dan seterusnya menangkap informasi itu untuk kami. Apakah kita menggunakannya untuk penawaran? Kami tidak. Algoritme tidak dirancang untuk menangkap ini (bisa, tetapi saat ini tidak).

Brad: Untuk semua perusahaan gen utama – data apa yang Anda izinkan untuk dilihat mesin versus apa yang Anda gunakan secara internal? Anda ingin mengetahui 'inilah total prospek kami dan inilah prospek kami yang memenuhi syarat', sehingga Anda dapat melihat persentase yang memenuhi syarat dan mendapatkan angka tersebut lebih tinggi, tetapi kemudian Anda mungkin hanya memasukkan salah satu dari angka tersebut kembali ke akun Anda agar mesin dapat bekerja dari.

3 – Bagaimana Anda mempertimbangkan musim tanpa menggunakan jendela lihat balik yang panjang / data historis?

Marc: Acquisio Turing mengamati tren pendek hingga menengah dalam data dan membuat keputusan berdasarkan tren tersebut. Algoritme kami hanya membuat keputusan berdasarkan data saat ini, bereaksi terhadap perubahan musiman dalam lelang yang terjadi untuk menghindari pengeluaran yang berlebihan atau kurang. Lihat wawancara kami dengan Co-founder Acquisio lainnya Richard Couture dan Jason MacDonald, tentang mengelola musim PPC.

4 – Dengan Google menjadi salah satu pemain paling maju di bidang AI dan ML, apa yang mencegah mereka membuat model agensi hampir usang? Jika mereka dapat membuat platform layanan mandiri yang benar-benar efisien yang menghabiskan uang klien dengan sangat efisien… di mana agensi cocok di masa depan?

Brad: Ketika kita membandingkan apa yang baik dari manusia vs komputer, kita melihat beberapa tren besar. Yang pertama adalah strategi. Sebuah mesin tidak tahu apa yang ingin dicapai perusahaan Anda. Mereka tidak memiliki data tentang bagaimana pengguna membeli dari Anda, kesadaran apa yang berharga, dan bagaimana mengembangkan bisnis Anda. Ini dengan kuat berada di dunia agensi dan pemasar internal.

Sejauh ini, komputer telah gagal secara dramatis dalam segala hal yang kreatif. Ini mulai dari tampilan iklan, penawaran, dan konten situs web. Ketika datang ke kampanye iklan, dari strategi hingga pembuatan hingga eksekusi, ini dengan kuat berada di dunia agensi dan pemasaran internal.

Wawasan data untuk mendorong upaya pemasaran Anda ke depan berasal dari interpretasi manusia. Mesin dapat mengotomatiskan laporan dan menunjukkan tren data; tetapi mereka tidak tahu mengapa tren itu terjadi. Interpretasi data, penceritaan data, dan wawasan data harus menjadi bagian dari dunia manusia untuk waktu yang lama.

Dalam hal penawaran, laporan otomatis, dan melakukan pekerjaan berulang – maka pembelajaran mesin sangat fantastis. Ketika berbicara tentang strategi, kreativitas, penceritaan, dan mengapa sesuatu terjadi dan bagaimana bereaksi terhadapnya – di situlah manusia duduk dalam ekosistem pemasaran.

5 – Apakah Anda terutama mempertimbangkan biaya/pendapatan untuk mengoptimalkan tawaran Google Belanja?

Marc: Acquisio Turing dapat mengoptimalkan kampanye belanja untuk sasaran yang sama seperti kampanye lainnya, baik BPK maupun BPA. Tahun lalu sekitar waktu ini, kami melakukan webinar dengan Seer Interactive dengan tips tentang cara mengoptimalkan kampanye Google Shopping menit terakhir Anda.

6 – Bagaimana Anda menangani masalah lalu lintas rendah dengan solusi ML Anda?

Marc: Saat menghadapi lalu lintas rendah, Acquisio Turing menggunakan kombinasi penyesuaian adaptif untuk mengumpulkan informasi yang cukup untuk tugas yang ada, serta menarik dari kumpulan data lalu lintas rendah untuk membantunya membuat keputusan yang tepat.

Menariknya, algoritme kami berkinerja sangat baik dengan anggaran kecil, jadi pemasar penelusuran berbayar dengan lalu lintas rendah tidak perlu takut untuk mencoba pembelajaran mesin kami.

7 – Sejauh yang saya tahu, Google Ads tidak membagikan data secara real-time, Anda hanya bisa mendapatkan data harian. Jadi, bagaimana mungkin menjalankan pengoptimalan tawaran secara real-time?

Marc : Kami memanfaatkan Google API, yang untungnya memiliki data waktu nyata yang tersedia. Acquisio Turing mencerna data tersebut, mempelajarinya, dan mengoptimalkan tawaran Anda setiap 30 menit – yang pada gilirannya dapat menghasilkan peningkatan klik dan konversi.

8 – Berapa banyak konversi yang Anda butuhkan untuk mengoptimalkan konversi?

Marc: Untuk mengoptimalkan konversi dengan benar, disarankan untuk memiliki setidaknya satu konversi per hari selama 30 hari terakhir. Namun tentu saja, akan lebih baik jika kampanye tersebut menghasilkan 5-10 konversi per hari, karena ini akan memberikan lebih banyak data kepada algoritme untuk digunakan.

Sebaiknya Anda tahu: konversi juga perlu dilacak dengan piksel konversi Google Ads, dan hanya satu konversi yang harus disertakan dalam kolom konversi (dengan pelacakan konversi ditetapkan ke unik versus setiap).

9 – Apakah ini berfungsi pada iklan bergambar juga?

Brad: Ya. Data adalah data. Jika iklan bergambar Anda mendorong tayangan dan konversi; maka Anda juga dapat mengotomatiskan jenis penawaran dan pengelolaan ini.

Kredit Gambar

Gambar Fitur: Unsplash / Zach Lucero