Pytania i odpowiedzi z naszego seminarium internetowego „Wykorzystywanie i audytowanie sztucznej inteligencji w celu poprawy reklam w wyszukiwarkach w Twojej branży”

Na początku tego miesiąca współzałożyciel Acquisio, Marc Poirier i ja, Brad Geddes z Adalysis, spotkaliśmy się na fascynującej dyskusji na temat wpływu sztucznej inteligencji na płatne wyszukiwanie, ramowych menedżerów kampanii, którzy muszą wykorzystać sztuczną inteligencję, oraz tego, co jest potrzebne do audytu tego nowego technologia.

Czy przegapiłeś webinarium? Obejrzyj nagranie tutaj!

Marc i ja otrzymaliśmy od publiczności kilka świetnych pytań, ale niestety zabrakło nam czasu, zanim mogliśmy odpowiedzieć na wszystkie. Ale, jak obiecaliśmy na webinarze, poniżej możesz sprawdzić nasze odpowiedzi na wszystkie pytania.

1 – Co sądzisz o uczeniu maszynowym Google? Czy kiedykolwiek zorganizowałeś eksperyment A/B, w którym Acquisio przeciwstawiało się uczeniu maszynowemu Google?

Brad: Uczenie maszynowe Google, jeśli chodzi o reklamy, jest okropne. Nie ma znaczenia, czy chodzi o tworzenie reklam, wyświetlanie reklam RSA, ich optymalizację (co jest przerażające) – nie jest wielkim fanem. Jeśli chodzi o podobne listy, myślę, że to niesamowite. Ale mój poziom tolerancji jest zupełnie inny. W przypadku podobnych list, jeśli przyniesie mi 10% nowych klientów, o których nigdy nie wiedziałem, naprawdę się z tego cieszę. Nigdy nie powiedziałbym, że są dobre lub złe. Google jest bardzo dobry z matematyki, ale z kreatywnością. Trochę ich segmentuję w tych obszarach.

Marc: Jeśli chodzi o porównanie, robimy to cały czas. Staramy się bardziej zdyscyplinować i pozyskać na przykład dużą próbę klientów, którzy korzystają z określania stawek CPA. Nie mamy jeszcze oficjalnych badań na ten temat! Ale Google rozwiązuje inny problem. Staramy się wydawać Twoje pieniądze (w optymalnej cenie kliknięcia lub konwersji, zamiast dążyć do ustalonej ceny), ale jednocześnie nie przekraczając budżetu, maksymalizując liczbę konwersji.

2 – Jeśli masz długi cykl sprzedaży, powiedzmy 3-6 miesięcy, jak najlepiej wykorzystać te dane w połączeniu z leadami, które napływają z dnia na dzień? Czy powinieneś otrzymywać informacje zwrotne o naprawdę skonwertowanych potencjalnych klientach tylko wtedy, gdy dane są o kilka miesięcy za bieżącymi stawkami?

Brad: To jest tak samo pytanie filozoficzne, jak pytanie o dane. Staram się jak najszybciej zakwalifikować leady. Mój MQL – moje kwalifikowane leady marketingowe – powinien zostać wykonany w ciągu maksymalnie 2-7 dni. Uczenie maszynowe, praca z 7-dniowym opóźnieniem, nie ma problemu. Jeśli możemy zakwalifikować je do sprzedaży w ciągu 7-14 dni, wolałbym pracować na tych danych. Czy pracowałbym przy zamkniętej wyprzedaży 6 miesięcy później? Nie, nie zrobiłbym tego.

W przypadku opóźnień danych należy stosować dwutorowe podejście do uczenia maszynowego. Pierwszym z nich jest przekazanie maszynie aktualnych danych do pracy przy podejmowaniu decyzji. Mogą to być potencjalni klienci (w miarę możliwości kwalifikowani do marketingu) lub sygnały wizyt jakościowych. Pomaga to w codziennym zarządzaniu stawkami.

Następnie należy przesłać informację zwrotną o rzeczywistych danych sprzedaży i zobaczyć, jak dane sprzedaży pokrywają się z danymi kwalifikowanego potencjalnego klienta. Jeśli jest blisko siebie, możesz polegać na sygnałach krótkoterminowych. Jeśli to nie; następnie chcesz zagłębić się w dane, aby zobaczyć, dlaczego się nie zgadzają. Mogą występować słowa kluczowe, lokalizacje, pory dnia lub inne sygnały, które prowadzą do gorszej jakości potencjalnych klientów. W takich przypadkach chcesz wprowadzić zmiany w swoich kampaniach, tak aby dane krótko- i długoterminowe były ze sobą zgodne.

Marc: W Acquisio robimy dla siebie wiele rzeczy związanych z generowaniem leadów i mamy ten problem. Ludzie będą rozważać produkt przez jakiś czas przed zakupem i może to potrwać długo. Agencje częściej niż reklamodawcy korzystają z naszego produktu i wiemy, ile kont zarządzają sprawami. Jeśli zarządzają większą liczbą kont, są bardziej skłonni do korzystania z naszego produktu. Dobrze rozumiemy nasz rynek i miejsca, w których odniesiemy sukces, więc formularze, które mamy dla wniosków o demo i tak dalej, przechwytują te informacje dla nas. Czy używamy go do licytacji? My nie. Algorytm nie jest przeznaczony do przechwytywania tego (może, ale teraz tak nie jest).

Brad: Dla wszystkich wiodących firm gen. – jakie dane udostępniasz maszynom, a jakich danych używasz wewnętrznie? Chciałbyś wiedzieć „tutaj mamy wszystkich naszych potencjalnych klientów, a oto nasi zakwalifikowani potencjalni klienci”, abyś mógł sprawdzić, jaki procent jest zakwalifikowany i zwiększyć tę liczbę, ale wtedy możesz tylko przesunąć jedną z tych liczb z powrotem na swoje konta, aby komputery działały od.

3 – Jak oceniasz sezonowość bez korzystania z długiego okresu ważności / danych historycznych?

Marc: Acquisio Turing obserwuje krótkie i średnie trendy w danych i podejmuje decyzje w oparciu o te trendy. Nasze algorytmy podejmują decyzje tylko na podstawie bieżących danych, reagując na sezonowe zmiany aukcji, aby uniknąć nadmiernych lub niedostatecznych wydatków. Sprawdź nasz wywiad z innym współzałożycielem Acquisio, Richardem Couture i Jasonem MacDonaldem, na temat zarządzania sezonowością PPC.

4 – Skoro Google jest jednym z najbardziej zaawansowanych graczy w przestrzeni AI i ML, co ma powstrzymać ich przed tym, by model agencji stał się prawie przestarzały? Jeśli uda im się stworzyć naprawdę wydajną platformę samoobsługową, która tak wydajnie wydaje pieniądze klienta… gdzie w przyszłości mieszczą się agencje?

Brad: Kiedy porównamy to, w czym ludzie i komputery są dobrzy, widzimy kilka dużych trendów. Pierwsza to strategia. Maszyna nie ma pojęcia, co chce osiągnąć Twoja firma. Nie mają danych o tym, jak użytkownicy kupują od Ciebie, ile warta jest świadomość i jak rozwijać firmę. To mocno wpisuje się w świat agencji i wewnętrznego marketera.

Jak dotąd komputery drastycznie zawiodły w jakiejkolwiek kreatywności. Obejmuje to wygląd reklam, oferty i zawartość witryny. Jeśli chodzi o kampanie reklamowe, od strategii, przez kreację, po realizację, to mocno wpisuje się to w świat agencji i marketingu wewnętrznego.

Analizy danych, które pomogą Ci w działaniach marketingowych, pochodzą z ludzkiej interpretacji. Maszyny mogą automatyzować raporty i pokazywać trendy danych; ale nie wiedzą, dlaczego te trendy się pojawiają. Interpretacja danych, opowiadanie historii i wgląd w dane powinny być częścią ludzkiego świata przez długi czas.

Jeśli chodzi o licytowanie, automatyczne raporty i wykonywanie powtarzalnej pracy – wtedy uczenie maszynowe jest fantastyczne. Jeśli chodzi o strategię, kreatywność, opowiadanie historii, dlaczego coś się dzieje i jak na to zareagować – to właśnie ludzie zasiadają w ekosystemie marketingowym.

5 – Czy zastanawiasz się głównie nad kosztami/przychodami, aby zoptymalizować stawki w Zakupach Google?

Marc: Acquisio Turing może optymalizować kampanie zakupowe pod kątem tych samych celów, co inne kampanie, CPC lub CPA. W zeszłym roku, mniej więcej o tej porze, zorganizowaliśmy seminarium internetowe z Seer Interactive, zawierające wskazówki, jak zoptymalizować kampanie w Zakupach Google w ostatniej chwili.

6 – Jak radzisz sobie z problemem małego ruchu w swoim rozwiązaniu ML?

Marc: W obliczu małego ruchu Acquisio Turing wykorzystuje kombinację adaptacyjnego dostosowania w celu zebrania wystarczającej ilości informacji dla danego zadania, a także wyciąga z puli danych o małym natężeniu ruchu, aby pomóc w podjęciu świadomej decyzji.

Co ciekawe, nasze algorytmy sprawdzają się bardzo dobrze przy niewielkich budżetach, więc marketerzy zajmujący się płatnymi wynikami wyszukiwania o mniejszym ruchu nie powinni obawiać się wypróbowania naszych systemów uczących się.

7 – Z tego, co wiem, Google Ads nie udostępnia danych w czasie rzeczywistym, możesz uzyskać tylko dane dzienne. Jak więc przeprowadzić optymalizację stawek w czasie rzeczywistym?

Marc : Korzystamy z Google API, który na szczęście udostępnia dane w czasie rzeczywistym. Acquisio Turing analizuje te dane, wyciąga z nich wnioski i optymalizuje stawki co 30 minut – co z kolei może prowadzić do wzrostu liczby kliknięć i konwersji.

8 – Ile konwersji potrzebujesz zoptymalizować pod kątem konwersji?

Marc: W celu prawidłowej optymalizacji pod kątem konwersji zaleca się, aby w ciągu ostatnich 30 dni mieć co najmniej jedną konwersję dziennie. Ale oczywiście byłoby lepiej, gdyby kampania przynosiła 5-10 konwersji dziennie, ponieważ dałoby to algorytmom więcej danych do pracy.

Warto wiedzieć: konwersje również muszą być śledzone za pomocą piksela konwersji Google Ads, a tylko jedna konwersja powinna być uwzględniona w kolumnie konwersji (ze śledzeniem konwersji ustawionym na unikalne w porównaniu do wszystkich).

9 – Czy to działa również w przypadku reklam displayowych?

Brad: Tak. Dane to dane. Jeśli Twoje reklamy graficzne generują wyświetlenia i konwersje; wtedy możesz również zautomatyzować ten rodzaj licytacji i zarządzania.

Kredyty obrazkowe

Główny obraz: Unsplash / Zach Lucero