我们的网络研讨会“利用和审计 AI 为您的行业提供更好的搜索广告”的问答

本月早些时候，Acquisio 的联合创始人 Marc Poirier 和我，Adalysis 的 Brad Geddes 聚在一起，就人工智能对付费搜索的影响进行了一场精彩的讨论，活动经理需要利用人工智能的框架，以及审计这一新兴领域的内容。技术。

你错过了网络研讨会吗？ 在这里观看录音！

Marc 和我从观众那里收到了一些很棒的问题，但不幸的是，我们没有时间回答所有问题。 但是，正如我们在网络研讨会中承诺的那样，您可以在下面查看我们对您所有问题的回答。

1 – 您如何看待 Google 的机器学习？ 您是否曾经设置过 A/B 实验，让 Acquisio 与 Google 的机器学习相抗衡？

布拉德：在广告方面，谷歌的机器学习非常糟糕。 是否是广告的创建、RSA 广告服务、优化（这太可怕了）都没关系——不是一个大粉丝。 当谈到类似的列表时，我认为这很神奇。 但我的容忍度却大不相同。 对于类似的列表，如果它为我带来了 10% 的我从来不知道的新客户，我真的很高兴。 我永远不会笼统地说他们是好是坏。 谷歌非常擅长数学，他们非常不擅长创造力。 我在这些领域对它们进行了一些细分。

Marc：就比较而言，我们一直都在这样做。 例如，我们正试图在这方面变得更加自律，并获得大量使用 CPA 出价的客户样本。 我们还没有关于这方面的官方研究——还没有！ 但谷歌解决了一个不同的问题。 我们正在尝试花钱（以点击或转化的最佳价格，而不是瞄准固定价格），但在最大限度地提高转化率的同时不超出预算。

2 – 如果您的销售周期很长，比如 3-6 个月，那么如何最好地使用这些数据以及每天出现的潜在客户？ 如果数据落后当前出价几个月，您是否应该只反馈真正转换的潜在客户？

布拉德：这是一个哲学问题，也是一个数据问题。 我尝试尽快确定潜在客户的资格。 我的 MQL（我的营销合格线索）最多应在 2-7 天内完成。 机器学习，延迟 7 天工作，没问题。 如果我们可以在 7 到 14 天内对它们进行销售合格，我宁愿处理这些数据。 我会在 6 个月后进行封闭式销售吗？ 不，我不会。

在数据延迟的情况下，您应该使用双管齐下的机器学习方法。 首先是为机器提供最近的数据以用于决策。 这可以是潜在客户（如果可能，营销合格）或质量访问信号。 这有助于日常出价管理。

然后你应该反馈实际的销售数据，看看销售数据如何与合格的潜在客户数据对齐。 如果它紧密排列，那么您可以依赖短期信号。 如果没有； 然后你想深入研究数据，看看为什么它不排队。 可能存在导致质量较差的潜在客户的关键字、位置、一天中的时间或其他信号。 在这些情况下，您需要对您的广告系列进行调整，以便您的短期和长期数据相互一致。

Marc：我们在 Acquisio 为自己做了很多潜在客户开发工作，我们遇到了这个问题。 人们在购买之前会考虑产品一段时间，而且可能会很长。 代理商比广告商更有可能使用我们的产品，我们知道他们管理的帐户数量很重要。 如果他们管理的账户更多，他们更有可能使用我们的产品。 我们对我们的市场以及我们将在哪里取得成功有很好的了解，因此我们为演示请求提供的表格等为我们获取了这些信息。 我们用它来投标吗？ 我们没有。 该算法并非旨在捕捉这一点（它可以，但现在不能）。

布拉德：对于所有领先的公司——你让机器查看哪些数据，而不是你在内部使用哪些数据？ 您可能想知道“这是我们的总潜在客户，这是我们的合格潜在客户”，因此您可以查看合格的百分比并将该数字提高，但随后您可能只会将其中一个数字推回您的帐户以使机器正常工作从。

3 – 您如何在不使用长回顾窗口/历史数据的情况下考虑季节性？

Marc： Acquisio Turing 观察数据中的中短期趋势，并根据这些趋势做出决策。 我们的算法仅根据当前数据做出决策，对拍卖中的季节性变化做出反应，因为它们碰巧避免了过度或不足的支出。 查看我们对 Acquisio 的另一位联合创始人 Richard Couture 和 Jason MacDonald 关于管理 PPC 季节性的采访。

4 – 谷歌是人工智能和机器学习领域最先进的参与者之一，是什么让他们不让代理模式几乎过时？ 如果他们可以创建一个真正高效的自助服务平台，如此高效地花费客户的钱……代理机构在未来适合什么？

布拉德：当我们比较人类和计算机的优势时，我们看到了一些大趋势。 首先是战略。 机器不知道您的公司想要完成什么。 他们没有关于用户如何从您那里购买、意识的价值以及如何发展您的业务的数据。 这在代理机构和内部营销人员的世界中占有一席之地。

到目前为止，计算机在任何有创意的事情上都失败了。 这涵盖了广告的外观、优惠和网站内容。 就广告活动而言，从策略到创作再到执行，这在代理机构和内部营销领域占据了稳固的地位。

推动您的营销工作向前发展的数据洞察力来自人类的解释。 机器可以自动化报告并显示数据趋势； 但他们不知道为什么会出现这些趋势。 数据解释、数据讲故事和数据洞察力应该在很长一段时间内成为人类世界的一部分。

当谈到出价、自动报告和做可重复的工作时，机器学习就很棒了。 当谈到战略、创造力、讲故事以及为什么会发生某些事情以及如何应对时——这就是人类在营销生态系统中所处的位置。

5 – 您是否主要考虑成本/收入来优化 Google 购物出价？

Marc： Acquisio Turing 可以针对与其他活动相同的目标（无论是 CPC 还是 CPA）优化购物活动。 去年大约这个时候，我们与 Seer Interactive 举办了一次网络研讨会，提供了有关如何优化您的最后一分钟 Google 购物广告系列的提示。

6 – 您如何使用 ML 解决方案处理低流量问题？

Marc：当面对低流量时，Acquisio Turing 结合使用自适应调整来为手头的任务收集足够的信息，以及从低流量数据池中提取数据以帮助其做出明智的决定。

有趣的是，我们的算法在预算较少的情况下表现非常好，因此流量较低的付费搜索营销人员不应该害怕尝试我们的机器学习。

7 – 据我所知，Google Ads 不是实时共享数据，您只能获取每日数据。 那么如何实时运行出价优化呢？

Marc ：我们利用了 Google API，幸运的是，它确实提供了实时数据。 Acquisio Turing 每 30 分钟消化一次数据、从中学习并优化您的出价——这反过来又可以增加点击次数和转化次数。

8 – 您需要为转化优化多少次转化？

Marc：为了正确优化转化，建议在过去 30 天内每天至少进行一次转化。 但是，当然，如果广告系列每天产生 5-10 次转化会更好，因为这将为算法提供更多可使用的数据。

温馨提示：还需要使用 Google Ads 转化像素来跟踪转化，并且转化列中应该只包含一次转化（转化跟踪设置为唯一与每次）。

9 – 这也适用于展示广告吗？

布拉德：是的。 数据就是数据。 如果您的展示广告正在推动展示次数和转化次数； 那么您也可以自动化这种类型的出价和管理。

图片来源

特色图片：Unsplash / Zach Lucero