什么是机器学习，它是前进的方向吗？

已发表: 2022-05-25

不确定机器学习是否在您的业务中以及您报告和优化营销的方式中占有一席之地？ Distract 的团队分享了他们的想法。

随着技术的进步，机器学习在我们的日常生活中变得越来越根深蒂固。

毕竟，发现 40% 的营销人员认为更好的数据会提高他们的营销产出。

我们明白为什么。

访问更好的数据可以让您更有信心做出数据驱动的决策。借助机器学习，您甚至可以根据广告系列的表现获得直观的建议。

所以在这篇博客中，我们将探讨：

什么是机器学习？
为什么营销可以从机器学习中受益？
准备机器学习机会的步骤

让我们陷入困境。

什么是机器学习？

机器学习是一种人工智能形式，它允许软件应用程序通过使用历史数据和分析来更好地预测结果。

如果您在数字营销领域工作，您就会知道机器学习是不可避免的，并且在许多情况下可以显着提高业务绩效。

营销中的机器学习示例

有各种各样的人工智能工具可以通过机器学习支持企业。

从营销的角度来看，有五种关键类型的机器学习软件：

推荐系统
预测定位
LTV 预测
流失率预测
报告和大数据分析

让我们更详细地看一下每一个。

预测定位

一般来说，付费广告基于特定的人口统计或历史活动来定位用户。

但是，还有预测定位，您可以在其中定位最有可能进行购买的用户。

LTV 预测

LTV 是作为报告的一部分计算的，这意味着它是回顾性的。理想情况下，应该在客户离开之前计算 LTV。甚至更好的是能够预测特定类型的客户何时会考虑流失，并利用它来启动一项活动以保持他们的参与。

它还可用于衡量营销活动对 LTV 的影响，而不仅仅是潜在客户或销售。

流失率预测

与上述类似，流失率预测为企业提供了预测性营销机会，可以让客户保持更长时间的加入，并尽早确定流失的关键原因。

报告和大数据分析

最后但并非最不重要的一点是，报告和大数据分析是市场营销机器学习的一个关键未来趋势。

虽然像 Google Analytics 这样的工具可以在一个地方为您提供所有营销数据，但它并不能提供太多的见解或建议。

我们预测，从营销的角度来看，提供更多预测分析的软件将会兴起。

在营销分析中为机器学习做准备的步骤

从历史上看，营销人员一直依靠 Google Analytics 等工具以及 Google Ads 和 Facebook Business Manager 等工具中的原生报告来了解他们的营销活动的质量，尤其是付费广告的质量。

但随着第三方 cookie 的消亡和隐私更新的到位，分析用户指标以进行优化变得越来越难。

相关：什么是第一方数据以及如何收集它

因此，营销平台正在倾向于机器学习，将敏感数据从营销人员手中夺走，并迫使他们相信平台正在进行的智能优化。

Google 和 Facebook 等营销平台允许您为广告活动选择一个目标，以最大限度地提高某些转化率、达到特定的 ROAS，或者只是为您的网站增加流量。这些平台声称他们可以使用有关用户的详细指标（他们没有专门透露）来为您实现这些目标。

然而，谷歌已经大大减少了你可以看到的用户搜索词的数量，并且随着向 GA4 的过渡，如果没有大量数据集，几乎不可能分析你的网站导航。

相关： Universal Analytics 和 GA4 之间的主要区别

iOS 14 对 Facebook 广告产生了另一个重要影响，在查看转化时不再提供人口统计定位。

像这样的限制让营销人员别无选择，只能信任机器学习系统。

相关：如何减轻 iOS 14.5 的影响

为什么正确设置转化至关重要

当您委托这些平台优化您的活动以实现您的营销目标时，确保您提供给它们的数据是正确的很重要。

确保您的转换设置正确并在您的平台中，这将使您站稳脚跟，并意味着平台正在针对正确的事情进行优化。如果不给平台提供相关数据，机器学习的过程会长很多。也可能不会看到全部好处。

您可以为机器学习提供的数据越多越好。在 10,000 个用户组中发现显着相似性将比在 100 个用户组中更准确，这意味着基于大组的智能优化更有可能产生积极的结果。

针对 Google 上的转化进行优化

谷歌有许多活动类型，其中机器学习处于最前沿。其中最新的是 Performance Max，您可以在其中输入许多资产，Google 会代表您在多个 Google 平台上向它认为可能为您带来转化的用户做广告。

虽然这是机器学习的一种极端形式，但您不必直接投入并相信 Google 会从您手中夺走一切。

自动出价策略也是机器学习的一种形式。您可以控制您的关键字和复制，同时允许 Google 将这些广告展示给将要转换的人。

向 Google 提供尽可能多的数据将使您处于吸引正确用户的最佳位置。使用 Google 平台的一个主要好处是所有 Google 工具可以无缝地协同工作。这使得使用 Google 跟踪代码管理器、Google Analytics 或 Google Ads 本身可以轻松设置转换。将转化添加到 Google Ads 后，您将立即受益于机器学习和智能优化。 Google 将根据您的出价策略使用机器学习来实现您的目标。

使用 Ruler，可以通过多种方式将调用或表单导入 Google Ads。标尺调用可以作为事件自动导入 Google Analytics（分析），然后可以将其创建为目标并导入 Google Ads。

相关：如何在 Google Analytics 中跟踪电话

或者，表单和通话数据都可以从 Ruler 导出并上传到 Ads。此方法将回溯转化并将其与使用 GCLID 的广告相关联。然后，谷歌可以使用这些信息来做出明智的决定。

充分利用社交平台

让第三方平台与 Facebook 和其他社交媒体平台对话可能很困难。社交平台的最佳实践是为每个广告添加 UTM，以便可以将网站上的操作追溯到社交活动、广告组和特定广告。

使用 Ruler，可以分析这些 UTM 以确定可以归因回的调用和表单的数量。

但是，我们可以利用机器学习的另一种方式是创建自定义受众。可以使用电话号码和电子邮件地址等标识符将受众上传到社交平台。通过这样做，然后可以针对此自定义受众进行再营销或类似受众。这些看起来很像的观众是机器学习的用武之地。

社交平台将分析您的自定义受众列表并使用关键标记来识别这些用户的共同点。然后，他们可以根据也拥有这些关键标记的其他用户创建类似受众。从理论上讲，这些受众将与您的再营销列表相似，这意味着他们更有可能采取类似的行动。

您可以向任何平台提供的数据越多，智能优化就会越好。建议在创建自定义受众时拥有 300 多个用户的列表。

如果创建过去购买者或转换者的列表不可行，则查看转换之前的步骤或转换之前的步骤。创建一个已在您的网站上完成关键操作的用户的受众（无论是否是您转化旅程的最后一步），使任何类似的受众比全新的广泛受众更有可能更接近转化。

包起来

机器学习在数字营销领域无法逃脱。

积极主动并立即设置受众和跟踪。稍后，这些可以用于活动，平台已经有了数据来制定决策。

请记住，归因工具是机器学习的第一步。现在投资一个，以抢占您的营销数据。

Ruler Analytics 是领先的归因工具，可以与您的所有关键营销工具集成。预订演示以了解更多信息。

或者，如果您需要支持创建端到端的营销活动，请联系 Distract 团队。

关于汉娜兰顿

Hannah 是 Distract 的高级搜索广告客户经理。凭借五年的经验，Hannah 正在展望数字广告和机器学习的未来。

关于分心

Distract 是一家位于东米德兰兹郡林肯市的创意数字营销和广告公司。 Distract 以创新和创造力为荣，使 B2B 和 B2C 领域的客户在竞争中脱颖而出。

Distract 的搜索和社交团队与客户创造性地合作，以创建不断提供销售线索和查询并提高品牌知名度的活动。 Distract 通过结合清晰的个人品牌、创新策略以及使用通过设计、视频和社交媒体产生的创意元素来实现这一目标。