Bye Bye Bidding: ทำให้แมชชีนเลิร์นนิงทำงานสำหรับเป้าหมาย CPA

เผยแพร่แล้ว: 2018-07-06

ในเดือนมิถุนายน ทีมงานของเราได้เดินทางไปซีแอตเทิลเพื่อร่วมงาน SMX Advanced 2018 ขณะที่เราอยู่ที่นั่น เราได้ยินผู้เชี่ยวชาญพูดถึงวิธีที่แมชชีนเลิร์นนิงของ Google ไม่ใช่โซลูชันแบบแฮนด์ฟรีอย่างแท้จริง และผู้จัดการแคมเปญต้องปรับและ อัปเดตเป้าหมาย CPA และ ROAS อยู่ดี

“เราอยู่ห่างไกลจากการพึ่งพา Google อย่างเต็มที่สำหรับ SEM อัตโนมัติ แม้ว่าการเสนอราคาอัตโนมัติเต็มรูปแบบจะบอกให้คุณเปลี่ยนเป้าหมาย CPA และการเสนอราคา ROAS ของคุณ ดังนั้นจึงไม่ได้ดำเนินการเองโดยสมบูรณ์หรือเป็นอัตโนมัติ”

หลังจากได้ยินความคิดเห็นนั้น ทีมของเราได้นึกถึงเทคโนโลยีแมชชีนเลิร์นนิงของ Acquisio (รู้จักกันในชื่อ Acquisio Turing) และวิธีจัดการกับสิ่งที่ขาดหายไปของแมชชีนเลิร์นนิงของ Google มันเป็นข้อความที่ขัดแย้งและเป็นตัวหนา แม้จะเป็นเพียงความคิด ดังนั้นเราจึงต้องการกล่าวถึงสถานการณ์กับผู้อ่านของเรา

พบกับ Acquisio Turing

ก่อนที่เราจะพูดถึงเรื่องนี้ เรามาแนะนำตัวที่จำเป็นกันก่อน เรารวบรวมอัลกอริธึมที่ชาญฉลาดซึ่งเรียกรวมกันว่า Acquisio Turing และเปิดตัวสู่สายตาชาวโลกเมื่อปีที่แล้ว

การใช้การเพิ่มประสิทธิภาพอย่างไม่มีที่สิ้นสุด Acquisio Turing ประกอบด้วยอัลกอริธึมต่างๆ กว่า 30 แบบซึ่งทำงานต่างกัน แม้ว่าเทคโนโลยีแมชชีนเลิร์นนิงนี้มีชื่อเสียงในด้าน ผลลัพธ์ ด้านประสิทธิภาพการจัดการราคาเสนอและการจัดการงบประมาณ (BBM) แต่ก็มีการขยายมากกว่าการจัดการเงินและทำงาน PPC อื่น ๆ ได้อย่างชาญฉลาดขึ้นทุกวัน (คอยติดตามเครื่องมือ AI เพิ่มเติมจาก Acquisio ในปลายปีนี้!) .

Acquisio Turing จัดการกับการเสนอราคา CPA ของคุณอย่างไร

เป้าหมายของ Acquisio Turing ไม่ว่าจะเป็นการเพิ่มประสิทธิภาพสำหรับการคลิกหรือ Conversion คือการใช้งบประมาณการโฆษณาอย่างมีประสิทธิภาพ ด้วยงบประมาณระยะเวลาโดยรวม (โดยทั่วไปคืองบประมาณรายเดือน) และราคาสูงสุดในแต่ละ Conversion เทคโนโลยีการเรียนรู้ของเครื่องจะพยายาม:

  • รับ Conversion สูงสุดในราคาเฉลี่ยต่ำกว่าราคาสูงสุด
  • ตรวจสอบให้แน่ใจว่างบประมาณมีตลอดระยะเวลา
  • ตรวจสอบให้แน่ใจว่าในแต่ละวันโฆษณาอยู่ในการประมูลตลอดระยะเวลาที่กำหนดโดยกำหนดเวลาโฆษณา

การไม่กำหนดเป้าหมายเป็นค่า CPA ที่เฉพาะเจาะจง Acquisio Turing สามารถเลือกที่จะค้นหา CPA ที่เหมาะสมที่สุดซึ่งสามารถใช้งบประมาณได้อย่างเต็มที่แม้ภายใต้สภาวะที่เปลี่ยนแปลงตลอดเวลา

การเพิ่มประสิทธิภาพ CPA ของ Acquisio Turing เทียบกับการเสนอราคาอัตโนมัติที่กำหนดเป้าหมาย CPA

มาพูดถึงสถานการณ์ที่อยู่ในมือกัน อะไรคือความแตกต่างระหว่าง Acquisio Turing และเครื่องมือเสนอราคาอัตโนมัติที่กำหนดเป้าหมายเป็นค่า CPA ที่เป็นรูปธรรม คำตอบนั้นซับซ้อนจริง ๆ และควรตอบผ่านสถานการณ์ต่างๆ มาสำรวจสิ่งเหล่านี้ด้านล่างโดยใช้เศรษฐศาสตร์พื้นฐานที่ใช้กับ PPC

สถานการณ์ที่ 1: ผู้โฆษณากำหนดเป้าหมาย CTA ที่สมเหตุสมผล

ในสถานการณ์สมมตินี้ สมมติว่าผู้โฆษณาตั้งค่างบประมาณรายเดือน $3,000 และตัดสินใจกำหนดเป้าหมาย CPA ที่ $10 งบประมาณรายเดือนแปลงเป็นงบประมาณรายวัน $100 (สมมติว่ามี 30 วันในเดือน) ด้วยเป้าหมาย CPA ที่ $10 ผู้โฆษณาสามารถคาดหวัง Conversion ได้ 10 รายการต่อวันโดยเฉลี่ย เป้าหมาย CPA มูลค่า $10 เป็นตัวเลือกที่ดีหรือไม่ สมมติว่าจากมุมมองของธุรกิจ เป้าหมาย $10 นั้นสมเหตุสมผล จากโครงสร้างบัญชี ธุรกิจ สถานที่ตั้ง เป็นไปได้ไหมที่จะได้รับ Conversion ที่ $10 ถ้าเป็นเช่นนั้น กี่? เพียงพอที่จะใช้จ่าย $3,000 ในแต่ละเดือน? วิธีเดียวที่จะทราบได้คือตั้งค่าการเสนอราคาอัตโนมัติและดูผลลัพธ์

เราสามารถแก้ไขปัญหานี้ได้จากมุมเศรษฐศาสตร์ของอุปสงค์และอุปทาน ในสถานการณ์นี้ ผู้โฆษณาเป็นตัวแทนของฝ่ายอุปสงค์ที่พยายามซื้อ Conversion เส้นอุปสงค์ของตัวอย่างสมมุติของเราแสดงในกราฟด้านล่าง โดยที่แกนนอนคือราคาของการแปลง (CPA) และแกนตั้งคือจำนวนการแปลง:

กราฟการแปลง CPA 1

ดังที่เราเห็น CPA มูลค่า $10 แปลงเป็น 10 Conversion ต่อวันด้วยงบประมาณรายวัน $100

หากผู้โฆษณาเปลี่ยนเป้าหมาย CPA จำนวน Conversion ที่คาดไว้จะเคลื่อนไปตามเส้นโค้งนี้ แต่กราฟนี้เพียงอย่างเดียวไม่ตอบสิ่งที่เป็นไปได้ CPA เป้าหมาย $5 สามารถทำงานและสร้าง Conversion 20 ครั้งต่อวันได้หรือไม่ อีกครั้ง วิธีเดียวที่จะค้นหาผู้โฆษณาของเราคือการเสนอราคาอัตโนมัติที่กำหนดเป้าหมาย CPA เฉพาะ (เป้าหมาย $5) และดูและเรียนรู้

สถานการณ์ที่ 2: ผู้โฆษณากำหนดเป้าหมาย CTA ที่ทะเยอทะยาน

คำตอบที่แท้จริงมาจากเส้นอุปทานของตลาดการประมูล มีราคาขั้นต่ำด้านล่างซึ่งคุณไม่สามารถซื้อการแปลงได้ อีกด้านหนึ่ง หากคุณอยู่เหนือ CPA ใดค่าหนึ่ง คุณเป็นเจ้าของตลาดโดยพื้นฐาน และจำนวน Conversion ที่คุณสามารถลดระดับได้ (เช่น ในบางจุด ไม่ว่าคุณจะจ่ายเท่าไหร่สำหรับการคลิกมากขึ้น คุณก็จะไม่ได้มากขึ้น Conversion เนื่องจากไม่สามารถแสดงได้)

เส้นอุปสงค์และอุปทานสำหรับตัวอย่างสมมุติของเราแสดงอยู่ด้านล่าง

กราฟการแปลง CPA 2

กราฟด้านบนสร้างขึ้นจากกราฟแรกของเรา ซึ่งบ่งชี้ว่า CPA ที่ต่ำที่สุดที่จะได้รับคือ $3 อย่างไรก็ตาม ในราคาต่ำนั้น คุณสามารถรับ Conversion ได้เพียง 1 รายการต่อวันโดยเฉลี่ย แม้แต่ที่ CPA มูลค่า $5 ที่ต้องการ อุปทานก็ไม่เป็นไปตามความต้องการ แทนที่จะใส่ถุง 20 Conversion ตลาดให้ผลตอบแทนเพียง 12 ซึ่งเป็นการปรับปรุงมากกว่า 10 ที่ CPA ที่ 10 ดอลลาร์ แต่ก็ยังเหลือ 40 ดอลลาร์ในแต่ละวัน

หากผู้ลงโฆษณามุ่งมั่นที่จะเพิ่มผลลัพธ์ของงบประมาณที่จัดสรรให้มากที่สุด วิธีที่ดีที่สุดคือลองใช้ค่าระหว่างค่าเหล่านี้และปรับแต่งต่อไป หรือให้อัลกอริธึมแมชชีนเลิร์นนิงของ Acquisio Turing ทำงานแทนโดยไม่ต้องกังวลว่าจะเลือก CPA เป้าหมายใด .

เมื่อเปิดใช้งาน Acquisio Turing ในแคมเปญ SEM รูปภาพอุปสงค์และอุปทานสำหรับสถานการณ์สมมติจะมีลักษณะเหมือนที่แสดงด้านล่าง

กราฟการแปลง CPA 3

รูปร่างของเส้นอุปสงค์และอุปทานจะเหมือนกัน มีอะไรใหม่คือเส้นสีแดงซึ่งระบุราคาสูงสุดที่ผู้ลงโฆษณาสามารถจ่ายสำหรับ Conversion หนึ่งรายการ โดยตั้งไว้ที่ $12 ในกรณีนี้ จุดที่ทำเครื่องหมายด้วยสีเขียวคือ CPA ที่เหมาะสมที่สุดสำหรับงบประมาณรายวัน $100 ซึ่งใช้งบประมาณจนหมด นั่นคือ CPA มูลค่า $6.25 ซึ่งให้ผลการแปลง 16 ครั้ง! ไม่เลวเลย อัลกอริธึมการเสนอราคาและงบประมาณของ Acquisio จะเรียนรู้ตำแหน่งของจุดนี้และผลักดันการเสนอราคาจนกว่าจะบรรลุผล

ทั้งหมดนี้เป็นสิ่งที่ดีและดีสำหรับโลกที่อยู่กับที่ แต่การโฆษณาทางอินเทอร์เน็ตเปลี่ยนแปลงตลอดเวลา แพลตฟอร์มการโฆษณาเปลี่ยนข้อเสนอและวิธีการจัดการโฆษณา (เช่น นโยบายและแนวทางปฏิบัติของหน้าผลลัพธ์ของเครื่องมือค้นหา ประเภทโฆษณาที่เกิดขึ้นใหม่ ฯลฯ) การเปลี่ยนแปลงการแข่งขัน หรือสถานการณ์ของผู้โฆษณาสามารถเปลี่ยนแปลงได้ ปัจจัยภายนอกทั้งหมดเหล่านี้ส่งผลต่อเส้นอุปทานหรือเส้นอุปสงค์ ซึ่งทำให้การเลือกเป้าหมาย CPA เดียวเพื่อเข้าถึงสิ่งที่ยากขึ้นในแต่ละวัน

สถานการณ์ที่ 3: ผู้โฆษณาใช้แนวทางปฏิบัติ CRO ที่ดีขึ้น

สมมติว่าผู้ลงโฆษณาได้ศึกษาประสิทธิภาพเว็บไซต์ของตนแล้ว ตัดสินใจที่จะเปิดเว็บไซต์อีกครั้งด้วยหน้า Landing Page และการนำทางที่ปรับปรุงให้ดียิ่งขึ้น ซึ่งจะเพิ่มอัตรา Conversion ขึ้น 50% ตลาดการประมูลไม่มีการเปลี่ยนแปลง แต่ด้วยการทำให้ผู้เข้าชมทำ Conversion ได้ง่ายขึ้น ผู้โฆษณาจึงสามารถผลักดันเส้นอุปทานขึ้นได้

กราฟการแปลง CPA4

เนื่องจากองค์ประกอบแคมเปญที่ดีขึ้นให้ผลลัพธ์ที่ดีกว่า การเปลี่ยนแปลงนี้หมายความว่า CPA ที่เหมาะสมได้เปลี่ยนไปเป็น $5.26 ซึ่งงบประมาณรายวัน $100 สามารถสร้าง Conversion ได้ 19 รายการ อัลกอริธึมแมชชีนเลิร์นนิงของ Acquisio Turing จะรับการเปลี่ยนแปลงนี้ด้วยตนเองโดยไม่ต้องแจ้งให้ทราบ หรือโดยที่ผู้ลงโฆษณาไม่ต้องประมาณการเป้าหมาย CPA ใหม่เพื่อตั้งค่า นั่นคือข้อแตกต่างที่สำคัญระหว่างเทคโนโลยีแมชชีนเลิร์นนิงของ Acquisio กับของ Google – ความสามารถในการใช้เป้าหมาย CPA โดยไม่ต้องใช้มือโดยสมบูรณ์หรือไม่

สถานการณ์ที่ 4: ผู้ลงโฆษณามีงบประมาณใช้จ่ายเพิ่มเติม

อีกกรณีหนึ่งที่เราเห็นบ่อยกับผู้โฆษณาของเราคือจำเป็นต้องเปลี่ยนงบประมาณ สมมติว่าในกรณีสมมุติของเรา ผู้โฆษณาพอใจกับโฆษณาที่กระตุ้นให้เกิด Conversion และต้องการเพิ่มงบประมาณสามเท่า งบประมาณสามเท่าควรเพิ่มเป็นสามเท่าใช่ไหม

กราฟการแปลง CPA 5

แต่น่าเสียดายที่ไม่ได้. ภายใต้เส้นอุปทานเดิม งบประมาณรายวัน $300 สามารถใช้ได้โดยจ่าย $12.60 ต่อ Conversion เท่านั้น โปรดทราบว่าราคานี้เกินขีดจำกัดราคาสูงสุดที่ $12 ที่ผู้ลงโฆษณาตั้งไว้ ดังนั้น Acquisio Turing จะไม่สามารถเข้าถึงจุดที่เหมาะที่สุดได้ กล่าวอีกนัยหนึ่ง ในสถานการณ์สมมตินี้ จะไม่สามารถใช้จ่ายงบประมาณที่ต้องการได้อย่างเต็มที่

มีสถานการณ์อื่นๆ อีกนับไม่ถ้วนที่ส่งผลกระทบต่อความสมดุลของอุปสงค์และอุปทาน และการรักษาไว้ด้านบนสุดอาจเป็นงานที่น่ากลัวสำหรับมนุษย์ ไม่ใช่สำหรับการซื้อกิจการทัวริง เทคโนโลยีแมชชีนเลิร์นนิงของเราจะตัดสินใจเรื่องราคาและงบประมาณได้มากถึง 48 ครั้งต่อวัน โดยสอดคล้องกับภูมิทัศน์การโฆษณาที่เปลี่ยนแปลงตลอดเวลา คุณจึงไม่ต้องทำ

แนวทางปฏิบัติที่ดีที่สุดเมื่อเพิ่มประสิทธิภาพ CPA ด้วย Acquisio Turing

หากคุณกำลังใช้ Acquisio Turing สำหรับการเสนอราคา CPA คุณจะต้องใช้แนวทางปฏิบัติที่ดีที่สุดเพื่อให้แน่ใจว่าคุณได้รับประสิทธิภาพที่ดีที่สุด

การแปลงที่สม่ำเสมอทำงานได้ดีที่สุด

ผู้โฆษณาจำเป็นต้องตั้งค่าเครื่องมือวัด Conversion เพื่อให้ Acquisio Turing มีประสิทธิภาพ ในบริบทของแมชชีนเลิร์นนิงและการเสนอราคาอัตโนมัติ ผู้โฆษณาต้องมีจำนวน Conversion ที่สอดคล้องกันขั้นต่ำที่ระบบสามารถเรียนรู้ได้ โดยการแปลงที่สม่ำเสมอ เราหมายถึงตัวเลขรายวันปกติบางส่วน แทนที่จะมีการแปลงแบบสุ่มเพียงไม่กี่ครั้ง

การเพิ่มประสิทธิภาพเป้าหมายที่แตกต่างกัน

ผู้ลงโฆษณาแต่ละรายมีเป้าหมายที่แตกต่างกันเมื่อสร้างแคมเปญในเครือข่ายการค้นหาทางออนไลน์ ตั้งแต่การกรอกแบบฟอร์มและการสมัครอีเมล การเยี่ยมชมเพจและการซื้อจริง มีเหตุการณ์ Conversion จำนวนมากที่ผู้ลงโฆษณาสามารถติดตามได้จากแพลตฟอร์มโฆษณาบนเครือข่ายการค้นหา

จากมุมมองของการรายงาน Conversion ทั้งหมดสามารถรวมเหตุการณ์ Conversion ที่เป็นไปได้ทั้งหมดที่กำหนดโดยเอเจนซีหรือผู้โฆษณา อย่างไรก็ตาม จำนวน Conversion ทั้งหมดควรรวมเฉพาะ Conversion ที่ควรค่าแก่การเพิ่มประสิทธิภาพเท่านั้น ผู้จัดการแคมเปญต้องตระหนักเมื่อทำงานกับแมชชีนเลิร์นนิงว่าระบบเหล่านี้ไม่สามารถแยกแยะประเภทของคอนเวอร์ชั่นต่างๆ ได้ ดังนั้นเมื่อรายงาน ตรวจสอบให้แน่ใจว่าได้รวมเฉพาะ Conversion ที่นับเท่านั้น เนื่องจาก Acquisio Turing ไม่สามารถแยกแยะได้และจะรายงานตามจำนวน ไม่ใช่ตามประเภท

ใช้ประโยชน์จาก Acquisio Turing เพื่อการเพิ่มประสิทธิภาพ CPA

Acquisio Turing คือโซลูชันการเรียนรู้ของเครื่อง SEM ที่ช่วยให้การเสนอราคาเป็นเรื่องง่าย ประเด็นหลักในที่นี้คือ ไม่เหมือนกับ Smart Bidding ของ Google ที่ผู้ลงโฆษณาสามารถให้ Acquisio Turing เป็นผู้ควบคุม - ไม่มีเป้าหมาย CPA ให้ปรับ.. เลย! อัลกอริธึมแมชชีนเลิร์นนิงอาศัยการติดตามการแปลงตามเวลาจริงจากแพลตฟอร์มโฆษณาบนการค้นหา ( โฆษณา Google และ Bing Ads ) ซึ่งช่วยให้ระบบบรรลุเป้าหมายของผู้ลงโฆษณาดังนี้

  • เพิ่มจำนวน Conversion สูงสุดในราคาที่ดีที่สุด
  • ทำให้งบประมาณของคุณมีอายุการใช้งานตลอดทั้งเดือน
  • ให้โฆษณาของคุณอยู่ในการประมูลตลอดทั้งวัน (หรือตามกำหนดเวลาที่ตั้งไว้)

เมื่อผู้โฆษณาปล่อยให้ CPA อยู่ในมือของแมชชีนเลิร์นนิงของเรา จะใช้ข้อมูลจำนวนมหาศาลเพื่อค้นหา CPA ที่เหมาะสมที่สุดสำหรับงบประมาณของผู้ลงโฆษณาท่ามกลางเงื่อนไขที่เปลี่ยนแปลงตลอดเวลา [หมายเหตุ: ปัจจุบันยังไม่รองรับการติดตาม Conversion หรือการโทรแบบออฟไลน์ แต่โปรดคอยติดตาม]

ในท้ายที่สุด Acquisio Turing กำลังดึงดูดการเข้าชมมายังไซต์ของคุณที่มีแนวโน้มว่าจะทำให้เกิด Conversion แต่มันขึ้นอยู่กับคุณแล้วที่จะสร้างหน้า Landing Page ซึ่งเป็นเส้นทางการนำทางที่นำผู้เข้าชมไปสู่การแปลงที่ง่ายดาย

เครดิตรูปภาพ

ภาพเด่น: Unsplash / Marc A

กราฟทั้งหมดที่สร้างโดย Tamas Frajka มิถุนายน 2561.